Питър Дракър беше древен за повечето неща, но компютърът не беше едно от тях. "Компютърът ... е дебил", твърди управителният гуру в статия на McKinsey Quarterly през 1967 г., като нарече устройствата, които сега захранват нашата икономика и ежедневието ни, "най-тъпият инструмент, който някога сме имали."
Друкер едва ли беше сам да подценява несъизмеримия темп на промяна в цифровите технологии и изкуствения интелект (AI). AI надгражда изчислителната сила на огромни невронни мрежи, пресяващи чрез масивни цифрови масиви данни или „големи данни“, за да постигне резултати, аналогични, често по-добри от тези, получени от човешкото обучение и вземане на решения. Кариери, различни от рекламата, финансовите услуги, медицината, журналистиката, селското стопанство, националната отбрана, науките за околната среда и творческите изкуства, се трансформират от AI.
Компютърните алгоритми събират и анализират хиляди точки от данни, синтезират информацията, идентифицират по-рано неоткрити модели и създават значими резултати - дали лечение на болести, среща на лице в милиони град, маркетингова кампания, нови транспортни маршрути, програма за събиране на реколтата, машинно генерирана новина, стихотворение, картина или музикална строфа - по-бързо, отколкото човек може да излее чаша кафе.
Скорошно проучване на McKinsey предполага, че 45 процента от всички дейности на работното място могат да бъдат автоматизирани чрез внедряване на AI. Това включва файловите чиновници, чиито работни места могат да станат 80 процента автоматизирани, или задачите на изпълнителните директори, които могат да бъдат 20 процента автоматизирани, защото системите за интелектуална собственост радикално опростяват и насочват към четене на отчети, откриване на риск или разпознаване на образи на ръководителите.
AI е една от онези дългоразвити технологии, които все още не са трансформирали целия ни свят, но ще. Сега, когато AI изглежда готов за първо време, дори сред технолозите съществуват учудвания относно необузданата сила, която машините могат да имат над човешкото вземане на решения. Елон Мъск нарече AI "най-голямата ни екзистенциална заплаха", което озвучава предупреждението на Бил Джой от 2000 г. в списание Wired, че "бъдещето няма нужда от нас." От другата страна, разбира се, са ентусиасти, желаещи умните машини да подобрят живота ни и здравето на планетата.
Аз съм на страната на изпълнителния директор на Microsoft Сатя Надела, която казва, че трябва да се подготвяме за обещанието за все по-интелигентни машини като партньори при вземането на човешки решения, като се съсредоточим върху правилната роля и ограниченията на инструментите на AI. За преподаватели от бизнес училища като мен, които вярват, че бъдещето наистина ще ни е необходимо, разширяващата се сила на ИИ или задълбоченото обучение представлява предизвикателство и възможност: Как да подготвим учениците за следващите десетилетия, така че те да възприемат силата на AI и да разберат предимства за управлението и лидерството в бъдеще?
Би било грешка да принудим всеки завършил MBA да стане учен с данни. Предизвикателството за бизнес училищата е да актуализират нашите широко фокусирани учебни програми, като същевременно дават на нашите MBA по-голямо познаване и ниво на комфорт с анализа на данните. Утрешните изпълнителни директори ще се нуждаят от по-доброто разбиране на това, което все по-изобилните и сложни набори от данни в организациите могат и не могат да отговорят.
Изискаността и обемът на данните може да се увеличават, но историята предлага модели на правилното отношение на вземащия решение към анализа на данните.
Вземете D-Day. Генерал Дуайт Д. Айзенхауер потърси възможно най-много данни, за да информира решението си за това кога да кацне стотици хиляди съюзнически сили на плажовете на Нормандия в онази съдбовна края на пролетта на 1944 г. Както става ясно от книгата на Антъни Бивор за битката и други сведения, Айзенхауер особено жадуваше за надеждни метеорологични данни, когато прогнозата за времето беше в зародиш. Генералът култивира д-р Джеймс Стагг, негов главен метеоролог, и става умел не само при анализа на докладите на Стаг, но и при четенето на собственото ниво на доверие на Стаг във всеки доклад.
Месеци преди съдбоносното решение да се „пристъпи към Големия кръстоносен поход” Айзенхауер изрази силно оценяване на това, което метеорологичните прогнози могат и не могат да дадат. В крайна сметка, както историята знае, Стаг го убеждава да отложи инвазията до 6 юни от 5 юни, когато прогнозираната буря бушува над Ламанша и когато много други поставят под въпрос призива на Стаг, че скоро ще стане ясно.
Никой не би спорил, че Айзенхауер сам трябваше да стане експерт-метеоролог. Неговата задача беше да наблюдава и координира всички аспекти на кампанията, като събира подходяща информация и оценява качеството и полезността на тази информация, за да увеличи вероятността от инвазия за успех. Днес големите данни и появата на AI разширяват информацията, достъпна за лицата, вземащи решения. Въпреки това, ролята на главен изпълнителен директор във връзка с данните отговаря на абсорбиращата и преценяваща функция, упражнена от генерал Айзенхауер при четене на вероятностите в метеорологичните доклади на неговия метеоролог.
Заслужава да се отбележи, че днес, сред всички говори за технологична сложност и специализация в толкова голяма част от корпоративната Америка, доклад на Deloitte, подготвен за нашето училище, установи, че работодателите, които искат да наемат завършилите MBA, оценяват „меките умения“ на бъдещите служители повече от всички останали. Те искат да наемат хора с културна компетентност и по-силни комуникативни умения, които могат да работят съвместно в различни екипи и да бъдат гъвкави в непрекъснатото адаптиране към новите възможности и обстоятелства на работното място и пазара.
Тук не става въпрос само за непоносимост към шутове в офиса. Става въпрос за необходимостта на лидера да може да синтезира, преговаря и арбитрира между конкурентни и конфликтни среди, експерти и данни. Ако някога е било плащано на корпоративни лидери да извършват обаждания с "проверка на червата", дори когато липсва съществена информация, днешните изпълнителни директори все по-често ще трябва да извършват трудни интерпретационни обаждания (различен тип "проверка на червата") в лицето на прекомерна, често конфликтна информация.
Тези в шофьорското селище на институциите имат достъп до разширяваща се вселена от емпирично извлечени данни за широко различни явления, като оптимални модели за разтоварване на кораби в най-натоварените пристанища в света при различни метеорологични условия, параметри на програми за лоялност, които генерират "най-строгия" клиент модели за отговор или избор на таланти, които дават както най-успешните, така и разнообразните пулове за заетост.
Корпоративните лидери ще трябва да бъдат внимателни при използването на инструментите на ИИ. Те трябва да преценят източника на потоците от данни пред тях, да установят тяхната валидност и надеждност, да открият по-малко от очевидните модели в данните, да сондират останалите „какво да са“, които те представят, и в крайна сметка да правят изводи и призиви за преценка, които са по-информирани, нюансирани. около контекста, валидни и полезни, защото са подобрени от интелигентните машини. Неправомерните преценки, изградени на базата на погрешни или неправилно интерпретирани данни, могат да бъдат дори по-вредни от неинформирани погрешни преценки поради илюзията за квазинаучен авторитет, произтичащ от аурата на данните.
Като инструмент за управление на проекти AI може да предпише оптимални работни процедури за различни видове служители, но няма да има чувствителността да превежда тези нужди в нюансиран избор на един организационен резултат (например, справедливост в заданията на служителите) над друг (семейни стойности) ). AI може да определи най-доброто място за нов ресторант или електроцентрала, но ще бъде ограничен в картографирането на политическите и социалните мрежи, които трябва да бъдат ангажирани, за да оживеят новото начинание.
При машините също липсва причудливост. Програмите на Adtech замениха купувачите на човешки реклами, но възможността за създаване на каламбури или дизайнерски кампании, които ни дърпат в сърцето, ще остане вътрешно човешка, поне в обозримо бъдеще.
Необходимо е ново ниво на въпросително и интегративно мислене сред завършилите MBA. Като преподаватели трябва да насърчаваме подходите за учене, които развиват тези умения - чрез преподаване на запалено управление на данните и инфекциозни умения, разработване на усъвършенствани симулации на данни и практикуване как да изследваме и да поставяме под въпрос все още неизвестното.
Успоредно с възхода на машинната сила, значението на емоционалната интелигентност или EQ се очертава по-голямо от всякога, за да се запази човешката свързаност на организации и общности. Докато се очаква машините да стигнат до точката на четене и интерпретиране на емоции, те няма да имат способността да вдъхновяват последователи, мъдростта да правят етични преценки или умението да правят връзки.
Това все още е всичко.
Джуди Д. Олиан е декан на UCLA Anderson School of Management.
