В статье Машины для прогнозирования: простая экономика искусственного интеллекта Аджай Агравал, Джошуа Ганс и Ави Гольдфарб утверждают, что улучшение прогнозирования - то есть, а не интеллекта - находится на ядро недавнего всплеска ажиотажа по поводу ИИ. Принимая во внимание растущее влияние технологий на нашу жизнь, их подход представляет интерес для размышлений и подготовки к будущей работы.

Принятие решений на работе

Многие решения, которые мы принимаем на работе, происходят в условиях неопределенности. Менеджер по интернет-маркетингу не знает, какая кампания принесет наибольшую отдачу. ИТ-директор не знает, сколько времени потребуется на интеграцию программного обеспечения; врач не знает, нужно ли проводить дорогостоящее обследование; менеджер по найму не знает, будет ли кандидат хорошо выполнять свою работу. Наша рабочая жизнь пронизана бесконечным количеством ситуаций, подобных этой, в которых мы не уверены, но должны принимать решения.

Обычно мы делаем это, чтобы оценить варианты, измерить или спрогнозировать их вероятность успеха и взвесить соответствующие выгоды (или выплаты) каждого из них. Затем мы решаем, что делать или как действовать, исходя из того, какой вариант, по нашему мнению, будет наиболее успешным.

Эта оценка вероятности может быть чем-то, что мы делаем путем сознательного рассмотрения. Но это также может быть то, что мы делаем, не осознавая. Разные люди используют разные когнитивные методы, чтобы делать прогнозы. Некоторые люди рассудительны и расчетливы, некоторые оценивают вероятность успеха, основываясь на своих чувствах и интуиции. Различные ситуации также могут иметь разные формы обработки вероятностей. Решения, с которыми нам приходится иметь дело часто, могут побудить нас рассматривать варианты иначе, чем то, как мы справляемся с редкими ситуациями принятия решений. К решениям большей важности можно отнестись с большей осторожностью и тщательностью, чем к менее важным (должен прочитать классическую статью для всех, кто интересуется этой темой). Тем не менее, в каком бы режиме работы мы ни работали, мы делаем прогнозы, чтобы иметь возможность принять решение.

Эти прогнозы не говорят нам, что решать или как действовать. Они дают нам то, что нам нужно, чтобы мы могли принимать решения. Поэтому, когда менеджер по найму должен решить, следует ли нанимать кандидата, он должен принять во внимание то, что, по ее мнению, является его вероятностью добиться успеха на этой должности. Но она также должна взвесить ценность альтернативных результатов, таких как влияние того, что она неправильно наняла на такую ​​роль. Рассматривая альтернативные комбинации прогнозов и их возможное влияние, мы делаем суждения о том, что мы должны делать.

Этот двухэтапный процесс - прогнозирование и суждение - представляет собой абстракцию того, что мы обычно объединяем под одним термином: принятие решений. И это концептуальное разделение помогает нам понять, где технологии могут вмешаться, чтобы помочь нам принимать более эффективные решения, связанные с работой, и, в конечном итоге, сделать нас более эффективными и продуктивными на нашей работе. Это также позволяет компаниям рассматривать свои собственные бизнес-процессы и определять области, которые обладают достаточным потенциалом сбора данных, чтобы иметь возможность добавлять машины в процесс.

За прошедшие годы технологи осознали потенциал для помощи в принятии решений в организациях. Структуры поддержки принятия решений существуют уже давно, предоставляя данные и идеи, а также перемещая и консолидируя данные и информацию в критических точках рабочих процессов и бизнес-процессов. Есть много типов таких систем и множество вариантов использования. Люди используют их как инструменты для планирования, информирования и улучшения в контексте принятия решений. Но их полезность обычно заключалась не в их способности предсказывать результаты. И до недавнего времени большинство систем поддержки принятия решений основывалось на логике, а не на статистике. Недавний рост прогнозирования как средства поддержки принятия решений во многом является результатом программного обеспечения, которое извлекает уроки из обилия и доступности данных, что было невозможно до недавнего времени.

По мере того, как становится доступным все больше данных, предсказание постепенно перенимается машинами, которые представляют собой более эффективный и масштабируемый способ делать прогнозы. При ожидаемом постоянном улучшении доступности данных, программных возможностей и вычислительной мощности машины смогут предсказывать многие результаты быстрее, точнее и, в конечном итоге, с большей точностью. Следовательно, ожидается, что этот прогресс изменит многие аспекты нашей работы, передавая больше задач прогнозирования машинам.

Разделение труда

Наличие машин, занимающихся оценкой вероятностей, заставит нас чаще использовать нашу способность суждения в контексте принятия решений. Человеческое суждение будет использоваться при оценке воздействия на результат и ценности решения. Присвоить ценность сложно, поскольку необходимо учитывать множество видов ценности - материальная ценность, косвенная ценность, символическая ценность и т. Д. Подумайте о том, как врач оценивает значение отказа от дорогостоящего медицинского обследования. Или как менеджер по найму оценивает важность роли и последствия - для нее, для организации и для клиентов - того, что она будет заполнена неэффективным сотрудником.

Обычно мы определяем ценность результата на основе системы ценностей, которая может быть простой или сложной; общественные или частные; личный и идиосинкразический или стандартизированный и объективный, в зависимости от конкретного контекста. Разнообразие способов присвоения ценности огромно, а динамика ее работы чрезвычайно сложна и разнообразна. Так что, по крайней мере, на данный момент наша способность синтезировать междоменную контекстную информацию и определять всестороннюю ценность будет заставлять нас использовать собственное суждение во многих рабочих сценариях принятия решений.

Так будет, по крайней мере, в краткосрочной и среднесрочной перспективе, пока машины не соберут достаточно данных о том, как мы оцениваем и определяем влияние и ценность результатов, и не сможем узнать из этих данных, как это сделать самостоятельно. Но до тех пор, пока это время не придет, а это, я думаю, займет довольно много времени, мы можем ожидать увидеть гораздо больше ситуаций, когда машины работают с предсказаниями, а мы судим и действуем в соответствии с их оценками.

Стратегия и планирование

Много неизвестно о том, как технологии будут развиваться и внедряться в компаниях, и, следовательно, как они повлияют на рабочие места и рабочее место. Но можно с уверенностью сказать, что, когда компании осознают, что дела можно делать более эффективно, точнее, быстрее и масштабнее, и технология для этого доступна, они примут ее.

Амир Кенигсберг, [email protected]