现在是时候开始训练,明天的数字劳动力的时间。

由桑杰·斯里瓦斯塔瓦

德锐POV

人工智能和自动化正在改变我们的工作方式 - 但他们无法消除人类的独特作用的发挥。从行业经验,业务流程知识,雇主将继续依靠员工对他们的业务导向的战略成果和带来的表见解。但为了获得成功,有效的规划,员工技能发展和强大的人才收购将是至关重要的。

人工智能聪明的转型潜力,更快没有暗箱操作。实现更推出跨企业,AI会呈现模式的转变是什么构成了长期的异常,或最后一英里问题的手册去过处理定义,这可能不是地址自动化“的工作,”。

但AI和自动化无法消除画面的人。远非如此,因为技术解决了只有一半的方程。我们需要人们以行业的专业知识和业务流程数字上下文到业务应用,引导预期的结果。这种人与机器的协作是什么将定义下一代工作,智能系统接管一些过程当然可以,但释放了同样的员工承担更多的战略性工作重点放在增长。

在这些新的环境中,人会一起工作在增强的任务和新角色的数字工具,创建一个看不见的混合队伍。 简柏特研究 发现全球企业的近80%的AI,他们的员工认为领导者是舒适的2020年工作与机器人,此外,工人的一项相关研究简柏特,40%的会很舒服,他们表示,与在同一时间的机器人。

然而,管理ESTA混合动力仅从劳动力管理的人非常不同。我们将需要实施新的结构和流程进行有效的管理和确保成功的变革。

考虑到变更管理计划

在匆忙我们有时会忽略变更管理下车地面,创造了线的问题项目 - 尤其是一些工人只是想增加机器人的劳动力带来的消极后果。我们需要制定一个明确的,可操作的变革管理战略,以缓解可能出现的业务中断 - 从人与技术。

在员工方面,我们需要沟通预期的变化提前做好这样的人都知道,并且能为变化做好准备了。对于数字的员工队伍,我们应该记住,进程不存在于真空之中,但涉及而是上游和下游的众多交流。

例如,一个小的改动,以在前端一个WebForm可以破坏的机器人自动化过程在后台工作。映射出怎样不同的机器人和系统会工作,可以防止路障在一起。

可视化操作工作台

在过去,我们可以很容易地看到当员工在主频,主频了,还是没来上班。随着机器人的集成,它变得更加难以跟踪如果有停止他们的工作毛刺。

For instance, if there if there is a coding glitch in a CRM system, it can take time to isolate, which then manifests in a problem with the profit & loss numbers weeks later.

一个可能的解决方案是建立一个“可视化仪表板”,以兼管自动化操作。提供了一个单一的仪表板跨地点,环境和系统进行查看。然后,我们有超过我们的知名度所有的机器人,智能自动化和工作流编排。 ESTA可以更容易地识别任何快速解决问题和部署。

建立强有力的治理协议

通过跟踪机器人的操作,我们可以更好的治理建立,这是必不可少的AI考虑潜在的偏见。这些系统仅仅是不如他们的数据样本,不平衡数据集或固有的意外结果可以体现人的偏见。

例如,使用软件来理解人类的表达可能会努力地“读”,如果训练的同构的数据不同种族的人。开发偏见可能随着时间的推移,这样的艾对话可能效仿负面的语言 - 微软及其Twitter的僵尸一个沉痛的教训,“泰”。

为了避免出现意外结果,它是由人类统治的机器和有意识和无意识的偏见识别身份。在团队合作与AI多样性可以提供帮助。随着带来不同的技能的团队成员和途径导致更平衡的数据集。他们也可以训练机器,以避免造成负面影响。

了解AI的局限性

有一个误解的AI更加成熟,比它是 - 在生意特别。协和理解的局限性可以规划和数字劳动力会意帮助哪里办理员工域。例如,有经验的工作人员通过多次交换的知识,可以在一个确保从最终的作品自动化结束的过程,它定位到特定的业务目标。

域和数字的交叉点是什么将推动成功。我们需要的人谁可以翻译它们的经验,这些新的应用。有机会我们在此交汇域和数字之间的学习新技能的员工,不仅滋生更大的人才,也更好的员工敬业度和好感。与此同时,我们关注我们的招聘程序是否应找“双语”的人都有的领域和数字知识,可以弥合的连接。

启动管理混合思考关于劳动力的时间就是现在,不是明天。我们需要确保我们拥有正确的流程和结构来管理新兴的数字的职工队伍,具有较强的变更管理和治理协议。此外,我们必须开始规划 - 横跨教育和人才收购 - 在域名和数字的交集物化的好处,学习新技能现有职工。

 

这篇文章是从写的桑杰·斯里瓦斯塔瓦 信息管理 并通过合法授权 newscred 出版商网络。请直接将问题发牌legal@newscred.com

博客类别

博客类别

相关文章

哪些工作也尚未发明的?

学到更多

相关方案