4 manieren waarop je beter bent dan een robot

“Met kunstmatige intelligentie roepen we de demon op. In al die verhalen waar de man met het pentagram en het wijwater zit - ja, hij weet zeker dat hij de demon kan beheersen. Lukt niet. '

Die woorden werden niet uitgesproken door een of andere neududite over het enge tempo van de berekening in het digitale tijdperk. Ze werden onlangs gezegd door Elon Musk, oprichter van SpaceX en Tesla, investeerder in Deepmind (een AI-bedrijf) en in sommige kringen uitgeroepen tot de volgende Steve Jobs. Wanneer Musk en andere denkers, zoals Bill Gates en de beroemde Cambridge-fysicus Stephen Hawking, soortgelijke doemsday-waarschuwingen voorstellen over kunstmatige intelligentie, creëert dit een groot, wereldwijd debat.

In een recent artikel van Harvard Business Review schrijft Walter Frick over de opkomst van de machine en de impact ervan op het bedrijfsleven en onze banen. Hij biedt een alternatief perspectief en verwerpt de "obsessie van baanverwijderende technologie ten gunste van een focus op complementariteit."

Als het gaat om complementariteit, welke vaardigheden moeten we dan opbouwen om naast computers te gedijen in het tijdperk van algoritmen?

Om te beginnen kun je niet zomaar algoritmen bij een bedrijf 'aanzetten'; het op grote schaal implementeren van algoritmen vereist een sterke technische basis, inclusief de mogelijkheid om te integreren, te onderhouden en te identificeren wat kan worden gedaan met terpen en hopen gegevens. Simpel gezegd, geautomatiseerde besluitvorming door middel van algoritmen en machine learning is geen gemakkelijke taak en vereist nog vele jaren werk.

Maar laten we even aannemen dat de gegevensverzameling is gelegd, zoals waarschijnlijk voor de meeste bedrijven in het komende decennium. Hoe vermijden we dan als mens de reis op een lange weg naar machinaal aangedreven vergetelheid?

1. Ga van op aannames gebaseerde beslissingen naar datagestuurde beslissingen .

Te veel beslissingen in ondernemingen zijn gebaseerd op veronderstellingen die zijn gebaseerd op ervaring. Ervaringen uit het verleden kunnen echter geen nauwkeurige voorspeller zijn van het heden of de toekomst wanneer industrieën en markten worden verstoord. Veronderstellingen zijn vaak gebaseerd op een verouderd beeld van hoe de wereld werkt.

De leeftijd van algoritmen maakt het mogelijk om patronen te laten verschijnen op basis van wat we weten dat er gebeurt, in plaats van te vertrouwen op wat we "voelen" of "denken". Analytische besluitvorming is niet langer voorbehouden aan enkele data-nerds, vooral met algoritmen die veel van dat vuile werk willen en kunnen doen. Daarom moeten we verder gaan dan beslissingen op basis van intuïtie, emotie en anekdote. Intuïtie is geweldig voor ideeën, maar gegevens zijn echt bewijs.

2. Stel de juiste vragen over gegevens.

Gegevens geven u de antwoorden op alle vragen die u heeft. Maar gegevens en algoritmen kunnen u niet vertellen hoe goed uw vragen zijn. We moeten leren hoe we de juiste vragen kunnen stellen.

Dit vereist dat we weten hoe we met gegevens moeten werken, hoe we gegevens aan ons werk kunnen relateren en hoe we verhalen met gegevens kunnen vertellen. We moeten begrijpen welke statistieken belangrijk zijn voor het bedrijf, welke beslissingen moeten worden genomen door de gegevens en hoe we algoritmen kunnen benutten voor de meest strategische beslissingen.

Om een ​​analogie te nemen met zelfrijdende auto's … Hoewel de auto's zelf goed kunnen rijden, kunnen ze niet beslissen waar je heen moet.

3. Voeg context toe aan algoritmen.

Machines kunnen niet buiten de gegevens denken zoals onze hersenen dat kunnen. We kunnen snel correlaties zien in volledig niet-gerelateerde gegevenssets die machines vaak missen omdat we de zakelijke context begrijpen waarin de correlaties voorkomen en het proces dat aanleiding geeft tot de gegevens.

We moeten vaardig zijn in patroonherkenning en contextuele interpretatie van gegevens. Dit vereist op zijn beurt een combinatie van domeinkennis, inzicht in hoe onze rol of afdeling past binnen de bredere context van het bedrijf, de mogelijkheid om inzichten te introduceren die niet in de gegevens voorkomen en om de meest relevante inzichten te accepteren en de anderen te verwerpen.

4. Combineer feiten met gevoelens.

Machines zijn ook echt slecht in het echt begrijpen van individueel menselijk gedrag en de nuances van motivatie, emotie en interactie. We blijven dus behoefte hebben aan bekwame sociologen, psychologen, communicatoren, economen en leiders die begrijpen hoe een reactie van medemensen kan worden uitgelokt. Elk bestuursgesprek begint met algoritmen en feiten, maar ze eindigen met een handdruk.

Door ons te concentreren op de kritieke taakfuncties waarbij machines mensen vrijmaken om meer strategisch, complex en creatief werk te doen, kunnen we zelfs, en vooral in een tijdperk van algoritmen, aan het stuur blijven zitten. Wat trouwens niet zo demonisch is als Musk het doet lijken of zo goedaardig als sommigen beweren. Het is hoe we ons aanpassen aan die nuance die onze rol in het tijdperk van algoritmen zal bepalen.