인공지능 작업에 대한 도전과 대응

현재 현장 학습은 어려움에 직면해 있습니다. 정교한 분석, 인공 지능, 로봇이 갑자기 직장의 모든 측면에 침투하여 전통적이고 효과적인 학습 방식을 근본적으로 뒤흔들고 있습니다. 기술이 점차 업무를 자동화함에 따라 매년 수만 명의 사람들이 직장을 그만두거나 이직하며 수억 명의 사람들이 새로운 기술과 새로운 업무 방식을 배워야 합니다. 그러나 스마트 머신을 배포하는 기업이 이러한 중요한 학습 채널을 방해한다는 더 광범위한 증거가 있습니다. 동료들과 저는 AI가 신규 이민자로부터 학습 기회를 빼앗고 베테랑이 실습할 기회를 줄여 두 사람 모두 동시에 새로운 방법을 숙지하도록 강요한다는 사실을 발견했습니다. 그리고 그들을 압도하는 옛날 방식.

그렇다면 직원들이 이런 기계를 다루는 법을 배울 수 있을까요? 이전 관찰 중 일부는 기존 관행에 도전하는 관행에 참여한 학습자로부터 나온 것입니다. 여기서 이러한 관행은 초점이 아니었고 그 결과에 대한 관용이 높았습니다. 나는 이러한 광범위하고 비공식적인 과정을 '은밀한 학습'이라고 부릅니다.

학습 장벽

저는 은밀한 학습을 ​​촉발하는 데 필요한 기술을 습득하는 데 있어 네 가지 일반적인 장벽을 발견했습니다.

1. 신입생은 "학습 이점"을 잃고 있습니다.

어떤 직업에서든 신입생은 느리고 실수하기 쉽기 때문에 직원을 교육하면 비용이 발생하고 품질이 저하됩니다. 조직이 스마트 머신을 채택함에 따라 관리 전략에는 위험하고 복잡한 부품에 대한 참여를 줄이기 위해 교육생이 참여하는 경우가 많습니다. 그 결과, 훈련생들은 제한된 도움으로 자신의 능력 범위를 확장하고 실수로부터 성장할 수 있는 기회를 거부당합니다. 이는 바로 새로운 기술을 배우는 데 필요한 조건입니다.

투자은행에서도 같은 현상이 일어납니다. New York University의 Callen Anthony는 한 투자 은행에서 파트너가 알고리즘을 사용하여 회사의 인수 합병을 지원하고 가치 평가를 해석함으로써 주니어 분석가가 수석 파트너와 점점 더 멀어지게 된다는 사실을 발견했습니다. 주니어 분석가의 임무는 단순히 시스템(웹에서 관심 있는 회사에 대한 재무 데이터 모음)에서 원시 보고서를 추출하여 분석을 위해 수석 파트너에게 전달하는 것입니다.

이러한 분업의 암묵적인 논리는 무엇입니까? 첫째, 복잡한 고객 대면 작업에서 후배 직원이 실수할 위험을 줄이고, 두 번째로 고위 파트너의 효율성을 극대화합니다. 후배 직원이 자신의 업무를 설명하는 시간이 줄어들수록 더 높은 수준의 업무에 집중할 수 있습니다. 레벨 분석. 이는 단기적으로 효율성을 향상시키지만 후배 분석가가 복잡한 업무에 도전할 수 있는 기회를 박탈하고 전체 평가 프로세스를 이해하기 어렵게 만들고 회사의 미래 역량을 약화시킵니다.

2. 전문가는 업무에서 소외됩니다

때로는 스마트 머신이 훈련생과 업무 사이에 끼어들기도 하고, 때로는 전문가가 중요한 실무를 수행하는 것을 방해하기도 합니다. 로봇수술에서는 외과의사가 대부분의 수술에서 환자의 신체나 로봇을 볼 수 없기 때문에 중요한 측면을 직접 평가하고 관리하는 것이 불가능합니다. 예를 들어, 전통적인 수술에서 외과의사는 장치와 도구가 환자의 신체에 어떻게 닿는지 잘 알고 그에 따라 조정합니다. 그러나 로봇 수술에서 외과의사는 로봇 팔이 환자의 머리에 부딪히거나 청소 팔이 기구를 교체하려고 할 경우 다른 사람에게 경고를 받아야 합니다. 이는 학습에 두 가지 영향을 미칩니다. 외과의사는 자신의 업무를 완전히 이해하는 데 필요한 기술을 연마할 수 없으며 다른 사람을 통해 이러한 새로운 기술을 습득해야 합니다.

3. 학습자는 기존 방법과 새로운 방법을 모두 숙달해야 합니다.

로봇 수술은 새로운 기술과 기술을 사용하여 기존 수술이 달성하려는 효과를 달성합니다. 이는 더 높은 정밀도와 더 나은 인체공학성을 약속하며 커리큘럼에 직접 통합되어 있어 레지던트는 로봇 공학과 전통적인 방법을 모두 배워야 합니다. 하지만 이 과정에서는 둘 다 마스터할 수 있는 충분한 시간을 제공하지 않으며, 이는 종종 최악의 결과, 즉 둘 다 마스터하지 못하는 결과로 이어집니다. 나는 이 문제를 방법론적 과부하라고 부릅니다.

4. 기본적으로 표준 학습 방법이 효과적이라고 가정합니다.

수십 년간의 연구와 전통을 통해 수련의 의사들은 "하나를 보고, 하나를 하고, 하나를 가르칩니다"라는 접근 방식을 따랐습니다. 그러나 우리가 본 것처럼 로봇 수술에는 적합하지 않습니다. 그럼에도 불구하고 구식 학습 방법에 의존하라는 압력은 강하며 일탈자는 거의 없습니다. 외과 훈련 연구, 표준 절차, 정책 및 고위 외과 의사는 모두 전통적인 학습 방법이 더 이상 적합하지 않음에도 불구하고 계속해서 강조합니다. 로봇수술.

Learning in the Shadow

위의 장애물에 직면한 은밀한 학습자가 필요한 지침과 경험을 얻기 위해 조용히 규칙을 우회하거나 위반하는 것은 놀라운 일이 아닙니다. 거의 100년 전, 사회학자 로버트 머튼(Robert Merton)은 합당한 수단이 가치 있는 목표를 달성하는 데 더 이상 효과가 없을 때 특별한 조치가 사용된다는 사실을 발견했습니다. 전문 지식(아마도 직업의 궁극적인 목표)도 마찬가지입니다.

제가 설명하는 장벽을 고려할 때, 우리는 사람들이 핵심 기술을 다른 방법으로 배울 것이라는 점을 이해해야 합니다. 이러한 방법은 일반적으로 유연하고 효과적이지만 개인과 조직에 비용을 부과하는 경우가 많습니다. 암묵적인 학습자는 연습 기회나 지위를 잃거나 낭비 또는 해를 끼치는 등 처벌을 받을 수 있습니다. 그러나 사람들은 규정 준수 방법이 실패할 때 학습 방법이 효과가 있기 때문에 계속해서 위험을 감수합니다. 이러한 비범한 방법을 분별력 없이 모방하는 것은 잘못된 일이지만 배울 만한 조직적 특징을 가지고 있습니다.

1. 지속적인 학습

스마트 기술이 더욱 강력해지면서 비밀 학습도 빠르게 발전하고 있습니다. 시간이 지남에 따라 새로운 형태가 나타나 새로운 경험을 제공할 것입니다. 주의를 기울이는 것이 중요합니다. 비밀 학습자는 자신이 하고 있는 일이 관습에 얽매이지 않으며, 자신이 하고 있는 일에 대해 처벌을 받을 수도 있다는 사실을 종종 인식합니다. (외과 레지던트가 숙련도가 가장 낮은 주치의와 함께 일하고 싶다고 알렸다고 상상해 보십시오.) 결과가 나오기 때문에 중간 관리자는 은밀한 학습자가 이를 공개적으로 인정하지 않는 한 이러한 관행을 눈감아 주는 경우가 많습니다. 관찰자, 특히 고위 관리자가 직원이 규칙을 위반하여 기술을 얻는 방법을 연구하고 싶다고 선언하면 학습자와 관리자는 자신의 경험을 공유하기를 꺼릴 수 있습니다. 더 나은 해결책은 엄격한 익명성을 보장하고 다양한 사례의 관행을 비교할 수 있는 중립적인 제3자를 도입하는 것입니다. 제보자들은 저를 알고 신뢰하게 되었고, 제가 여러 업무그룹과 시설에서 작업을 관찰하고 있다는 사실을 깨닫고 신분이 보호될 것이라는 확신을 갖게 되었습니다. 이는 그들이 진실을 말하도록 하는 데 매우 중요합니다.

2. 건물 조직, 작업 및 기술에 맞게 발견한 암시적 학습 방식을 조정합니다.

지능형 기계에 대한 조직 접근 방식은 종종 개별 전문가가 작업을 제어하고 훈련생에 대한 의존도를 줄이는 수준에 머물러 있습니다. 로봇 수술 시스템 덕분에 고위 외과의들은 더 적은 도움으로 수술을 할 수 있었고 실제로 그렇게 되었습니다. 투자 은행 시스템을 통해 고위 파트너는 복잡한 평가 작업에서 주니어 분석가를 제외할 수 있으며 실제로 그렇습니다. 모든 이해관계자는 조직, 기술 및 작업 설계가 생산성을 향상하고 OJL을 강화해야 한다고 주장해야 합니다. 예를 들어, 로스앤젤레스 경찰국에서는 순찰관에 대한 인센티브 변경, PredPol 사용자 인터페이스 재설계, 경찰과 소프트웨어 엔지니어를 연결하는 새로운 역할 생성, 경찰관이 시작한 모범 사례 사례에 대한 주석이 달린 라이브러리 구축 등을 의미합니다.

3. 스마트 머신을 솔루션의 일부로 만들기

인공 지능은 학습자가 어려움에 직면할 때 도움을 주고, 전문가에게 멘토로서 교육을 제공하며, 두 그룹을 스마트하게 연결할 수 있습니다. 예를 들어, 김주호는 MIT 박사과정 학생이었을 때 ToolScape와 Lecture-Scape를 구축했습니다. 이 도구는 동영상 교육을 위해 주석을 크라우드소싱할 수 있고, 이전에 주석을 찾기 위해 일시 ​​중지했던 사용자에게 설명과 기회를 제공할 수 있습니다. 그는 그것을 학습자 소싱이라고 부릅니다. 하드웨어 측면에서는 증강 현실 시스템이 전문가의 안내와 주석을 작업 흐름에 도입하기 시작했습니다.

기존 앱은 태블릿이나 스마트 안경을 사용해 실시간으로 업무 안내를 추가합니다. 더욱 정교한 스마트 시스템이 곧 출시될 것으로 예상됩니다. 예를 들어, 이러한 시스템은 견습 용접공의 시야 위에 공장의 모형 용접공 영상을 오버레이하여 작업이 어떻게 수행되었는지 보여주고, 견습생의 비교 시도를 기록하고, 필요에 따라 견습생을 모형 용접공에 연결할 수 있습니다. 이 분야에서 성장하고 있는 엔지니어 커뮤니티의 대부분은 공식 교육에 초점을 맞추고 있지만 더 심각한 위기는 OJL입니다. 우리는 OJL에 대한 노력을 재분배해야 합니다.

수천년에 걸쳐 기술의 발전으로 인해 작업 프로세스가 재설계되었으며 견습생은 멘토로부터 필요한 새로운 기술을 습득했습니다. 그러나 우리가 본 것처럼 스마트 기계는 이제 생산성이라는 이름으로 견습생을 멘토로부터, 멘토를 직장에서 분리하도록 강요하고 있습니다. 조직에서는 직원 참여보다 생산성을 무심코 선택하는 경우가 많으므로 업무 학습이 점점 더 어려워집니다. 그러나 비밀 학습자는 위험하고 독창적인 학습 방법을 찾고 있습니다. 지능형 기계의 세계에서 경쟁하기를 원하는 조직은 이러한 "비순응주의자"에게 세심한 주의를 기울여야 합니다. 그들의 행동은 전문가, 견습생, 지능형 기계가 함께 일하고 학습할 때 미래에 일을 가장 잘 수행하는 방법에 대한 통찰력을 제공할 수 있습니다.

위 내용은 인공지능 작업에 대한 도전과 대응의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!