Det er lenge siden en datamaskin slo Gerry Kasparov i sjakk. Og nylig klarte en annen datamaskin å slå verdens beste Go spiller. Og nettopp Go er mye mer komplekst enn sjakk. Faktisk så er nedre mulige antall kombinasjoner på et Go brett ca 2×10 170. Det er et enormt høyt tall. Eksempelvis er det “bare” ca 10 80 atomer i hele universet. Imponerende fremgang i prosessorkraft og bedre maskinlæring, har gjort dette mesterstykket mulig.
Men hva med den virkelige verden der regler ikke alltid er regler, og i hvert fall ikke så simple som i sjakk eller Go? Vi ser også at datamaskiner i økende grad spiller en rolle i hvordan bedrifter opererer. Det er lenge siden menneskelige tradere ble utkonkurrert av algoritmisk trading og i dag forvaltes gigantiske fond av maskiner. Selvkjørende biler blir stadig bedre. Og en økende del av mer komplekse arbeidsoppgaver kan automatiseres. Denne fremgangen gjør at debatten rundt grensene for maskiners inntog i bedrifter er i full blomst.
En særlig interessant debatt er om kunstig intelligens (AI) kan ta over for mennesker i utformingen av strategi. Og mer spesifikt: Kan maskiner lede en virksomhet strategisk? Med strategi mener vi en plan for hvordan vi når langsiktige mål, og strategisk ledelse blir prosessen dette gjøres med. Selve definisjonene er ikke veldig presise og det er skrevet mye om den riktige definisjonen, Men for vår lille tenkning på tema er de overstående definisjonene tilstrekkelige.
JA, maskiner kan lage strategi
Mange tenkere på strategisk ledelse mener at strategiformulering og implementering er er et optimaliseringsproblem. Man skal løse oppgaven med de forutsetningene (ressurser og kapabiliteter) man har til rådighet. Empirisk forskning tyder på at implementering av datadreven beslutningstakning leder til bedre resultater. Og selv om vi enes om at strategiformulering er en kompleks affære, viser utviklingen i AI at selv emosjonell intelligens i økende grad er en del av en maskins repertoar.
NEI, strategi er for komplekst
Andre tenkere har tatt til ordet for at strategiformulering og implementering krever avvik fra regler og prediksjoner som maskiner er så gode på. Dette avviket skyldes spesifikke egenskaper ved beslutningstakeren som ikke lar seg replikere av en maskin. Enkelte omtaler dette som “judgement” (vurdering/dom). Altså kan man se AI som en maskin som kommer med presise prediksjoner, men vi som menneskelige ledere må utøve skjønn/vurdering/judgement for å avgjøre om hvordan vi verdsetter de ulike alternativene. To ting påvirker oss menneskers “judgement” som ikke er like lett å emulere i en maskin.
-
Vi lever i nettverk med andre mennesker. Det gjør også maskiner. Men i motsetning til maskiner har vi mennesker mange svake relasjoner til andre mennesker. Disse svake relasjonene er folk vi kjenner uten at de står oss veldige nære. Og forskningen viser at veldig mange strategiske og forretningsmessige beslutninger fattes på bakgrunn av informasjon fra slike svake relasjoner. Og nettopp evnen til å bygge slike svake relasjoner er særlig menneskelig og ikke veldig trolig utsatt for automatisering.
-
Maskiner er notorisk dårlige på å forstå kontekst, mens vi mennesker er særlig gode på det. Måten vi er invovlert (embedded) i våre omgivelser legger restriksjoner på vår adferd og muliggjør samarbeid som i henhold til økonomisk teori ville vært vanskelig. Vi er investert i den konteksten vi deltar i og dette påvirker måten vi fatter beslutninger på.
Ettersom mennesker slår maskiner på disse to viktige områdene (og sikkert mange flere), konkluderer mange med at maskiner absolutt ikke kan gjøre strategi. Strategi er nemlig kontekstavhengig og krever ofte tilgang til ny informasjon om mulige veivalg som er unike for den bestemte bedriften.
Begge deler
Personlig er jeg mindre opptatt av om svaret på spørsmålet er ja eller nei. Det er trolig en kjent bjørn fra hundremeterskogen ute og går her. Og mer formelt er dette noe som diskuteres meget godt av Agrawal et.al i deres 2018 HBR artikkel og i mer detalj i en samtidig bok.
Her trekker forfatterne klare skiller mellom “prediction” og “judgement” i beslutningsprosessen. Jeg tror mye fremtidig strategiarbeid vil bli formulert som prediksjonsoppgaver som input i en strategiprosess. Her er maskiner ekstremt effektive og i økende grad i stand til å løse komplekse oppgaver. Likevel vil det være et viktig moment knyttet til “judgement” . Om det skyldes embeddedness, svake relasjoner eller andre ting, så er “judgement” et menneskelig domene. Det interessante spørsmålet blir da hvordan vi som beslutningstakere jobber med maskiner?
Dette er en av de mange spørsmålene vi på Handelshøyskolen Nord på Steinkjer stiller oss i vår nye forskningssatsing DigInn (Digital Innovasjon og Grønn Bærekraft). Foreløpig har vi flere spørsmål enn svar, men Agrawal et.al har et mulig verktøy for praktiske bruk. Dette enkle rammeverket er utviklet for alle slags beslutninger, men gjelder i aller høyeste grad også strategiske.
Maskiner er i stand til å løse stadig flere oppgaver, også komplekse, menneskelignende oppgaver som krever emosjonell intelligens. Likevel er det behov for “judgement” av input fra maskiner i beslutningsprosessen. Det store spørsmålet organisasjoner og bedrifter bør stille seg er hvordan de best kan kombinere sin egen judgement med input fra stadig smartere maskiner. Og dette skal vi se mer på i årene som kommer.