Kecerdasan Buatan Dalam Hal Otomatisasi Layanan
Kata Kunci:
Kecerdasan Buatan, Pembelajaran Mesin, Otomatisasi, Sumber Daya ManusiaAbstrak
Kecerdasan buatan (AI) semakin membentuk kembali layanan dengan melakukan berbagai tugas, yang merupakan sumber utama inovasi, namun mengancam pekerjaan manusia. Kami mengembangkan teori penggantian pekerjaan AI untuk mengatasi dampak bermata dua ini. Teori menentukan empat kecerdasan yang diperlukan untuk tugas-tugas layanan-mekanis, analitis, intuitif, dan empati menjabarkan cara perusahaan harus memutuskan antara manusia atau mesin untuk menyelesaikan tugas-tugas tersebut. AI berkembang dalam urutan yang dapat diprediksi, dengan mekanik sebagian besar mendahului analitis, analitis sebagian besar mendahului intuitif, dan intuitif sebagian besar mendahului kecerdasan empati.
Suatu teori menegaskan bahwa penggantian pekerjaan AI terjadi secara fundamental pada tingkat tugas, bukan tingkat pekerjaan, dan untuk "lebih rendah" tugas intelijen terlebih dahulu. AI pertama-tama menggantikan beberapa tugas pekerjaan layanan, tahap transisi yang dilihat sebagai augmentasi, dan kemudian berkembang untuk menggantikan tenaga manusia sepenuhnya ketika ia memiliki kemampuan untuk mengambil alih semua tugas pekerjaan.
Perkembangan tugas AI penggantian dari kecerdasan yang lebih rendah ke yang lebih tinggi menghasilkan pergeseran yang dapat diprediksi dari waktu ke waktu dalam kepentingan relatif dari kecerdasan untuk karyawan yang sifatnya melayani. Implikasi penting dari teori kami adalah bahwa keterampilan analitis akan menjadi kurang penting, seperti yang dibutuhkan AI atas tugas yang lebih analitis, memberikan keterampilan intuitif dan empati yang "lebih lembut" bahkan lebih penting bagi karyawan.
Akhirnya, AI akan mampu melakukan bahkan tugas-tugas intuitif dan empati, yang memungkinkan cara-cara inovatif manusia–integrasi mesin untuk menyediakan layanan tetapi juga menghasilkan ancaman mendasar bagi pekerjaan manusia..
Referensi
R. Rosales, K. Achan, and B. J. Frey. Unsupervised image translation, In ICCV, 2003.
M.-Y. Liu, T. Breuel, and J. Kautz. Unsupervised image-to-image translation networks. In NIPS, 2017.
L. A. Gatys, A. S. Ecker, and M. Bethge. Image style transfer using convolutional neural networks. CVPR, 2016.
Afrizal Zein (2016), Pendeteksian Multi Wajah dan Recognition Secara Real Time Menggunakan Metoda Principal Component Analisis, Jurnal ESIT Vol 12 No. 1 (2018)
Afrizal Zein (2018), Menggabungkan Dua Wajah Dengan Metoda Ensemble Regression Trees Menggunakan Pustaka Dlib Dan Opencv Python, Jurnal ESIT Vol 13 No. 2 (2018)
Afrizal Zein (2018), Pendeteksian Kantuk Secara Real Time Menggunakan Pustaka OPENCV dan DLIB PYTHON, Jurnal SAINSTECH Vol. 28 No. 2, (2018).
M. Sobron Yamin Lubis, (2021) Implementasi Artificial Intelligence Pada System Manufaktur Terpadu, Jurusan Teknologi Industri, Fakultas Teknik – Universitas Tarumanagara (2021).
FOCUS AND SCOPE
