Hampir setengah dari semua perusahaan telah menerapkan pembelajaran mesin

Jika Anda khawatir (atau sangat bersemangat) tentang pembelajaran mesin (ML) menjadi arus utama, survei terbaru oleh Oxford Economics atas nama sumber daya manusia (SDM) dan perusahaan manajemen aset TI ServiceNow harus menyinggung minat Anda. Laporan, yang mensurvei 500 Chief Information Officer (CIO) di 11 negara dan di 25 industri, menemukan bahwa 49 persen perusahaan sudah menggunakan ML untuk meningkatkan proses bisnis tradisional.

Dari 500 CIO yang disurvei, 200 mengatakan mereka sudah melampaui tahap uji coba dan sudah mulai mengerahkan ML dalam beberapa kapasitas. CIO berharap membatasi kesalahan dan kesalahan pengguna dalam menilai dengan memperkenalkan otomatisasi. Hampir 70 persen CIO mengatakan keputusan yang dibuat oleh mesin akan lebih akurat daripada yang dibuat oleh manusia. Menurut survei, CIO saat ini terutama berfokus pada penggunaan ML untuk mengotomatisasi tugas yang berulang (68 persen), membuat keputusan yang kompleks (54 persen), mengenali pola data (40 persen), dan membangun hubungan antar peristiwa (32 persen).

"Salah satu alasan Anda banyak mendengar tentang ML adalah gelombang produktivitas yang akan memisahkan perusahaan dari persaingan, " kata Chris Bedi, CIO di ServiceNow. "Lebih cepat dan menawarkan keputusan yang lebih baik. Manusia memiliki bias, algoritma tidak."

Bedi mengatakan dia melihat potensi besar untuk ML dalam industri seperti perencanaan sumber daya perusahaan (ERP), manajemen persediaan dan rantai pasokan, di antara banyak lainnya. Empat puluh satu persen CIO dalam survei menyebutkan kurangnya keterampilan karena masalah utama menghentikan mereka dari menggunakan ML hari ini. Sebaliknya, hanya 16 persen CIO dan perusahaan mereka yang memiliki rencana untuk ukuran tenaga kerja dan perubahan peran untuk mengakomodasi ML.

ML dan Pekerjaan

Angka-angka yang dirilis dalam survei Oxford Economics adalah proyeksi jangka pendek, tidak seperti laporan oleh perusahaan konsultan manajemen McKinsey & Company. Laporan mereka memproyeksikan bahwa setengah dari aktivitas kerja hari ini dapat diganti dengan otomatisasi dari 2035-2055, tergantung pada berbagai faktor. Laporan perusahaan menganalisis 2.000 kegiatan kerja di 800 pekerjaan dan menemukan bahwa hampir $ 2, 7 triliun upah dihabiskan untuk pekerjaan yang pada akhirnya bisa otomatis.

"ML akan mengubah peran orang, " kata Bedi. "Saya tidak berlangganan ML mengambil pekerjaan orang; itu akan mengubah pekerjaan orang. Keputusan biasa akan menjadi otomatis, yang akan membebaskan orang. Pekerjaan baru akan dibuat."

Bedi mengatakan kunci untuk meningkatkan ML untuk meningkatkan bottom line sambil mempertahankan pangkat dan file adalah menggeser set keterampilan karyawan saat ini dan mempekerjakan bakat baru untuk mengelola kemampuan ML. "Bakat adalah masalah besar, " kata Bedi. "Data Scientist harus menjadi salah satu pekerjaan terpanas di luar sana. Kita benar-benar perlu melihat apa peta jalan bakat dan keterampilan tiga tahun kita? Dan benar-benar memiliki tujuan untuk membangun keterampilan itu. Kita harus melatih karyawan tetapi juga mencari tahu sumber alternatif untuk bakat itu."

Bedi mendesak pengusaha untuk mempekerjakan dan melatih karyawan untuk mengambil keuntungan dari proses berbasis ML. Begitu manusia merasa nyaman dengan kemampuan ML untuk menghasilkan data yang andal dan membuat keputusan yang benar, katanya industri akan melakukan transisi pembuatan keputusan yang dipandu oleh pengawasan manusia.

Dilema Adopter Terlambat

Survei Oxford Economics mengisolasi 50 perusahaan yang dianggap "First Movers." Survei mempelajari proses bisnis perusahaan dan strategi bakat untuk menentukan bagaimana dan di mana ML akan maju di tahun-tahun mendatang. Studi ini menemukan bahwa First Movers lebih mungkin untuk mendefinisikan ulang deskripsi pekerjaan untuk fokus pada bagaimana manusia bekerja dengan mesin, dan telah membuat rencana untuk mengembangkan tim khusus yang berfokus pada pengembangan dan penggunaan teknologi ML. Tidak seperti rekan-rekan mereka, perusahaan-perusahaan ini lebih cenderung mengembangkan peta jalan untuk proses di masa depan, menangkap kesalahan dan memastikan akurasi data.

Sayangnya, laporan lain menunjukkan bahwa semakin kecil organisasi (dan semakin sedikit sumber daya yang dimiliki organisasi), semakin kecil kemungkinannya disiapkan untuk gelombang ML. Sebuah studi baru-baru ini oleh Bluewolf (sebuah perusahaan IBM) menemukan bahwa hanya 33 persen dari usaha kecil yang berencana untuk berinvestasi dalam kecerdasan buatan (AI) dan ML dalam 12 bulan ke depan. Ini berbeda dengan 30 persen perusahaan besar yang telah berinvestasi dalam teknologi dan 44 persen yang berencana untuk mulai berinvestasi dalam 12 bulan ke depan. Itu total 74 persen, atau 20 persen lebih dari total usaha kecil.

"Kita masih awal dalam perjalanan, " kata Bedi. "Orang-orang dan perusahaan yang agresif akan memisahkan diri dari perusahaan yang tidak. Rasanya ada ajakan bertindak untuk melakukan hal ini. Perusahaan yang bersandar akan mulai memisahkan diri dari persaingan. Pemisahan itu akan meningkat. CIO akan benar-benar mulai mendorong ini dalam waktu dekat."