Berikut adalah lima langkah yang bisa membantu para produsen menghadapi tantangan mesin cerdas (Artificial Intelligence) dengan cara terbuka.

Sementara dampak machine intelligence atau mesin cerdas (artificial intelligence dan machine learning) telah diperdebatkan dengan sengit dan bahkan memancing kecemasan pada beberapa orang, grup teknologi ini terus berakselerasi dengan kecepatan yang luar biasa. Bahkan, menurut IDC, pengeluaran global untuk solusi AI akan terus meningkat melihat investasi perusahaan yang signifikan, memperoleh pendapatan hingga lebih dari $ 46 miliar pada tahun 2020. Meskipun kecerdasan mesin menawarkan banyak peluang besar bagi bisnis, perusahaan harus berjuang keras menemukan cara untuk memanfaatkan teknologi karena kurangnya pengetahuan, keterbatasan akses akan keahlian, kurangnya data, dan kebingungan untuk memulainya darimana.

Hasil pertemuan para pemimpin puncak dari Harvard University, Nike Innovation Kitchen, BMW Group, dll dalam acara Autodesk’s Ideas Driving Change summit in San Francisco menyimpulkan bahwa hubungan baru antara manusia dan mesin memiliki efek yang luas bagi masyarakat dan ekonomi, dan efek ini akan menjadi luas seiring berjalannya waktu sehingga harus ada pergeseran pemikiran tools sebagai “things” dan mulai memikirkannya sebagai kolaborator, active participants in creation—co-creative agents. Kita sedang memasuki era dimana tools bisa mengajar dan belajar. Untuk membantu industri dan akademisi menanggapi perubahan ini, mereka mengidentifikasi lima cara bagaimana mempersiapkan individu untuk berkembang di era mesin cerdas.

1. Temukan cara untuk membangun kepercayaan antara manusia dan mesin sebagai rekan kerja.
Ketika kita mulai melihat mesin lebih sebagai rekan tim daripada objek, mereka pasti akan menjadi lebih berharga dalam kehidupan kita, sebuah fakta yang diakui tetapi tidak semua orang siap menerimanya. Kepercayaan adalah komponen kunci dari setiap kolaborasi yang baik, tetapi untuk membangun kepercayaan antara manusia dan mesin, perusahaan harus membuat kebijakan dan berinvestasi dalam sistem yang mendorong kreasi dan pembelajaran bersama. Jika tools, produk, tempat, dan pengalaman memiliki kecerdasan mesin di dalamnya, kita harus mencari cara untuk membangun siklus pembelajaran yang baik dan etis di perusahaan, sesuatu yang dihasilkan, dan orang-orang yang menggunakannya. Mempelajari feedback antara mesin dan manusia, didukung adanya transparasi maksimal akan cara kerja sistem, akan menjadi komponen kunci keberhasilan.

2. Perubahan pendidikan dalam dunia kecerdasan mesin
Dengan memanfaatkan kecerdasan mesin, kita dapat membantu karyawan dan para siswa mempelajari apa yang perlu mereka ketahui, kapan mereka perlu mengetahuinya, dan dengan cara yang paling cocok untuk mereka. AI menawarkan janji luar biasa untuk membantu kita menciptakan jalur pembelajaran di sekolah maupun di luar (kustom). Tetapi subjek yang diajarkan di sekolah juga perlu diperbaharui. Bekerja dengan kecerdasan mesin membutuhkan keterampilan membingkai masalah (framing), bukan hanya pemecahan masalah. Masalah framing bergantung pada sistem berpikir untuk memahami dinamika, sifat masalah yang saling berpengaruh.

Sangat penting untuk memperkenalkan kursus dan proyek pembelajaran aktif untuk mendefinisikan dan mengajarkan kompetensi dasar ini. Karena masalah yang kompleks sering dipecahkan dengan banyak kecerdasan (manusia dan mesin), universitas harus mengatasi bias yang terjadi di industri tertinggal terhadap pengajaran soft-skill dalam kerja tim dan kolaborasi. Lembaga pendidikan harus mempertimbangkan untuk bermitra dengan bisnis di luar untuk memberikan siswa pemahaman tentang pola pikir sistem dan menerapkan kecerdasan mesin “pada pekerjaan.” Sementara itu, perusahaan harus mempertimbangkan kemitraan akademis untuk membawa manfaat kecerdasan mesin di universitas ke dalam bisnis mereka.

3. Berlatih membangun dan menggali solusi
Tools yang didorong oleh kecerdasan mesin seringkali mengharuskan kira untuk berpikir dengan cara berbeda tentang desain pemecahan masalah. Alih-alih berpikir alat sebagai instrumen untuk mewujudkan ide desain yang terbentuk sebelumnya, pertama-tama kita perlu membingkai kendala sistem, variabel, sasaran, dan intersection points. Kemudian sistem ini menciptakan bersama dengan kita “ruang solusi” dari desain yang kemungkinan bisa dipilih dan iterasi.

Kerangka kerja ini, yang lebih dikenal sebagai desain generatif, adalah cara yang ampuh untuk belajar tentang cara-cara baru berkolaborasi, antara manusia dan mesin. Perusahaan dapat memanfaatkan hal ini dengan berinvestasi melalui serangkaian proyek percontohan yang mendorong masalah ke dalam paradigma desain generatif. Ini akan membantu karyawan membangun “muscle memory”, ingatan yang kuat terkait masalah mesin. Serangkaian upaya ini, juga akan membuat tim sensitif terhadap gap komunikasi antara manusia dan mesin pembelajaran, serta memancing terjadinya diskusi lintas sektor dan disiplin.

4. Bentuk program magang yang memanfaatkan kekuatan mesin dan manusia
Mengingat langkah perubahan ekstrim yang saat ini sangat penting, mencari insinyur berpengalaman, bisnis, atau profesional desain yang memiliki pengalaman lebih dari satu dekade untuk melakukan kerjasama dengan mesin cerdas sangatlah menantang. Apa yang bisa dilakukan dalam bisnis? Yaitu mempekerjakan anak magang dari program akademik machine learning dan menawarkan mereka kesempatan untuk bekerja dengan data mereka. Proses ini membantu Anda dalam mendefinisikan dan memecahkan masalah bisnis dengan banyak data, membawa siswa ke organisasi Anda, dan mendapatkan daftar karyawan potensial. Dan ingat, ketertarikan utama siswa (dan profesional) yang bekerja di bidang ini adalah kuantitas dan kualitas data Anda. Pikirkan ini sebelumnya dan bersiaplah untuk membicarakannya.

5. Bagikan cerita yang menyoroti peluang kerjasama dengan mesin
Bagikan cerita dari orang lain dan juga cerita Anda tentang peluang menciptakan kreasi bersama dengan mesin. Saat yang menentukan ini menuntut organisasi untuk berinvestasi “storytelling”, memberikan gambaran untuk menjembatani perbedaan cara yang dilakukan saat ini dan cara baru yang muncul di masa depan. Kita membutuhkan imajinasi, ketika Anda memulai proyek kreatif dengan mesin cerdas, berbagi kegagalan serta keberhasilan bisa menciptakan cerita baru untuk masa depan organisasi Anda. Ingat, Anda bisa membuat sejarah!

Dengan lima langkah yang dapat ditindaklanjuti ini, kita mendorong bisnis, lembaga pendidikan, dan individu untuk memulai sekarang. Ya, bekerja dengan mesin cerdas menimbulkan tantangan, tetapi juga membuka peluang besar. Temukan orang yang berbakat, luncurkan proyek percontohan, dan yang paling penting – pelajari. Dan dengan menciptakan kolaborasi antara akademisi dan industri, kita dapat membuat langkah yang luar biasa.

sumber: industryweek