由于各地的道德人工智能(AI)的争论仍在继续,最近麦肯锡公司的文章警告商界领袖,依靠公司的价值观只是作为你的“指南针”是不够的,浏览这个新的领域。事实上,这是谁需要提供指导,导致员工进入人工智能和机器学习的乐土老总自己。

除了数字般的收入和利润,麦肯锡做的情况下,成功的其他措施开始发挥作用,在数字化转型的时代,包括“做正确的决定,不仅导致创造价值,但也没有坏处。”这后一组度量是其中AI特别到图片。

AI已经为各行各业的企业提供很大的。事实上,根据麦肯锡的研究,实现AI融入企业的公司数量2017年至2018年翻了一番“几乎所有”的公司实现商业价值的结果。但该公司指出,需要“用心经营,以防止无意的,但显著伤害“。这当然包括对贵公司的品牌声誉的负面影响,但也延伸到你的员工,公民和社会的整体。

在这种环境下,它应该是毫不奇怪,尤其是CEO们的“聚光灯下”罢工经营成果和企业社会责任之间的平衡。这超出了合规性和帮助员工更新技能。事实上,根据麦肯锡的文章,CEO们需要“深入挖掘”到AI的影响,通过他们的数据和分析团队挑战不断评估自己的行为。对于CEO的部分,提出正确的问题在正确的时间是该过程的一个关键部分。

为此,麦肯锡的文章提供了五个重点领域,以帮助指导老总。阅读以下更多他们能有对业务的潜在影响:

  • 适当的数据采集:更好地频繁地执行压力,需要新的数据源和更多的人。在更多的数据,包括来自第三方来源首席执行官无尽的任务建议是“警惕”的要求数据被采购地点和理解所有的含义,特别是当客户数据在作怪。
  • 数据集适用性:更准确的数据集导致更准确的结果。这是至关重要的,当涉及到利用AI来充分而准确的潜力。但是这需要老总问非常具体和有关所使用的数据集“颗粒”的问题,同时保持对所有潜在的人群给定数据集应该包括了广阔的前景。
  • AI输出的公平性:即使采取了健全的伦理框架,仍然会发生AI偏见,特别是当被使用的历史数据。为了保证整个过程的公平性,鼓励CEO们通过正确定义它前面和应用的标准来衡量它在整个过程中,以“公平”设计到流程。
  • 法规遵从性和参与:麦肯锡文章敦促老总不仅要问监管要求,合规性问题,也促进了数据的科学,监管和共享指标法律团队之间的协作。
  • Explainability:能够解释清楚AI是怎么做预测是帮助您的业务,而其余的伦理,就是CEO们正在调用任务的另一个领域。根据麦肯锡的文章,企业领导者应该知道自己的数据分析团队和很好的举措,力求真正了解执行AI时,他们所使用的数据模型。

要了解更多信息,包括公司的价值观是如何组合的一部分,阅读完成麦肯锡公司文章