4 Cara anda lebih baik daripada robot

"Dengan kecerdasan buatan, kita memanggil setan. Dalam semua cerita di mana ada lelaki dengan pentagram dan air suci-ya, dia pasti dia dapat mengawal iblis. Tidak berjaya. "

Kata-kata itu tidak diucapkan oleh beberapa neo-luddite tentang kadar pengiraan yang menakutkan dalam era digital. Mereka dikatakan baru-baru ini oleh Elon Musk, pengasas SpaceX dan Tesla, pelabur di Deepmind (sebuah syarikat AI) dan, dalam beberapa kalangan, mengumumkan sebagai Steve Jobs seterusnya. Apabila Musk dan pemikir tinggi lain, seperti Bill Gates dan ahli fizik Cambridge terkenal Stephen Hawking, mencadangkan amaran kiamat yang serupa mengenai kecerdasan buatan, ia mewujudkan perdebatan yang besar dan global.

Dalam artikel Kajian Perniagaan Harvard yang baru-baru ini, Walter Frick menulis mengenai kebangkitan mesin dan kesannya terhadap perniagaan dan pekerjaan kami. Dia menawarkan perspektif alternatif, menolak "obsesi teknologi penghapusan pekerjaan yang memihak kepada tumpuan pada pelengkap."

Jika ia adalah tentang kesesuaian, maka kemahiran apa yang perlu kita bina untuk berkembang bersama-sama komputer dalam zaman algoritma?

Sebagai permulaan, anda tidak boleh pergi dan "menghidupkan" algoritma di sebuah syarikat; menggerakkan algoritma pada skala memerlukan asas teknikal yang kuat, termasuk keupayaan untuk mengintegrasikan, menyelenggara dan mengenal pasti apa yang dapat dilakukan dengan gundukan dan gumpalan data. Secara ringkasnya, pengambilan keputusan secara automatik melalui algoritma dan pembelajaran mesin bukan merupakan tugas yang mudah dan memerlukan lebih banyak tahun kerja.

Tetapi, mari kita peroleh seketika bahawa asas data telah dibentangkan, kerana kemungkinan besar bagi kebanyakan syarikat dalam dekad yang akan datang. Maka bagaimana kita, sebagai manusia, mengelakkan perjalanan di jalan yang panjang untuk dilemaskan mesin yang dilupakan?

1. Beralih daripada keputusan berasaskan berasaskan kepada keputusan berasaskan data .

Terlalu banyak keputusan dalam perusahaan didasarkan pada andaian yang berasaskan pengalaman. Walau bagaimanapun, pengalaman masa lalu mungkin tidak menjadi ramalan tepat masa kini atau masa depan apabila industri dan pasaran sedang terganggu. Andaian biasanya berdasarkan pandangan ketinggalan zaman bagaimana dunia berfungsi.

Umur algoritma membenarkan pola timbul berdasarkan apa yang kita tahu sedang berlaku, dan bukannya bergantung kepada apa yang kita "rasa" atau kita "berfikir" mungkin berlaku. Pengambilan keputusan analitis tidak lagi memelihara beberapa geeks data, terutama dengan algoritma yang bersedia dan mampu melakukan banyak kerja kotor itu. Akibatnya, kita mesti bergerak melampaui keputusan berasaskan intuisi, emosi dan anekdot. Intuisi hebat untuk idea, tetapi data adalah bukti sebenar.

2. Tanya soalan-soalan yang betul mengenai data.

Data akan memberi anda jawapan kepada soalan apa pun yang anda ada. Tetapi data dan algoritma tidak dapat memberitahu anda betapa baiknya soalan anda. Kita perlu belajar bagaimana untuk bertanya soalan yang betul.

Ini memerlukan kita untuk mengetahui bagaimana untuk bekerja dengan data, bagaimana untuk mengaitkan data dengan kerja kami dan bagaimana menceritakan kisah dengan data. Kita perlu memahami perkara metrik untuk perniagaan, keputusan apa yang perlu didorong oleh data dan cara memanfaatkan algoritma untuk keputusan yang paling strategik.

Untuk mengambil analogi dari kereta memandu sendiri …. Walaupun kereta mungkin hebat untuk memandu diri mereka, mereka tidak boleh menentukan di mana anda perlu pergi.

3. Tambah konteks kepada algoritma.

Mesin tidak boleh berfikir di luar data seperti otak kita. Kami dapat melihat dengan cepat korelasi dalam set data yang sama sekali tidak berkaitan bahawa mesin sering terlepas kerana kami memahami konteks perniagaan di mana korelasi berlaku dan proses yang menimbulkan data.

Kita perlu mahir dalam pengiktirafan corak dan penafsiran konteks mengenai konteks. Ini seterusnya memerlukan gabungan pengetahuan domain, pemahaman tentang bagaimana peranan atau jabatan kami sesuai dalam konteks perniagaan yang lebih luas, keupayaan untuk memperkenalkan wawasan yang tidak terdapat dalam data dan untuk menerima pandangan yang paling relevan, dan menolak yang lain.

4. Menggabungkan fakta dengan perasaan.

Mesin juga sangat miskin dan benar-benar memahami perilaku manusia individu dan nuansa motivasi, emosi dan interaksi. Oleh itu, kita akan terus memerlukan ahli sosiologi, psikologi, komunikator, ahli ekonomi dan pemimpin yang mahir yang memahami cara untuk mendapatkan respons daripada sesama manusia. Setiap perbualan bilik darjah akan bermula dengan algoritma dan fakta, tetapi mereka akan berakhir dengan jabat tangan.

Dengan memberi tumpuan kepada fungsi kerja kritikal di mana mesin membebaskan manusia untuk melakukan kerja yang lebih strategik, kompleks dan kreatif, kita boleh kekal di kerusi pemandu walaupun, dan khususnya, dalam era algoritma. Yang, dengan cara itu, tidak seperti setan seperti Musk menjadikannya kelihatan atau tidak baik kerana sesetengah orang akan membantah. Ini adalah bagaimana kita menyesuaikan diri dengan nuansa yang akan menentukan peranan kita dalam zaman algoritma.