Peter Drucker adalah prasangka tentang kebanyakan perkara, tetapi komputer itu bukan salah satu daripada mereka. "Komputer ... itu adalah kejam, " guru pengurusan menegaskan dalam artikel McKinsey Quarterly pada tahun 1967, memanggil alat-alat yang kini memacu ekonomi kita dan kehidupan seharian kita "alat paling bodoh yang pernah kita miliki."
Drucker tidak semata-mata memandang rendah kadar perubahan dalam teknologi digital dan kecerdasan buatan (AI). AI membina kekuatan komputasi rangkaian saraf yang luas untuk menyaring set data digital besar atau "data besar" untuk mencapai hasil yang serupa, sering lebih baik, yang dihasilkan oleh pembelajaran manusia dan membuat keputusan. Kerjaya bervariasi seperti pengiklanan, perkhidmatan kewangan, perubatan, kewartawanan, pertanian, pertahanan negara, sains alam sekitar, dan seni kreatif sedang diubah oleh AI.
Algoritma komputer mengumpul dan menganalisis beribu-ribu titik data, mensintesis maklumat, mengenalpasti corak yang tidak dapat dikesan sebelumnya dan menghasilkan output bermakna-sama ada rawatan penyakit, perlawanan muka di bandar berjuta-juta, kempen pemasaran, laluan pengangkutan baru, program penuaian tanaman, kisah berita yang dihasilkan oleh mesin, puisi, lukisan, atau stanza muzik-lebih cepat daripada manusia yang dapat menuang secawan kopi.
Kajian McKinsey baru-baru ini mencadangkan bahawa 45 peratus daripada semua aktiviti on-the-job dapat diautomatikasikan dengan menggunakan AI. Ini termasuk kerani fail yang pekerjaannya boleh menjadi 80 peratus automatik, atau pekerjaan CEO yang boleh menjadi 20 peratus automatik kerana sistem AI secara radikal memudahkan dan menargetkan laporan membaca CEO, pengesanan risiko, atau pengecaman corak.
AI telah menjadi salah satu teknologi lama yang belum pernah diubah oleh seluruh dunia, tetapi akan. Sekarang AI nampak bersedia untuk masa perdana, ada kekhawatiran, bahkan di kalangan ahli teknologi, tentang kuasa yang tidak terkawal yang mesin mungkin mempunyai pengambilan keputusan manusia. Elon Musk telah memanggil AI "ancaman eksistensi terbesar kami, " menggambarkan amaran Bill Joy tahun 2000 dalam majalah Wired bahawa "masa depan tidak memerlukan kita." Di sisi lain, sudah tentu, para peminat bersemangat untuk mesin pintar untuk memperbaiki kehidupan kita dan kesihatan planet ini.
Saya berada di sisi Ketua Pegawai Eksekutif Microsoft, Satya Nadella yang mengatakan bahawa kita harus bersiap-siap menjanjikan mesin yang lebih pintar sebagai rakan kongsi dalam membuat keputusan manusia, memfokus kepada peranan yang betul, dan batasan, alat AI. Bagi pendidik sekolah perniagaan seperti saya yang percaya masa depan memang memerlukan kita, kuasa AI atau pembelajaran yang mendalam memberi cabaran dan peluang: Bagaimanakah kita mempersiapkan pelajar untuk dekad yang akan datang supaya mereka merangkul kuasa AI, dan memahami kelebihan untuk pengurusan dan kepimpinan pada masa akan datang?
Ia akan menjadi satu kesalahan untuk memaksa setiap siswazah MBA untuk menjadi saintis data. Cabaran untuk sekolah perniagaan adalah untuk memperbaharui kurikulum berfokus luas kami sambil memberi MBA kami tahap keakraban dan keselesaan yang lebih tinggi dengan analisis data. Ketua Pegawai Eksekutif esok akan memerlukan rasa lebih baik tentang apa yang semakin banyak dan rumitnya menetapkan data dalam organisasi boleh, dan tidak boleh, jawab.
Kecanggihan dan jumlah data mungkin meningkat, namun sejarah memberikan model hubungan yang tepat kepada pengambil keputusan dengan analisis data.
Ambil D-Day. Jeneral Dwight D. Eisenhower memohon sebanyak mungkin data untuk memaklumkan keputusannya ketika hendak mendarat ratusan ribu pasukan Sekutu di pantai Normandy pada musim bunga akhir tahun 1944. Seperti buku Antony Beevor mengenai pertempuran dan akaun-akaun lain, jelaskan, Eisenhower terutamanya memikat data meteorologi yang boleh dipercayai, kembali apabila ramalan cuaca berada di peringkat awal. Ketua pakar meteorologi Dr. James Stagg, dan menjadi mahir bukan hanya menganalisis laporan Stagg, tetapi juga membaca keyakinan Stagg sendiri dalam apa-apa laporan.
Selama berbulan-bulan sebelum keputusan fatal untuk "memulakan Perang Salib Besar, " Eisenhower mengembangkan penghargaan tajam untuk apa ramalan meteorologi yang dapat dan tidak dapat disampaikan. Pada akhirnya, seperti yang diketahui oleh sejarah, Stagg meyakinkannya untuk menangguhkan pencerobohan itu hingga 6 Jun dari 5 Jun, apabila ribut yang diramalkan merebak di Selat Inggeris dan ketika banyak lagi menyoal panggilan Stagg bahawa ia akan segera dibersihkan.
Tidak ada yang berpendapat bahawa Eisenhower sepatutnya menjadi pakar meteorologi sendiri. Tugasnya adalah untuk mengawasi dan menyelaras semua aspek kempen dengan mengumpulkan maklumat yang bersangkutan, dan menilai kualiti dan utiliti maklumat tersebut untuk meningkatkan kemungkinan pencerobohan pencerobohan. Hari ini, data besar dan kedatangan AI memperluaskan maklumat yang tersedia kepada pembuat keputusan korporat. Walau bagaimanapun, peranan Ketua Pegawai Eksekutif berhubung dengan data menyuarakan fungsi penyerapan dan penghakiman yang dijalankan oleh General Eisenhower dalam kebarangkalian membaca ke dalam laporan cuaca meteorologinya.
Perlu diperhatikan bahawa hari ini, di tengah-tengah semua perbincangan mengenai kerumitan dan pengkhususan teknologi di seluruh Amerika korporat, laporan Deloitte yang disediakan untuk sekolah kami mendapati majikan yang ingin menyewa graduan MBA menilai "kemahiran lembut" pekerja yang lebih baik daripada yang lain. Mereka mahu mengupah orang dengan kecekapan budaya dan kemahiran berkomunikasi yang lebih kuat, yang boleh bekerjasama dalam pelbagai pasukan, dan fleksibel dalam menyesuaikan diri dengan peluang dan keadaan baru di tempat kerja dan pasaran.
Ini bukan sekadar intoleransi untuk jerks di pejabat. Ini mengenai keperluan seorang pemimpin untuk dapat mensintesis, merundingkan, dan menimbang-nimbang antara persekitaran, pakar dan data bersaing dan bertentangan. Sekiranya pernah ada seorang pemimpin korporat yang dibayar untuk membuat "pemeriksaan usus" memanggil walaupun maklumat penting kurang, ketua pegawai eksekutif hari ini semakin perlu membuat panggilan penghakiman yang tegas (sejenis "pemeriksaan usus" yang berbeza) di muka maklumat yang berlebihan, sering bercanggah.
Mereka yang berada di kerusi lembaga pengemudi mempunyai akses kepada alam semesta yang berkembang dari pandangan empiris mengenai fenomena yang berbeza-beza, seperti model optimum untuk kapal bongkar di pelabuhan-pelabuhan tersibuk di dunia dalam pelbagai keadaan cuaca, parameter program kesetiaan yang menghasilkan pelanggan 'yang paling melekat' tindak balas, atau model pemilihan bakat yang menghasilkan kedua-dua kolam pekerjaan yang paling berjaya, dan pelbagai.
Pemimpin korporat perlu memahami dengan menggunakan alat AI. Mereka mesti menilai sumber aliran data di hadapan mereka, memastikan kesahan dan kebolehpercayaan mereka, mengesan corak yang kurang jelas dalam data, meneliti baki "apa yang ada" yang mereka hadir, dan akhirnya membuat kesimpulan dan panggilan penghakiman yang lebih dimaklumkan, bernuansa sekitar konteks, sah, dan berguna kerana ia diperbaiki oleh mesin pintar. Penghakiman yang membingungkan yang dibina atas data yang cacat atau disalahtafsirkan boleh menjadi lebih berbahaya daripada penghakiman cacat yang tidak diketahui kerana ilusi pihak berkuasa kuasi ilmiah yang terhasil daripada aura data.
Sebagai alat pengurusan projek, AI mungkin menetapkan rutin kerja yang optimum untuk jenis pekerja yang berbeza, tetapi ia tidak akan mempunyai sensitiviti untuk menterjemahkan keperluan ini ke dalam pilihan yang tidak ternilai dari satu keputusan organisasi (misalnya, ekuiti dalam tugasan pekerja) ke atas yang lain (nilai keluarga ). AI mungkin menentukan lokasi terbaik untuk sebuah restoran atau loji kuasa baru, tetapi ia akan terhad dalam pemetaan rangkaian politik dan sosial yang perlu dilibatkan untuk membawa usaha baru itu ke kehidupan.
Mesin juga tidak mencukupi. Program-program Adtech telah menggantikan pembeli iklan manusia, tetapi keupayaan untuk mewujudkan punah atau kempen reka bentuk yang menarik di hati kita akan kekal manusia secara semula jadi, sekurang-kurangnya untuk masa hadapan yang boleh dijangka.
Tahap baru pemikiran dan pemikiran integratif diperlukan di kalangan graduan MBA. Sebagai pendidik kita harus memupuk pendekatan pembelajaran yang membangunkan kemahiran ini-dengan mengajar pengurusan data yang berminat dan kemahiran inferens, membangunkan simulasi data lanjutan, dan berlatih bagaimana untuk menyiasat dan mempersoalkan yang belum diketahui.
Secara selari dengan kekuatan mesin, kepentingan kecerdasan emosi, atau EQ, semakin besar dari sebelumnya untuk mengekalkan hubungan manusia organisasi dan masyarakat. Walaupun mesin dijangka maju ke titik bacaan dan mentafsirkan emosi, mereka tidak akan mempunyai keupayaan untuk memberi inspirasi kepada pengikut, kebijaksanaan untuk membuat penilaian etika, atau celik untuk membuat sambungan.
Itu masih lagi kita.
Judy D. Olian adalah dekan UCLA Anderson School of Management.
