京公网安备 11010802034615号
经营许可证编号:京B2-20210330
人工智能在企业应用中的道德规范
AI是指智能水平不亚于甚至超过人类的软件产品,也称为“强AI”。但上述新项目对AI的定义还包括补充或取代人类决策的机器学习和数据驱动算法。
例如,有证据表明,当黑皮肤的使用者把手放在传感器上时,某些自动皂液器不起作用。这些系统由开发人员用自己的手进行测试,但没有在肤色不同的用户身上进行测试。这个例子说明人类创造的算法会按照开发者的观点和偏见行事。
有多少首席执行官真正知道他们的公司如何获得和使用AI和AI算法?
人工智能(AI)越来越多地被用于企业应用,它可以通过解析数据来获得对客户和竞争对手的有用洞见,从而提供竞争优势。但还有一个并行的趋势:评估AI和企业AI算法的道德影响。
就在去年,麻省理工学院(MIT)和哈佛大学共同开展了一个探索AI道德规范的项目,耗资2700万美元。最近,谷歌在2014年收购的英国私企DeepMind Technologies组建了一支新的研究团队,致力于研究AI道德规范。近期其他的AI道德规范项目包括IEEE全球人工智能和自主系统道德考量计划、纽约大学AI Now研究所和剑桥大学Leverhulme未来智能研究中心。
AI道德规范为什么如此令人感兴趣,这对企业组织意味着什么?
最近发生的灾难性品牌名声受损和舆论抨击揭示了将AI部署到企业中可能伴随的道德、社会和企业风险。
AI的定义
一些专家坚持认为,AI是指智能水平不亚于甚至超过人类的软件产品,也称为“强AI”。但上述新项目对AI的定义还包括补充或取代人类决策的机器学习和数据驱动算法。
如果接受后面这个更广泛的定义,那么我们必须认识到,AI多年来就已经是电脑时代的特征。如今,在大数据、互联网和社交媒体时代,使用人工智能带来的许多优势已经广为人知,受到普遍认可:人工智能可以为企业提供竞争优势、提升效率、洞悉客户及其行为。
运用算法来发现数据中的重要模式和价值,这几乎被一致认为是价值创造的省钱途径,特别是在市场导向的竞争环境中。但AI道德规范项目的兴起证明,这些看似有利的AI应用可能会适得其反。最近发生的灾难性品牌名声受损和舆论抨击揭示了将AI部署到企业中可能伴随的道德、社会和企业风险。
企业组织应该仔细思考他们使用AI的方式,因为这也会带来商业风险。
企业如果未能发现AI算法或机器学习系统开发人员的潜在偏见,就可能会将企业中所有利益相关者的偏见系统化。
人的偏见和歧视
AI算法和我们用来训练这些算法的数据集通常来自人类。因此,这些算法不可避免地反映了人的偏见。例如,有证据表明,当黑皮肤的使用者把手放在传感器上时,某些自动皂液器不起作用。这些系统由开发人员用自己的手进行测试,但没有在肤色不同的用户身上进行测试。这个例子说明人类创造的算法会按照开发者的观点和偏见行事。
这些偏见通常是无意的,但无论造成的后果是否有意为之,犯下上述错误的公司都会面临潜在风险。更重要的是,不管有意还是无意,人造算法可能固有的人类偏见在很大程度上逃避了审查,从而导致使用AI的企业面临风险。
企业如果未能发现AI算法或机器学习系统开发人员的潜在偏见,就可能会将企业中所有利益相关者的偏见系统化。这会使企业面临品牌名声受损、法律诉讼、舆论抨击的风险,还可能失去员工和客户的信任。
企业应该为自己和社会所做的是否不仅仅是遵纪守法?企业能否自信地说自己对AI的使用是公平的、透明的、对人类负责的?
AI的广泛应用和风险
存有偏见的皂液器只是一个例子,AI算法还可以用于招聘、量刑和安保行动。它们是社交媒体正常运行或不正常运行的内在因素。
简而言之,AI被用于无数的日常和专业工作。它正变得无处不在,它对企业的潜在风险也是如此。我们面临的挑战是理解算法如何设计和审查,以避免开发者的观点和偏见(不管是有意还是无意)。这提出了具有挑战性的问题。
有多少首席执行官真正知道他们的公司如何获得和使用AI和AI算法?(许多公司与第三方AI解决方案提供商合作。)
企业尽职调查是一项法律要求,这是否包括审查企业如何生成和使用AI应用程序?对于使用AI的企业来说,尽职调查和合规性的法律定义是否全面?道德规范和企业责任的传统概念是否适用于此?
企业应该为自己和社会所做的是否不仅仅是遵纪守法?企业能否自信地说自己对AI的使用是公平的、透明的、对人类负责的?
想要回答这些问题,企业必须审视和阐明自己在企业道德方面的立场,并运用系统性方法来评估风险。
助长趋势
两个趋势可能加剧对AI应用和AI用户进行风险评估的紧迫性和重要性。首先,消费者、公民和政策制定者越来越重视和担心人工智能的日益普及和可能造成的滥用或意外后果。由此产生的结果是,透明度,公平性和问责制作为竞争优势得到了更多关注。
最终,我们希望能够确定重要的价值观,将它们嵌入到AI算法的设计中,了解相关风险,继续验证个人、企业和社会在AI实践方面的有效性。
行动号召
解决这些问题的第一步是意识。你的公司如何使用AI,谁可能受到影响?是否需要聘请外部专家来进行评估?
阐明你公司的核心价值观也很重要。你使用AI的方式是否符合那些价值观?如果不是,如何才能让二者相符?
有资源可以帮助解决这一问题。例如,我是IEEE全球人工智能和自主系统道德考量计划的执行成员,该计划致力于研究各种AI相关应用的最佳实践,提供有助于加强这方面认识和决策指导的资源,制定AI应用的标准。(IEEE是指电气与电子工程师协会,是最大的技术专业组织,致力于推动技术发展,造福人类。)
一个重要的资源是该计划的“符合伦理的设计:人工智能和自主系统优先考虑人类福祉的愿景”。这份文件已发布第二版,鼓励技术人员在开发自主和智能技术的过程中,把道德考量放在优先位置。
该计划与IEEE标准协会展开了密切合作。最近,IEEE标准协会开始制定儿童和学生数据治理、雇主透明实践和人类介入式AI的标准,确保由人类价值观来引导影响我们每个人的算法开发。
最终,我们希望能够确定重要的价值观,将它们嵌入到AI算法的设计中,了解相关风险,继续验证个人、企业和社会在AI实践方面的有效性。
请放心,这是一个新兴的话题,本文表达的担心和目标仍然是人们积极研究的领域。然而,想要在AI时代成为对社会负责任的企业,企业领导者必须意识到问题所在,开始识别企业价值观,将之嵌入到AI应用程序的道德设计中。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29