به گزارش ایتنا، این نظرسنجی از ۱۰۰۰ مدیر جهانی درگیر با هوش مصنوعی در سازمانشان انجام شده، و نتایج آن نشان داد که تقریباً ۹۰ درصد از این مدیران معتقدند که ممکن است نتوان بابت دقت و صحت خروجی هوش مصنوعی در فرآیند امور شرکت،‌اطمینان حاصل نمود.
اکثریت قریب به اتفاق پاسخ دهندگان یعنی ۹۱ درصد می‌گویند که کارمندان بیش از آنچه که باید به هوش مصنوعی اعتماد دارند،‌ این در حالیست که بیش از سه چهارم مدیران انتظار دارند که افزایش استقرار هوش مصنوعی منجر به مسئولیت بیشتر کارکنان شود.

در حالی که پیاده‌سازی هوش مصنوعی در سراسر شرکت‌ها اوج گرفته است، به نظر می‌رسد این تغییر و تحول بر جریان کار کارکنان، خوب یا بد، تأثیر می‌گذارد.

در حالی که کسب‌ و کارها صرفا با افزایش بهره‌وری و تجربیات یکپارچه مواجهند، مدیران فناوری اطلاعات باید با نگاهی عمیق‌تر، بر اهمیت درک و کاهش خطرات هوش مصنوعی تأکید کنند.
باید توجه داشت که بسیاری از ابزارهای هوش مصنوعی مولد با استفاده از داده‌ها و اطلاعات موجود در اینترنت آموزش دیده‌اند که می‌تواند دارای اشکالاتی هم باشد، بنابراین باید موضوع نتایج هوض مصنوعی را جدی گرفت.

در حقیقت انبوهی از داده‌ها و دانش این ابزارها را تغذیه می‌کند، اما کیفیت آن اطلاعات همیشه در حد یکسان و قابل قبول نیست.

مدیران کسب و کار باید این خطرات را برای کارمندان شناسایی کنند و به آنها آموزش دهند که چگونه در حین استفاده از هوش مصنوعی مولد خطاها و ریسک‌ها را بشناسند، چرا که این ابزارها تمایل به توهم دارند، به عنوان مثال، کارکنان را ملزم می‌کنند که در هنگام ارزیابی خروجی‌های تولید شده با نگاه خوشبینانه به نتایج، عمل کنند.

اما تکنیک های کاهش نیازی به بررسی واقعیت ندارند. در این گزارش آمده است که کسب‌وکارها می‌توانند با آموزش راه‌حل‌های مربوط به داده‌های داخلی، پاسخ‌های تولید شده را در اطلاعات دقیق ثابت کنند، کاری که Juniper Networks انجام می‌دهد.

شرکت ها همچنین می دانند که عملکرد راه حل های هوش مصنوعی مولد می تواند تغییر کند. ابزارهای مانیتورینگ می‌توانند به CIOها این حس را بدهند که آیا دقت ابزار در طول زمان کاهش می‌یابد و در صورت لزوم به کارکنان هشدار دهد.