De var redo att fira, eller det trodde de.
Morgan Properties tillkännagav till sina team på plats genom ett pilotprogram, “Vi tar oss ur lönekortsbranschen” efter att de hittat en artificiell intelligens (AI)-baserad teknologilösning för att förbättra ett steg i sin invånaresverifieringsprocess.
När Amy Weissberger, senior vice president för företagsstrategi, Morgan Properties, talade vid National Multifamily Housing Councils OpTech-konferens den 2 november i Las Vegas, sa att vissa anställda inte litade på det.
“När vi kunde visa dem att det upptäcker bedrägerier började de tro, men många kollar fortfarande lönebesked,” sa hon. “Du måste bevisa att en ny teknik är bättre än [the old way]så du fortsätter att träna dem, du fortsätter att förstärka det.”
Vem har fel när AI misslyckas
När det gäller att använda data för att driva AI och maskininlärning, sa kollegan i panelmedlemmen Stephanie Fuhrman, vice vd för företagsutveckling, Entrata, att du verkligen måste fokusera på felmarginalen i din data.
Större acceptans av datadrivande operationer genom AI och maskininlärning är fortfarande ett pågående arbete, sa panelen. För närvarande är en nyckelfråga att avgöra vem som har fel när AI-verktyg misslyckas: leverantören, kunden eller kunden.
IBM, till exempel, säger i sina erbjudanden att det inte är ansvarigt och att det är ägaren till den data som används. IBM ger också varningen att denna teknik är avsedd för mänskligt ingripande.
Weissberger sa att hon litar på sina leverantörer och deras produkter och för att hedra de tjänster de lovar. “Har vi som företag ett visst ansvar, “Ja”, sa hon. “Vi kan känna igen när det inte fungerar och det är vår roll att meddela leverantörerna.”
Fuhrman sa att i detta tidiga skede av tekniken kommer det att finnas många prejudikat som behövs för att göra den typen av beslutsamhet om ansvar.
Hon tillade att en annan utmaning i AI-användning är oavsiktlig fördom, vilket kan vara ett resultat av vem som anger data eller andra omständigheter.
Weissberger sa att en dator inte kan förväntas veta att en fastighet har brist på personal och att det var en anledning till varför prestanda var på en viss nivå. Eller så kanske samhället var efter med att göra lägenhetsvändningar eftersom det saknade tillräckligt med underhållstekniker.
