人工知能を扱う際の課題と対応

今日の職場学習は課題に直面しています。高度な分析、人工知能、ロボットが職場のあらゆる側面に突然侵入し、この古くからある効果的な学習方法を根本的に覆しています。テクノロジーによって仕事の自動化が進むにつれて、毎年何万人もの人が離職または就職し、何億人もの人が新しいスキルや新しい働き方を学ばなければなりません。しかし、企業がスマート マシンを導入していることで、この重要な学習経路が妨げられていることを示す広範な証拠があります。同僚と私は、AI が新人から学習の機会を奪い、ベテランが練習する機会を減らし、両者が同時に新しい方法を習得することを強制していることを発見しました。そして彼らを圧倒する古いやり方。

それでは、従業員はこれらのマシンの使い方を学ぶことができるのでしょうか?これまでの観察の一部は、従来の実践に挑戦する実践に従事した学習者からのもので、そのような実践は焦点ではなく、その結果に対する許容度が高かったものでした。私はこの広範で非公式なプロセスを「秘密学習」と呼んでいます。

学習への障壁

私は、隠れた学習を引き起こす、必要なスキルの習得を妨げる 4 つの一般的な障壁を発見しました。

1. 新人は「学習上の優位性」を失いつつあります

どのような仕事でも、新人は仕事が遅く、間違いを犯しやすいため、従業員のトレーニングにはコストがかかり、品質が低下します。組織がスマート マシンを導入するにつれて、管理戦略として研修生にリスクが高く複雑な部分への関与を減らすことが多くなります。その結果、研修生は、限られた援助で自分の能力の限界を広げ、間違いから成長する機会、まさに新しいスキルを学ぶために必要な条件を与えられません。

同じ現象が投資銀行でも起こります。ニューヨーク大学のカレン・アンソニー氏は、ある投資銀行で、パートナーが企業の合​​併・買収を支援し、評価を解釈するためにアルゴリズムを使用しており、その結果、ジュニア・アナリストがシニア・パートナーからどんどん離れていっていることを発見した。ジュニア アナリストの仕事は、システムから生のレポート (関心のある企業に関する財務データの Web ベースのコレクション) を抽出し、分析のために上級パートナーに渡すことだけです。

この役割分担の暗黙のロジックは何ですか? 1 つ目は、若手スタッフが複雑な顧客対応業務で間違いを犯すリスクを軽減するためであり、2 つ目は、上級パートナーの有効性を最大化するためであり、若手スタッフが自分の仕事を説明する時間が減れば減るほど、より高いレベルの業務に集中できるようになります。レベル分析。これにより、短期的には効率が向上しますが、若手アナリストが複雑な作業に挑戦する機会を奪い、評価プロセス全体を理解することがより困難になり、企業の将来的な能力が弱体化します。

2. 専門家が仕事から疎外されている

スマート マシンが研修生とその仕事の間に挟まれることもあれば、専門家の重要な実務の妨げになることもあります。ロボット手術では、外科医はほとんどの手術で患者の体やロボットを見ることができないため、重要な側面を直接評価して管理することが不可能になります。たとえば、従来の手術では、外科医はデバイスや器具が患者の体にどのように接触するかを鋭く認識し、それに応じて調整します。しかし、ロボット手術では、ロボットアームが患者の頭に当たったり、洗浄アームが器具を交換しようとしたりした場合に、外科医は他の人に警告してもらう必要がある。これは学習に 2 つの影響を及ぼします。外科医は自分の仕事を完全に理解するために必要なスキルを磨くことができず、外科医は他者を通じてそのような新しいスキルを習得する必要があります。

3. 学習者は古い方法と新しい方法の両方を習得する必要があります

ロボット手術では、新しい一連のスキルと技術を使用して、従来の手術が達成しようとしている効果を達成します。これはより高い精度とより優れた人間工学を約束しており、カリキュラムに直接組み込まれており、入居者はロボット工学と従来の方法の両方を学ぶ必要があります。しかし、コースでは両方を習得するのに十分な時間が与えられず、どちらも習得できないという最悪の結果につながることがよくあります。私はこの問題を方法論的過負荷と呼んでいます。

4. 標準的な学習方法はデフォルトで効果的です

数十年にわたる研究と伝統により、研修医は「1 つ見て、1 つ実行し、1 つ教える」というアプローチに従うようになりました。しかし、これまで見てきたように、ロボット手術には適応していません。それでも、昔ながらの学習方法に依存する圧力は強く、逸脱するものはほとんどありません。外科研修研究、標準的な手順、方針、上級外科医はすべて、この方法が間違いであることが明らかな場合でも、伝統的な学習方法を重視し続けています。もはやロボット手術には適していません。

影の中で学ぶ

上記の障害に直面すると、秘密学習者が必要な指導や経験を得るために、静かにルールを回避したり破ったりするのは驚くべきことではありません。ほぼ 100 年前、社会学者のロバート・マートンは、正当な手段が価値ある目標を達成するために機能しなくなった場合、特別な手段が使用されることを発見しました。専門知識（おそらくキャリアの最終目標）についても同様です。

私が説明した障壁を考慮すると、人々は他の方法で重要なスキルを学ぶことになることを理解する必要があります。これらの方法は一般に柔軟で効果的ですが、多くの場合、個人や組織にコストがかかります。暗黙的な学習者は、練習の機会や地位を失ったり、無駄や損害を与えたりするなどの罰を受ける可能性があります。しかし、コンプライアンス手法が失敗しても学習手法が機能するため、人々は依然として何度もリスクを冒します。洞察力なしにこれらの並外れた方法を模倣するのは間違いですが、それらには学ぶ価値のある組織の特徴があります。

1. 継続的な学習

スマート テクノロジーがより強力になるにつれて、秘密学習も急速に発展しています。時間の経過とともに新しい形が現れ、新しい体験が提供されます。常に注意を払うことが重要です。秘密学習者は、自分たちがやっていることが型破りであることを認識していることが多く、そのために罰せられる可能性があります。 （外科研修医が、最もスキルの低いアテンダントで働きたいと公言した場合を想像してください。）それが結果を生み出すため、隠れて学習している人が公然と認めない限り、中間管理者はこれらの慣行に目をつぶることがよくあります。観察者、特に上級マネージャーが、従業員がルールを破ってどのようにスキルを獲得するかを研究したいと宣言すると、学習者とそのマネージャーは自分の経験を共有することに消極的になる可能性があります。より良い解決策は、厳密な匿名性を確保し、さまざまなケースでの実践を比較できる中立的な第三者を導入することです。私の情報提供者たちは私のことを知り、信頼するようになり、私が多くの作業グループや施設での作業を観察していることに気づいたので、自分たちの身元は守られると確信しました。これは彼らに真実を語らせるために非常に重要です。

2. 発見した暗黙的学習の実践を、組織、仕事、テクノロジーの構造に合わせて適応させる

インテリジェント マシンに対する組織的なアプローチは、多くの場合、個々の専門家に作業を制御させ、依存性を減らすことに留まります。研修生レベルです。ロボット手術システムのおかげで、上級外科医は少ない助けで手術を行うことができ、実際にそうしました。投資銀行システムでは、上級パートナーが若手アナリストを複雑な評価作業から除外することができ、実際にそうしている。すべての利害関係者は、組織、テクノロジー、および作業設計が生産性を向上させ、OJL を強化することを主張する必要があります。たとえば、ロサンゼルス市警察の場合、これはパトロール警察官のインセンティブの変更、PredPol ユーザー インターフェイスの再設計、警察とソフトウェア エンジニアをつなぐ新しい役割の作成、警察官が開始したベスト プラクティス事例の注釈付きライブラリの構築を意味します。

3. スマート マシンをソリューションの一部にする

人工知能は、学習者が困難に遭遇したときに助け、指導者として専門家にトレーニングを提供し、2 つのグループを巧みに結び付けることができます。たとえば、Juho Kim 氏は、MIT の博士課程の学生だったときに ToolScape と Recipe-Scape を構築しました。これは、教育用ビデオの注釈をクラウドソーシングでき、これまで注釈を見つけるために一時停止していたユーザーに説明と機会を提供します。彼はそれを学習者ソーシングと呼んでいます。ハードウェア側では、拡張現実システムにより、専門家のガイダンスと注釈がワークフローに導入され始めています。

既存のアプリは、タブレットまたはスマート グラスを使用して、リアルタイムで動作するためのガイダンスを追加します。より洗練されたスマート システムが間もなく登場すると予想されます。たとえば、そのようなシステムは、工場内の模型溶接工の映像を見習い溶接工の視野に重ね合わせ、作業がどのように行われたかを示し、比較のために見習いの試みを記録し、必要に応じて見習いを模型溶接工に接続することができます。これらの分野で成長を続けるエンジニア コミュニティの多くは正式なトレーニングに重点を置いていますが、より深刻な危機は OJL です。 OJL への取り組みを再配分する必要があります。

何千年にもわたって、テクノロジーの進歩により作業プロセスの再設計が推進され、見習いたちは指導者から必要な新しいスキルを習得してきました。しかし、これまで見てきたように、現在、スマートマシンのせいで、生産性の名のもとに、実習生を指導者から引き離し、指導者を仕事から引き離すことを強いられています。組織は従業員のエンゲージメントよりも生産性を誤って選択してしまうことが多いため、仕事を通じて学習することがますます困難になっています。しかし、秘密学習者は、危険を伴う、型破りな学習方法を探しています。インテリジェントなマシンの世界で競争したい組織は、これらの「不適合者」に細心の注意を払う必要があります。彼らの行動は、将来、専門家、実習生、スマート マシンが一緒に働き、学習するときに、物事を成し遂げる最善の方法についての洞察を提供します。

以上が人工知能を扱う際の課題と対応の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。