Опубліковано 22 січня 2024 року22 січня 2024 року автором < /span> 
У робочому документі “Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision?” [PDF] Дослідники Массачусетського технологічного інституту за фінансової підтримки MIT-IBM Watson AI Lab досліджували можливість серйозних перебоїв у роботі через розгортання ШІ в певних функціях, які досі вимагали людей. Говорячи менш розумними словами, вони хотіли з’ясувати, чи забирають роботи вашу роботу. Не всі роботи, зокрема “завдання щодо зору” що в нашому маленькому куточку світу найбільше стосується аудиторів’ дуже ненависні підрахунки запасів.
Коротка (і хороша) новина з газети: їхні висновки свідчать про те, що переміщення робочих місць у сфері штучного інтелекту буде суттєвим, але також поступовим. І наразі масове розгортання просто не варте того для більшості підприємств, навіть для великих роботодавців, таких як Walmart.
Ми бачимо, що за сьогоднішніх витрат американські підприємства вирішили б не автоматизувати більшість завдань зору, які мають «вплив штучного інтелекту», і що лише 23% заробітної плати працівників, які отримують за завдання зору, були б привабливими для автоматизації. Це повільніше розгортання штучного інтелекту можна пришвидшити, якщо витрати швидко впадуть або якщо він буде розгорнутий через платформи штучного інтелекту як послугу, які мають більший масштаб, ніж окремі фірми, і те, і інше ми оцінюємо кількісно.
Предпосылка залежить від поточних витрат на розгортання, тобто замінити вас штучним інтелектом, який ми зараз маємо, коштує дорожче, ніж продовжувати використовувати ваші очі для підрахунку віджетів.
Один приклад вони пропонують пекарню:
Розгляньте невелику пекарню, яка оцінює, чи варто автоматизувати її за допомогою комп’ютерного зору. Одне із завдань, яке виконують пекарі, — візуально перевіряти інгредієнти, щоб переконатися, що вони достатньої якості (наприклад, незіпсовані). Це завдання теоретично можна замінити системою комп’ютерного зору, додавши камеру та навчивши систему виявляти зіпсовану їжу. Навіть якби це завдання візуального огляду можна було б відокремити від інших частин виробничого процесу, чи було б це економічно ефективним? Дані Бюро статистики праці O*NET показують, що перевірка якості їжі становить приблизно 6% обов’язків пекаря. Невелика пекарня з п’ятьма пекарями, які отримують типову зарплату (по 48 000 доларів США на рік), таким чином, може заощадити робочу силу від автоматизації цього завдання в 14 000 доларів США на рік. Ця сума набагато менша за вартість розробки, розгортання та підтримки системи комп’ютерного зору, тому ми робимо висновок, що замінювати людську працю системою ШІ на цій пекарні невигідно.
Таким чином:
Висновок із цього прикладу про те, що працівники є більш економічно привабливими для фірм (особливо тих, які не мають масштабу), виявляється широко поширеним. Ми виявили, що лише 23% заробітної плати працівникам, «підданим» комп’ютерному зору штучного інтелекту, були б економічно ефективними для автоматизації через великі початкові витрати на системи ШІ. Економіку штучного інтелекту можна зробити більш привабливим за рахунок зниження вартості розгортання або збільшення масштабу розгортання, наприклад, розгортання платформ штучного інтелекту як послуг (Borge 2022), які ми також досліджуйте. Загалом наша модель показує, що втрата робочих місць через комп’ютерний зір штучного інтелекту, навіть лише в рамках набору завдань зору, буде меншою, ніж наявна відтік робочих місць, яка спостерігається на ринку, що свідчить про те, що заміна робочої сили відбуватиметься швидше поступово, ніж різко.
Щоб визначити, чи буде подібна технологія економічно життєздатною в аудиторських фірмах, вам потрібно буде підрахувати, скільки часу потрібно для проведення інвентаризації, з’ясувати, яка частина зарплати аудитора йде на цю діяльність, помножити це стільки аудиторів, яких потрібно, щоб усе зробити, а потім порівняти це з витратами на заміну комп’ютерного зору. Партнери, безсумнівно, роблять цю математику, поки ми розмовляємо.
Документ CPA Canada/AICPA під назвою “Аудит, керований даними: як автоматизація та ШІ змінюють аудит і роль аудитора” [PDF], опублікований у 2020 році, розповідає про те, як комп’ютерний зір може допомогти аудиторам у цьому специфічному та неприємному завданні:
Інвентаризація
За допомогою комп’ютерного зору програма на основі штучного інтелекту може переглядати мільйони фотографій, зроблених камерами (статично встановленими на складі чи встановленими на рухомих дронах), і ідентифікувати предмети. Статті, які містять інформацію про індексування (наприклад, штрих-коди), ще легше ідентифікувати, і якщо «око бачить їх усі», воно може їх усі порахувати, даючи аудитору можливість отримати більше охоплення.
Ризики, визначені в цьому документі, полягають у надійності зображень “(наприклад, чи переглядаються зображення автентичними чи існує ризик того, що зображенням можна маніпулювати?)” і труднощі доступу до інвентарю. Наприклад, вони можуть змусити першокласників запихатися в холодний склад серед величезних стосів ящиків із кількома дюймами між ними або заляпаних лайном сараїв, наповнених інвентарем для худоби, машиною не дуже.
Ось машина комп’ютерного бачення інвентаризації від компанії Day One, щоб дати вам уявлення про те, як вони виглядають зараз.
“Якщо автоматизація завдань такого масштабу відбулася б швидко, це призвело б до величезного підриву робочої сили,” – заявили дослідники MIT у своїй статті. “І навпаки, якби така автоматизація відбувалася повільно, робоча сила могла б адаптуватися, як це було під час інших економічних трансформацій (наприклад, перехід від сільського господарства до виробництва). Отже, прийняття правильних політичних і бізнес-рішень залежить від розуміння того, як швидко відбудеться автоматизація завдань штучного інтелекту.”
Імовірно, набагато раніше, ніж ми думаємо, якщо витрати на це значно впадуть.
Поділитися:
Пов’язані
Опубліковано в Аудит, Технологія
