जब एआई सीखने के नियम बदलता है, सप्लाई चेन को भी बदलना होगा

कैलिफोर्निया विश्वविद्यालय, बर्कले के एक गणित के प्रोफेसर ने यह निष्कर्ष निकालने के बाद होमवर्क की शुद्धता के लिए ग्रेडिंग बंद कर दी है कि अब एआई उपकरण छात्रों को बहुत आसानी से उच्च-गुणवत्ता वाले उत्तर बनाने में मदद कर सकते हैं। प्रोफेसर रिचर्ड बोरचर्ड्स अब मुख्य रूप से असाइनमेंट पूरा करने के लिए क्रेडिट देते हैं और ग्रेड इन-पर्सन, डिवाइस-मुक्त परीक्षाओं पर आधारित करते हैं।

उनका निर्णय केवल एक कैंपस नीति बहस से कहीं बढ़कर है। यह हर उस उद्योग के लिए एक चेतावनी है जो कुशल प्रतिभा पर निर्भर करता है - जिसमें वैश्विक आपूर्ति श्रृंखलाएं भी शामिल हैं: जब एआई पॉलिश किए गए आउटपुट उत्पन्न कर सकता है, तो संगठनों को केवल तैयार उत्तर के बजाय निर्णय, अनुप्रयोग और जवाबदेही का आकलन करना सीखना चाहिए।

आपूर्ति श्रृंखलाओं के लिए सबक

आपूर्ति-श्रृंखला के काम ने लंबे समय से उन लोगों को पुरस्कृत किया है जो डेटा का विश्लेषण कर सकते हैं, परिचालन समस्याओं को हल कर सकते हैं और सटीक योजनाएं बना सकते हैं। एआई पूर्वानुमान, मार्ग विकल्प, इन्वेंट्री सिफारिशें, आपूर्तिकर्ता सारांश और यहां तक कि मसौदा वार्ता को सेकंडों में उपलब्ध कराकर उस समीकरण को बदल रहा है।

लेकिन एक सही दिखने वाला एआई आउटपुट एक ठोस व्यावसायिक निर्णय के समान नहीं है। एक योजनाकार को एक सटीक मांग पूर्वानुमान प्राप्त हो सकता है, फिर भी उसे एक प्रचार, आपूर्तिकर्ता बाधा, बंदरगाह व्यवधान, मौसम की घटना, या ग्राहक व्यवहार में बदलाव के खिलाफ इसे चुनौती देने की आवश्यकता हो सकती है। मानवीय योगदान उत्तर बनाने से हटकर उस पर सवाल उठाने, उसे मान्य करने और उस पर कार्रवाई करने की ओर बढ़ रहा है।

उत्तरों से निर्णय तक

बोरचर्ड्स की चिंता यह है कि अंतिम उत्तरों को ग्रेडिंग करने से अब यह साबित नहीं होता है कि एक छात्र अंतर्निहित गणित को समझता है। यही मुद्दा आपूर्ति श्रृंखलाओं पर भी लागू होता है: एक पॉलिश की गई एआई-जनित रिपोर्ट यह साबित नहीं करती है कि एक योजनाकार इन्वेंट्री जोखिम, आपूर्तिकर्ता क्षमता, व्यापार नियमों या स्टॉकआउट के परिणामों को समझता है।

भविष्य की आपूर्ति-श्रृंखला प्रतिभा को इसलिए अपने तर्क को समझाने, एक सिफारिश का बचाव करने, डेटा अंतराल की पहचान करने और जानकारी अधूरी होने पर निर्णय लेने के लिए प्रशिक्षित किया जाना चाहिए। ये वे कौशल हैं जो तब मूल्यवान रहते हैं जब एआई पहला मसौदा, गणना या वैकल्पिक परिदृश्य उत्पन्न कर सकता है।

प्रतिभा विकास पर पुनर्विचार करें

आपूर्ति-श्रृंखला उद्योग को एआई पर प्रतिबंध लगाकर या इसे एक शॉर्टकट के रूप में मानकर प्रतिक्रिया नहीं देनी चाहिए। इसके बजाय, इसे सीखने और काम को फिर से डिज़ाइन करना चाहिए ताकि युवा पेशेवर एआई को एक विचारशील भागीदार के रूप में उपयोग करें जबकि अभी भी मुख्य परिचालन निर्णय विकसित कर रहे हों।

इसका मतलब है लोगों को नियमित कार्यों को पूरा करने के लिए प्रशिक्षित करने से आगे बढ़ना। अप्रेंटिसशिप, लाइव सिमुलेशन, आपूर्तिकर्ता वार्ता, व्यवधान-प्रतिक्रिया अभ्यास, और वास्तविक परिचालन परियोजनाएं यह दिखा सकती हैं कि क्या एक युवा पेशेवर विश्लेषण को जिम्मेदार कार्रवाई में बदल सकता है। नियोक्ताओं को यह आकलन करना चाहिए कि उम्मीदवार समस्याओं को कैसे तैयार करते हैं, एआई सिफारिशों को चुनौती देते हैं, कार्यों में सहयोग करते हैं, और एक निर्णय के पीछे के व्यापार-बंदों को समझाते हैं।

प्रवेश-स्तर के सीखने की रक्षा करें

गार्टनर की रिपोर्ट है कि 55% आपूर्ति-श्रृंखला नेता एजेंटिक एआई से प्रवेश-स्तर की भर्ती की आवश्यकता को कम करने की उम्मीद करते हैं, जबकि 51% एआई एजेंटों की देखरेख की ओर बदलाव की उम्मीद करते हैं। साथ ही, 86% सहमत हैं कि एआई को भविष्य की प्रतिभा पाइपलाइनों को विकसित करने के लिए नई प्रक्रियाओं की आवश्यकता होगी।

यह एक जोखिम पैदा करता है: यदि एआई उन नियमित कार्यों को अवशोषित कर लेता है जिनके माध्यम से जूनियर स्टाफ कभी सीखता था, तो कंपनियों को अनुभवी योजनाकारों और संचालन नेताओं की अगली पीढ़ी को विकसित करने में कठिनाई हो सकती है। समाधान यह है कि प्रवेश-स्तर की भूमिकाओं को पर्यवेक्षित निर्णय लेने, अपवाद प्रबंधन, आपूर्तिकर्ता जुड़ाव और निरंतर सीखने के इर्द-गिर्द फिर से डिज़ाइन किया जाए - न कि उन्हें केवल हटा दिया जाए।

एआई-तैयार प्रतिभा का निर्माण करें

आपूर्ति-श्रृंखला संगठनों को एआई साक्षरता को एक मुख्य क्षमता बनाना चाहिए, लेकिन इसे व्यापक रूप से परिभाषित करना चाहिए। केवल यह जानना पर्याप्त नहीं है कि एक मॉडल को कैसे प्रॉम्प्ट किया जाए; पेशेवरों को डेटा गुणवत्ता, मॉडल सीमाओं, पूर्वाग्रह, साइबर सुरक्षा, जवाबदेही और कब मानवीय निर्णय को स्वचालित सिफारिश को ओवरराइड करना चाहिए, यह समझना चाहिए।

एक व्यावहारिक दृष्टिकोण यह है कि हर एआई-सक्षम वर्कफ़्लो को एक मानवीय चेकपॉइंट के साथ जोड़ा जाए। उदाहरण के लिए, एआई एक संभावित आपूर्ति व्यवधान की पहचान कर सकता है, लेकिन एक योजनाकार को स्रोत को सत्यापित करना होगा, व्यावसायिक प्रभाव का आकलन करना होगा, प्रभावित भागीदारों से परामर्श करना होगा और प्रतिक्रिया पर निर्णय लेना होगा। यह जवाबदेही बनाए रखते हुए गति को संरक्षित करता है।

निष्कर्ष

बर्कले प्रोफेसर का निर्णय दर्शाता है कि एआई शिक्षा को उत्तर बनाने और समझ रखने के बीच अंतर करने के लिए मजबूर कर रहा है। वैश्विक आपूर्ति श्रृंखलाएं भी इसी परीक्षा का सामना कर रही हैं। वे संगठन जो सफल होंगे, वे होंगे जो मानवीय निर्णय को बढ़ाने के लिए एआई का उपयोग करते हैं, प्रारंभिक-कैरियर की भूमिकाओं को सीखने के अवसरों के रूप में फिर से डिज़ाइन करते हैं, और अनिश्चितता के माध्यम से जटिल नेटवर्क का नेतृत्व करने में सक्षम प्रतिभा विकसित करते हैं।

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