En ekonoms syn på kraften i prediktiv AI och hur den kommer att förändra hela branscher

Våra liv handlar om att fatta beslut. Ska du att ta med ett paraply på din promenad eller inte? Ändras beslutet om det finns en 25-procentig risk för regn? Eller om du har på dig något som du verkligen inte vill ska bli blött? 

Enligt Ajay Agrawal, ekonom, professor och medförfattare till Prediction Machines: The Simple Economics of Artificial Intelligence, använder vi en kombination av förutsägelser och bedömningar för att fatta alla beslut, stora som små. AI:s styrka ligger i dess förmåga att ta hand om förutsägelsedelen av den ekvationen – att berätta för dig hur stor risken är för regn. I slutändan använder du mänsklig bedömning för att avgöra om du bör ta med ett paraply baserat på hur mycket du ogillar att bli blöt jämfört med hur mycket du ogillar att bära ett paraply när det inte regnar.

Modeller med artificiell intelligens kan bearbeta stora mängder data för att identifiera mönster och generera korrekta förutsägelser. Det råder ingen tvekan om att AI förbättrar hur människor arbetar, hjälper dem att bli mer produktiva, förbättrar hur de samarbetar och höjer deras kompetens. Och när företag använder AI för prediktiv analys kan det förändra ledares sätt att fatta beslut och hjälpa dem att bättre betjäna kunder, fördela resurser och skapa nya och förbättrade processer.

Ajay deltog nyligen i vår webbinarieserie Work Evolved för att prata om kraften i AI och prediktiv analys. Vi träffade Ajay för att fortsätta samtalet om prediktiv AI – här är vad han hade att säga om dess potential att förändra hela branscher och vilka medarbetare som har mest att vinna på att använda prediktiva AI-verktyg.

Vissa människor ser AI som smarta maskiner, robotar som kan tala eller tänka som människor. Hur ser du på AI som ekonom?

Artificiell intelligens hjälper oss med förutsägelser. Förutsägelser innebär att använda information som du har för att generera information som du inte har. 

Det är vad generativa AI-modeller som ChatGPT gör – använder förutsägelser för att generera mänskligt klingande språk. Generativa AI-modeller förutsäger nästa token, eller ord, i en sekvens för att skapa ett mänskligt klingande meddelande. Ett annat exempel är en bank som använder AI för att upptäcka bedrägerier genom att bearbeta data från tidigare transaktioner och användarvanor för att kunna förutsäga om ett köp är bedrägligt.

En grundläggande ekonomisk princip är att när något blir billigare så använder vi mer av det. Utvecklingen av AI innebär en minskning av kostnaden för förutsägelser. Och när förutsägelser blir billigare kommer vi att använda mer av dem. 

Låt oss prata mer om förutsägelser. Vad är prediktiv AI och vad finns det för exempel i verkligheten?

Prediktiv AI använder indata för att generera utdata. Som ett traditionellt exempel kan vi använda 20 års historiska försäljningsdata för att förutsäga försäljningen under tredje kvartalet nästa år. De historiska uppgifterna är indata och försäljningsprognosen är utdata. 

Mindre traditionellt kan vi använda pixlarna i en medicinsk bild för att förutsäga om en tumör är elakartad eller godartad. Pixelinformationen är indata och bedömningen av tumören är utdata. Det är också en förutsägelse. 

En intressant egenskap hos AI är att den, till skillnad från tidigare statistiska tekniker, kan använda multimodala data (t.ex. bilder, video och språk), inte bara siffror, som indata, och den kan producera förutsägelser i form av bilder, video och språk.

Prediktiv analys är centralt för många typer av innovation. Vi kan se verkliga tillämpningar av prediktiv AI inom områden som bilkörning, översättning, bedrägeridetektering, partikelstorleksfördelning, e-postsvar och inspektion.

Vilken effekt kommer AI att ha på jobben i branscher där prediktiv AI håller på att bli en dominerande kraft? Människor är oroliga för att AI-revolutionen kan leda till att deras jobb försvinner. Är det en befogad rädsla?

Innan vi hade tvättmaskiner tog det två personer hela dagen att tvätta. Nu kan en person ägna en bråkdel av sin dag åt att tvätta kläder. Men ingen klagar över att dessa maskiner tog deras jobb. 

På samma sätt kommer vi att kunna överlåta vissa aspekter av vårt arbete till maskiner. När vi tänker på våra jobb handlar mycket om att fatta beslut. Och varje beslut består av två delar: förutsägelse och bedömning. Om vi kan överlåta prediktiv analys till maskinerna återstår det mänskliga omdömet, och det är den förmågan som människor behöver fokusera på att utveckla. 

AI kan använda förutsägelser för att skriva ett e-postmeddelande eller kartlägga en rutt från punkt A till punkt B – men det krävs en människa för att avgöra om e-postmeddelandet uppnår det avsedda syftet, eller om rutten är vettig att ta. AI är andrepiloten, assistenten, men den kan inte fatta besluten.

Vilken effekt har AI på medarbetarnas produktivitet och på arbetskraften i stort? 

När datorerna introducerades blev högutbildade människor oproportionerligt mycket mer produktiva, och det ledde till stora inkomstskillnader. AI verkar ha motsatt effekt. Lågkvalificerade arbetstagare har mest att vinna på att använda AI-assistenter eller ”andrepiloter”.

Ta till exempel callcenters. De började introducera AI-verktyg som skulle ge medarbetarna rekommendationer för att hjälpa kunderna de talade med. Forskare vid MIT och Stanford upptäckte att AI hade en begränsad inverkan på de högpresterande medarbetarna eftersom de redan visste vad de skulle säga. Men medarbetare som tidigare inte hade presterat lika bra lyftes nu med hjälp av AI-verktyg upp till nästan samma nivå som de högkvalificerade medarbetare. 

Ett annat exempel som vi alla känner till är hur navigations-AI har gjort det möjligt för vem som helst att köra bil i vilken stad som helst lika bra som ett proffs. Det möjliggjorde innovativa företag som Uber. Innan Uber fanns det 200 000 personer som var yrkesförare. Nu finns det tre till fyra miljoner människor som kör för Uber. Vi befinner oss i ett historiskt skede där denna typ av förändring på systemnivå börjar ske i olika branscher. 

Vilka framsteg inom AI ser du mest fram emot? Om du kunde ta fram din kristallkula, vad ser du som nästa stora innovation och hur kommer den att påverka vår värld?

Jag förutspår att vi inom två till tre år kommer att se AI lämna skärmen och ta steget in i den fysiska världen. Just nu har vi modeller för att förutsäga en serie ord på en skärm, och nästa steg är att låta robotar förutsäga en serie handlingar för att utföra en uppgift som att koka kaffe eller parkera bilen.

Men den verkligt genomgripande förändringen kommer att ske när det gäller vetenskapliga upptäckter. Vi kommer att ha AI-modeller som kan generera en hypotes och testa den, aktivera robotar för att utföra experimentet och återkoppla resultaten av experimentet till AI:n, som uppdaterar hypotesen och utför ett nytt experiment. Vi ser redan laboratorier som gör en version av detta.

Fortsätt diskussionen om prediktiv AI

Du hittar ännu fler av Ajays insikter om var nästa våg av AI-innovation kommer att ta oss i hans Work Evolved-webbinarium på begäran. Du får en djupdykning i prediktiv AI och hur den hjälper företag att spara tid och skapa nya och mer effektiva arbetssätt.

Vill du veta hur Zoom innoverar med AI? Upptäck hur Zoom AI Companion, vår AI-assistent, kan förbättra sitt sätt att arbeta.