Kapag Binago ng AI ang mga Panuntunan ng Pag-aaral, Kailangan Ding Magbago ang mga Supply Chain

Isang propesor ng matematika mula sa University of California, Berkeley ang tumigil sa pagmamarka ng takdang-aralin para sa kawastuhan matapos mapagpasyahan na ang mga tool ng AI ay madali nang makakatulong sa mga estudyante na makagawa ng mataas na kalidad na mga sagot. Ngayon, si Propesor Richard Borcherds ay nagbibigay ng kredito pangunahin para sa pagkumpleto ng mga takdang-aralin at ibinabatay ang mga marka sa personal, walang-device na mga pagsusulit sa halip.

Ang kanyang desisyon ay higit pa sa isang debate sa patakaran ng kampus. Ito ay isang babala para sa bawat industriya na umaasa sa bihasang talento—kabilang ang mga pandaigdigang supply chain: kapag ang AI ay makakagawa ng pinakintab na mga output, kailangan matuto ang mga organisasyon na suriin ang paghuhusga, aplikasyon, at pananagutan, hindi lamang ang tapos na sagot.

Ang aral para sa mga supply chain

Matagal nang ginagantimpalaan ng trabaho sa supply chain ang mga tao na kayang suriin ang data, lutasin ang mga problema sa operasyon, at gumawa ng tumpak na mga plano. Binabago ng AI ang ekwasyong iyon sa pamamagitan ng paggawa ng mga forecast, opsyon sa ruta, rekomendasyon sa imbentaryo, buod ng supplier, at maging ang mga draft na negosasyon na available sa loob ng ilang segundo.

Ngunit ang isang output ng AI na mukhang tama ay hindi katulad ng isang matalinong desisyon sa negosyo. Maaaring makatanggap ang isang planner ng tumpak na forecast ng demand, ngunit kailangan pa ring hamunin ito laban sa isang promosyon, limitasyon ng supplier, pagkaantala sa daungan, kaganapan sa panahon, o pagbabago sa pag-uugali ng customer. Ang kontribusyon ng tao ay lumilipat mula sa paggawa ng sagot patungo sa pagtatanong, pagpapatunay, at paggawa ng aksyon dito.

Mula sa mga sagot patungo sa paghuhusga

Ang pag-aalala ni Borcherds ay ang pagmamarka ng mga huling sagot ay hindi na nagpapatunay na nauunawaan ng isang estudyante ang pinagbabatayang matematika. Ang parehong isyu ay nalalapat sa mga supply chain: ang isang pinakintab na ulat na binuo ng AI ay hindi nagpapatunay na nauunawaan ng isang planner ang panganib sa imbentaryo, kapasidad ng supplier, mga patakaran sa kalakalan, o ang mga kahihinatnan ng isang stockout.

Samakatuwid, ang hinaharap na talento sa supply chain ay dapat sanayin upang ipaliwanag ang kanilang pangangatwiran, ipagtanggol ang isang rekomendasyon, tukuyin ang mga puwang sa data, at gumawa ng mga desisyon kapag hindi kumpleto ang impormasyon. Ito ang mga kasanayan na nananatiling mahalaga kapag ang AI ay makakagawa ng unang draft, ang kalkulasyon, o ang alternatibong senaryo.

Muling isipin ang pagpapaunlad ng talento

Hindi dapat tumugon ang industriya ng supply chain sa pamamagitan ng pagbabawal sa AI o pagtrato dito bilang isang shortcut. Sa halip, dapat nitong muling idisenyo ang pag-aaral at trabaho upang magamit ng mga batang propesyonal ang AI bilang isang kasosyo sa pag-iisip habang pinapaunlad pa rin ang pangunahing paghuhusga sa operasyon.

Nangangahulugan iyon ng paglampas sa pagsasanay sa mga tao upang kumpletuhin ang mga karaniwang gawain. Ang mga apprenticeship, live na simulasyon, negosasyon sa supplier, pagsasanay sa pagtugon sa pagkaantala, at tunay na mga proyekto sa operasyon ay makapagpapakita kung ang isang batang propesyonal ay kayang isalin ang pagsusuri sa responsableng aksyon. Dapat suriin ng mga employer kung paano binabalangkas ng mga kandidato ang mga problema, hinahamon ang mga rekomendasyon ng AI, nakikipagtulungan sa iba't ibang function, at ipinapaliwanag ang mga trade-off sa likod ng isang desisyon.

Protektahan ang pag-aaral sa entry-level

Iniulat ng Gartner na 55% ng mga lider ng supply chain ang umaasa na babawasan ng agentic AI ang pangangailangan para sa pagkuha ng entry-level, habang 51% ang umaasa ng paglipat patungo sa pangangasiwa ng mga ahente ng AI. Kasabay nito, 86% ang sumasang-ayon na ang AI ay mangangailangan ng mga bagong proseso para sa pagpapaunlad ng mga pipeline ng talento sa hinaharap.

Lumilikha ito ng panganib: kung sasakupin ng AI ang mga karaniwang gawain kung saan natuto ang mga junior staff noon, maaaring mahirapan ang mga kumpanya na paunlarin ang susunod na henerasyon ng mga bihasang planner at lider ng operasyon. Ang solusyon ay muling idisenyo ang mga entry-level na tungkulin sa paligid ng pinangangasiwaang paggawa ng desisyon, pamamahala ng eksepsiyon, pakikipag-ugnayan sa supplier, at patuloy na pag-aaral—hindi lamang alisin ang mga ito.

Bumuo ng talentong handa sa AI

Dapat gawing pangunahing kakayahan ng mga organisasyon ng supply chain ang kaalaman sa AI, ngunit tukuyin ito nang malawakan. Hindi sapat na malaman kung paano mag-prompt ng isang modelo; kailangan maunawaan ng mga propesyonal ang kalidad ng data, mga limitasyon ng modelo, bias, cybersecurity, pananagutan, at kung kailan dapat manaig ang paghuhusga ng tao sa isang awtomatikong rekomendasyon.

Ang isang praktikal na diskarte ay ipares ang bawat workflow na pinagana ng AI sa isang human checkpoint. Halimbawa, maaaring matukoy ng AI ang isang posibleng pagkaantala sa supply, ngunit kailangan ng isang planner na i-verify ang pinagmulan, suriin ang epekto sa negosyo, kumonsulta sa mga apektadong kasosyo, at magpasya sa tugon. Pinapanatili nito ang bilis habang pinapanatili ang pananagutan.

Ang pangunahing punto

Ipinapakita ng desisyon ng propesor sa Berkeley na pinipilit ng AI ang edukasyon na makilala ang pagkakaiba sa pagitan ng paggawa ng sagot at pagkakaroon ng pag-unawa. Nahaharap ang mga pandaigdigang supply chain sa parehong pagsubok. Ang mga organisasyong uunlad ay ang mga gumagamit ng AI upang palakasin ang paghuhusga ng tao, muling idisenyo ang mga tungkulin sa maagang karera bilang mga pagkakataon sa pag-aaral, at bumuo ng talento na may kakayahang mamuno sa mga kumplikadong network sa gitna ng kawalan ng katiyakan.

Source: https://www.ndtv.com/world-news/california-professor-stops-grading-homework-after-spotting-students-growing-reliance-on-ai-12240518