Menneske + Maskin: Svaret på fremtidens arbeidsutfordringer
Bruk av kunstig intelligens i arbeidslivet har blitt en naturlig del av digitaliseringen. Dette skaper entusiasme hos mange, men også usikkerhet. Det er skrevet mye om at roboter overtar jobbene våre, men egentlig handler det om å forstå mulighetsrommet som ligger i smart bruk av kunstig intelligens og ny teknologi.
Ekspert på området, H. James Wilson, managing director of information technology and business research i Accenture Research, mener flesteparten av virksomhetene de snakker med på langt nær utnytter potensialet kunstig intelligens har til fulle. Å lykkes med bruk av kunstig intelligens handler om både prosessendring, de ansatte og bruk av data og datamodeller. Av mer enn tusen praktikere Accenture har snakket med, fant de at bare 9% hadde fokus på alle tre områder.
Utfordringen, sier Wilson, handler i stor grad om å forstå hvordan mennesker og maskiner må samarbeide for å skape de beste resultatene. Vi må ikke se mennesket og maskinen som to uavhengige parter, eller verre, som motstandere.
Hvordan vil arbeidslivet se ut - The missing middle
Wilson og medforfatter Paul R. Daugherty, har identifisert seks områder for nye jobber hvor mennesker og maskiner i samspill skaper bedre resultater. Disse har fått navnet «the missing middle», fordi det er her vi finner potensialet de opplever at så mange virksomheter ikke utnytter.
Nesten 80% av praktikerne Accenture har snakket med sier de tror god bruk av kunstig intelligens vil føre til bedre prosesser.
The missing middle - hvordan skape samarbeid mellom menneske og maskin
The missing middel rommer seks ulike kategorier for utvikling av jobber vi vil trenge for å dra mest mulig nytte av kunstig intelligens. De kan deles i to - oppgaver hvor mennesker hjelper maskiner, og oppgaver hvor maskiner hjelper mennesker.
Wilson peker på tre sentrale roller vi må utvikle - Trainers, Explainers og Sustainers. Trainers kjenner vi godt allerede. Eksempler kan være å lære opp chatbots som jobber internt med informasjon eller eksternt med kundebehandling, selvkjørende biler, eller mer indirekte som når vi må identifisere spesifikke elementer i ulike bilder for å bevise at vi er mennesker når vi registrerer oss ulike steder på nettet.
En Explainer, eller forklarer, er viktig for å hjelpe oss å forstå hvorfor en kunstig intelligens handler som den gjør. Et eksempel kan være innen rekruttering, hvor flere prøver seg med maskinlæring. Vi er nødt til å kunne forklare hvorfor en kandidat har gått videre eller ikke. Et annet eksempel var da Alphago vant over verdensmesteren i brettspillet Go ved å gjøre tilsynelatende meningsløse trekk. Først i etterkant etter at maskinen vant, kunne man forstå hvordan Alphago hadde tenkt.
Det siste området Wilson viser til, kaller han Sustainers. Dette er jobber som hjelper til å opprettholde velfungerende kunstig intelligens som regler mennesker har satt for funksjon, empati, kontekst og sikkerhet.
Hvordan kan maskinene gjøre mennesker bedre?
Wilson trekker frem tre områder der maskiner kan gjøre mennesker bedre. Disse er Amplifying, Interacting og Embodying.
En Amplifyer hjelper oss med oppgaver vi ellers ville bruke lang tid og mye ressurser på, men som for maskiner er enkelt. Analyser av store mengder data, massestesting av ulike hypoteser eller prototyping kan være eksempler på dette. Slik kan mennesker heller fokusere på å styre retning i prosessene og fatte beslutninger, samtidig som man får langt større oversikt enn man kunne gjort på egenhånd.
Med Interactors fungerer kunstig intelligens og mennesket som et partnerskap med pågående kommunikasjon med stemme og naturlig språk. Tidligere nevnte chatbots er eksempler på dette, i tillegg til mer dedikerte funksjoner. På telefoner kjenner vi de igjen i Siri og Bixby. De fungerer som partnere og rådgivere som kan holde oversikt over langt flere områder enn mennesker kan, og hjelper oss å fatte bedre beslutninger.
Embodiment, til forskjell fra de to over, gir mennesker fysiske utvidelser (physical augmentation). Det kan være maskiner vi kan ha på oss, eller fysiske maskiner som jobber sammen med oss i team. Collaborating robots, eller «cobots» er et uttrykk for dette. Amazon bruker blant annet dette både på sine lagre for flytting av varer, og de planlegger å bruke droner i arbeidet med levering av varer.
Grunnprinsipper for å lykkes i et arbeidsliv med kunstig intelligens
For å utvikle kulturen og for å lykkes med «the missing middle», viser Wilson til 5 grunnprinsipper under betegnelsen MELDS - Mindset, Experimentation, Leadership, Data og Skills.
Vi er nødt til å ha en holdning, eller et mindset, som setter kraften fra både mennesker og kunstig intelligens sammen. Gjør vi ikke det, risikerer vi å fortsette å se disse som to motpoler som ofte jobber mot hverandre. Da klarer vi heller ikke å adressere utfordringene som “the missing middle” presenterer. Vi må bevege oss fra å tenke kun på automatisering, og til å tenke samarbeid. Dette krever at vi leter etter steder i arbeidsprosesser hvor vi kan teste ut samarbeidsløsninger med kunstig intelligens, og vi er avhengig av lederskap som er villig til å satse på ansvarlig bruk av denne teknologien. Tilnærminger som design thinking som har blitt allemannseie i løpet av de siste årene, anbefales av Wilson. Utfordringer man ikke kunne gjøre noe med før, kan i dag være fullt mulig.
Med bedre dataflyt på tvers av hele virksomheten, vil vi også gjøre det lettere for kunstig intelligens å lære, og videre for mennesker å se nye muligheter, og løsninger på utfordringer. Ikke minst krever også dette at vi aktivt jobber med å utvikle de nødvendige ferdighetene til både å kunne støtte kunstig intelligens og til å nyttiggjøre oss av de mulighetene dette vil åpne for oss.
H. James Wilson, medforfatter av boka Human + Machine: Reimagining work in the age of AI, kommer på HR Forum 2019 i november. Der du kan lære mer om de mulighetene som ligger i kunstig intelligens, og hvordan du bygger en kultur for å nyttiggjøre deg av dette på best mulig måte.
Referanser
Daugherty, P. R., & Wilson, H. J. (208). Human + Machine: Reimagining work in the age of AI. Harvard Business Review Press: United States of America
https://www.accenture.com/_acn... (03.07.2019)