Planview-bloggen

Din väg till smidighet i affärsverksamheten

Artificiell intelligens, Vision och trender

Utnyttja AI på ett ansvarsfullt sätt: Vår vision för teknik och arbetstagare

Lär dig varför 19hundratalets Luddites kan vara några av de bästa lärarna om hur man gör AI rätt.

Publicerad Av Dr. Richard Sonnenblick
Utnyttja AI på ett ansvarsfullt sätt: Vår vision för teknik och arbetstagare

I början av 19-talet inledde en grupp engelska textilhantverkare - kända som Ludditerna - en rad kraftfulla protester. De framställs ofta som teknikfientliga, men deras sak var istället djupt rotad i människors behov av rättvisa löner och hållbara arbetsförhållanden.  

Historien berättar att dessa hantverkare skonade tillverkare som anammade den senaste tekniken men såg till att deras arbetskraft fick en lön som gick att leva på och behandlades respektfullt. När vi nu står på tröskeln till dagens revolution inom artificiell intelligens finner vi en kuslig parallell till ludditens kapitel i historien.  

Som Chief Data Scientist på Planview tror jag att vi kan vara för teknik samtidigt som vi är för människor och implementerar AI på uppdrag av våra kunder som en kraft för det goda.  

Vi kan dra nytta av fördelarna med AI genom att utveckla och använda den på ett ansvarsfullt sätt och fokusera på följande tre grundläggande principer: säkerställa korrekt och opartisk teknik, respektera integritet och immateriella rättigheter genom omdömesgill dataanvändning samt utnyttja AI inte för att ersätta - utan för att utöka - kvalificerad arbetskraft. 

Säkerställa noggrannhet och opartiska tekniker 

Partiskhet och felaktigheter i AI-modeller kan leda till skadliga resultat, allt från missriktade affärsbeslut till orättvis behandling. Det är vårt kollektiva ansvar som teknologer att minska sådana risker.  

AI-tekniker måste vara korrekta och opartiska för att tjäna sitt avsedda syfte och för att upprätthålla allmänhetens förtroende. 

På Planview säkerställer vi noggrannhet och opartiskhet genom identifiering och korrigering av partiskhet. Identifieringen sker genom omfattande tester, ungefär som kvalitetssäkring vid traditionell programvaruutveckling. Vi testar AI-modeller med hjälp av diversifierade dataset som återspeglar den verkliga världens komplexitet och ser till att de fungerar korrekt och rättvist i olika scenarier och demografiska grupper. 

På samma sätt är korrigering av fördomar inte en engångsinsats. Det är en iterativ process som börjar med transparens kring AI-systemets utformning, syfte och begränsningar. Modellens tolkningsbarhet spelar en avgörande roll i denna process. Genom förklarbar AI kan vi spåra hur en modell kom fram till en viss slutsats, vilket gör att vi kan identifiera och korrigera partiskhet i beslutsprocessen. 

Respekt för integritet och immateriella rättigheter genom omdömesgill dataanvändning 

Data är bränslet som driver AI. Användningen av data måste dock respektera individers och organisationers rättigheter. Sekretess och immateriella rättigheter är inte förhandlingsbara för oss. 

Vi arbetar målmedvetet för att säkerställa att våra utbildningsdata sammanställs på ett ansvarsfullt sätt. I praktiken innebär detta att personuppgifter anonymiseras, att nödvändiga samtycken inhämtas och att internationella bestämmelser som GDPR följs strikt.  

I många fall kör vi algoritmer för maskininlärning inom våra egna datorresurser för att skydda känsliga uppgifter. När det gäller generativ AI, där modeller som hanteras av tredje parter som Microsoft och OpenAI kan ge förstklassig prestanda, föregår vi användningen med en noggrann granskning av den tredje partens integritets- och säkerhetsrutiner.  

Genom att följa dessa principer ser vi till att vår AI-teknik bygger på en solid grund av respekt och förtroende. 

Förstärker kvalificerad arbetskraft, ersätter den inte 

AI:s potential är häpnadsväckande. Men som tekniker åligger det oss att se till att den tjänar mänskligheten.  

Vår teknik är utformad för att hantera repetitiva och vardagliga uppgifter, förbättra produktiviteten och göra det möjligt för våra team och kunder att fokusera på de mer kreativa, strategiska och inneboende "mänskliga" insatser som ligger till grund för alla framgångsrika, hållbara företag. 

Inom strategisk portföljhantering kan AI till exempel effektivisera processer (som att skapa planer och fylla i tidrapporter), förutsäga projekttidsplaneroch optimera resurser. Den kan snabbt analysera stora mängder data och ge insikter som hjälper chefer att fatta mer välgrundade beslut.  

AI kan dock inte ersätta det ledarskap, den kreativitet och den mänskliga kontakt som produktägare och projektledare bidrar med till sina team och projekt. Vi strävar efter att våra AI-verktyg ska stärka våra användare och göra deras jobb enklare och mer produktiva, inte göra dem föråldrade. 

Att sträva efter ett ansvarsfullt, etiskt och inkluderande tekniklandskap 

Precis som ludditerna på 19-talet strävar vi efter ett ansvarsfullt, etiskt och inkluderande tekniklandskap som lyfter alla det berör.  

Genom att säkerställa att våra AI-tekniker är korrekta och opartiska, respektera integritet och immateriella rättigheter samt fokusera på att förstärka snarare än ersätta mänskliga förmågor arbetar vi för att skapa ett digitalt ekosystem som återspeglar den anda av rättvisa arbetsvillkor som ludditerna förespråkade. 

När vi på Planview investerar aggressivt i framtiden för AI inspireras vi av lärdomarna från Ludditerna.

Ludditerna var inte teknikfientliga; de skyddade sitt hantverk, sin försörjning och sin värdighet. På samma sätt måste vi som tekniker värna om vår etik, våra användare och vårt samhälle i AI-eran. 

Vi fortsätter att engagera oss i meningsfulla diskussioner om AI:s konsekvenser för vårt arbete och samhället. Och vi ser fram emot att höra din feedback när vi väver in ansvarsfull AI i Planview Platform

Relaterade inlägg

Skrivet av Dr. Richard Sonnenblick Chief Data Scientist

Sonnenblick, Planviews Chief Data Scientist, har många års erfarenhet av att arbeta med några av världens största läkemedels- och life science-företag. Genom denna djupgående studie och tillämpning har han framgångsrikt formulerat insiktsfulla prioriterings- och portföljgranskningsprocesser, poängsystem samt finansiella värderings- och prognosmetoder för att förbättra både produktprognoser och portföljanalys. Sonnenblick har en Ph.D. och MS från Carnegie Mellon University i teknik och offentlig politik och en BA i fysik från University of California, Santa Cruz.