4 måder, du er bedre end en robot på

”Med kunstig intelligens indkalder vi dæmonen. I alle disse historier, hvor der er fyren med pentagrammet og det hellige vand - ja, han er sikker på, at han kan kontrollere dæmonen. Fungerer ikke. ”

Disse ord blev ikke ytret af nogen neo-luddit om det skræmmende tempo i beregningen i den digitale tidsalder. De blev for nylig sagt af Elon Musk, grundlægger af SpaceX og Tesla, investor i Deepmind (et AI-selskab), og i nogle kredse erklærede det som den næste Steve Jobs. Når Musk og andre højtænkere, som Bill Gates og den anerkendte Cambridge-fysiker Stephen Hawking, foreslår lignende advarsler om dommedag om kunstig intelligens, skaber det en stor, global debat.

I en nylig artikel fra Harvard Business Review skriver Walter Frick om maskinens stigning og dens indvirkning på erhvervslivet og vores job. Han tilbyder et alternativt perspektiv, hvor han afviser "besættelse af job-elimineringsteknologi til fordel for fokus på komplementaritet."

Hvis det drejer sig om komplementaritet, så hvilke færdigheder har vi brug for at opbygge for at trives sammen med computere i alderen af ​​algoritmer?

For det første kan du ikke bare gå og "tænde" for algoritmer hos et firma; implementering af algoritmer i skala kræver et stærkt teknisk fundament, herunder evnen til at integrere, vedligeholde og identificere, hvad der kan gøres med hauger og datahauger. Kort sagt, automatisk beslutningstagning gennem algoritmer og maskinlæring er ikke en let opgave og vil kræve mange flere års arbejde.

Men lad os antage et sekund, at datagrundlaget er lagt, som det sandsynligvis vil gøre for de fleste virksomheder i det kommende årti. Så hvordan undgår vi som mennesker rejsen på en lang vej til maskindrevet glemsel?

1. Gå fra antagelsesbaserede beslutninger til databaserede beslutninger .

For mange beslutninger i virksomheder er baseret på antagelser, der er baseret på erfaring. Dog kan tidligere erfaring muligvis ikke være en nøjagtig forudsigelse af nutiden eller fremtiden, når industrier og markeder forstyrres. Antagelser er ofte baseret på et forældet syn på, hvordan verden fungerer.

Algoritmenes alder gør det muligt at dukke mønstre op på baggrund af hvad vi ved, der sker, i stedet for at stole på, hvad vi ”føler”, eller ”vi tror” kan ske. Analytisk beslutningstagning er ikke længere bevaring af nogle få datagendere, især med algoritmer, der er villige og i stand til at udføre en masse af det beskidte arbejde. Som et resultat må vi bevæge os ud over intuition-, følelses- og anekdotebaserede beslutninger. Intuition er fantastisk til ideer, men data er faktisk bevis.

2. Stil de rigtige dataspørgsmål.

Data giver dig svarene på de spørgsmål, du har. Men data og algoritmer kan ikke fortælle dig, hvor gode dine spørgsmål er. Vi er nødt til at lære at stille de rigtige spørgsmål.

Dette kræver, at vi ved, hvordan vi arbejder med data, hvordan vi relaterer data til vores arbejde, og hvordan vi fortæller historier med data. Vi er nødt til at forstå, hvilke målinger der betyder noget for virksomheden, hvilke beslutninger der skal styres af dataene, og hvordan man udnytter algoritmer til de mest strategiske beslutninger.

At tage en analogi fra selvkørende biler…. Mens bilerne måske er gode til at køre selv, kan de ikke bestemme, hvor du skal hen.

3. Føj kontekst til algoritmer.

Maskiner kan ikke tænke uden for dataene, som vores hjerner kan. Vi kan hurtigt se sammenhænge i fuldstændigt ikke-relaterede datasæt, som maskiner ofte går glip af, fordi vi forstår den forretningsmæssige kontekst, inden for hvilken korrelationer finder sted, og den proces, der giver anledning til dataene.

Vi skal være dygtige til mønstergenkendelse og kontekstuel fortolkning af data. Dette kræver igen en kombination af domæneviden, en forståelse af, hvordan vores rolle eller afdeling passer inden for den bredere kontekst af virksomheden, evnen til at introducere indsigt, der ikke findes i dataene, og at acceptere den mest relevante indsigt og afvise de andre.

4. Kombiner fakta med følelser.

Maskiner er også ringe til at virkelig forstå individuel menneskelig adfærd og nuancerne i motivation, følelser og interaktion. Så vi vil fortsat have brug for dygtige sociologer, psykologer, kommunikatorer, økonomer og ledere, der forstår, hvordan man får frem et svar fra medmennesker. Hver bestyrelsessamtale starter med algoritmer og fakta, men de slutter med et håndtryk.

Ved at fokusere på de kritiske jobfunktioner, hvor maskiner frigiver mennesker til at udføre mere strategisk, komplekst og kreativt arbejde, kan vi forblive i førersædet, selv og især i en alder af algoritmer. Hvilket for øvrig ikke er så dæmonisk som Musk får det til at virke eller så godartet som nogle ville hævde. Det er, hvordan vi tilpasser os den nuance, der definerer vores rolle i algoritmenes alder.