Bản đồ
Framework

Ma trận giao việc cho AI

Câu hỏi nó trả lời

Khi giao việc cho nhóm có AI hỗ trợ, trưởng nhóm nên để AI làm hết, để AI nháp rồi người duyệt, hay giữ cho người làm, tuỳ theo độ rủi ro và độ mơ hồ của việc?

Xuất xứ
Dell'Acqua et al., 2023; Parasuraman et al., 2000
Loại sơ đồ
Ma trận 2×2
Cấp độ phân tích
Cá nhân
Chủ đề
AI cho người lãnh đạoChiến lược & lãnh đạo
Quả cầu kính với lõi mạng nơ-ron phát sáng, biểu tượng AI cho lãnh đạo

Sơ đồ

Ma trận giao việc cho AI

ThấpĐộ mơ hồ của việcCao
AI nháp, người duyệtRủi ro vừa
Chỉ người làmRủi ro cao
AI làm hếtRủi ro thấp
Người làm, AI phản biệnRủi ro vừa
ThấpMức rủi ro nếu saiCao

Khi nào dùng, khi nào không

Nên dùng khi

Dùng khi lên danh sách việc của tuần và phải chọn việc nào giao cho AI. Chấm hai trục cho từng việc: sai thì thiệt hại bao nhiêu, và yêu cầu đã rõ hay còn mơ hồ.

Không nên dùng khi

Hai trục là cách gom của site từ các nguồn trên; không nguồn nào đề xuất đúng ma trận bốn ô này. Độ mơ hồ chỉ là chỉ báo thô: nếu bạn đã thử việc đó với AI và đối chiếu được kết quả, hãy tin kết quả thử hơn ô trong ma trận.

Cách áp dụng từng bước

  1. Chấm mức rủi ro nếu sai. Chi phí của hệ quả là một tiêu chí để chọn mức tự động hoá ((Parasuraman et al., 2000)).
  2. Chấm độ mơ hồ. Trong thí nghiệm có 758 nhân viên tư vấn, AI giúp làm nhanh hơn và tốt hơn ở các việc nằm trong tầm của nó, nhưng ở một việc quản lý phức tạp nằm ngoài tầm ấy thì người dùng AI ít khi ra đáp án đúng hơn nhóm không dùng ((Dell'Acqua et al., 2023)). Tầm của AI không hiện ra từ độ khó bề ngoài của việc, nên coi độ mơ hồ là ước lượng thô rồi thử một lần.
  3. Đọc ô: rủi ro thấp và việc rõ thì AI làm hết; rủi ro thấp nhưng việc mơ hồ thì AI nháp, người duyệt; rủi ro cao nhưng việc rõ thì người làm, AI phản biện; rủi ro cao và việc mơ hồ thì chỉ người làm.

Cạm bẫy

Cạm bẫy

Xếp việc vào “AI làm hết” chỉ vì việc dễ với người. Dễ với người chưa chắc nằm trong tầm của AI ((Dell'Acqua et al., 2023)).

Nguồn

Tài liệu tham khảo

Xếp A–Z theo họ tác giả, kiểu Harvard. Nguồn có DOI thì link https://doi.org/…; nguồn không có DOI thì link trang nguồn hoặc ghi rõ không có DOI.

  1. Dell'Acqua, F. et al. (2023) Navigating the jagged technological frontier: field experimental evidence of the effects of AI on knowledge worker productivity and quality. (Harvard Business School Working Paper No. 24-013).doi:10.2139/ssrn.4573321Được trích trong 2 bài
  2. Parasuraman, R., Sheridan, T.B. and Wickens, C.D. (2000) ‘A model for types and levels of human interaction with automation’, IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans, 30(3), pp. 286–297.doi:10.1109/3468.844354Được trích trong 2 bài