長期以來，人工智能(AI)對經濟，勞動力和社會的影響一直是決策者，商業領袖和廣大公眾之間爭論的話題，尤其是在過去的十年中。目前和即將到來的勞動和生產力影響的估計值 差異很大，常常得出矛盾的結論。

對于研究人員，管理人員和經濟分析師來說，一個突出的問題是，是否有必要在人工智能和機器學習(ML)上進行大量投資。人工智能的承諾能否實現，如果能實現，它們對所涉各個利益相關者的潛在影響是什么?

為了幫助闡明這些不確定性的各個方面，AI伙伴關系(PAI)正在發布由PAI的AI伙伴關系“ AI，勞動力和經濟”工作組(AILE)進行的一系列案例研究。

AILE案例研究綱要 通過一系列跨不同應用程序，地區和部門的案例研究，調查了AI實施對勞動力的影響和生產率的影響。使用基于訪談的方法，我們研究了AI應用對三家公司的影響：Axis Bank，Tata Steel Europe(TSE)和Zymergen。

出現了三個共同的主題：

成功采用新的AI系統需要管理層和員工的支持。為此，擁有可理解的機器學習模型至關重要。

在Zymergen，一家以AI / ML為創立使命的核心年輕公司，通常從一開始就假設員工愿意接受。但是，在TSE和Axis，團隊需要與相關內部利益相關方一起積極應對文化變化并更積極地進行實踐。

在這三種情況下，高管的支持以及對員工培訓和意識建設的早期投資都有助于在內部建立信任，這對于成功采用AI至關重要。例如，TSE意識到將工廠運營商引入ML模型開發的價值，并開始舉行“辦公時間”，在此期間，他們和項目經理可以與數據科學家討論分析模型。Zymergen的數據科學家還發現，物理科學家在機器學習模型中的前期和頻繁參與對于建立成功實施的信任至關重要。

在這三個組織中，人工智能系統的可解釋性在與員工，客戶和監管機構建立這種信任方面起著至關重要的作用。每個公司都在短期內報告了生產率或財務收益。

TSE報告稱，它通過提高產量，減少了原材料費用并提高了產品質量而獲得了生產率的提高。Axis Bank報告說，由于從人工支持的客戶服務向自動客戶服務渠道的遷移，它能夠以更少的客戶服務代理來應對不斷增長的客戶服務量。

最后，在Zymergen案例中，與傳統的RD實驗室相比，在濕實驗室中高度的自動化和加速的項目工期的驅動下，管理層報告了更高的勞動生產率。

但是，在所有情況下，這些影響都不能僅歸因于AI，因為其他過程更改總是伴隨著AI技術的引入。