4 Cara Anda lebih baik dari robot

“Dengan kecerdasan buatan, kita memanggil iblis. Dalam semua cerita di mana ada pria dengan pentagram dan air suci - ya, dia yakin dia bisa mengendalikan iblis. Tidak berhasil. ”

Kata-kata itu tidak diucapkan oleh beberapa neo-luddite tentang langkah menakutkan perhitungan di era digital. Mereka dikatakan baru-baru ini oleh Elon Musk, pendiri SpaceX dan Tesla, investor di Deepmind (sebuah perusahaan AI) dan, di beberapa kalangan, diproklamirkan sebagai Steve Jobs berikutnya. Ketika Musk dan pemikir-pemikir tinggi lainnya, seperti Bill Gates dan fisikawan Cambridge terkenal Stephen Hawking, mengusulkan peringatan kiamat serupa tentang kecerdasan buatan, itu menciptakan debat global yang besar.

Dalam artikel Harvard Business Review baru-baru ini, Walter Frick menulis tentang kebangkitan mesin dan dampaknya pada bisnis dan pekerjaan kita. Dia menawarkan perspektif alternatif, menolak "obsesi teknologi penghilangan pekerjaan demi fokus pada saling melengkapi."

Jika ini tentang komplementaritas, maka keterampilan apa yang perlu kita bangun untuk berkembang bersama komputer di zaman algoritma?

Sebagai permulaan, Anda tidak bisa hanya pergi dan "menghidupkan" algoritma di perusahaan; menggunakan algoritma pada skala membutuhkan fondasi teknis yang kuat, termasuk kemampuan untuk mengintegrasikan, memelihara dan mengidentifikasi apa yang dapat dilakukan dengan gundukan dan gundukan data. Sederhananya, pengambilan keputusan otomatis melalui algoritma dan pembelajaran mesin bukanlah tugas yang mudah dan akan membutuhkan lebih banyak tahun kerja.

Tapi mari kita asumsikan sejenak bahwa fondasi data telah diletakkan, karena kemungkinan akan bagi sebagian besar perusahaan dalam dekade mendatang. Lalu bagaimana kita, sebagai manusia, menghindari perjalanan di jalan panjang menuju pelepasan yang digerakkan mesin?

1. Beralih dari keputusan berbasis asumsi ke keputusan berbasis data .

Terlalu banyak keputusan dalam perusahaan didasarkan pada asumsi yang didasarkan pada pengalaman. Namun, pengalaman masa lalu mungkin bukan merupakan prediktor akurat dari saat ini atau masa depan ketika industri dan pasar sedang terganggu. Asumsi seringkali didasarkan pada pandangan yang sudah ketinggalan zaman tentang bagaimana dunia bekerja.

Usia algoritme memungkinkan pola muncul berdasarkan apa yang kita ketahui sedang terjadi, alih-alih mengandalkan apa yang kita “rasakan” atau kita “pikirkan” mungkin terjadi. Pengambilan keputusan analitis tidak lagi menjadi pelestarian beberapa data Geeks, terutama dengan algoritma yang bersedia dan mampu melakukan banyak pekerjaan kotor itu. Akibatnya, kita harus bergerak melampaui keputusan berbasis intuisi, emosi, dan anekdot. Intuisi bagus untuk ide, tetapi data adalah bukti nyata.

2. Ajukan pertanyaan data yang benar.

Data akan memberi Anda jawaban untuk pertanyaan apa pun yang Anda miliki. Tetapi data dan algoritma tidak dapat memberi tahu Anda seberapa baik pertanyaan Anda. Kita harus belajar bagaimana mengajukan pertanyaan yang tepat.

Ini mengharuskan kita untuk mengetahui cara bekerja dengan data, bagaimana menghubungkan data dengan pekerjaan kita dan bagaimana cara menceritakan kisah dengan data. Kita harus memahami metrik apa yang penting bagi bisnis, keputusan apa yang perlu didorong oleh data dan bagaimana memanfaatkan algoritma untuk keputusan paling strategis.

Untuk mengambil analogi dari mobil self-driving …. Walaupun mobil-mobil itu hebat dalam mengemudi sendiri, mereka tidak dapat memutuskan ke mana Anda harus pergi.

3. Tambahkan konteks ke algoritma.

Mesin tidak bisa berpikir di luar data seperti otak kita. Kita dapat dengan cepat melihat korelasi dalam set data yang sama sekali tidak terkait yang sering terlewatkan oleh mesin karena kita memahami konteks bisnis di mana korelasi terjadi dan proses yang menimbulkan data.

Kita perlu terampil dalam pengenalan pola dan interpretasi data kontekstual. Hal ini pada gilirannya membutuhkan kombinasi pengetahuan domain, pemahaman tentang bagaimana peran atau departemen kami cocok dalam konteks bisnis yang lebih luas, kemampuan untuk memperkenalkan wawasan yang tidak ditemukan dalam data dan untuk menerima wawasan yang paling relevan, dan menolak yang lain.

4. Gabungkan fakta dengan perasaan.

Mesin juga sangat buruk dalam memahami perilaku manusia secara individu dan nuansa motivasi, emosi, dan interaksi. Jadi kita akan terus membutuhkan sosiolog, psikolog, komunikator, ekonom, dan pemimpin yang terampil yang memahami cara mendapatkan tanggapan dari sesama manusia. Setiap percakapan di ruang rapat akan dimulai dengan algoritme dan fakta, tetapi akan diakhiri dengan jabat tangan.

Dengan berfokus pada fungsi pekerjaan penting di mana mesin membebaskan manusia untuk melakukan pekerjaan yang lebih strategis, kompleks, dan kreatif, kita dapat tetap berada di kursi pengemudi, dan terutama, di zaman algoritma. Ngomong-ngomong, yang tidak setolik Musk membuatnya tampak atau jinak seperti beberapa orang berpendapat. Ini adalah bagaimana kami beradaptasi dengan nuansa itu yang akan menentukan peran kami di zaman algoritma.