人体的机器学习

随着企业将机器学习融入其组织,许多专家都预测它会导致大规模的裁员。

然而,与经济学主主义情报单位开发的研究SAP,充分利用机器学习:来自快速学习者的5课,发现证据表明,高技能员工在转型和超越期间将是至关重要的。“人民”部分业务不会随时随地。但它会改变。

机器学习的整合将需要全新的方式来定义角色和责任,需要新的技能来构建算法或与它们共存,或许最重要的是,需要一种能够随着人工智能能力不断进化和学习的文化。

实际上,在调查的组织的子集中,已经看到了从机器学习的利益,我们称之为“快速学习者”75%的人表示他们希望在增加智能自动化时培训员工。作为数字经济的麻省理动机麻省理工学院主任主任Erik Brynjolfsson,观察到的,对员工进行再培训,重新定义工作,从而在员工和机器之间建立协作关系,这将决定组织的成功程度。

在计算机上一起工作的同事

战略能力

跟上机器是更大挑战的一部分:数字转换该组织将为机器学习、物联网、大数据和分析等新技术创造休耕地,以生存和发展。避免之前的重大技术变革(如21世纪初的企业软件浪潮)所遭遇的组织阻力,将是至关重要的。

公司领导有责任阻止抵抗。在这方面,快速学习者有一个良好的开端。与其他组织相比,快速学习者公司的c级高管对机器学习策略的参与程度更高。很少有快速学习者在机器学习方面缺乏战略清晰性——这与以前的企业软件开发不同,高管经常会检查这些软件。

如果组织将吸引新的直观和好奇的技术人员 - 具有编程技巧和对数据科学和业务的深刻理解建立他们的机器学习能力。对于快速学习者将缺乏可用的外部机器学习专业知识作为最佳挑战,这项技能可能很难找到。

机器学习的应用都在我们身边

更重要的是,高管们必须招募有技能的非it专业人士与技术人员合作,随着时间的推移开发组织的机器学习能力。例如,最早采用机器学习的会计公司EisnerAmper就聘用了数据科学家、商业分析师和应用程序开发人员进入其企业技术部门。新来者与公司的会计、审计和税务领导合作,开发新的能力。

随着时间的推移,机器学习企业将通过调整业务流程,人员配置模型和学习和开发计划来适应机器可以学习的速度和规模来开始以不同的方式运作,斯坦顿·琼斯(Stanton Jones)是ISG的主任和主要研究分析师。组织正在从一个焦点迁移“人们正在推动技术支持的过程”,“他说,”这是一个技术正在推动人们支持的过程。“

机器学习使公司能够在不增加人员配置的情况下呈现呈指数增强其能力的规模。人们将参与更高的级别,管理,分析或在机器学习输出时行动。

检查数据的妇女使用片剂

人机伙伴关系

当机器增强和补充人类技能时,指数值开始累积。“这更像是与机器智能的合作关系,”毕马威的创新和企业解决方案团队校长校长悬崖正义说。“你正在追求新的地面。你正在创新更快。“

在EisnerAmper,机器学习是推动公司向数字时代转型的引擎,使其能够超越基本的审计和会计,成为客户的战略业务顾问。该公司已经开发了智能审计工具——一种学习如何学习以使审计过程更有效和高效的软件——并计划启动完全由机器学习驱动的审计实践。

这将释放Eisneramper的从业者,为客户提供高级咨询服务和战略咨询的客户,同时以低于竞争对手的价格提供传统审计服务。

在我们的研究中,快速学习者正在拥抱成功机器学习所需的组织和文化转变。实际上,在刚刚开始涉及机器学习但尚未见过的福利的研究受访者中,只有50%的人表示他们计划培训员工的机器学习时代 - 比快速学习人员少三分之一。

快速学习者已经认识到,机器学习的价值来自于人类和数字劳动的正确结合。这或许可以解释为什么快速学习者会说,与其他组织相比,组织抵抗的挑战更小。

因此,它们不仅在开发机器学习能力方面领先,而且在使企业适应不久的将来集成人类和机器学习将是一种竞争必需品。