帮助手：使用AI时，公司需要了解何时会导致隐藏错误
自侏罗纪公园冲进票房30年以来，在全球各地吸引了其特殊效果的观众，以及其不受限制的野心的警示故事。
科学家可能与重建恐龙更近。但是，生成AI的惊人能力引起了类似的奇迹，兴奋和关注的范围。
经理们已经竞争接受AI，担心如果他们无法跟上快速的技术进步速度，他们也会面临灭绝。
英国三分之二的大公司现在报告说他们使用AI，而不是超过三分之一的中型企业。但是用杰夫·戈德布鲁姆（Jeff Goldblum）来解释，老板已经对他们是否可以使用AI感到如此全神贯注，他们并没有停止思考是否可以。或者，更相关，如何他们应该使用ai。
对于所有无疑的潜力，仍然存在许多关于AI在工作场所中的作用以及公司如何最好地利用其快速发展的能力的问题。
开拓性研究 我最近与哈佛商学院的同事，宾夕法尼亚大学沃顿商学院，麻省理工学院斯隆管理学院和波士顿咨询集团（BCG）进行了一些重要的见解，以了解AI如何帮助和阻碍知识工作者。它还强调了这可能会给组织及其领导人带来的好处和风险。
工人什么时候使用AI工具？
威廉希尔中文网站平台招募了758 BCG顾问，他们被随机分配到这两个任务之一。两者都被设计为顾问在常规工作中可能会面临的现实任务。
一项是一项分析，业务策略任务，要求顾问分析公司的品牌绩效，并为其首席执行官提供有关要关注哪个品牌的明确建议。第二个是一项创造性的任务，顾问需要为时尚公司开发新的鞋类产品，以针对市场不足的市场。
威廉希尔中文网站平台将处理每个任务的顾问分为三组。第一组在没有任何指导的情况下使用了AI。第二组在给予了有关如何利用它的非常简短的培训视频后使用的AI。最终小组无法访问该技术。
使用AI的人更快地完成了这两个任务。但是，他们在这两个任务中的工作质量存在明显的差异。
在创意鞋类任务中，使用AI的人的表现优于无法访问AI的人，其利润率为40％。尽管所有AI用户都受益，但表现较低的候选人最受益匪浅，使差距与他们更强大的同龄人缩小。
但是，在更具战略性的决策任务上，那些使用ChatGpt-4的人的性能要比其对应者差。
使用AI的顾问的顾问的生产可能性少于20％。然而，他们的建议被评估为更高的质量，因为它们是如此有说服力且写得很好。
换句话说，使用Genai的专业顾问更有可能是错误的，但仍然设法听起来更令人信服。这给企业带来了重大问题。
AI能力的“锯齿边界”
结果中的差异突出了AI采用的主要问题之一。很难知道其功能的限制在哪里。
您可以依靠AI来帮助其能力的“锯齿边界”内部的任务，并产生高质量的Reults。但是，如果您将其用于边境之外的任务，那么您更有可能犯错误。
这一事实使大型语言模型（LLMS）保持不透明，这是复杂的。有时它们会产生不正确的结果，尽管看起来似乎是合理且令人信服的。这使得很难预测他们可能跌倒的地方。
即使您设法准确地绘制了当今AI能力的锯齿状边境，该技术的发展速度如此之快，以至于明天的边界线可能会发生变化。
人造或人类智能？
在威廉希尔中文网站平台的研究中显而易见的另一个主要风险是认知多样性的降低。这导致了较小的创意，即使在非常适合使用AI的任务中。
在鞋类任务中，使用AI通常会产生相似的想法。这些顾问无法使用AI的工作更慢，平均产生了较低的想法质量。但是，他们提出了更多的建议。
这表明公司可以从更多地依靠人类创造力来产生独特的产出中受益。当需要激进创新并且竞争对手严重依赖AI时，尤其如此。
对这个问题没有简单的答案：“对于哪些任务应该使用AI？”相反，企业应学会通过不同的用途进行系统和战略性的实验。
实验AI的重要性
可以说不再是采用AI之间的公司的二进制选择。这个问题也没有一个简单的答案：“公司应该使用AI的任务？”
而是，业务领导者应学会通过AI进行系统和战略性的实验。目的是确定哪种方法最适合技术，并在监视所涉及的风险的同时找到使用AI的方法。
不加选择地应用AI技术可能会导致在仍然需要更大人类判断的任务上造成生产力损失。这也可能导致关键任务和声誉损害的问责制下降。
同样，忽略AI可能意味着在竞争性的采用技术和效率的竞争竞赛中输掉。它还可以否认知识工作者有机会提高自己的技能并专注于高价值任务。公司需要创建新的角色，并开发新的工作和组织形式，以领导系统的实验。
如何尝试使用生成AI模型
最佳使用AI的最佳方法将在不久的将来尚不清楚。因此，随着技术的发展，管理人员将继续尝试该技术。
威廉希尔中文网站平台的研究小组开发了一种工具来帮助组织对Genai进行实验并增强专业人员的使用方式。威廉希尔中文网站平台正在寻求与组织互动以尝试威廉希尔中文网站平台的基于研究的工具和方法。
即使公司不停地质疑他们是否应该采用AI，他们应该问自己如何以负责任的方式利用技术来使工作更加有效，对在锯齿界的员工工作更加有意义。
进一步阅读：
hila lifshitZ是哈佛大学实验室创新科学的管理教授和访问学院。她教授数字化转型执行MBA，远程学习MBA 并管理数字创新信息系统和数字创新的MSC管理.
在Twitter上关注Hila LifShitz-Assaf@h_diginnovation.
了解有关适应AI的四天行政教育课程的更多信息人工智能的业务影响.
有关工作未来的更多文章核心见解。