从任务层面看人工智能对情报分析的影响

人工智能将如何影响情报分析，特别是情报界的员工队伍？了解各组织可以做些什么来最有效地整合人工智能，发挥人类和机器的优势。

未来已经在这里

在过去的十年里，人工智能（AI）已经从近乎科幻的故事发展到了一系列商业应用的普遍现实。在情报分析中，人工智能已经被用于标记图像和整理大量的数据，帮助人类在噪音中看到信号。这些早期的应用表明，在未来，智能部署的人工智能将提高分析人员从信息中提取价值的能力。

人工智能的采用不仅受到计算能力提高和新算法的推动，而且还受到目前可用数据爆炸的推动。对情报分析人员来说，数据的扩散意味着肯定会出现信息过载。人类分析员根本无法应对这么多的数据。

情报部门的领导知道人工智能可以帮助应对这种数据洪流，但他们也可能想知道人工智能会对他们的工作和劳动力产生什么影响。

根据对私营企业的调查，在引进人工智能和了解其影响之间存在着巨大的差距。近20%的工人报告说，由于实施人工智能，他们的角色、任务或工作方式发生了变化，但近50%的公司没有衡量人工智能的实施对工人产生了什么影响。它还将为寻求加快采用率并从试点转向全面规模的组织提供想法。

人工智能已经到来，让我们看看它将如何塑造情报分析的未来。

对人工智能的理解是什么？

术语 "人工智能 "根据上下文的不同，可以有大量不同的含义。为了帮助领导者理解如此广泛的景观，区分人工智能的模型类的类型，以及人工智能的应用是有帮助的。前者是基于人工智能如何工作的分类，后者是基于人工智能被设定为做什么任务。

情报周期中的人工智能

情报在整个情报界的专家、分析员和管理层中流动，经历了五个步骤的 "循环"：规划和指导；收集；处理；分析和生产；以及传播。

整个周期的产出价值，包括分析员交给决策者的成品情报，在很大程度上是由所使用的技术和流程决定的，包括那些利用人工智能的技术。

诸如无人机系统、远程传感器、先进的侦察机、互联网、计算机和其他系统等技术已经使收集过程超常化，以至于分析人员拥有的数据往往超过他们的处理能力。

获得更多的数据应该是一件好事。但是，如果没有融合和处理数据的能力，数据会使分析人员被堆积如山的不连贯的信息所淹没。

美国国家地理空间情报局局长说，如果趋势保持不变，情报组织可能很快就会需要超过800万名图像分析师，这是整个政府拥有最高机密许可的总人数的五倍多。在现代数字化时代，战争的成功取决于一个国家比对手更快更准确地分析信息的能力，数据不能不分析。

人工智能可以提供亟需的支持。情报机构已经在利用人工智能的力量对大量的数据进行分类，以提取关键的 "已知因素 "进行进一步分析。

例如，各机构已经使用人工智能自动识别和标记车辆的模式，以识别SA-21地对空导弹电池，或筛选数以百万计的金融交易，以确定符合非法武器走私的模式。

同样，美国防部的人工智能协调中心已经在努力开发涵盖作战情报融合、联合全域指挥和控制、加速传感器到射手的时间线、自主和蜂群系统、目标开发以及作战中心工作流程的产品。

分析表明，以这些能力运作的人工智能可以节省分析人员的时间并提高产出。虽然确切的时间节省取决于所进行的工作类型，但一个拥有人工智能系统支持的全源分析员每年可以节省多达364个小时或超过45个工作日（下图）。

这些节省的时间可以使分析员腾出更多的时间用于更优先的任务，或通过额外的培训来培养技能，以及其他活动。

人工智能的真正价值

然而，人工智能的好处可以远远超过节省时间。毕竟，情报工作永远不会结束，总是有另一个问题需要关注。因此，用人工智能节省时间不会减少劳动力或削减情报预算。

相反，人工智能的更大价值来自于 "自动化红利"，在这些技术减轻了他们的工作量之后，分析师们可以更好地利用他们的时间。

有两种主要方式可以用额外的时间创造额外的价值。情报分析员可以把更多的时间花在他们已经做的更高价值的任务上，或者他们可以增加新的高价值任务。

人类专注于人类任务

然而，在实现这些好处之前，情报组织必须确定哪些是价值最高的任务，因此最适合由人类工人来执行。

首先，将人类与计算机或其他机器进行比较。

即使是一个简单的计算器也能在某些任务上胜过最好的数学奇才。但是，虽然它速度快、准确，但算术是计算器唯一能完成的任务。它有一个非常狭窄的、专门的智能。另一方面，人类往往在一般智能方面胜过最先进的计算机。

正如麻省理工学院教授解释的："即使是一个五岁的孩子，也比今天最先进的计算机程序拥有更多的一般智能。一个孩子可以就更广泛的话题进行更明智的对话，比今天的任何计算机程序都更有效地在不可预测的物理环境中运作。"

因此，虽然机器在处理大量数据或工作的极端精确性方面比人类更好，但人类在随着环境的变化而急剧变化的任务或那些涉及高度人际互动的任务方面更有优势。

人类工作者和人工智能工具结合在一起，可以发挥各自的优势；人工智能处理大量的数据，人类处理高度可变的任务。在情报组织内部，人类分析师可以通过将许多与数据处理和开发有关的任务卸载到机器上，从而提升价值链。然后，他们可以将自己的精力更多地投入到分析、计划和指导任务中，这些任务通常需要更多的创造力、沟通以及与同事和决策者的合作。

模型方法论对情报分析员做出了类似的预测。随着人工智能承担起数据清理、标签或模式识别等任务，所有来源的分析师可以将更多的时间花在对环境敏感或独特的人类任务上。因此，未来的分析师可能会花更多的时间与他人合作，比现在多出58%。

在整个情报周期中，更多的合作会如何进行？

例如，在传播阶段，分析师向决策者展示信息，与他们合作，使他们能够做出最佳决策。如果人工智能可以承担大部分的准备工作，包括收集信息来源，创建图形，甚至起草报告，那么人类分析员就可以专注于决策者的需求和情况的影响。

在这种情况下，分析员只需向人工智能提供即将到来的简报或成品的主题。从那里，人工智能可以自动生成一个相关报告的清单，以便阅读，预先选择地图或图像，为简报标注相关特征，甚至编写背景事件的简短摘要。

类似的转变已经在新闻业中发生了。《华盛顿邮报》的机器人作者在第一年就发表了850篇文章，内容从奥运会到选举都有。美联社发现，通过自动完成撰写企业收益报告等注重细节的任务，机器人的使用使记者的工作量减少了20%，使他们能够专注于减少错误和发现更大的趋势。英特尔的分析师可以从类似的安排中受益。

人工智能可以生成常规的情报摘要或每日报告，让分析师专注于将这些报告综合为更大的趋势，或根据特定决策者的喜好定制报告。

做一些新的事情：探索可能性

正如现在所经历过的，新技术可能伴随着新任务。因此，人工智能很可能也会引入全新的任务来处理。以其他先进技术的采用为指导，预计许多新任务将可能属于这三类中的一类。

**提供新模式。**情报工作从根本上说就是利用信息来减少国家领导人的不确定性。现代决策的快速发展是领导人面临的最大挑战之一。人工智能可以通过帮助提供新的方式，更快速有效地将信息传递给决策者来增加价值。其中一个想法是向实时决策支持转变。

在过去，复杂的对手行为模型需要几个月的时间来创建和更新，导致正式情报产品的周期很长。

今天，利用人工智能和大数据，分析的速度可以快得多，往往只差一点就能达到实时。这种情况现在正发生在汽车比赛中，一级方程式赛车队根据成千上万的数据点调整战略模型，因为赛车正在赛道上飞驰。

天气的突然变化或竞争对手的意外进站都会在几秒钟内引发车队计划的改变。按照一级方程式赛车的例子，情报分析员如果拥有能够快速模拟复杂场景的人工智能模型，就能够在决策者提出问题时回答他们的问题，而不是等待成品情报产品。我们的模型表明，在大规模采用人工智能后，分析人员以这种方式为决策者提供建议的时间可增加39%。

**培养人才。**一支有积极性、有知识的员工队伍是一支更有生产力的员工队伍。改善员工福利或绩效的任务有可能为任何组织创造重要的新价值。在情报工作中，为了表现出最佳状态，分析人员需要有机会学习和成长。他们需要跟上新技术、新服务和全球各地发生的新情况--不仅仅是在年度培训中，而是持续不断地。

人工智能可以通过根据分析师在日常工作中阅读或写作的内容推荐课件，帮助将持续学习带到最广泛的范围。对于研究中国第五代战斗机发展的分析师来说，人工智能可以建议他或她完成一个关于量子雷达的短期培训，或阅读中国航空史。人工智能还可以建议分析师何时需要休息或改变任务以保持新鲜感。

**维护技术本身。**从蒸汽机到计算机，新技术需要维护，人工智能可能也不例外。在情报工作等高风险情况下有效使用人工智能的一个重大挑战是对人工智能模型的输出有信心。除了跟进人工智能产生的线索外，企业可能还需要维护人工智能工具，并验证其输出结果，以便分析人员在使用它们时有信心。

在医学领域，人工智能开始被应用于诊断工具，如核磁共振成像，根据已知的基准验证人工智能模型的输出，正成为医院工作人员的一项常见的新任务。

虽然癌症并不试图否认或欺骗医生，但外国行为者可能试图使用对抗性的例子来愚弄用于智能的人工智能。这意味着验证将需要成为一项持续的任务，不仅是分析员，而且是IT人员。

避免陷阱

人工智能可能需要新的任务，只是为了确保它的正确操作，这一事实确实突出了一个潜在的危险。人工智能可能会吞噬更多的时间，而不是给分析人员的时间。而且鉴于人工智能带来如此多的变化，大规模采用人工智能的组织将经历某种程度的摩擦。

你根本不可能改变20%的员工的任务，或增加几周的新任务，而不使员工、业务流程和现有工具感到紧张。想要从人工智能中获得最佳效果的智能组织需要认识到这些隐患，并找到方法来减轻它们。

新技术是一种时间沉淀

也许最重要的隐患是，人工智能最终不是创造新的价值，而是垄断了分析师的时间。这种情况以前也出现过，比如医疗行业实施的电子健康记录（EHR）。虽然EHR承诺减少医护人员的工作量，但最近的研究表明，EHR实际上增加了医生记录病人就诊的时间。使用EHR的医生在病人就诊时花更多时间打字，这减少了他们与病人面对面的时间。总的来说，这种互动的减少使病人和医生都产生了负面的看法。

有趣的是，EHR的例子可以帮助情报机构避免这个陷阱。虽然医生花在EHR上的时间比花在纸质笔记上的时间要多，但护士和文员的工作实际上也节省了很多时间。

所以EHR导致医生花费更多的时间并不一定是技术的失败；相反，它反映了组织的战略重点，基本上是把一些计费和文员的工作量从工作人员身上转移到医生身上。如果对结果不满意，这不是技术的错。相反，它反映出需要重新评估导致这一结果的业务和技术战略。

如果情报组织要避免在大规模采用人工智能时出现类似的问题，他们必须清楚自己的优先事项，以及人工智能如何融入他们的整体战略。一个专注于提高生产力的组织将追求非常不同的人工智能工具，与一个希望提高分析判断的准确性的组织。

人工智能不是每个问题的解决方案，对其价值有一个清晰的认识有助于确保它被应用于正确的问题。明确人工智能工具的目标也可以帮助领导者向员工传达他们对人工智能的愿景，并减轻对如何使用这些工具的不信任感或不确定性。

其次，情报组织应避免投资于 "空洞的技术"，即在没有获得成功所需的数据的情况下使用人工智能。人工智能就像一个面粉厂。没有粮食来喂养它，它就不会产生多少价值。

即使是最先进的人工智能工具，如果缺乏有效的训练数据或足够的输入数据，其效用也是有限的。如果没有正确的数据，人工智能工具仍然可以在分析师试图使用它们时耗费时间，但它们的输出将是有限的效用。其结果将是分析师感到沮丧，认为人工智能是在浪费他们有限的时间。

分析师的不信任

分析师的看法对于成功地大规模采用人工智能是至关重要的。调查结果显示，与技术人员、管理层或高管相比，分析师对人工智能的怀疑程度最高。如上所述，如果员工没有看到一个工具的价值，就不可能使用它。

为了克服这种怀疑，并从人工智能中获得最大的收益，管理层将需要专注于教育员工，并重新配置业务流程，将工具无缝整合到工作流程中。没有这些步骤，人工智能可能只是一个昂贵的事后想法。

例如，一个联邦机构实施了一个人工智能试点项目，为其调查员提供后续线索。然而，调查员也同时产生了他们自己的线索。由于跟进的时间有限，调查员自然会优先考虑他们自己想出来的线索，而很少使用人工智能产生的线索。

克服分析员对某一人工智能工具的最初怀疑，归根结底是要在分析员和工具之间建立信任。因为他们必须支持他们的评估，即使有权势的人可能不同意，分析家们对他们无法解释和辩护的东西抱有可以理解的不信任。

例如，如果有一个界面允许分析员轻松地扫描支持模拟结果的数据，或者查看模型如何得出结论的表述，这将大大有助于分析员将该技术作为其工作流程的一部分和组成部分。这将使数据更加可靠，值得信赖，并将产生更可靠的分析，提交给作战人员和决策人员。

虽然拥有一支对人工智能的产出缺乏信心的员工队伍可能是一个问题，但相反的情况也可能变成一个关键的挑战。几十年来，情报部门的领导人已经意识到这样一种现象：为分析员的判断增加数据会增加分析员的信心，认为他们是正确的，但实际上并没有提高工作的整体准确性。

换句话说，更多的数据发挥了分析员的确认偏见--他们用新的证据来支持他们预先设想的结论，而不是帮助创造更准确的分析。

处于该观察核心的心理学实验是使用两到五倍的额外数据完成的。人工智能将使分析师获得更多数量级的数据，可能会加剧分析师的确认偏见。例如，在金融服务行业，早期的经验表明，人工智能可以为分析师提供大约30倍于今天的数据量。

人类的认知将如何应对如此空前的数据量，这简直是个未知数。由于信息过载，分析师可能会对人工智能的判断变得不太自信。或者，反过来说，有这么多的数据可供他们支配，分析师可能会变得过于自信，隐含地信任人工智能。后者可能特别危险。许多航空事故表明，人类对自动化的信任与人类对自动化的理解和监督之间的不匹配会导致悲剧的发生。

相反，人工智能可以通过一些有希望的方式来帮助分析师消除确认性偏见和其他人类认知局限。例如，人工智能可以被赋予一些任务，帮助检查人类难以找到时间的评估的有效性，或人工操作的负担。

高级分析经理也可以利用人工智能来提醒他们注意收到的证据和他们团队的评估之间的不匹配，让他们有机会指导分析线的审查，并将注意力集中在问题领域。

最后，人工智能对分析师的认知偏见可能产生的影响根本不为人所知。领导者需要仔细关注分析师的担忧，评估业务流程设计，并持续监测人工智能的性能，以帮助防止任何潜在的陷阱。

人工智能技术从今天开始

当人工智能像电气化一样被嵌入到一个组织的运作和战略的每一个方面时，它的最大好处就会实现。尽管人工智能在规模上可以带来改变游戏规则的好处，或者是组织震撼性的陷阱，但开始的直接步骤可能是令人惊讶的。

在整个政府机构或组织中，成功地大规模采用人工智能将需要领导者协调战略、组织文化和业务流程。如果这些努力中的任何一项出现偏差，人工智能工具可能会被拒绝，或者无法创造出预期的价值。领导者需要直面他们的人工智能项目的目标，确保这些目标支持整体战略，并将这种指导传递给技术设计者和管理者，以确保它被纳入工具和业务流程。

建立一个明确的人工智能战略也可以帮助企业应用人工智能来解决各种问题，从面向任务的到后台的。这样的战略可以框定有关哪些基础设施和合作伙伴是必要的，以便为一个组织获得正确的人工智能工具。由于83%的企业人工智能在云端，企业可以发现在内部开发人工智能工具，从外部供应商处购买，甚至在云端找到已经在其他地方使用的现有解决方案。

在部门或团队层面，第一步从战略调整转移到分析师的采用。解决分析师团队面临的一些重大的非分析性挑战可能是向分析师介绍人工智能并建立他们对其信心的一种友好方式。

今天，分析师被各种任务所淹没，每个任务都需要不同的技能、背景知识和与决策者沟通的能力。对于任何经理来说，在一个分析员团队中分配这些任务，而不使任何一个人负担过重或延误关键产品，可能是令人生畏的。人工智能可以帮助将合适的分析师与合适的任务配对，这样分析师就可以更经常地发挥他们的优势，让工作比以前做得更好、更快。

同样，人工智能可以帮助管理人员评估业绩，并筛选求职者在特定技能方面的能力，甚至确定全能明星，就像特种作战司令部对海军陆战队突击队申请人的探索一样。人工智能的这些非分析性用途的好处是，当分析师看到人工智能帮助他们工作，而不是与他们竞争时，他们可能会变得更容易与人工智能合作，因为它进入更多的分析任务。

人工智能并没有来到情报工作中，它已经在这里了。但是，人工智能在集成电路领域的长期成功取决于劳动力如何准备接受和使用它，就像任何使其发挥作用的1和0一样。

本文总结至文森特-丹尼斯的论文《人工智能将如何影响情报分析》。

识别下方二维码

立即加入

知识星球

知识分享平台

开启全球情报探索之旅

洞察世界

一手掌握全球情报动态！