加州大學柏克萊分校一位數學教授在得出人工智能工具現在可以太輕易地幫助學生產生高質量答案的結論後，已停止批改作業的正確性。理查德·博徹茲教授現在主要根據作業完成度給分，並轉而根據面對面、無設備的考試來評定成績。
他的決定不僅僅是一場校園政策辯論。這對每個依賴熟練人才的行業——包括全球供應鏈——都是一個警示：當人工智能能夠生成精美的輸出時，組織必須學會評估判斷力、應用能力和問責制，而不僅僅是最終答案。
供應鏈的啟示
供應鏈工作長期以來一直獎勵那些能夠分析數據、解決營運問題並制定準確計劃的人。人工智能正在改變這種局面，它可以在幾秒鐘內提供預測、路線選項、庫存建議、供應商摘要，甚至談判草案。
但一個看似正確的人工智能輸出，並不等同於一個明智的商業決策。規劃師可能會收到準確的需求預測，但仍需要根據促銷活動、供應商限制、港口中斷、天氣事件或客戶行為變化來質疑它。人類的貢獻正在從產生答案轉向質疑、驗證並根據答案採取行動。
從答案到判斷力
博徹茲的擔憂是，批改最終答案不再能證明學生理解了底層數學。同樣的問題也適用於供應鏈：一份精美的人工智能生成報告並不能證明規劃師理解庫存風險、供應商產能、貿易規則或缺貨的後果。
因此，未來的供應鏈人才必須接受培訓，學會解釋他們的推理、捍衛建議、識別數據空白，並在信息不完整時做出決策。當人工智能可以生成初稿、計算或替代方案時，這些技能仍然具有價值。
重新思考人才發展
供應鏈行業不應通過禁止人工智能或將其視為捷徑來應對。相反，它應該重新設計學習和工作方式，讓年輕專業人士將人工智能作為思考夥伴，同時仍能培養核心營運判斷力。
這意味著要超越訓練人們完成日常任務。學徒制、實時模擬、供應商談判、中斷應對演練和實際營運項目可以展示年輕專業人士是否能將分析轉化為負責任的行動。僱主應評估候選人如何構建問題、質疑人工智能建議、跨職能協作，以及解釋決策背後的權衡。
保護入門級學習
Gartner報告稱，55%的供應鏈領導者預計自主人工智能將減少對入門級招聘的需求，而51%的人預計將轉向監督人工智能代理。同時，86%的人同意人工智能將需要新的流程來培養未來的人才儲備。
這帶來了一個風險：如果人工智能吸收了初級員工曾經學習的日常任務，公司可能難以培養下一代經驗豐富的規劃師和營運領導者。解決方案是圍繞監督決策、異常管理、供應商參與和持續學習來重新設計入門級職位，而不是簡單地取消它們。
培養具備人工智能素養的人才
供應鏈組織應將人工智能素養作為核心能力，但要廣泛定義。僅僅知道如何提示模型是不夠的；專業人士必須理解數據質量、模型限制、偏見、網絡安全、問責制，以及何時人類判斷應凌駕於自動化建議之上。
一種實用的方法是將每個啟用人工智能的工作流程與人工檢查點配對。例如，人工智能可能會識別出潛在的供應中斷，但規劃師必須驗證來源、評估業務影響、諮詢受影響的合作夥伴，並決定應對措施。這既能保持速度，又能保留問責制。
總結
柏克萊教授的決定表明，人工智能正迫使教育區分產生答案和擁有理解。全球供應鏈面臨著同樣的考驗。那些蓬勃發展的組織將是那些利用人工智能增強人類判斷力、將早期職業角色重新設計為學習機會，並培養能夠在不確定性中引導複雜網絡的人才。
來源： https://www.ndtv.com/world-news/california-professor-stops-grading-homework-after-spotting-students-growing-reliance-on-ai-12240518