Opublikowano 22 stycznia 2024 r. 22 stycznia 2024 r. przez < /span> 
W dokumencie roboczym „Beyond AI Exposure: Które zadania są opłacalne w automatyzacji za pomocą widzenia komputerowego?” [PDF] Badacze z MIT, korzystając z funduszy MIT-IBM Watson AI Lab, zbadali możliwość poważnych zakłóceń w pracy w wyniku wdrożenia sztucznej inteligencji do wykonywania niektórych funkcji, które do tej pory wymagały obecności człowieka. Mówiąc mniej inteligentnie, chcieli dowiedzieć się, czy roboty zabiorą Ci pracę. Nie wszystkie zawody, szczególnie „zadania związane z wizją” co w naszym małym zakątku świata najbardziej dotyczy audytorów& znienawidzone inwentaryzacje.
Krótka (i dobra) wiadomość z artykułu: ustalenia sugerują, że przenoszenie stanowisk pracy w oparciu o sztuczną inteligencję będzie znaczne, ale także stopniowe. Na razie masowe wdrażanie po prostu nie jest tego warte w przypadku większości firm, nawet tak dużych pracodawców, jak Walmart.
Ustaliliśmy, że przy dzisiejszych kosztach amerykańskie firmy zdecydowałyby się nie automatyzować większości zadań związanych z wizją, w przypadku których istnieje „ekspozycja na sztuczną inteligencję”, i że automatyzacja byłaby atrakcyjna jedynie dla 23% wynagrodzeń pracowników wypłacanych za zadania związane z wizją. To wolniejsze wdrażanie sztucznej inteligencji można przyspieszyć, jeśli koszty gwałtownie spadną lub jeśli zostanie ona wdrożona za pośrednictwem platform AI jako usługi, które mają większą skalę niż pojedyncze firmy, co określamy ilościowo.
Założenie opiera się na bieżących kosztach wdrożenia, co oznacza, że zastąpienie Cię sztuczną inteligencją, którą mamy obecnie, kosztuje więcej, niż dalsze używanie gałek ocznych do liczenia widżetów.
Jeden przykład oferują piekarnię:
Weźmy pod uwagę małą piekarnię rozważającą możliwość automatyzacji za pomocą widzenia komputerowego. Jednym z zadań piekarzy jest wzrokowa kontrola składników, aby upewnić się, że są odpowiedniej jakości (np. nie są zepsute). Teoretycznie zadanie to można zastąpić komputerowym systemem wizyjnym poprzez dodanie kamery i przeszkolenie systemu w zakresie wykrywania zepsutej żywności. Nawet gdyby można było oddzielić zadanie kontroli wizualnej od innych części procesu produkcyjnego, czy byłoby to opłacalne? Z danych Biura Statystyki Pracy O*NET wynika, że sprawdzanie jakości żywności stanowi około 6% obowiązków piekarza. Mała piekarnia zatrudniająca pięciu piekarzy zarabiających typowe pensje (48 000 dolarów każdy rocznie) może zatem zaoszczędzić 14 000 dolarów rocznie dzięki automatyzacji tego zadania. Kwota ta jest znacznie niższa niż koszt opracowania, wdrożenia i utrzymania komputerowego systemu wizyjnego, dlatego dochodzimy do wniosku, że zastępowanie pracy ludzkiej systemem sztucznej inteligencji w tej piekarni nie jest ekonomiczne.
Zatem:
Wniosek z tego przykładu, że pracownicy ludzcy są bardziej atrakcyjni ekonomicznie dla firm (szczególnie tych bez skali), okazuje się powszechny. Ustaliliśmy, że jedynie 23% wynagrodzeń pracowników „wystawionych” na działanie wizji komputerowej opartej na sztucznej inteligencji byłoby opłacalne dla firm w przypadku automatyzacji ze względu na duże koszty początkowe systemów sztucznej inteligencji. Ekonomikę sztucznej inteligencji można uatrakcyjnić albo poprzez zmniejszenie kosztów wdrożeń, albo poprzez zwiększenie skali wdrożeń, na przykład poprzez wprowadzenie platform AI jako usługi (Borge 2022), które według nas także eksplorować. Ogólnie rzecz biorąc, nasz model pokazuje, że utrata miejsc pracy w związku z wizją komputerową AI, nawet w ramach zestawu zadań związanych z wizją, będzie mniejsza niż istniejąca zmiana miejsc pracy obserwowana na rynku, co sugeruje, że zastępowanie pracowników będzie bardziej stopniowe niż nagłe.
Aby ustalić, czy podobna technologia byłaby opłacalna w firmach audytorskich, należy obliczyć, ile czasu zajmuje inwentaryzacja, dowiedzieć się, jaka część wynagrodzenia audytora przeznaczona jest na tę czynność, pomnożyć to przez tyle audytorów, ile potrzeba, aby wszystko zostało zrobione, a następnie porównaj to z kosztami wymiany obrazu komputerowego. Partnerzy bez wątpienia dokonują tej kalkulacji w chwili obecnej.
Artykuł CPA Canada/AICPA zatytułowany „Audyt oparty na danych: jak automatyzacja i sztuczna inteligencja zmieniają audyt i rolę audytora”; [PDF] opublikowany w 2020 r. omawia, w jaki sposób wizja komputerowa może pomóc audytorom w tym konkretnym i irytującym zadaniu:
Liczenie zapasów
Dzięki wizji komputerowej aplikacja oparta na sztucznej inteligencji może przeglądać miliony zdjęć zrobionych z kamer (zamontowanych statycznie w magazynie lub zamontowanych na ruchomych dronach) i identyfikować artykuły. Artykuły zawierające informacje indeksujące (takie jak kody kreskowe) są jeszcze łatwiejsze do zidentyfikowania, a jeśli „oko widzi je wszystkie”, może je wszystkie policzyć, co daje audytorowi możliwość uzyskania większego zasięgu.
Zagrożenia zidentyfikowane w tym artykule obejmują wiarygodność obrazów (np. czy oglądane obrazy są autentyczne lub czy istnieje ryzyko, że obrazem można manipulować?) i trudności z dostępem do inwentarza. Mogą zmusić pierwszoroczniaków do wciśnięcia się do zimnego magazynu pomiędzy gigantycznymi stosami pudeł oddalonych od siebie o zaledwie kilka cali lub zasranymi stodołami pełnymi inwentarza żywego, a nie maszyną.
Oto maszyna do inwentaryzacji obrazu komputerowego firmy Day One, która daje wyobrażenie o tym, jak wygląda teraz.
„Gdyby automatyzacja zadań w takim stopniu nastąpiła szybko, oznaczałoby to ogromne zakłócenia na rynku pracy” – stwierdzili w swoim artykule badacze z MIT. „I odwrotnie, gdyby taki stopień automatyzacji następował powoli, siła robocza mogłaby być w stanie przystosować się, tak jak miało to miejsce podczas innych transformacji gospodarczych (np. przejścia z rolnictwa do produkcji). Zatem podejmowanie dobrych decyzji politycznych i biznesowych zależy od zrozumienia, jak szybko nastąpi automatyzacja zadań AI.
Prawdopodobnie dużo wcześniej, niż nam się wydaje, jeśli koszty tego wykonania znacznie spadną.
Udostępnij to:
Powiązane
Opublikowano w Audyt, Technologia
