เมื่อ AI เปลี่ยนกฎการเรียนรู้ ซัพพลายเชนก็ต้องเปลี่ยนตาม

ศาสตราจารย์คณิตศาสตร์จากมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ ได้หยุดให้คะแนนการบ้านจากความถูกต้อง หลังจากสรุปว่าเครื่องมือ AI สามารถช่วยให้นักเรียนสร้างคำตอบคุณภาพสูงได้ง่ายเกินไป ศาสตราจารย์ Richard Borcherds ตอนนี้ให้คะแนนส่วนใหญ่จากการส่งงาน และใช้การสอบแบบตัวต่อตัวโดยไม่ใช้อุปกรณ์เป็นเกณฑ์ในการให้คะแนนแทน

การตัดสินใจของเขาเป็นมากกว่าการถกเถียงเรื่องนโยบายในมหาวิทยาลัย มันคือคำเตือนสำหรับทุกอุตสาหกรรมที่ต้องพึ่งพาบุคลากรที่มีทักษะ รวมถึงซัพพลายเชนทั่วโลก: เมื่อ AI สามารถสร้างผลลัพธ์ที่สมบูรณ์แบบได้ องค์กรต่างๆ จะต้องเรียนรู้ที่จะประเมินวิจารณญาณ การประยุกต์ใช้ และความรับผิดชอบ ไม่ใช่แค่คำตอบที่เสร็จสมบูรณ์

บทเรียนสำหรับซัพพลายเชน

งานซัพพลายเชนให้รางวัลแก่ผู้ที่สามารถวิเคราะห์ข้อมูล แก้ไขปัญหาการปฏิบัติงาน และสร้างแผนงานที่แม่นยำมานานแล้ว AI กำลังเปลี่ยนแปลงสมการนั้นโดยทำให้การคาดการณ์ ตัวเลือกเส้นทาง คำแนะนำสินค้าคงคลัง สรุปซัพพลายเออร์ และแม้แต่การร่างการเจรจาต่อรองพร้อมใช้งานได้ในไม่กี่วินาที

แต่ผลลัพธ์ของ AI ที่ดูถูกต้องนั้นไม่เหมือนกับการตัดสินใจทางธุรกิจที่ดี นักวางแผนอาจได้รับพยากรณ์ความต้องการที่แม่นยำ แต่ก็ยังจำเป็นต้องท้าทายมันด้วยโปรโมชั่น ข้อจำกัดของซัพพลายเออร์ การหยุดชะงักของท่าเรือ เหตุการณ์สภาพอากาศ หรือการเปลี่ยนแปลงพฤติกรรมของลูกค้า การมีส่วนร่วมของมนุษย์กำลังเปลี่ยนจากการสร้างคำตอบไปสู่การตั้งคำถาม การตรวจสอบ และการดำเนินการตามนั้น

จากคำตอบสู่การตัดสินใจ

ความกังวลของ Borcherds คือการให้คะแนนคำตอบสุดท้ายไม่สามารถพิสูจน์ได้อีกต่อไปว่านักเรียนเข้าใจคณิตศาสตร์พื้นฐาน ปัญหาเดียวกันนี้ใช้กับซัพพลายเชน: รายงานที่สร้างโดย AI ที่สมบูรณ์แบบไม่ได้พิสูจน์ว่านักวางแผนเข้าใจความเสี่ยงของสินค้าคงคลัง กำลังการผลิตของซัพพลายเออร์ กฎการค้า หรือผลที่ตามมาของการขาดสต็อก

ดังนั้น บุคลากรซัพพลายเชนในอนาคตจะต้องได้รับการฝึกอบรมให้สามารถอธิบายเหตุผล ปกป้องคำแนะนำ ระบุช่องว่างของข้อมูล และตัดสินใจเมื่อข้อมูลไม่สมบูรณ์ ทักษะเหล่านี้ยังคงมีคุณค่าเมื่อ AI สามารถสร้างร่างแรก การคำนวณ หรือสถานการณ์ทางเลือกได้

ทบทวนการพัฒนาบุคลากร

อุตสาหกรรมซัพพลายเชนไม่ควรตอบสนองด้วยการแบน AI หรือมองว่าเป็นทางลัด แต่ควรออกแบบการเรียนรู้และการทำงานใหม่ เพื่อให้ผู้เชี่ยวชาญรุ่นใหม่ใช้ AI เป็นคู่คิดในขณะที่ยังคงพัฒนาวิจารณญาณในการปฏิบัติงานหลัก

นั่นหมายถึงการก้าวข้ามการฝึกอบรมผู้คนให้ทำงานประจำ การฝึกงาน การจำลองสถานการณ์จริง การเจรจากับซัพพลายเออร์ การฝึกซ้อมรับมือกับการหยุดชะงัก และโครงการปฏิบัติงานจริง สามารถแสดงให้เห็นว่าผู้เชี่ยวชาญรุ่นใหม่สามารถเปลี่ยนการวิเคราะห์ไปสู่การดำเนินการที่มีความรับผิดชอบได้หรือไม่ นายจ้างควรประเมินว่าผู้สมัครกำหนดปัญหาอย่างไร ท้าทายคำแนะนำของ AI อย่างไร ทำงานร่วมกันข้ามสายงานอย่างไร และอธิบายข้อดีข้อเสียเบื้องหลังการตัดสินใจอย่างไร

ปกป้องการเรียนรู้ระดับเริ่มต้น

Gartner รายงานว่า 55% ของผู้นำซัพพลายเชนคาดว่า AI ที่มีตัวแทนจะลดความจำเป็นในการจ้างงานระดับเริ่มต้น ในขณะที่ 51% คาดว่าจะมีการเปลี่ยนแปลงไปสู่การกำกับดูแลตัวแทน AI ในขณะเดียวกัน 86% เห็นด้วยว่า AI จะต้องมีกระบวนการใหม่ในการพัฒนาบุคลากรในอนาคต

สิ่งนี้สร้างความเสี่ยง: หาก AI ดูดซับงานประจำที่พนักงานระดับจูเนียร์เคยเรียนรู้ บริษัทอาจประสบปัญหาในการพัฒนาผู้วางแผนและผู้นำการปฏิบัติงานที่มีประสบการณ์รุ่นต่อไป ทางออกคือการออกแบบบทบาทระดับเริ่มต้นใหม่โดยเน้นการตัดสินใจภายใต้การดูแล การจัดการข้อยกเว้น การมีส่วนร่วมกับซัพพลายเออร์ และการเรียนรู้อย่างต่อเนื่อง ไม่ใช่แค่การกำจัดบทบาทเหล่านั้นออกไป

สร้างบุคลากรที่พร้อมสำหรับ AI

องค์กรซัพพลายเชนควรกำหนดให้ความรู้ด้าน AI เป็นความสามารถหลัก แต่ควรกำหนดให้กว้างขวาง ไม่เพียงพอที่จะรู้วิธีป้อนคำสั่งให้โมเดล ผู้เชี่ยวชาญต้องเข้าใจคุณภาพข้อมูล ข้อจำกัดของโมเดล อคติ ความปลอดภัยทางไซเบอร์ ความรับผิดชอบ และเมื่อใดที่วิจารณญาณของมนุษย์ควรมีอำนาจเหนือคำแนะนำอัตโนมัติ

แนวทางปฏิบัติคือการจับคู่เวิร์กโฟลว์ที่เปิดใช้งาน AI ทุกขั้นตอนกับจุดตรวจสอบของมนุษย์ ตัวอย่างเช่น AI อาจระบุการหยุดชะงักของอุปทานที่อาจเกิดขึ้น แต่นักวางแผนจะต้องตรวจสอบแหล่งที่มา ประเมินผลกระทบทางธุรกิจ ปรึกษาพันธมิตรที่ได้รับผลกระทบ และตัดสินใจในการตอบสนอง สิ่งนี้ช่วยรักษาความเร็วในขณะที่ยังคงรักษาความรับผิดชอบ

สรุป

การตัดสินใจของศาสตราจารย์เบิร์กลีย์แสดงให้เห็นว่า AI กำลังบังคับให้การศึกษาต้องแยกแยะระหว่างการสร้างคำตอบกับการมีความเข้าใจ ซัพพลายเชนทั่วโลกกำลังเผชิญกับการทดสอบเดียวกัน องค์กรที่จะประสบความสำเร็จคือองค์กรที่ใช้ AI เพื่อขยายวิจารณญาณของมนุษย์ ออกแบบบทบาทในอาชีพช่วงต้นใหม่ให้เป็นโอกาสในการเรียนรู้ และพัฒนาบุคลากรที่สามารถนำเครือข่ายที่ซับซ้อนผ่านความไม่แน่นอนได้

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