Peter Drucker był ostrożny w większości spraw, ale komputer nie był jednym z nich. „Komputer… jest kretynem” - stwierdził guru zarządzania w artykule McKinsey Quarterly w 1967 roku, nazywając urządzenia, które teraz napędzają naszą gospodarkę i nasze codzienne życie, „najgłupszym narzędziem, jakie kiedykolwiek mieliśmy”.
Drucker nie był samotny, nie doceniając niezgłębionego tempa zmian w technologiach cyfrowych i sztucznej inteligencji (AI). Sztuczna inteligencja wykorzystuje moc obliczeniową rozległych sieci neuronowych przeszukujących ogromne zbiory danych cyfrowych lub „dużych zbiorów danych”, aby osiągnąć wyniki analogiczne, często lepsze, niż te wytwarzane przez ludzką naukę i podejmowanie decyzji. Kariery tak różnorodne, jak reklama, usługi finansowe, medycyna, dziennikarstwo, rolnictwo, obrona narodowa, nauki o środowisku i sztuki kreatywne są przekształcane przez AI.
Algorytmy komputerowe gromadzą i analizują tysiące punktów danych, syntetyzują informacje, identyfikują wcześniej niewykryte wzorce i tworzą znaczące wyniki - czy to leczenie choroby, dopasowanie twarzy w milionowym mieście, kampania marketingowa, nowe trasy transportu, program zbioru plonów, generowana maszynowo historia wiadomości, wiersz, obraz lub muzyczna zwrotka - szybciej niż człowiek jest w stanie napić się kawy.
Ostatnie badanie McKinsey sugeruje, że 45 procent wszystkich czynności wykonywanych w miejscu pracy można zautomatyzować poprzez wdrożenie sztucznej inteligencji. Obejmuje to pracowników plików, których zadania mogą zostać zautomatyzowane w 80 procentach, lub zadania prezesów, które mogą być zautomatyzowane w 20 procentach, ponieważ systemy AI radykalnie upraszczają czytanie raportów CEO, wykrywanie ryzyka lub rozpoznawanie wzorców.
Sztuczna inteligencja to jedna z tych technologii o długich czasach hiperłącza, która jeszcze nie zmieniła całego naszego świata, ale tak się stanie. Teraz, gdy sztuczna inteligencja wydaje się być gotowa na najwyższy czas, nawet wśród technologów pojawia się konsternacja na temat nieokiełznanej władzy, jaką maszyny mogą mieć nad podejmowaniem decyzji przez ludzi. Elon Musk nazwał AI „naszym największym zagrożeniem egzystencjalnym”, przypominając ostrzeżenie Billa Joya z 2000 roku w magazynie Wired, że „przyszłość nas nie potrzebuje”. Z drugiej strony, oczywiście, entuzjaści inteligentnych maszyn poprawiających nasze życie i zdrowie planety.
Popieram Satyę Nadellę, CEO Microsoftu, która mówi, że powinniśmy przygotowywać się na obietnicę coraz inteligentniejszych maszyn jako partnerów w podejmowaniu decyzji przez ludzi, koncentrując się na właściwej roli i ograniczeniach narzędzi AI. Dla nauczycieli szkół biznesu, takich jak ja, którzy wierzą, że przyszłość naprawdę nas potrzebuje, rosnąca moc sztucznej inteligencji lub głębokie uczenie się stanowi wyzwanie i szansę: w jaki sposób przygotowujemy uczniów na nadchodzące dziesięciolecia, aby obejmowali moc sztucznej inteligencji i rozumieli jej zalety zarządzania i przywództwa w przyszłości?
Błędem byłoby zmuszanie każdego absolwenta MBA do zostania naukowcem danych. Wyzwaniem dla szkół biznesu jest aktualizacja naszych szeroko zakrojonych programów nauczania, przy jednoczesnym zapewnieniu naszym MBA lepszej znajomości i wyższego poziomu komfortu w zakresie analizy danych. Jutrzejsi prezesi będą potrzebowali lepszego zrozumienia tego, na co coraz więcej i więcej złożonych danych w organizacjach może i nie może odpowiedzieć.
Wyrafinowanie i ilość danych mogą rosnąć, ale historia dostarcza modeli właściwego stosunku decydenta do analizy danych.
Weź D-Day. Generał Dwight D. Eisenhower szukał jak największej ilości danych, aby poinformować swoją decyzję, kiedy wylądować setki tysięcy sił alianckich na plażach Normandii tej fatalnej późnej wiosny 1944 roku. Jak wyjaśnia książka Antony'ego Beevora o bitwie i inne relacje, Eisenhower szczególnie pragnął wiarygodnych danych meteorologicznych, gdy prognozy pogody były w powijakach. Generał kultywował doktora Jamesa Stagga, jego głównego meteorologa, i stał się biegły nie tylko w analizie raportów Stagga, ale także w czytaniu własnego poziomu ufności Stagga w każdym raporcie.
Przez wiele miesięcy przed fatalną decyzją o „rozpoczęciu Wielkiej Krucjaty” Eisenhower bardzo docenił to, co prognozy meteorologiczne mogą, a czego nie mogą dostarczyć. W końcu, jak wie historia, Stagg przekonał go, aby odroczył inwazję na 6 czerwca z 5 czerwca, kiedy przewidywana burza szalała nad Kanałem La Manche i kiedy wielu innych zakwestionowało wezwanie Stagga, które wkrótce zostanie wyjaśnione.
Nikt nie twierdziłby, że Eisenhower powinien sam zostać ekspertem meteorologiem. Jego zadaniem było nadzorowanie i koordynowanie wszystkich aspektów kampanii poprzez zbieranie istotnych informacji oraz ocenę jakości i użyteczności tych informacji w celu zwiększenia prawdopodobieństwa powodzenia inwazji. Dziś duże zbiory danych i pojawienie się sztucznej inteligencji poszerzają informacje dostępne dla decydentów korporacyjnych. Rola CEO w odniesieniu do danych odzwierciedla jednak funkcję absorpcyjną i osądową, jaką generał Eisenhower odczytuje w swoich prognozach meteorologicznych.
Warto zauważyć, że dziś, wśród całej dyskusji o złożoności technologicznej i specjalizacji w tak dużej części korporacyjnej Ameryki, raport Deloitte przygotowany dla naszej szkoły wykazał, że pracodawcy, którzy chcą zatrudnić absolwentów MBA, cenią „miękkie umiejętności” przyszłych pracowników bardziej niż jakiekolwiek inne. Chcą zatrudniać osoby o kompetencjach kulturowych i silniejszych umiejętnościach komunikacyjnych, które mogą współpracować w różnych zespołach i elastycznie dostosowywać się do nowych możliwości i okoliczności w miejscu pracy i na rynku.
Nie chodzi tylko o nietolerancję szarpnięć w biurze. Chodzi o potrzebę lidera, aby móc syntetyzować, negocjować i rozstrzygać między konkurującymi i konfliktowymi środowiskami, ekspertami i danymi. Gdyby kiedyś był czas, kiedy liderzy korporacyjni otrzymywali wynagrodzenie za wykonywanie „kontroli przeczucia”, nawet gdy brakowało istotnych informacji, dzisiejsi prezesi będą coraz częściej musieli podejmować twarde, interpretacyjne wezwania do oceny (inny rodzaj „kontroli przeczucia”) w twarz nadmiernych, często sprzecznych informacji.
Osoby kierujące instytucjami mają dostęp do rozszerzającego się świata empirycznie uzyskanych spostrzeżeń na temat bardzo różnych zjawisk, takich jak optymalne modele rozładunku statków w najbardziej ruchliwych portach na świecie w różnych warunkach pogodowych, parametry programów lojalnościowych generujących „najbardziej wyróżniającego się” klienta modele reakcji lub selekcji talentów, które dają zarówno najbardziej skuteczne, jak i różnorodne pule zatrudnienia.
Liderzy korporacyjni będą musieli uważnie korzystać z narzędzi AI. Muszą ocenić źródło strumieni danych przed sobą, ustalić ich ważność i wiarygodność, wykryć mniej oczywiste wzorce w danych, zbadać pozostałe „co, jeśli”, które prezentują, i ostatecznie dokonać wnioskowania i wezwań do osądu, które są bardziej poinformowane, dopracowane wokół kontekstu, ważne i przydatne, ponieważ są ulepszane przez inteligentne maszyny. Błędne osądy oparte na błędnych lub źle zinterpretowanych danych mogą być nawet bardziej szkodliwe niż niedoinformowane błędne osądy ze względu na iluzję quasi-naukowego autorytetu wynikającą z aury danych.
Jako narzędzie do zarządzania projektami sztuczna inteligencja może zalecać optymalne procedury pracy dla różnych rodzajów pracowników, ale nie będzie miała wrażliwości na przełożenie tych potrzeb na zróżnicowane wybory jednego wyniku organizacyjnego (np. Równość w zadaniach pracowników) nad innymi (wartości rodzinne) ). Sztuczna inteligencja może wskazać najlepszą lokalizację dla nowej restauracji lub elektrowni, ale będzie ograniczona do mapowania sieci politycznych i społecznościowych, które należy zaangażować, aby uruchomić nowe przedsięwzięcie.
Maszyny również nie mają kaprysu. Programy Adtech zastąpiły ludzi kupujących reklamy, ale możliwość tworzenia kalamburów lub projektowania kampanii, które przyciągają nasze serca, pozostaną z natury ludzkie, przynajmniej w dającej się przewidzieć przyszłości.
U absolwentów MBA wymagany jest nowy poziom pytań i myślenia integracyjnego. Jako edukatorzy musimy wspierać podejścia do uczenia się, które rozwijają te umiejętności - ucząc wnikliwego zarządzania danymi i umiejętności wnioskowania, opracowując zaawansowane symulacje danych oraz ćwicząc sprawdzanie i kwestionowanie nieznanego.
Równolegle z dominacją mocy maszyny znaczenie inteligencji emocjonalnej lub EQ wydaje się większe niż kiedykolwiek, aby zachować ludzką łączność organizacji i społeczności. Chociaż oczekuje się, że maszyny osiągną poziom czytania i interpretowania emocji, nie będą one w stanie zainspirować wyznawców, mądrości do dokonywania etycznych osądów ani sprytnych do nawiązywania kontaktów.
To wciąż wszystko na nas.
Judy D. Olian jest dziekanem UCLA Anderson School of Management.
