Get in my Think Art.

The Future of Humanity Institute เผยแพร่เอกสารสามฉบับเกี่ยวกับ Biorisks

The Future of Humanity Institute เผยแพร่เอกสารสามฉบับเกี่ยวกับ Biorisks

The Future of Humanity Institute เผยแพร่เอกสารสามฉบับเกี่ยวกับ Biorisks

jumbo jili

เมื่อต้นเดือนนี้ สถาบัน Future of Humanity Institute (FHI) ได้เผยแพร่เอกสารใหม่ 3 ฉบับที่ประเมินความเสี่ยงด้านความปลอดภัยทางชีวภาพที่เป็นหายนะและมีอยู่จริง และนำเสนอการวิเคราะห์ต้นทุนและผลประโยชน์ของแนวทางต่างๆ ในการจัดการกับความเสี่ยงเหล่านี้
งานนี้ทำโดย Piers Millett, Andrew Snyder-Beattie, Sebastian Farquhar และ Owen Cotton-Barratt – พิจารณาถึงความเสี่ยงที่ยิ่งใหญ่ที่สุดที่อาจเกิดขึ้น ความคุ้มค่าในการแก้ไข และวิธีที่หน่วยงานจัดหาเงินทุนสามารถเข้าถึงการวิจัยที่มีความเสี่ยงสูง .

สล็อต

ในรายงานฉบับหนึ่งHuman Agency and Global Catastrophic Biorisks , Millett และ Snyder-Beattie แนะนำว่า “ความเสี่ยงทางชีวภาพจากภัยพิบัติ (GCBR) ส่วนใหญ่มาจากหน่วยงานของมนุษย์มากกว่าทรัพยากรธรรมชาติ” ความเสี่ยงนี้อาจเพิ่มขึ้นได้เนื่องจากเทคโนโลยีในอนาคตช่วยให้เราสามารถจัดการกับสภาพแวดล้อมและชีววิทยาของเราต่อไปได้ ผู้เขียนระบุถึงความเสี่ยงทางชีวภาพที่เป็นที่รู้จักในปัจจุบัน แต่ยังเน้นว่าความเสี่ยงที่ไม่ทราบในอนาคตอาจเกิดขึ้นได้ง่ายเพียงใดเมื่อความก้าวหน้าทางเทคโนโลยี พวกเขาเรียกร้องให้มีชุมชน GCBR ที่จะให้ “พื้นที่สำหรับผลประโยชน์ทับซ้อนระหว่างชุมชนความมั่นคงด้านสุขภาพและชุมชนเสี่ยงภัยพิบัติทั่วโลก”
Millett และสไนเดอ-ทีย์ยังคงประพันธ์กระดาษอัตถิภาวนิยมความเสี่ยงและต้นทุนที่มีประสิทธิภาพความปลอดภัยทางชีวภาพ บทความนี้กล่าวถึงภัยคุกคามที่มีอยู่ของอาวุธชีวภาพในอนาคตเพื่อประเมินว่าความเสี่ยงนั้นสูงพอที่จะพิสูจน์ให้เห็นถึงการลงทุนในความพยายามในการบรรเทาภัยคุกคามหรือไม่ พวกเขาพิจารณาความเสี่ยงด้านความปลอดภัยทางชีวภาพที่หลากหลาย รวมถึงอาชญากรรมทางชีวภาพ การก่อการร้ายทางชีวภาพ และสงครามชีวภาพ และพวกเขาดูแบบจำลองสามแบบเพื่อประเมินความเสี่ยงของการสูญพันธุ์จากอาวุธเหล่านี้ ตามที่กล่าวไว้ในบทสรุปของพวกเขา: “แม้ว่าความน่าจะเป็นที่มนุษย์จะสูญพันธุ์จากอาวุธชีวภาพอาจต่ำมาก แต่มูลค่าที่คาดหวังในการลดความเสี่ยง (แม้จะเพียงเล็กน้อย) ยังคงมีขนาดใหญ่มาก เนื่องจากความเสี่ยงดังกล่าวเป็นอันตรายต่อการดำรงอยู่ของมนุษย์ในอนาคตทั้งหมด ชีวิต.”
เอกสารฉบับที่สามคือการกำหนดราคาภายนอกเพื่อสร้างสมดุลระหว่างความเสี่ยงสาธารณะและประโยชน์ของการวิจัยโดย Farquhar, Cotton-Barratt และ Snyder-Beattie ที่นี่พวกเขาพิจารณาว่าผู้ให้ทุนทางวิทยาศาสตร์ควร “ประเมินงานวิจัยที่มีความเสี่ยงด้านสาธารณสุขอย่างไร” งานนี้ได้รับแรงบันดาลใจจากข้อพิพาทรอบ ๆ การทดลอง “ความสามารถในการทำงาน” ที่ทำกับไวรัสไข้หวัดใหญ่ H5N1 ผู้เขียนเสนอแนวทางที่แปลค่าประมาณความเสี่ยงเป็นราคาทางการเงิน ซึ่ง “จากนั้นสามารถรวมอยู่ในต้นทุนของการวิจัยได้” พวกเขาสรุปด้วยอาร์กิวเมนต์ว่า “แนวทางที่หารือกันจะได้ผลโดยการจัดสิ่งจูงใจสำหรับนักวิทยาศาสตร์และเพื่อให้ทุนแก่องค์กรอย่างใกล้ชิดกับแนวทางของสังคมโดยรวม”
ส่วนนี้กล่าวโดยสรุปเล็กน้อย จะอธิบายสองวิธีทั่วไปที่เราอาจเข้าสู่นโยบาย AI ได้แก่ การเปลี่ยนจากการเป็นนักวิจัย AI ไปสู่การเป็นนักวิจัย/ผู้ปฏิบัติงานด้านนโยบาย AI และการย้ายจากการเป็นผู้วิจัย/ผู้ปฏิบัติงานด้านนโยบายในด้านอื่นไปสู่การมุ่งเน้นที่ AI นโยบาย.
จาก AI สู่นโยบาย
การมีพื้นฐานทางเทคนิคใน AI เป็นทรัพย์สินที่สำคัญและค่อนข้างหายากในการทำงานด้านนโยบาย อย่างไรก็ตาม ต้องควบคู่ไปกับความเชี่ยวชาญด้านนโยบาย กลยุทธ์หนึ่งคือการหาผู้ทำงานร่วมกันหรือทีมที่มีความเชี่ยวชาญด้านนโยบาย เพื่อให้คุณสามารถมีส่วนร่วมในขณะที่เรียนรู้จากกันและกัน โดยทั่วไป เราขอแนะนำให้คุณเรียนรู้เกี่ยวกับการเมืองและนโยบาย นอกจากนี้ยังเป็นประโยชน์ในการพยายามทำความเข้าใจภูมิทัศน์ของประเด็นนโยบายก่อน เพื่อประเมินความเข้ากันได้ของคุณและความสำคัญเชิงสัมพันธ์ของการทำงานในด้านต่างๆ ก่อนที่จะขยายจุดโฟกัสเฉพาะ แหล่งข้อมูลที่เราแนะนำในตอนท้ายของเอกสารนี้ควรมีประโยชน์ในเรื่องนั้น
เราถือว่าสิ่งนี้เป็นเส้นทางอาชีพที่น่าตื่นเต้นเป็นพิเศษ เนื่องจากผู้คนที่มีภูมิหลังทางเทคนิค AI ที่แข็งแกร่งซึ่งทำงานในนโยบายนั้นหายาก และคุณค่าของการก้าวไปสู่ ​​”เมตา” ซึ่งในบางกรณีอาจมีอิทธิพลมากกว่าในด้าน AI โดย การพัฒนา การสนับสนุน และการดำเนินการแก้ปัญหาในระดับองค์กร ระดับชาติ หรือระดับนานาชาติ มากกว่าการทำงานในโครงการทางเทคนิคที่ไม่ต่อเนื่อง
จากนโยบายสู่ AI
ผู้ที่ย้ายเข้าสู่นโยบาย AI จากพื้นหลังนโยบายที่แตกต่างกันควรตั้งเป้าหมายเพื่อให้ทันกับปัญหานโยบาย AI ในวงกว้าง (ดูรายการทรัพยากรด้านล่าง) และค้นหาจุดโฟกัสภายในพื้นที่นั้น AI เป็นพื้นที่ที่น่าตื่นเต้นที่แนวนโยบายกำลังเปลี่ยนแปลงอย่างรวดเร็วด้วยความสำเร็จทางเทคนิคใหม่ ดังนั้น การสร้างรากฐานทางเทคนิคที่มั่นคงและติดตามการพัฒนาอย่างใกล้ชิดจึงเป็นสิ่งที่มีค่า วิธีที่เป็นไปได้บางประการในการเร่งความเร็วใน AI (นอกเหนือจากคำแนะนำข้างต้น) ที่มีประโยชน์อย่างยิ่งสำหรับผู้ที่มีพื้นฐานด้านนโยบายคือ MOOCs เกี่ยวกับ AI ชั้นเรียนแบบตัวต่อตัว (มีให้ในมหาวิทยาลัยและบางครั้งก็มีให้ในองค์กรขนาดใหญ่ด้วย) และหลักสูตรปริญญาโทด้าน AI นอกจากนี้
ทรัพยากร
รายการทรัพยากรด้านล่างไม่จำเป็นต้องอ่านทั้งหมด (ซึ่งขึ้นอยู่กับภูมิหลังของคุณ) หรือไม่ครอบคลุม แต่มันก็เป็นตัวแทนของการจัดเรียงของวัสดุอย่างใดอย่างหนึ่งอาจจะพบที่น่าสนใจถ้าใครตั้งใจที่จะทำงานในการกำหนดนโยบาย AI หากเนื้อหาเหล่านี้น่าเบื่อสำหรับคุณ นั่นอาจเป็นสัญญาณที่ไม่ดี ในทางกลับกัน หากคุณเริ่มอ่านและพบว่าหัวข้อนี้สำคัญ – หรือเห็นช่องว่างในวรรณกรรมที่คุณสามารถเติมเต็มด้วยความเชี่ยวชาญ/ทักษะของคุณ – นั่นเป็นสัญญาณที่ดี!
ข้อแม้ที่สำคัญสำหรับ “การทดสอบ” คร่าวๆ ข้างต้นคือ บางสิ่งที่หนักกว่าในรายการมีความเกี่ยวข้องมากกว่าหากคุณวางแผนที่จะทำวิจัย (เทียบกับการปฏิบัติ/การสนับสนุน/การสรรหาบุคลากร) ในนโยบาย AI—เช่น หนังสือเรียน AI นั้นหนักกว่า จุดสิ้นสุดของสเปกตรัมในขณะที่ “การเตรียมพร้อมสำหรับอนาคตของปัญญาประดิษฐ์” อยู่ในจุดสิ้นสุดที่เบากว่าและเป็นเบื้องต้นมากขึ้น ภายในแต่ละส่วนด้านล่าง เราจะเรียงลำดับรายการคร่าวๆ ตั้งแต่เบื้องต้นไปจนถึงขั้นสูง
เราขอแนะนำให้คุณตรวจสอบสองสามข้อเพื่อทดสอบความสนใจของคุณ และหากคุณตัดสินใจที่จะเข้าสู่สนาม ให้ดำเนินการผ่านหลายๆ อย่าง
หลังจากระบุและอธิบายการบรรยาย หนังสือ และเอกสารแล้ว เราได้ยกตัวอย่างหลักสูตรในหลักสูตรนโยบายวิทยาศาสตร์และเทคโนโลยีซึ่งให้คำแนะนำเพิ่มเติมสำหรับวรรณกรรมที่กว้างขึ้น

สล็อตออนไลน์

นอกจากนี้เรายังแนะนำให้อ่าน’กรณีสำหรับการสร้างความเชี่ยวชาญในการทำงานกับนโยบาย AI ของสหรัฐอเมริกาและวิธีดำเนินการ’ซึ่งมีแหล่งข้อมูลเพิ่มเติม
ค่าใช้จ่ายและประโยชน์ของ “การเปิดกว้าง” เวอร์ชันต่างๆ จากองค์กรที่ทำงานเกี่ยวกับ AI คืออะไร?
องค์กรที่ทำงานเกี่ยวกับ AI ควรเผยแพร่เอกสาร เผยแพร่ซอร์สโค้ด ร่วมมือกับนักวิชาการและองค์กรอื่น ๆ ฯลฯ หรือไม่? สิ่งนี้ขึ้นอยู่กับว่างานของมันนั้นก้าวหน้าแค่ไหนและมีแนวโน้มว่าจะใกล้เคียงกับ AI ประเภทที่สำคัญมากน้อยเพียงใด (ดูด้านบน)
การเปิดกว้างอาจนำไปสู่ความก้าวหน้าอย่างรวดเร็วของวิทยาศาสตร์ (ผ่านทางสินค้าสาธารณะ) และลดความเสี่ยงของลัทธิอำนาจนิยมและ “ภาวะขั้วเดียว” ที่เกิดจาก AI แต่ก็อาจเพิ่มความเสี่ยงของการใช้ AI ในทางที่ผิดโดยผู้มุ่งร้ายและการแข่งขันด้านการพัฒนาเทคโนโลยี
การมีหลักการที่ไตร่ตรองมาอย่างดีว่าควรเปิดใจประเภทใด และเมื่อใด/ภายใต้เงื่อนไขใด อาจทำให้ผู้คนยอมรับรูปแบบการเปิดกว้างที่เป็นประโยชน์ได้ง่ายขึ้นในวันนี้โดยไม่ต้องยอมรับรูปแบบการเปิดกว้างที่เป็นปัญหาในอนาคตโดยปริยาย
ความเสี่ยงอื่นๆ
ส่วนข้างต้นชี้ให้เห็นถึงความเสี่ยงที่อาจเกิดขึ้นจากระบบ AI ขั้นสูง ด้านล่างเราแสดงรายการความเสี่ยงกว้างๆ เพิ่มเติมสามประเภท:
สูญเสียการควบคุมระบบ AI ที่ทรงพลังมาก:ระบบ AI มีแนวโน้มที่จะมีความสามารถมากขึ้นในสภาพแวดล้อมที่หลากหลาย ทำให้พวกเขามีประสิทธิภาพมากขึ้นในการบรรลุเป้าหมายที่ระบุในรูปแบบที่สร้างสรรค์ อย่างไรก็ตาม การออกแบบระบบ AI ที่มนุษย์สามารถควบคุมได้อย่างมีความหมายและหลีกเลี่ยงผลข้างเคียงด้านลบได้อย่างน่าเชื่อถืออาจเป็นเรื่องท้าทาย โดยเฉพาะอย่างยิ่งหากความสามารถของระบบ AI และขอบเขตของผลข้างเคียงที่เป็นไปได้นั้นแซงหน้าความสามารถของมนุษย์ที่จะคาดการณ์ล่วงหน้า ระบบที่ออกแบบมาอย่างพิถีพิถันอาจจำลองความพยายามของมนุษย์อย่างสมเหตุสมผลในการบังคับพวกเขาให้เป็นอุปสรรคที่ต้องเอาชนะ และระบบ AI ที่มีความสามารถมากในการไล่ตามเป้าหมายที่มีปัญหาอาจกลายเป็นเรื่องยากมากสำหรับมนุษย์ที่จะควบคุม ระบบ AI ที่มีปัญหานี้สามารถคาดหวังได้อย่างสมเหตุสมผลว่าจะสร้างปัญหาได้อย่างน้อยก็เทียบได้กับระบบที่สร้างโดยเวิร์มคอมพิวเตอร์หรือองค์กรอาชญากรรมในโลกไซเบอร์ในปัจจุบัน หากระบบ AI ที่มีเป้าหมายที่เป็นปัญหามีความสามารถเพียงพอ การไล่ตามเป้าหมายเหล่านั้นอาจเป็นอันตรายต่ออนาคตระยะยาวของมนุษยชาติอย่างมาก และดูเหมือนว่าสำหรับเราแล้วมีโอกาสที่ผลลัพธ์จะไม่ดีเท่ากับการสูญพันธุ์ของมนุษย์
การสูญเสียการควบคุมทิศทางของสังคมอย่างมีความหมาย:เนื่องจากการควบคุมที่เพิ่มขึ้นเรื่อยๆ ถูกนำไปใช้กับระบบ AI ที่ซับซ้อนและเข้าใจยากมากขึ้นเรื่อยๆ ซึ่งไล่ตามเป้าหมายที่ไม่สมบูรณ์ของเรา (เช่น การเพิ่มผลกำไรสูงสุด) มนุษย์อาจสูญเสียความสามารถในการสร้างทางเลือกที่มีความหมายโดยรวม ว่าสังคมควรไปในทิศทางใด ความกังวลที่เกิดขึ้นใหม่เกี่ยวกับระบบ AI ที่เลือกปฏิบัติโดยพิจารณาจากเชื้อชาติหรือเพศอาจเป็นตัวอย่างแรกๆ ของการเปลี่ยนแปลงดังกล่าว เช่นเดียวกับความกังวลเกี่ยวกับฟองอากาศกรองที่สร้างขึ้นโดยการปรับแต่งเรื่องราวข่าวให้เข้ากับรสนิยมที่คาดการณ์ไว้ของแต่ละบุคคลมากขึ้น หากความสามารถทางเทคนิคของเราในการออกแบบระบบที่สะท้อนถึงค่านิยมของเราอย่างซื่อสัตย์และโปร่งใสนั้นล้าหลังความสามารถของเราในการตัดสินใจอัตโนมัติที่ทำกำไรได้อย่างมีกำไร สิ่งนี้อาจก่อให้เกิดปัญหาระยะยาวสำหรับวิถีแห่งอารยธรรม
[NPC4]ความเกี่ยวข้องทางศีลธรรมของระบบ AI:ในปัจจุบัน มีความเห็นพ้องกันน้อยมากเกี่ยวกับสิ่งที่ไม่ใช่มนุษย์ที่นับว่า “มีความเกี่ยวข้องทางศีลธรรม” (ชิมแปนซี? หมู? มด?) เราพบว่ามีความเป็นไปได้ แม้ว่าระบบ AI บางระบบอาจไม่ได้มีความเกี่ยวข้องทางศีลธรรมในบางจุดในบางจุดก็ตาม หากเป็นเช่นนี้ อาจมีนัยสำคัญอย่างยิ่งต่อการออกแบบและใช้งานระบบ AI ซึ่งอาจต้องมีการป้องกันบางอย่างสำหรับตัวแทน AI บางอย่าง ตัวอย่างเช่น อาจเป็นไปได้ที่จะทำซ้ำ “คนงาน” ของ AI ในราคาถูก ถ้าเป็นเช่นนั้น จะช่วยลดต้นทุนแรงงานที่คนงานเหล่านี้สามารถทำได้ (เนื่องจากสามารถสร้างคนงานใหม่ได้เสมอ) ซึ่งอาจสร้างสถานการณ์ที่ “คนงาน” ของ AI สามารถรับค่าจ้างเพื่อยังชีพได้เท่านั้น (เช่น เพียงพอที่จะครอบคลุมฮาร์ดแวร์ และค่าไฟ)
ก้าวอย่างรวดเร็วของความก้าวหน้าทางเทคโนโลยีในอุตสาหกรรมเหมืองแร่ในช่วงทศวรรษที่ผ่านมาได้จัดให้มีการเพิ่มขึ้นอย่างมีนัยสำคัญในจำนวนของข้อมูลที่มีอยู่เพื่อสนับสนุนการตัดสินใจ แนวโน้มนี้คาดว่าจะเร่งขึ้นเมื่อเวลาผ่านไป เพื่อให้เกิดประโยชน์สูงสุด บริษัทต่างๆ จำนวนมากขึ้นเรื่อยๆ มุ่งสู่การดำเนินงานแบบบูรณาการ แต่มีเพียงไม่กี่รายที่มีมุมมองที่สอดคล้องกันว่าตนคืออะไรและจะสร้างได้อย่างไร ทำไมสิ่งนี้จึงสำคัญ? ไม่เพียงแต่ช่วยให้เกิดความได้เปรียบด้านต้นทุนเท่านั้น แต่ยังช่วยขับเคลื่อนผลลัพธ์ที่คาดการณ์ได้ ซึ่งสร้างความไว้วางใจในระยะยาวกับผู้มีส่วนได้ส่วนเสียหลัก
การริเริ่มด้านดิจิทัลและการลงทุนในระบบอัตโนมัติไม่ได้ให้ผลลัพธ์ที่สม่ำเสมอทั่วทั้งกระดาน แม้ว่าบางบริษัทจะรับรู้ถึงความก้าวหน้าในวงกว้าง แต่บริษัทอื่นๆ ก็ประสบกับการเปลี่ยนแปลงทีละน้อยเท่านั้น ผลลัพธ์ตัวแปรเหล่านี้ทำให้เกิดคำถามว่าจะปรับปรุงผลลัพธ์ได้อย่างไร จากการตรวจสอบ เป็นที่ชัดเจนว่าก่อนที่ธุรกิจจะสามารถตอบสนองต่อเหตุการณ์ภายนอกและความแปรปรวนภายในได้ดีขึ้น พวกเขามักจะต้องปรับปรุงการบูรณาการในทุกหน้าที่ของตน โดยทำให้แน่ใจว่าผู้คนทั่วทั้งองค์กรมีอำนาจในการตัดสินใจที่ดีที่สุดสำหรับองค์กรในฐานะ ทั้งหมด.
บริษัทต่าง ๆ กำลังมุ่งหน้าไปตามเส้นทางนี้ด้วยเหตุผลหลายประการ บางคนได้ตระหนักถึงความไร้ประสิทธิภาพโดยธรรมชาติที่ฝังอยู่ภายในองค์กร และมองว่านี่เป็นโอกาสที่จะทำให้เกิดการเปลี่ยนแปลงขั้นตอนในการทำงานในอนาคต Deloitte ทำงานร่วมกับองค์กรแห่งหนึ่งที่เปลี่ยนไปใช้รูปแบบการดำเนินงานนี้ ซึ่งเห็นการลดต้นทุนต่อหน่วยมากกว่า 25% และปรับปรุงประสิทธิภาพการทำงานมากกว่า 10% โดยแทบไม่มีเงินลงทุนเลย
จากการวิจัยภายในของ Deloitte รากฐานของการคิดเชิงปฏิบัติการแบบบูรณาการถูกสร้างขึ้นเมื่อ 60 ปีที่แล้ว แต่อุตสาหกรรมเหมืองแร่เพิ่งเริ่มดำเนินการตามแนวคิดเหล่านี้ในทศวรรษที่ผ่านมา นั่นหมายความว่าองค์กรส่วนใหญ่ยังคงมีส่วนร่วมในความพยายามในระยะเริ่มต้น โดยการดำเนินการแบบบูรณาการที่เน้นไปที่การเพิ่มประสิทธิภาพห่วงโซ่คุณค่าที่มีประสิทธิผล จุดเน้นที่นี่คือการปรับปรุงการตัดสินใจโดยทำให้ผู้คนทั่วทั้งองค์กรสามารถตัดสินใจได้อย่างเหมาะสมที่สุดที่เกี่ยวข้องกับการดำเนินการผลิตหรือใกล้เคียงกับการดำเนินการผลิต เมื่อแรงกดดันจากลูกค้าเพิ่มมากขึ้น เงินฝากก็ยิ่งท้าทายมากขึ้น การดำเนินงานก็กระจัดกระจายมากขึ้น และพฤติกรรมของตลาดก็ยังคงมีความแปรปรวนสูง อย่างไรก็ตาม บางองค์กรกำลังเพิ่มขอบเขตการบูรณาการเพื่อปรับปรุงความสามารถในการจัดการความซับซ้อนและความกำกวมที่เพิ่มขึ้นนี้
สิ่งนี้ทำให้บางบริษัทเปลี่ยนโฟกัสจากการบูรณาการข้ามสายธารคุณค่าไปเป็นการบูรณาการข้ามสินทรัพย์ ซึ่งทำได้โดยการดำเนินการกลุ่มของสินทรัพย์เป็นสินทรัพย์ส่วนรวมเดียว หรือโดยเน้นที่ข้อกำหนดสำหรับทีมและพนักงานทุกคนเพื่อขับเคลื่อนเป้าหมายโดยรวมของสินทรัพย์ บางองค์กรที่อยู่แนวหน้าของความคิดนี้กำลังสร้างเครือข่ายให้กว้างขึ้น โดยกำหนดห่วงโซ่คุณค่าใหม่เป็นระบบนิเวศในการดำเนินงาน ซึ่งรวมถึงชุมชน สมาชิกสภานิติบัญญัติ ผู้ให้บริการบุคคลที่สาม และลูกค้า องค์กรเหล่านี้กำลังมองหาการพัฒนาองค์กรที่ใช้ประโยชน์จากทุกส่วนของระบบนิเวศนี้เพื่อตอบสนองต่อเหตุการณ์ภายในและภายนอกอย่างมีประสิทธิภาพและรวดเร็วยิ่งขึ้น มุมมองวิวัฒนาการนี้ถูกสรุปไว้ใน
บูรณาการสินทรัพย์และองค์กร
ดังที่เห็นในวิสัยทัศน์การขุดอัจฉริยะของ Deloitte (รูปที่ 2) การดำเนินการนี้อาจส่งผลให้มีการลงทุนด้านเทคโนโลยีที่รวดเร็วขึ้นในสามโดเมน ได้แก่ การดำเนินการอัจฉริยะเพื่อปรับปรุงกระบวนการปฏิบัติงานผ่านระบบอัตโนมัติและการแปลงเป็นดิจิทัล ศูนย์ประสาทเพื่อรวบรวมข้อมูลจากทั่วทั้งห่วงโซ่คุณค่า และองค์กรอัจฉริยะเพื่อปรับแต่งกระบวนการสนับสนุนเฉพาะ
การดำเนินการแบบบูรณาการให้แหล่งความจริงเพียงแหล่งเดียวที่สร้างขึ้นจากการติดตามข้อมูลแบบเรียลไทม์ ตำแหน่งนี้ทำให้บริษัทต่างๆ ดำเนินการปรับปรุงขั้นตอนการเปลี่ยนแปลงในการตัดสินใจผ่านการวิเคราะห์ขั้นสูง เปิดใช้งานการจัดการทรัพยากรจากระยะไกลหากเป็นไปได้ และเพิ่มความคล่องตัวในการจัดสรรและการใช้กำลังคน
[NPC5]ในท้ายที่สุด จุดมุ่งหมายคือการเพิ่มประสิทธิภาพห่วงโซ่คุณค่าของสินทรัพย์ สินทรัพย์ หรือระบบนิเวศทั้งหมด แทนที่จะปรับปรุงผลลัพธ์ของฟังก์ชันที่แยกออกมาต่างหาก นี่ไม่ใช่แค่การลงทุนด้านเทคโนโลยีเท่านั้น แม้ว่าการรวมศูนย์—เช่น การปรับใช้ศูนย์ปฏิบัติการระยะไกลหรือศูนย์กลาง—มักจะเป็นส่วนหนึ่งของโซลูชัน แต่ก็ไม่เป็นเช่นนั้นเสมอไป ในทำนองเดียวกัน การมุ่งเน้นที่การปรับใช้ศูนย์หรือพยายามทำซ้ำสิ่งที่องค์กรอื่นทำ อาจให้ผลประโยชน์เพียงเล็กน้อย หากมี ในท้ายที่สุด การเปลี่ยนแปลงนี้มักต้องการการยอมรับรูปแบบการดำเนินงานที่ฝังแนวทางการประสานงานและแบบองค์รวมในเชิงวัฒนธรรมเพื่อการตัดสินใจ
การจะบรรลุผลสำเร็จเหล่านี้จะต้องมุ่งเน้นไปที่สี่เสาหลักที่ขับเคลื่อนการเปลี่ยนแปลงอย่างยั่งยืน ได้แก่ เทคโนโลยี กระบวนการ การออกแบบสถานที่ทำงาน บุคลากรและวัฒนธรรม