4 måter du er bedre enn en robot på

“Med kunstig intelligens tilkaller vi demonen. I alle historiene der det er fyren med pentagrammet og det hellige vannet - ja, han er sikker på at han kan kontrollere demonen. Fungerer ikke. "

Disse ordene ble ikke ytret av noen nyluddittere om det skumle beregningstempoet i den digitale tidsalderen. De ble nylig sagt av Elon Musk, grunnlegger av SpaceX og Tesla, investor i Deepmind (et AI-selskap), og i noen kretser utropt som den neste Steve Jobs. Når Musk og andre høyt tenkere, som Bill Gates og den anerkjente Cambridge-fysikeren Stephen Hawking, foreslår lignende advarsler fra dommedag om kunstig intelligens, skaper det en stor, global debatt.

I en fersk artikkel fra Harvard Business Review, skriver Walter Frick om fremveksten av maskinen og dens innvirkning på virksomheten og jobbene våre. Han tilbyr et alternativt perspektiv, og avviser "besettelse av teknologi for å eliminere jobb til fordel for fokus på komplementaritet."

Hvis det handler om komplementaritet, så hvilke ferdigheter må vi bygge for å trives sammen med datamaskiner i en alder av algoritmer?

For det første kan du ikke bare gå og "slå på" algoritmer hos et selskap; distribusjon av algoritmer på skala krever et sterkt teknisk fundament, inkludert muligheten til å integrere, vedlikeholde og identifisere hva som kan gjøres med hauger og datahauger. Enkelt sagt er automatisert beslutningstaking gjennom algoritmer og maskinlæring ikke en lett oppgave og vil kreve mange flere års arbeid.

Men la oss anta et sekund at datagrunnlaget er lagt, slik det sannsynligvis vil gjøre for de fleste selskaper i det kommende tiåret. Så hvordan unngår vi som mennesker reisen på en lang vei til maskindrevet glemsel?

1. Gå fra antagelsesbaserte beslutninger til databaserte beslutninger .

For mange beslutninger i virksomheter er basert på forutsetninger som er basert på erfaring. Imidlertid kan erfaringer fra tidligere ikke være en nøyaktig prediktor for nåtiden eller fremtiden når bransjer og markeder blir forstyrret. Antagelser er ofte basert på et utdatert syn på hvordan verden fungerer.

Algoritmenes alder gjør at mønstre kan dukker opp basert på hva vi vet at skjer, i stedet for å stole på hva vi "føler" eller vi "tror" kan skje. Analytisk beslutningstaking er ikke lenger bevaring av noen få datagendere, spesielt med algoritmer som er villige og i stand til å gjøre mye av det skitne arbeidet. Som et resultat må vi gå videre enn beslutninger om intuisjon, følelser og anekdote. Intuisjon er flott for ideer, men data er faktisk bevis.

2. Still de riktige spørsmålene med data.

Data vil gi deg svarene på alle spørsmål du har. Men data og algoritmer kan ikke fortelle deg hvor gode spørsmålene dine er. Vi må lære oss å stille de riktige spørsmålene.

Dette krever at vi vet hvordan vi jobber med data, hvordan vi forholder data til arbeidet vårt og hvordan vi kan fortelle historier med data. Vi må forstå hvilke beregninger som betyr noe for virksomheten, hvilke beslutninger som må styres av dataene og hvordan vi utnytter algoritmer for de mest strategiske beslutningene.

For å ta en analogi fra selvkjørende biler…. Selv om bilene kan være gode til å kjøre selv, kan de ikke bestemme hvor du skal reise.

3. Legg kontekst til algoritmer.

Maskiner kan ikke tenke utenfor dataene slik hjernen vår kan. Vi kan raskt se sammenhenger i helt ubeslektede datasett som maskiner ofte savner fordi vi forstår den forretningsmessige konteksten som korrelasjonene inngår i og prosessen som gir opphav til dataene.

Vi må være dyktige til mønstergjenkjenning og kontekstuell tolkning av data. Dette krever igjen en kombinasjon av domenekunnskap, en forståelse av hvordan vår rolle eller avdeling passer innenfor den bredere konteksten av virksomheten, evnen til å introdusere innsikt som ikke finnes i dataene og å godta den mest relevante innsikten, og avvise de andre.

4. Kombiner fakta med følelser.

Maskiner er også veldig dårlige til å virkelig forstå individuell menneskelig atferd og nyansene av motivasjon, følelser og samhandling. Så vi vil fortsette å trenge dyktige sosiologer, psykologer, formidlere, økonomer og ledere som forstår hvordan man kan få et svar fra medmennesker. Hver styreromssamtale starter med algoritmer og fakta, men de vil ende med et håndtrykk.

Ved å fokusere på de kritiske jobbfunksjonene der maskiner frigjør mennesker til mer strategisk, komplekst og kreativt arbeid, kan vi forbli i førersetet, til og med, i en tidsalder av algoritmer. Noe som forresten ikke er så demonisk som Musk får det til å virke eller så godartet som noen vil hevde. Det er hvordan vi tilpasser oss den nyansen som vil definere vår rolle i algoritmenes alder.