Μεγάλος Αδελφός: Πολυεθνικές παρακολουθούν τους εργαζόμενους με τη βοήθεια της τεχνητής νοημοσύνης

Μεγάλος Αδελφός: Πολυεθνικές παρακολουθούν τους εργαζόμενους με τη βοήθεια της τεχνητής νοημοσύνης

Συζητήσεις έχουν ξεκινήσει αναφορικά με την παρακολούθηση εργαζομένων σε διάφορες εταιρείες με τη βοήθεια της τεχνητής νοημοσύνης

Μεγάλοι εργοδότες στις ΗΠΑ, όπως Walmart, Delta Air Lines, T-Mobile, Chevron και Starbucks, καθώς και ευρωπαϊκές μάρκες όπως η Nestle και η AstraZeneca, έχουν στραφεί σε μια νέα εταιρεία, την Aware, προκειμένου να παρακολουθούν τις συνομιλίες μεταξύ των εργαζομένων τους.

Σε τι χρησιμεύει η «παρακολούθηση»

Χρησιμοποιώντας τα ανώνυμα δεδομένα στο προϊόν ανάλυσης της Aware, οι πελάτες μπορούν να δουν πώς οι εργαζόμενοι μιας συγκεκριμένης ηλικιακής ομάδας ή σε μια συγκεκριμένη γεωγραφική περιοχή ανταποκρίνονται σε μια νέα εταιρική πολιτική ή σε μια εκστρατεία μάρκετινγκ, σύμφωνα με τον Schumann. Τα δεκάδες μοντέλα τεχνητής νοημοσύνης της Aware, τα οποία έχουν δημιουργηθεί για να διαβάζουν κείμενο και να επεξεργάζονται εικόνες, μπορούν επίσης να εντοπίσουν τον εκφοβισμό, την παρενόχληση, τις διακρίσεις, τη μη συμμόρφωση, την πορνογραφία, το γυμνό και άλλες συμπεριφορές, είπε.

Το εργαλείο ανάλυσης της Aware -αυτό που παρακολουθεί το συναίσθημα και την τοξικότητα των εργαζομένων- δεν έχει τη δυνατότητα να επισημαίνει μεμονωμένα ονόματα εργαζομένων, σύμφωνα με τον Schumann. Αλλά το ξεχωριστό εργαλείο eDiscovery μπορεί, σε περίπτωση ακραίων απειλών ή άλλων συμπεριφορών κινδύνου που προκαθορίζονται από τον πελάτη, πρόσθεσε.

Η Τεχνητή Νοημοσύνη για την επιτήρηση των εργαζομένων είναι ένα ταχέως αναπτυσσόμενο αλλά εξειδικευμένο κομμάτι μιας ευρύτερης αγοράς Τεχνητής Νοημοσύνης που έχει εκραγεί το τελευταίο έτος, μετά την έναρξη του chatbot ChatGPT της OpenAI στα τέλη του 2022. Το Generative AI έγινε γρήγορα η buzzy φράση για τις εταιρικές κλήσεις κερδών, και κάποια μορφή της τεχνολογίας αυτοματοποιεί εργασίες σχεδόν σε κάθε κλάδο, από τις χρηματοπιστωτικές υπηρεσίες και τη βιοϊατρική έρευνα μέχρι τα logistics, τα online ταξίδια και τις επιχειρήσεις κοινής ωφέλειας.

Τα έσοδα της Aware έχουν αυξηθεί κατά 150% ετησίως κατά μέσο όρο τα τελευταία πέντε χρόνια, δήλωσε ο Schumann στο CNBC, και ο τυπικός πελάτης της έχει περίπου 30.000 υπαλλήλους. Στους κορυφαίους ανταγωνιστές περιλαμβάνονται οι Qualtrics, Relativity, Proofpoint, Smarsh και Netskope.

Ο Schumann ξεκίνησε την εταιρεία το 2017, αφού πέρασε σχεδόν οκτώ χρόνια εργαζόμενος σε θέματα εταιρικής συνεργασίας στην ασφαλιστική εταιρεία Nationwide.

Πριν από αυτό, ήταν επιχειρηματίας. Και η Aware δεν είναι η πρώτη εταιρεία που ξεκίνησε και η οποία προκαλεί σκέψεις του Όργουελ.

Το 2005, ο Σούμαν ίδρυσε μια εταιρεία με την ονομασία BigBrotherLite.com. Σύμφωνα με το προφίλ του στο LinkedIn, η επιχείρηση ανέπτυσσε λογισμικό που «βελτίωνε την ψηφιακή και κινητή εμπειρία παρακολούθησης» της ριάλιτι σειράς του CBS «Big Brother». Στο κλασικό μυθιστόρημα του Όργουελ «1984», ο Μεγάλος Αδελφός ήταν ο ηγέτης ενός ολοκληρωτικού κράτους στο οποίο οι πολίτες βρίσκονταν υπό διαρκή παρακολούθηση.

«Κατασκεύασα ένα απλό πρόγραμμα αναπαραγωγής που επικεντρώθηκε σε μια καθαρότερη και ευκολότερη εμπειρία για τους καταναλωτές, ώστε να παρακολουθούν την τηλεοπτική σειρά στον υπολογιστή τους», δήλωσε ο Schumann.

Στην Aware, κάνει κάτι πολύ διαφορετικό

Κάθε χρόνο, η εταιρεία δημοσιεύει μια έκθεση που συγκεντρώνει πληροφορίες από τα δισεκατομμύρια -το 2023, ο αριθμός ήταν 6,5 δισεκατομμύρια- μηνύματα που αποστέλλονται σε μεγάλες εταιρείες, καταγράφοντας σε πίνακες τους παράγοντες αντιλαμβανόμενου κινδύνου και τις βαθμολογίες συναισθήματος στο χώρο εργασίας. Ο Schumann αναφέρεται στα τρισεκατομμύρια μηνύματα που αποστέλλονται κάθε χρόνο σε πλατφόρμες επικοινωνίας στον χώρο εργασίας ως «το ταχύτερα αναπτυσσόμενο σύνολο αδόμητων δεδομένων στον κόσμο».

Αν συμπεριληφθούν και άλλοι τύποι περιεχομένου που κοινοποιούνται, όπως εικόνες και βίντεο, η αναλυτική τεχνητή νοημοσύνη της Aware αναλύει περισσότερα από 100 εκατομμύρια κομμάτια περιεχομένου κάθε μέρα. Με αυτόν τον τρόπο, η τεχνολογία δημιουργεί ένα κοινωνικό γράφημα της εταιρείας, εξετάζοντας ποιες ομάδες μιλούν εσωτερικά μεταξύ τους περισσότερο από άλλες.

Εκπαιδεύουν την τεχνητή νοημοσύνη

Η Aware επιβεβαίωσε στο CNBC ότι χρησιμοποιεί δεδομένα από τους επιχειρηματικούς πελάτες της για να εκπαιδεύσει τα μοντέλα μηχανικής μάθησης. Το αποθετήριο δεδομένων της εταιρείας περιέχει περίπου 6,5 δισεκατομμύρια μηνύματα, που αντιπροσωπεύουν περίπου 20 δισεκατομμύρια μεμονωμένες αλληλεπιδράσεις σε περισσότερους από 3 εκατομμύρια μοναδικούς υπαλλήλους, δήλωσε η εταιρεία.

Όταν ένας νέος πελάτης εγγράφεται στο εργαλείο ανάλυσης, τα μοντέλα τεχνητής νοημοσύνης της Aware χρειάζονται περίπου δύο εβδομάδες για να εκπαιδευτούν στα μηνύματα των εργαζομένων και να γνωρίσουν τα μοτίβα συναισθημάτων και συναισθημάτων εντός της εταιρείας, ώστε να μπορούν να δουν τι είναι φυσιολογικό και τι μη φυσιολογικό, δήλωσε ο Schumann.

«Δεν θα έχει ονόματα ανθρώπων, για την προστασία της ιδιωτικής ζωής», δήλωσε ο Schumann. Αντίθετα, είπε, οι πελάτες θα βλέπουν ότι «ίσως το εργατικό δυναμικό άνω των 40 ετών σε αυτό το τμήμα των Ηνωμένων Πολιτειών βλέπει τις αλλαγές σε [μια] πολιτική πολύ αρνητικά λόγω του κόστους, αλλά όλοι οι υπόλοιποι εκτός αυτής της ηλικιακής ομάδας και τοποθεσίας το βλέπουν θετικά επειδή τους επηρεάζει με διαφορετικό τρόπο».

Ανησυχία σχετικά με την προστασία της ιδιωτικής ζωής

Ακόμη και αν τα δεδομένα συγκεντρωθούν ή ανωνυμοποιηθούν, σύμφωνα με έρευνα, πρόκειται για μια εσφαλμένη έννοια. Μια μελέτη-ορόσημο για την προστασία της ιδιωτικής ζωής των δεδομένων που χρησιμοποίησε δεδομένα της απογραφής του 1990 στις ΗΠΑ έδειξε ότι το 87% των Αμερικανών μπορούσε να αναγνωριστεί μόνο με τη χρήση του ταχυδρομικού κώδικα, της ημερομηνίας γέννησης και του φύλου. Οι πελάτες της Aware που χρησιμοποιούν το εργαλείο ανάλυσης έχουν τη δυνατότητα να προσθέτουν μεταδεδομένα στην παρακολούθηση μηνυμάτων, όπως η ηλικία των εργαζομένων, η τοποθεσία, το τμήμα, η θητεία ή η θέση εργασίας.

Επιπλέον, ο τύπος του μοντέλου τεχνητής νοημοσύνης που χρησιμοποιεί η Aware μπορεί να είναι αποτελεσματικός στη δημιουργία συμπερασμάτων από συγκεντρωτικά δεδομένα, κάνοντας ακριβείς εικασίες, για παράδειγμα, σχετικά με τα προσωπικά αναγνωριστικά με βάση τη γλώσσα, το πλαίσιο, τους όρους αργκό και άλλα, σύμφωνα με πρόσφατη έρευνα.

Πηγή: ethnos.gr