Business

AI สามารถช่วยแก้ปัญหาความไม่เท่าเทียมกันได้ — หากบริษัทได้รับความไว้วางใจจากผู้ใช้

แม้ว่าบริษัทต่างๆ อาจใช้เวลามากมายในการทดสอบโมเดลก่อนเปิดตัว แต่หลายๆ บริษัทก็ใช้เวลาน้อยเกินไปในการพิจารณาว่าจะทำงานอย่างไร โดยเฉพาะอย่างยิ่ง พวกเขาล้มเหลวในการพิจารณาอย่างเต็มที่ว่าอัตราการยอมรับสามารถบิดเบือนเจตนาของนักพัฒนาได้อย่างไร ตัวอย่างเช่น Airbnb ได้เปิดตัวอัลกอริธึมการกำหนดราคาเพื่อปิดช่องว่างรายได้ระหว่างโฮสต์ขาวดำ แม้ว่าอัลกอริธึมจะลดความเหลื่อมล้ำทางเศรษฐกิจในหมู่ผู้ใช้ลง 71.3% แต่โฮสต์แบล็กมีโอกาสใช้งานน้อยลง 41% และในหลายกรณีก็ทำให้ช่องว่างรายได้กว้างขึ้น บริษัทจำเป็นต้องพิจารณาให้ดีกว่านี้ว่าอัลกอริทึมจะถูกรับรู้อย่างไร และพูดถึงสิ่งนั้นในการเปิดตัวเพื่อสนับสนุนกลุ่มเป้าหมายที่เป็นแบล็กโฮสต์ให้ไว้วางใจ นำเสนอบทเรียนสองบทสำหรับบริษัท: พิจารณาว่าเครื่องมืออัลกอริธึมจะได้รับการพิจารณาอย่างไร และสร้างแผนเป้าหมายเพื่อสร้างความไว้วางใจ

การคาดการณ์ที่เป็นบวกชี้ให้เห็นว่าปัญญาประดิษฐ์ (AI) สามารถมีส่วนร่วมสูงถึง 15.7 ล้านล้านดอลลาร์แก่เศรษฐกิจโลกภายในปี 2573 ตั้งแต่รถยนต์อัตโนมัติไปจนถึงการอนุมัติสินเชื่อที่เร็วขึ้นและการตัดสินใจโฆษณาอัตโนมัติ อัลกอริธึม AI ให้ประโยชน์มากมายสำหรับธุรกิจและลูกค้า น่าเสียดายที่ผลประโยชน์เหล่านี้อาจไม่ได้รับความเพลิดเพลินเท่าๆ กัน อัลกอริธึมอคติ — เมื่ออัลกอริทึมสร้างผลลัพธ์การเลือกปฏิบัติต่อบุคคลบางประเภท โดยทั่วไปคือชนกลุ่มน้อยและผู้หญิง — อาจทำให้ความไม่เท่าเทียมกันทางสังคมที่มีอยู่แย่ลง โดยเฉพาะอย่างยิ่งเมื่อพูดถึงเรื่องเชื้อชาติและเพศ จากอัลกอริธึมการทำนายการกระทำผิดซ้ำ ที่ใช้ในศาลไปจนถึง อัลกอริธึมการทำนายการดูแลทางการแพทย์ ใช้โดยโรงพยาบาล การศึกษาพบหลักฐานของอคติอัลกอริธึมที่ทำให้ความไม่เสมอภาคทางเชื้อชาติแย่ลงสำหรับผู้ที่ได้รับผลกระทบ ไม่ดีขึ้น หลายบริษัทได้ใช้ความพยายามอย่างมากในการต่อสู้กับอคติด้านอัลกอริทึมในการจัดการและบริการของตน พวกเขามักจะใช้วิธีการที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลเพื่อตรวจสอบสิ่งที่คาดการณ์ของอัลกอริทึมก่อนที่จะเปิดตัวสู่โลก ซึ่งอาจรวมถึงการตรวจสอบข้อมูลจำเพาะของโมเดล AI ต่างๆ การระบุฟังก์ชันวัตถุประสงค์ที่โมเดลควรย่อให้เล็กสุด การเลือกข้อมูลอินพุตที่จะนำไปฝังในโมเดล การประมวลผลข้อมูลล่วงหน้า และการทำการคาดการณ์โมเดลหลังการประมวลผล อย่างไรก็ตาม ผลลัพธ์สุดท้ายของการปรับใช้อัลกอริธึมไม่ได้อาศัยแค่การคาดคะเนอัลกอริธึมเท่านั้น แต่ยังรวมถึงวิธีที่ธุรกิจและลูกค้าจะใช้อัลกอรึทึมในท้ายที่สุดด้วย และมักจะมองข้ามบริบทที่สำคัญของการเปิดรับและการนำอัลกอริธึมมาใช้ เรายืนยันว่าการปรับใช้อัลกอริทึมต้องพิจารณาสภาวะตลาดภายใต้การใช้อัลกอริทึม สภาวะตลาดดังกล่าวอาจส่งผลต่ออะไร/ใคร และการตัดสินใจของอัลกอริทึมจะมีผลกระทบมากน้อยเพียงใด และด้วยเหตุนี้จึงส่งผลต่อประโยชน์ที่ได้รับสำหรับผู้ใช้ที่ใช้อัลกอริทึม ตัวอย่างเช่น เพื่อช่วยให้เจ้าของที่พักเพิ่มรายได้ให้สูงสุด (เช่น รายได้จากทรัพย์สิน) Airbnb ได้เปิดตัวเครื่องมือกำหนดราคาอัจฉริยะตามอัลกอริทึม AI ซึ่งจะปรับราคารายวันของที่พักโดยอัตโนมัติ เจ้าของที่พัก Airbnb มีข้อมูลที่จำกัดมากเกี่ยวกับคุณสมบัติคู่แข่งของ Airbnb อัตราค่าโรงแรม ฤดูกาล และความต้องการอื่นๆ ที่พวกเขาสามารถใช้เพื่อกำหนดราคาที่พักได้อย่างถูกต้อง อัลกอริธึมการกำหนดราคาอัจฉริยะมีไว้เพื่อช่วยในเรื่องนี้ โดยผสมผสานข้อมูลที่เกี่ยวข้องเกี่ยวกับเจ้าของที่พัก ทรัพย์สิน และลักษณะของพื้นที่ใกล้เคียงจากแหล่งข้อมูลมหาศาลของบริษัทเพื่อกำหนดราคาที่ดีที่สุดสำหรับอสังหาริมทรัพย์ ในการศึกษาที่เผยแพร่เมื่อเร็วๆ นี้ รายได้เฉลี่ยต่อวันของโฮสต์ที่ใช้การกำหนดราคาอัจฉริยะ เพิ่มขึ้น 8.6% อย่างไรก็ตาม หลังจากเปิดตัวอัลกอริธึม ช่องว่างรายได้ทางเชื้อชาติก็เพิ่มขึ้น (เช่น คนผิวขาวมีรายได้มากกว่า) ที่ระดับประชากร ซึ่งรวมถึงทั้งผู้ใช้และผู้ที่ไม่ใช่ลูกบุญธรรม เนื่องจากโฮสต์ผิวดำมีแนวโน้มที่จะใช้อัลกอริทึมน้อยกว่าโฮสต์สีขาวอย่างมีนัยสำคัญ คือ. ในการทดสอบ เครื่องมือนี้ทำได้ตรงตามที่ควรจะเป็น เราพบว่ามันเป็นการแข่งขันที่สมบูรณ์แบบโดยที่ราคาของรายการที่คล้ายกันลดลงในจำนวนเท่ากันโดยไม่คำนึงถึงเชื้อชาติของโฮสต์ อัลกอริธึมช่วยเพิ่มรายได้ให้กับโฮสต์ Black มากกว่าที่ทำกับโฮสต์สีขาว นี่เป็นเพราะเส้นอุปสงค์ของคุณสมบัติสำหรับโฮสต์ Black นั้นยืดหยุ่นมากกว่า (เช่น ตอบสนองต่อการเปลี่ยนแปลงของราคาได้ดีกว่า) มากกว่าเส้นอุปสงค์สำหรับคุณสมบัติเทียบเท่าที่เป็นเจ้าของโดยโฮสต์สีขาว เนื่องจากการลดราคาเท่าเดิม จำนวนการจองสำหรับโฮสต์สีดำจึงเพิ่มขึ้นมากกว่าการจองสำหรับการจองสีขาว ส่งผลให้รายได้สำหรับโฮสต์ Black เพิ่มขึ้นมากกว่าสำหรับโฮสต์ผิวขาว จากมุมมองของวิทยาศาสตร์ข้อมูล มีการปรับใช้ที่สมบูรณ์แบบ: อัลกอริธึมที่มีความหมายที่ดีที่มองไม่เห็นทางเชื้อชาตินี้มีจุดมุ่งหมายเพื่อให้ผลประโยชน์ทางการเงินโดยการปรับปรุงรายได้ของผู้ใช้งานทั้งหมดและเพื่อมอบผลประโยชน์ทางสังคมโดยการลดช่องว่างรายได้ทางเชื้อชาติในหมู่ผู้ใช้ อย่างไรก็ตามในโลกแห่งความเป็นจริงมันเป็นเรื่องที่แตกต่างกัน การเปิดตัวอัลกอริธึมนั้นกว้างขึ้นแทนที่จะจำกัดความเหลื่อมล้ำทางเชื้อชาติใน Airbnb ผลลัพธ์ที่ไม่ได้ตั้งใจนี้สามารถหลีกเลี่ยงได้โดยการปรับสภาพตลาดภายในระหว่างการปรับใช้อัลกอริทึม เราพิจารณาแล้วว่าบริษัทต่างๆ ต้องพิจารณาสภาวะตลาดต่อไปนี้ระหว่างการสร้างอัลกอริทึม AI: 1) การยอมรับของผู้ใช้ที่เป็นเป้าหมายต่ออัลกอริทึม AI 2) ปฏิกิริยาของผู้บริโภคต่อการทำนายอัลกอริทึม และ 3) ว่าอัลกอริทึมควรได้รับการควบคุมเพื่อจัดการกับเชื้อชาติและเศรษฐกิจหรือไม่ ความไม่เท่าเทียมกันโดยผสมผสานพฤติกรรมเชิงกลยุทธ์ของบริษัทในการพัฒนาอัลกอริทึม ตัวอย่างเช่น Airbnb ควรถามว่า: 1) เจ้าของที่พัก Airbnb จะตอบสนองอย่างไร (เจาะจงมากขึ้น ใช้) อัลกอริธึม? และ 2) โฮสต์แบล็กจะได้รับการสนับสนุนให้นำไปใช้ได้อย่างไร สภาวะตลาดเหล่านี้เป็นตัวกำหนดผลลัพธ์สุดท้ายของตลาด (เช่น ราคาผลิตภัณฑ์ ความต้องการทรัพย์สิน ประโยชน์ต่อผู้ใช้) ของการใช้อัลกอริธึม AI ดังนั้นควรวิเคราะห์และพิจารณาล่วงหน้า ผู้ใช้เป้าหมายจะรับรู้อัลกอริทึมอย่างไร อัลกอริธึมการกำหนดราคาอัจฉริยะของ Airbnb เพิ่มรายได้รายวันให้กับทุกคนที่ใช้ เจ้าของบ้านสีขาวเห็นการเพิ่มขึ้น 5.20 ดอลลาร์ต่อวัน และโฮสต์สีดำเห็นการเพิ่มขึ้น 13.9 ดอลลาร์ การกำหนดราคาใหม่ช่วยลดความเหลื่อมล้ำทางเศรษฐกิจในหมู่ผู้ใช้โดย 71.3%. อย่างไรก็ตาม เนื่องจากโฮสต์สีดำมีโอกาสน้อยกว่าโฮสต์สีขาว 41% ที่จะใช้อัลกอริทึม ผลลัพธ์ของการแนะนำอัลกอริทึมจึงไม่น่าพอใจนัก สำหรับโฮสต์แบล็กที่ไม่ได้ใช้อัลกอริทึม ช่องว่างรายได้จริง เพิ่มขึ้น สิ่งนี้นำไปสู่คำถามต่อไปนี้: หากคุณเป็น CEO ของบริษัทที่ต้องการขจัดความไม่เท่าเทียมกันทางเชื้อชาติและได้รับรายงานอัลกอริธึมประเภทนี้ คุณหวังว่าจะได้เมล็ดพันธุ์อะไรในทีมผู้บริหารด้านวิทยาศาสตร์และวิศวกรรม ในการจัดการกับเครื่องมือใหม่นี้ Airbnb สามารถสนับสนุนให้โฮสต์ Black นำอัลกอริทึมมาใช้ เช่น ให้รางวัลผู้ใช้ Black ที่ทดลองใช้หรือแชร์คำอธิบายโดยละเอียดและหลักฐานเกี่ยวกับประโยชน์ของการใช้อัลกอริทึม นอกจากนี้เรายังพบว่าช่องว่างการรับเลี้ยงบุตรบุญธรรมทางเชื้อชาติมีความสำคัญมากกว่าในหมู่โฮสต์ที่มีสถานะทางเศรษฐกิจและสังคมต่ำ (SES) ดังนั้นการกำหนดเป้าหมายโฮสต์สีดำในควอร์ไทล์ SES ที่ต่ำกว่าจะมีประสิทธิภาพมากที่สุด อย่างไรก็ตาม ในการทำเช่นนี้ คุณจำเป็นต้องเข้าใจว่าทำไมผู้คนถึงลังเลตั้งแต่แรก มีสาเหตุหลายประการที่ทำให้ผู้คนไม่ยอมรับที่จะมอบการควบคุมให้กับอัลกอริธึม ตัวอย่างเช่น การศึกษาและรายได้พบว่า ได้อธิบาย อุปสรรคในการใช้เทคโนโลยีขั้นสูงสำหรับผู้ใช้ผิวดำ โดยเฉพาะอย่างยิ่งเมื่อใช้ เทคโนโลยี (ทางการเงิน) มีค่าใช้จ่ายสูง แม้ว่าเทคโนโลยีจะให้บริการฟรี (เช่น อัลกอริธึมการกำหนดราคาอัจฉริยะของ Airbnb) ความไว้วางใจก็มีบทบาทสำคัญเช่นกัน: เอกสารการทำงาน (Shunyuan Zhang ผู้เขียนร่วมกับ Yang Yang) ระบุว่าการเพิ่มความตระหนักในเรื่องอคติทางเชื้อชาติจะทำให้กลุ่มผู้ด้อยโอกาสมีความเชื่อถือน้อยลงและลังเลที่จะยอมรับอัลกอริทึมโดยทั่วไป ซึ่งรวมถึงกลุ่มที่ตาบอดทางเชื้อชาติที่ให้ผลประโยชน์ทางการเงิน สุขภาพ หรือการศึกษาแก่ ผู้ใช้. ในการสนทนากับบริษัทอีคอมเมิร์ซที่เน้นสินค้าที่ใช้แล้ว ผู้เขียนผลการศึกษาได้เรียนรู้ว่ามีเพียง 20% ของผู้ขายที่ใช้เครื่องมือกำหนดราคาฟรีที่บริษัทนำเสนอ ทำให้ราคาไม่มีประสิทธิภาพและขายได้ช้า การสำรวจเบื้องต้นชี้ให้เห็นว่าผู้ขายอาจประเมินมูลค่าของสินค้าที่ใช้แล้วสูงเกินไปและอาจไม่ต้องการยอมรับคำแนะนำราคาที่คาดการณ์โดยอัลกอริธึม นี้เรียกว่าผลการบริจาค ตัวอย่างเช่น ลองนึกภาพผู้ขายลงรายการเสื้อผ้ามือสองที่พวกเขาเชื่อว่ามีมูลค่า 15 เหรียญ แต่อัลกอริธึมการกำหนดราคาซึ่งได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลและแบบจำลองขนาดใหญ่ ราคาเสนอให้อยู่ที่ 10 เหรียญ และผู้ขายมีปฏิกิริยาในทางลบ เพื่อตอบสนองต่อปฏิกิริยาเช่นนี้ บริษัทสามารถอธิบายให้ผู้ขายทราบถึงวิธีการเสนอราคา $10 และนำเสนอสินค้าที่คล้ายกันซึ่งมีราคาและขายที่ $10 การให้คำอธิบายดังกล่าวจะเพิ่มความโปร่งใสในการดำเนินธุรกิจ และ ช่วยเพิ่มความไว้วางใจของลูกค้า. พูดง่ายๆ ก็คือ เมื่อนำความแตกต่างในการปรับใช้อัลกอริธึม AI ในกลุ่มเชื้อชาติ บริษัทต่างๆ ควรปรับแต่งความพยายามในการโปรโมตอัลกอริธึมและพยายามจัดการกับข้อกังวลของผู้ใช้ที่พวกเขาต้องการนำไปใช้มากที่สุด

ผู้บริโภคจะตอบสนองต่อผลกระทบของอัลกอริธึม AI อย่างไร

ถือเป็นความผิดพลาดที่มองว่าอัลกอริธึมของ AI เป็นเพียงแบบจำลองที่แสดงการตัดสินใจและส่งผลกระทบต่อผู้ที่ได้รับการตัดสินใจเหล่านั้น ผลกระทบเกิดขึ้นทั้งสองทาง: วิธีที่ผู้บริโภค (เช่น ผู้รับการตัดสินใจ) ตอบสนองต่อการตัดสินใจของ AI จะกำหนดผลกระทบของอัลกอริทึมต่อผลลัพธ์ของตลาด อัลกอริทึมการกำหนดราคาอัจฉริยะของ Airbnb เป็นตัวอย่างที่ดีของปรากฏการณ์นี้ สมมติว่าคุณเป็น CEO ของ Airbnb และกำลังรายงานเกี่ยวกับอัลกอริทึมที่พัฒนาโดยบริษัทของคุณในการพิจารณาของ House Committee เกี่ยวกับ AI ที่เท่าเทียมกัน คุณอาจยินดีที่อัลกอริทึมของคุณซึ่งมีเงื่อนไขในการนำไปใช้ สามารถต่อสู้กับความไม่เท่าเทียมกันทางเชื้อชาติได้ อย่างไรก็ตาม คุณสามารถทำสิ่งต่างๆ ได้มากขึ้นเพื่อลดความเหลื่อมล้ำทางเชื้อชาติ คุณควรพิจารณาเงื่อนไขทางการตลาดที่สำคัญดังต่อไปนี้: 1) โฮสต์ขาวดำอาจเผชิญกับเส้นอุปสงค์ที่แตกต่างกัน และ 2) โฮสต์สีดำมีการแสดงน้อยกว่าในข้อมูลที่ใช้ในการฝึกอัลกอริทึม AI โดยเฉพาะอย่างยิ่ง เส้นอุปสงค์สำหรับคุณสมบัติของโฮสต์ Black นั้นยืดหยุ่นมากกว่าคุณสมบัติที่คล้ายกันของโฮสต์สีขาว เส้นอุปสงค์ที่แตกต่างกันอาจเกิดขึ้นจากการเลือกปฏิบัติทางสังคม ซึ่งทำให้แขกมีความอ่อนไหวต่อราคาต่อทรัพย์สินที่เป็นคนผิวดำมากกว่าคนผิวขาว เนื่องจากแขกมีการตอบสนองมากขึ้นต่อการลดราคาสำหรับที่พักที่มีเจ้าของเป็นคนผิวดำ การรวมสภาวะตลาดนี้เมื่อปรับใช้อัลกอริธึม AI เป็นสิ่งสำคัญ คุณสามารถลดช่องว่างรายได้ระหว่างโฮสต์ขาวดำเพิ่มเติมได้โดยใช้การแข่งขันโดยตรงหรือโดยอ้อมรวมถึงลักษณะที่ใกล้เคียงหรือสัมพันธ์กันในอัลกอริทึม การเพิกเฉยต่อความแตกต่างโดยเนื้อแท้ในสภาวะตลาดอาจนำไปสู่คำแนะนำราคาที่อยู่ไกลจากราคาที่เหมาะสมที่สุดสำหรับโฮสต์สีดำมากกว่าราคาที่เหมาะสมที่สุดสำหรับโฮสต์สีขาว ทั้งนี้เนื่องจากเจ้าของที่พักผิวดำเป็นตัวแทนของที่พัก Airbnb เพียง 9% ในขณะที่เจ้าของที่พักสีขาวคิดเป็น 80%

บริษัทควรทำอย่างไร?

หากคุณอยู่ในกองกำลังเฉพาะกิจด้าน AI ในระดับองค์กรหรือระดับรัฐบาล คุณควรทำอย่างไรเมื่อพิจารณาถึงวิธีปรับใช้อัลกอริทึมเพื่อลดความเหลื่อมล้ำทางเชื้อชาติ หากคุณต้องร่างระบบนิเวศของอัลกอริธึมโฟกัส ผู้สร้าง ผู้ใช้ที่เป็นเป้าหมาย และตัวรับการตัดสินใจอัลกอริธึมจะเป็นใคร พวกเขาจะตอบสนองต่ออัลกอริทึมอย่างไร และปฏิกิริยาของพวกเขาจะส่งผลต่อผลลัพธ์สุดท้ายของอัลกอริทึมอย่างไร ก่อนอื่น พิจารณาจริงๆ ว่าอัลกอริทึมจะถูกรับรู้โดยผู้ใช้เป้าหมายอย่างไร สิ่งนี้จะกำหนดวิธีการดำเนินการในโลกแห่งความเป็นจริง ถามว่าผู้ใช้ทราบ (หรือสามารถรับรู้ได้) ว่าอัลกอริทึมทำงานอย่างไร หากพวกเขารู้ว่าบริษัทของคุณกำลังปรับใช้อัลกอริธึมใหม่เพื่อจัดการกับความไม่เท่าเทียมกัน พวกเขาจะตอบสนองอย่างไร หากผู้ใช้ที่มีบทบาทต่ำเกินไปอาจรู้สึกกดดันหรือรู้สึกว่าอัลกอริทึมอาจมีอคติต่อพวกเขา พวกเขาจะมีโอกาสใช้งานน้อยลง พิจารณาว่าการเลือกปฏิบัติในอดีตและปัญหาล่าสุดเกี่ยวกับการแสดงข้อมูลน้อยไปในชุดข้อมูลอาจทำให้ผู้ใช้เป้าหมายของคุณสงสัย (เช่น เนื้อหา
ข้อกังวลที่มีมูลชัดเจน
ในการดูแลสุขภาพอาจผลักดันให้เกิดความไม่เท่าเทียมกันในการฉีดวัคซีน Covid-19) วินาที มุ่งเน้นไปที่การสร้างความไว้วางใจและช่วยให้ผู้ใช้เข้าใจ อะไร อัลกอริทึมมีขึ้นเพื่อทำและ อย่างไร มันได้ผล. หากการเลือกใช้อัลกอริธึมเป็นทางเลือก (เช่นในกรณีของ Airbnb) ขั้นตอนการพิจารณาว่าผู้ใช้โดยเฉพาะผู้ใช้จากกลุ่มที่มีบทบาทด้อยกว่าจะเข้าใจ ไว้วางใจ และใช้อัลกอริทึมนั้นสำคัญกว่าหรือไม่ สื่อสารอย่างชัดเจนกับพวกเขาเกี่ยวกับจุดประสงค์ในการแนะนำอัลกอริธึมและวิธีการทำงาน รวมทั้งจูงใจให้พวกเขาใช้อัลกอริธึม โดยเฉพาะอย่างยิ่งเมื่ออัลกอริธึมมีประสิทธิภาพมากขึ้นสำหรับชนกลุ่มน้อยหรือเพศ ตามกลุ่มเป็นสิ่งสำคัญ อธิบายว่ามีการริเริ่มโครงการเพื่อลดความไม่เสมอภาคทางเชื้อชาติอย่างไร และจะดำเนินการอย่างไร ซึ่งเป็นส่วนหนึ่งของกลยุทธ์การเปิดตัว เนื่องจากความสามารถในการปรับขนาดและคุณค่าของการคาดการณ์ที่แม่นยำ ธุรกิจต่างๆ จะปรับใช้และใช้อัลกอริธึมในการดำเนินงานและบริการของตนมากขึ้นเรื่อยๆ และการนำไปใช้ก็มีแนวโน้มเพิ่มขึ้นเท่านั้น แต่บริษัทต่างๆ จำเป็นต้องแก้ไขข้อกังวลที่อัลกอริทึมอาจสร้างผลลัพธ์ที่มีอคติต่อกลุ่มผู้ด้อยโอกาส น่าเสียดายที่แนวทางที่ขับเคลื่อนโดยวิทยาศาสตร์ข้อมูลทั่วไปซึ่งรวมถึงการประมวลผลข้อมูลและข้อกำหนดของแบบจำลองการปรับเทียบนั้นไม่เพียงพอและไม่มีประสิทธิภาพ สำหรับธุรกิจที่จะต่อสู้กับปัญหาอคติของอัลกอริธึมได้ดีที่สุด การพิจารณาการรับรู้และการนำอัลกอริธึมมาใช้และสภาวะตลาดเช่นเดียวกับที่เราได้อธิบายไว้ควรเป็นส่วนสำคัญในการเปิดตัวเครื่องมืออัลกอริธึม เมื่อทำถูกต้อง เครื่องมือเหล่านี้อาจบรรเทาอคติของมนุษย์และเชื่อมโยงผลกระทบทางเศรษฐกิจที่เกิดขึ้นจากอคติเหล่านั้นได้ ทำผิดโดยใช้อัลกอริธึมเพียงไม่กี่ตัวจากบริษัทที่จัดตั้งขึ้น อาจบ่อนทำลายและทำให้การปรับใช้อัลกอริธึม AI ช้าลง

  • Back to top button