Peter Drucker was op de hoogte van de meeste dingen, maar de computer was daar niet een van. "De computer ... is een idioot, " beweerde de managementgoeroe in een artikel van McKinsey Quarterly in 1967, die de apparaten die nu onze economie en ons dagelijks leven aandrijven "het domste hulpmiddel dat we ooit hebben gehad" noemde.
Drucker was nauwelijks de enige die het ondoorgrondelijke tempo van verandering in digitale technologieën en kunstmatige intelligentie (AI) onderschatte. AI bouwt voort op de rekenkracht van enorme neurale netwerken die enorme digitale gegevenssets of 'big data' doorzoeken om resultaten te bereiken die analoog zijn aan, vaak superieur, aan de resultaten die door menselijk leren en besluitvorming worden geproduceerd. Carrières zo gevarieerd als reclame, financiële dienstverlening, geneeskunde, journalistiek, landbouw, nationale defensie, milieuwetenschappen en creatieve kunsten worden door AI getransformeerd.
Computeralgoritmen verzamelen en analyseren duizenden datapunten, synthetiseren de informatie, identificeren eerder niet-gedetecteerde patronen en creëren zinvolle resultaten - of het nu gaat om een ziektebehandeling, een gezichtsmatch in een miljoenenstad, een marketingcampagne, nieuwe transportroutes, een oogstprogramma, een door de machine gegenereerd nieuwsverhaal, een gedicht, een schilderij of een muzikale strofe - sneller dan een mens een kopje koffie kan inschenken.
Een recent onderzoek van McKinsey suggereert dat 45 procent van alle activiteiten op het werk kan worden geautomatiseerd door AI te implementeren. Dat omvat archiefmedewerkers wier taken 80 procent geautomatiseerd kunnen worden, of de taken van CEO's die 20 procent geautomatiseerd kunnen worden omdat AI-systemen het lezen van rapporten, risicodetectie of patroonherkenning door CEO's radicaal vereenvoudigen en richten.
AI is een van die al lang gehypete technologieën die onze hele wereld nog niet heeft getransformeerd, maar wil. Nu AI klaar lijkt voor prime time, heerst er, zelfs onder technologen, verwarring over de ongebreidelde macht die machines kunnen hebben over de menselijke besluitvorming. Elon Musk heeft AI "onze grootste existentiële bedreiging" genoemd, in navolging van de waarschuwing van Bill Joy in het tijdschrift Wired dat "de toekomst ons niet nodig heeft." Aan de andere kant zijn natuurlijk enthousiastelingen enthousiast over slimme machines om ons leven te verbeteren en de gezondheid van de planeet.
Ik sta aan de kant van Microsoft-CEO Satya Nadella, die zegt dat we ons moeten voorbereiden op de belofte van steeds slimmere machines als partners bij menselijke besluitvorming, gericht op de juiste rol en beperkingen van AI-tools. Voor business school opvoeders zoals ik die geloven dat de toekomst ons inderdaad nodig zal hebben, vormt de groeiende kracht van AI of diep leren een uitdaging en kans: hoe bereiden we studenten voor op de komende decennia zodat ze de kracht van AI omarmen en begrijpen voordelen voor management en leiderschap in de toekomst?
Het zou een vergissing zijn om elke afgestudeerde MBA te dwingen gegevenswetenschapper te worden. De uitdaging voor business schools is om onze breed gerichte curricula bij te werken en tegelijkertijd onze MBA's een grotere bekendheid en meer comfort te bieden met data-analyse. De CEO's van morgen hebben een beter inzicht nodig in de steeds grotere en complexere datasets binnen organisaties die wel en niet kunnen beantwoorden.
De verfijning en het volume van gegevens kunnen toenemen, maar de geschiedenis biedt modellen van de juiste relatie van een beslisser tot gegevensanalyse.
Neem D-Day. Generaal Dwight D. Eisenhower zocht mogelijk zoveel mogelijk gegevens om zijn beslissing te informeren over wanneer hij honderdduizenden geallieerde troepen zou landen op de stranden van Normandië in dat noodlottige late voorjaar van 1944. Zoals het boek van Antony Beevor over de strijd en andere verslagen duidelijk maakt, Eisenhower hunkerde vooral naar betrouwbare meteorologische gegevens, toen de weersvoorspelling nog in de kinderschoenen stond. De generaal cultiveerde Dr. James Stagg, zijn belangrijkste meteoroloog, en werd niet alleen bedreven in het analyseren van de rapporten van Stagg, maar ook in het lezen van Staggs eigen niveau van vertrouwen in elk rapport.
Maanden voor de noodlottige beslissing om 'aan de Grote Kruistocht te beginnen' ontwikkelde Eisenhower een scherpe waardering voor wat meteorologische voorspellingen wel en niet konden waarmaken. Uiteindelijk, zoals de geschiedenis weet, overtuigde Stagg hem om de invasie uit te stellen tot 6 juni vanaf 5 juni, toen de voorspelde storm over het Engelse Kanaal woedde en vele anderen Stagg's vraag stelden dat het snel zou verdwijnen.
Niemand zou beweren dat Eisenhower zelf een deskundige meteoroloog had moeten worden. Het was zijn taak om alle aspecten van de campagne te overzien en te coördineren door relevante informatie te verzamelen en de kwaliteit en het nut van die informatie te beoordelen om de kans op succes van de invasie te vergroten. Tegenwoordig breiden big data en de komst van AI de beschikbare informatie voor besluitvormers uit het bedrijfsleven uit. De rol van een CEO met betrekking tot gegevens weerspiegelt echter de absorberende en oordelende functie van generaal Eisenhower bij het lezen van waarschijnlijkheden in de weerrapporten van zijn meteoroloog.
Het is opmerkelijk dat vandaag, temidden van al het gepraat over technologische complexiteit en specialisatie in zo veel van het Amerikaanse bedrijfsleven, een Deloitte-rapport dat is opgesteld voor onze school, heeft vastgesteld dat werkgevers die MBA-afgestudeerden willen inhuren meer waarde hechten aan de 'zachte vaardigheden' van potentiële werknemers dan alle anderen. Ze willen mensen aannemen met culturele competentie en sterkere communicatieve vaardigheden, die kunnen samenwerken in verschillende teams, en flexibel zijn in het continu aanpassen aan nieuwe kansen en omstandigheden op de werkplek en op de markt.
Dit gaat niet alleen over onverdraagzaamheid voor schokken op kantoor. Het gaat over de behoefte van een leider om te kunnen synthetiseren, te onderhandelen en te arbitreren tussen concurrerende en conflicterende omgevingen, experts en gegevens. Als er ooit een keer was dat bedrijfsleiders werden betaald om "gut check" -gesprekken te voeren, zelfs wanneer essentiële informatie ontbrak, zullen de CEO's van vandaag steeds vaker moeilijke, interpretatieve beoordelingsgesprekken moeten voeren (een ander soort "gut check") van buitensporige, vaak tegenstrijdige informatie.
Degenen in de bestuurdersstoel van instellingen hebben toegang tot een groeiend universum van empirisch afgeleide inzichten over zeer uiteenlopende fenomenen, zoals optimale modellen voor het lossen van schepen in de drukste havens van de wereld in verschillende weersomstandigheden, parameters van loyaliteitsprogramma's die de 'stickiest' klant genereren respons- of talentenselectiemodellen die zowel de meest succesvolle als diverse werkgelegenheidspools opleveren.
Bedrijfsleiders moeten onderscheid maken in hun gebruik van AI-tools. Ze moeten de bron van de datastromen vóór hen beoordelen, hun geldigheid en betrouwbaarheid vaststellen, minder dan voor de hand liggende patronen in de gegevens detecteren, de resterende "what ifs" die ze presenteren onderzoeken en uiteindelijk conclusies trekken en beslissingen nemen die beter zijn geïnformeerd, genuanceerd rond context, geldig en nuttig omdat ze worden verbeterd door intelligente machines. Onjuiste oordelen gebaseerd op gebrekkige of verkeerd geïnterpreteerde gegevens kunnen zelfs schadelijker zijn dan niet-geïnformeerde onjuiste oordelen vanwege de illusie van quasi-wetenschappelijke autoriteit als gevolg van de uitstraling van gegevens.
Als een projectmanagementtool kan AI optimale werkroutines voorschrijven voor verschillende soorten werknemers, maar het zal niet de gevoeligheid hebben om deze behoeften te vertalen in genuanceerde keuzes van het ene organisatorische resultaat (bijv. Rechtvaardigheid in personeelstoewijzingen) boven een ander (familiewaarden) ). AI kan misschien de beste locatie bepalen voor een nieuw restaurant of elektriciteitscentrale, maar het zal beperkt zijn in het in kaart brengen van de politieke en sociale netwerken die moeten worden betrokken om de nieuwe onderneming tot leven te brengen.
Machines missen ook eigenzinnigheid. Adtech-programma's hebben de kopers van menselijke advertenties vervangen, maar de mogelijkheid om woordspelingen te maken of campagnes te ontwerpen die onze harten raken, blijft van nature menselijk, althans in de nabije toekomst.
Een nieuw niveau van vragen en integratief denken is vereist onder MBA-afgestudeerden. Als opvoeders moeten we leerbenaderingen bevorderen die deze vaardigheden ontwikkelen - door scherp datamanagement en inferentiële vaardigheden te onderwijzen, geavanceerde datasimulaties te ontwikkelen en te oefenen hoe we het nog onbekende kunnen onderzoeken en bevragen.
Parallel aan het overwicht van machinemacht, doemt het belang van emotionele intelligentie, of EQ, groter op dan ooit om de menselijke connectiviteit van organisaties en gemeenschappen te behouden. Hoewel van machines wordt verwacht dat ze doorgaan tot het punt van lezen en interpreteren van emoties, zullen ze niet het vermogen hebben om volgers te inspireren, de wijsheid om ethische beslissingen te nemen, of de slimheid om verbindingen te leggen.
Dat is nog steeds alles voor ons.
Judy D. Olian is decaan van de UCLA Anderson School of Management.
