211service.com
Arbeta i Asiens dataålder
I samarbete med Hörnsten OnDemand
Den stadiga utvecklingen av artificiell intelligens (AI) och automationsteknologier har omformat arbete och jobb under det senaste decenniet. Långt före covid-19 pågick robusta debatter om framtidens arbete och vilka potentiella scenarier för sysselsättning som kan dyka upp.
Medan många asiatiska marknader har mött utmaningen att begränsa spridningen av covid-19 med relativa framgångsnivåer, genom välskötta nedstängningar, social distansering och spårningsprogram, har pandemin satt stor press på arbetare och de mänskliga resurserna. stödja dem.
Arbeta i Asiens dataålder
Teknikprognosmakare Forrester har funnit att nästan hälften av de tillfrågade asiatiska cheferna förväntar sig permanenta ökningar av sin distansarbetsstyrka på heltid; många kommer att försöka använda AI-förbättrade verktyg för att engagera arbetskraften för att försöka öka kommunikationen på arbetsplatsen för att minska det nya avståndet detta skapar.
Som en del av Global AI Agenda 2021-programmet, i samarbete med Cornerstone OnDemand, undersökte MIT Technology Review Insights mer än 1 500 seniora beslutsfattare och teknikledare för att förstå hur AI används i organisationer i Asien och globalt för att påskynda intäktstillväxt och digitalisering samarbete och för att utöka personalresurserna.
AI, uppifrån och ned
Globalt använder företag AI-verktyg och analyser i ökande antal, för att pressa ut mer produktivitet ur tillverkningen, hjälpa anställda att förstå kundernas krav mer exakt och stödja affärsresultat. Liksom många andra strategier för teknikanvändning, ses digitalt aktiverad insikt traditionellt som ett slutresultat – till exempel gör mer synlighet över en försörjningskedja det möjligt för en tillverkare att snabbt identifiera platser för att minska kostnaderna. Liksom många strategiska svängningar under de senaste 18 månaderna har effekten av covid-19 påskyndat detta.
Allan Tate, verkställande ordförande för MIT Sloan School of Managements CIO Symposium, hänvisar till detta som den stora återställningen: där företag genomgår två år av digital transformation på två månader. Även om han medger att användningen av AI för att öka effektiviteten och minska kostnaderna förmodligen är det vanligaste användningsfallet just nu, blir AI-aktiverad dataanvändning snabbt ett viktigt sätt att driva intäkter för många företag.
Denna uppfattning bekräftas av vår globala undersökning om AI-antagandestrategier i företag: nästan hälften av våra svarande anger att de antingen har implementerat AI för att uppnå intäktsökning, eller att de accelererar sina ansträngningar för att göra det. En fjärdedel har planer på att intensifiera användningen av AI i topplinjeinitiativ, och endast 12 % anger att det endast är ett verktyg för att begränsa kostnaderna.
Perspektivet från respondenter baserade i Asien återspeglar till stor del den globala trenden, men avslöjar också en region som samtidigt ligger bakom kurvan och redo att hoppa över den. Asiatiska svarande indikerar lägre nuvarande användning av AI för intäktsökning än det globala genomsnittet, men är mycket mer benägna att ta AI-initiativ på topplinjen, och över en tredjedel har planer på att öka användningen.
Denna ökande nuvarande tonvikt på top line AI, som ofta stödjer kundinriktade team genom ökad kundinsikt, driver verksamhetens expansion. Detta driver i sin tur ansträngningar för att bygga kapacitet för yrkesverksamma inom marknadsföring och affärsutveckling, såsom att utöka deras arbetsflöden och fungera som en katalysator för kompetensutveckling. Asiatiska respondenter är i genomsnitt något mer inriktade på intäktstillväxtprestanda i sina AI-projektimplementering än det globala genomsnittet (se figur 2).
Organisationer som fokuserar på AI-initiativ – som faller inom kategorierna kostnadseffektivitet och resursoptimering – är mer sannolikt ute efter att öka automatiseringsfunktionerna och driva förändringar i verksamheten, vilket kan leda till omdefiniering av uppgifter för verksamheten och interna team.
Ladda ner fullständig rapport .
Detta innehåll producerades av Insights, den anpassade innehållsdelen av MIT Technology Review. Den skrevs inte av MIT Technology Reviews redaktion.