4 maneras en que eres mejor que un robot

“Con inteligencia artificial, estamos convocando al demonio. En todas esas historias donde está el tipo con el pentagrama y el agua bendita, sí, está seguro de que puede controlar al demonio. No funciona ".

Esas palabras no fueron pronunciadas por algunos neo-luditas sobre el aterrador ritmo de la computación en la era digital. Fueron dichos recientemente por Elon Musk, fundador de SpaceX y Tesla, inversionista en Deepmind (una compañía de inteligencia artificial) y, en algunos círculos, proclamado como el próximo Steve Jobs. Cuando Musk y otros pensadores importantes, como Bill Gates y el famoso físico de Cambridge Stephen Hawking, proponen advertencias similares del día del juicio final sobre la inteligencia artificial, se crea un gran debate mundial.

En un artículo reciente de Harvard Business Review, Walter Frick escribe sobre el auge de la máquina y su impacto en los negocios y nuestros trabajos. Ofrece una perspectiva alternativa, rechazando la "obsesión de la tecnología de eliminación de empleos a favor de un enfoque en la complementariedad".

Si se trata de complementariedad, ¿qué habilidades necesitamos desarrollar para prosperar junto con las computadoras en la era de los algoritmos?

Para empezar, no puedes simplemente ir y "activar" algoritmos en una empresa; La implementación de algoritmos a escala requiere una base técnica sólida, incluida la capacidad de integrar, mantener e identificar lo que se puede hacer con montículos y montones de datos. En pocas palabras, la toma de decisiones automatizada a través de algoritmos y aprendizaje automático no es una tarea fácil y requerirá muchos años más de trabajo.

Pero supongamos por un segundo que la base de datos se ha establecido, como probablemente lo hará para la mayoría de las empresas en la próxima década. Entonces, ¿cómo nosotros, como humanos, evitamos el viaje en un largo camino hacia el olvido impulsado por máquinas?

1. Pasar de decisiones basadas en suposiciones a decisiones basadas en datos .

Demasiadas decisiones en las empresas se basan en suposiciones basadas en la experiencia. Sin embargo, la experiencia pasada puede no ser un predictor preciso del presente o del futuro cuando las industrias y los mercados se ven afectados. Las suposiciones a menudo se basan en una visión desactualizada de cómo funciona el mundo.

La edad de los algoritmos permite que surjan patrones basados ​​en lo que sabemos que está sucediendo, en lugar de depender de lo que "sentimos" o "pensamos" que puede estar sucediendo. La toma de decisiones analíticas ya no es exclusiva de algunos geeks de datos, especialmente con algoritmos dispuestos y capaces de hacer mucho trabajo sucio. Como resultado, debemos ir más allá de las decisiones basadas en la intuición, la emoción y las anécdotas. La intuición es excelente para las ideas, pero los datos son una prueba real.

2. Haga las preguntas correctas de datos.

Los datos le darán las respuestas a las preguntas que tenga. Pero los datos y los algoritmos no pueden decirle qué tan buenas son sus preguntas. Tenemos que aprender a hacer las preguntas correctas.

Esto requiere que sepamos cómo trabajar con datos, cómo relacionarlos con nuestro trabajo y cómo contar historias con datos. Tenemos que comprender qué métricas son importantes para el negocio, qué decisiones deben ser impulsadas por los datos y cómo aprovechar los algoritmos para las decisiones más estratégicas.

Para tomar una analogía de los autos sin conductor … Si bien los autos pueden ser excelentes para conducir por sí mismos, no pueden decidir a dónde debe ir.

3. Agregar contexto a los algoritmos.

Las máquinas no pueden pensar fuera de los datos como lo hacen nuestros cerebros. Podemos ver rápidamente las correlaciones en conjuntos de datos completamente no relacionados que las máquinas a menudo pierden porque entendemos el contexto comercial dentro del cual ocurren las correlaciones y el proceso que da origen a los datos.

Necesitamos ser expertos en el reconocimiento de patrones y la interpretación contextual de los datos. Esto a su vez requiere una combinación de conocimiento de dominio, una comprensión de cómo nuestro rol o departamento se ajusta dentro del contexto más amplio del negocio, la capacidad de introducir conocimientos que no se encuentran en los datos y aceptar los conocimientos más relevantes y rechazar a los demás.

4. Combina hechos con sentimientos.

Las máquinas también son realmente pobres para comprender realmente el comportamiento humano individual y los matices de motivación, emoción e interacción. Por lo tanto, seguiremos necesitando sociólogos, psicólogos, comunicadores, economistas y líderes capacitados que entiendan cómo obtener una respuesta de otros seres humanos. Cada conversación en la sala de juntas comenzará con algoritmos y hechos, pero terminarán con un apretón de manos.

Al centrarnos en las funciones de trabajo críticas donde las máquinas liberan a los humanos para hacer un trabajo más estratégico, complejo y creativo, podemos permanecer en el asiento del conductor incluso, y especialmente, en una era de algoritmos. Lo cual, por cierto, no es tan demoníaco como Musk lo hace parecer o tan benigno como algunos dirían. Es cómo nos adaptamos a ese matiz lo que definirá nuestro papel en la era de los algoritmos.