Połączenie technologii IT z typowo ludzkimi procesami pozwoli stworzyć superumysły, które wzniosą współpracę i kreatywność na wyższy poziom.
Praktycznie wszystkie ludzkie osiągnięcia powstają dzięki grupom, a nie samotnym indywidualistom. Wbudowując inteligentne technologie głębiej w procesy wykonywane tradycyjnie przez ludzi, osiągamy jeszcze skuteczniejszą formę współpracy. W konsekwencji powstają „superumysły” zdolne do realizowania nieosiągalnych dotąd zadań.
Zbiorowe sukcesy
Głośna dyskusja na temat liczby stanowisk i rodzajów pracy, jakie inteligentne maszyny pozostawią w przyszłości do wykonywania ludziom, nie uwzględnia najistotniejsze kwestii. Tak jak w przeszłości automatyzacja pracy pozwoliła ludziom i maszynom robić wiele rzeczy, które wcześniej były niemożliwe, w przyszłości również grupy współpracujących ze sobą ludzi i komputerów będą w stanie wykonywać zadania, których żadna ze stron nie jest dziś zdolna zrealizować samodzielnie.
Aby wyobrazić sobie, jak to się stanie, warto rozważyć oczywisty, chociaż niezbyt powszechnie doceniany, fakt. Praktycznie wszystkie ludzkie osiągnięcia – od stworzenia języka pisanego po przygotowanie kanapki z indykiem – wymagają pracy grup ludzi, a nie samotnych indywidualistów. Nawet przełomowe sukcesy pojedynczych geniuszów, takich jak Albert Einstein, nie biorą się z niczego, są możliwe dzięki ogromnej ilości pracy wykonanej wcześniej przez innych.
Superumysły
Grupy ludzi, które wszystko to osiągają, można opisać jako superumysły (superminds). Zgodnie z moją definicją superumysły to grupy jednostek działających razem w sposób, który wydaje się inteligentny. Superumysły występują pod wieloma postaciami, na przykład:
układy hierarchiczne w większości firm i innych organizacji;
rynki, które pomagają w tworzeniu wielu rodzajów dóbr i usług a także w ich wymianie;
społeczności, które bazując na normach i reputacji, kontrolują zachowania w wielu grupach zawodowych, społecznych czy geograficznych;
a także ustroje demokratyczne, które powszechnie występują w państwach i rozmaitych instytucjach.
Wszystkie superumysły mają swoistą zbiorową inteligencję (collective intelligence), czyli umiejętność robienia czegoś, czego tworzące je jednostki nie potrafiłyby robić w pojedynkę. Nowością jest natomiast fakt, że coraz częściej zarówno w fizycznej, jak i w intelektualnej aktywności tych grup mogą uczestniczyć maszyny.
Kocepcja inteligencji
Koncepcja inteligencji pozostaje wciąż nieuchwytna, a różni ludzie odmiennie ją definiują. Na nasze potrzeby przyjmiemy, że inteligencja polega na umiejętności osiągania celów. Na podstawie tych założeń możemy zdefiniować dwa rodzaje inteligencji. Pierwszym jest inteligencja wyspecjalizowana (specialized intelligence), czyli umiejętność skutecznego osiągania konkretnych celów w danym otoczeniu. Oznacza to, że inteligentna jednostka robi wszystko, co zgodnie z jej najlepszą wiedzą i z największym prawdopodobieństwem pomoże jej osiągnąć cel. Mówiąc jeszcze prościej, inteligencja wyspecjalizowana polega na „skuteczności” w osiąganiu konkretnych celów.
Drugi rodzaj inteligencji ma bardziej wszechstronne zastosowania. Ponadto często wydaje się bardziej interesujący. Jest to inteligencja ogólna (general intelligence), czyli umiejętność skutecznego osiągania szerokiego spektrum różnych celów w rozmaitych warunkach otoczenia. Oznacza to, że inteligentny człowiek umie nie tylko dobrze wykonywać konkretny rodzaj zadań, ale potrafi też uczyć się, jak realizować szeroką gamę zadań.W tym sensie zbiorowa inteligencja ogólna oznacza „wszechstronność grupy”, a superumysły są wszechstronnymi lub zdolnymi do dostosowywania się grupami.
Jaki rodzaj inteligencji mają komputery?
Przeprowadzenie rozróżnienia między inteligencją wyspecjalizowaną a ogólną pomaga wyjaśnić różnicę między umiejętnościami współczesnych komputerów i ludzi. Na przykład niektóre wyposażone w <a href=>sztuczną inteligencję (SI)/czy‑uda‑sie‑przelamac‑nieufnosc‑do‑sztucznej‑inteligencji‑2/komputery przewyższają ludzi w pewnych kategoriach inteligencji wyspecjalizowanej. Jednak jedną z najważniejszych cech <a href=>dzisiejszej SI, z której większość ludzi nie zdaje sobie sprawy, jest fakt, że zawsze jest ona bardzo wyspecjalizowana.
Na przykład wyszukiwarka Googe świetnie sobie radzi z odnajdywaniem najnowszych wiadomości na temat rozgrywek baseballowych, ale nie potrafi napisać artykułu na temat lokalnego meczu Małej Ligi. System Watson koncernu IBM wygrywa z ludźmi nie tylko w teleturnieju Jeopardy!, ale nie potrafi grać w szachy ani nawet w kółko i krzyżyk. Samochody firmy Tesla mogą (w pewnym sensie) samodzielnie jeździć, ale nie są w stanie odebrać pudła z magazynu. Oczywiście, istnieją systemy komputerowe, które potrafią wykonać każdą z wymienionych wyżej czynności. Rzecz w tym, że są to różne, wyspecjalizowane programy, ale nie jedna ogólna SI, która wie, co zrobić w każdej konkretnej sytuacji.
Kiedy pojawi się prawdziwa SI?
Prawdę mówiąc, żaden ze współczesnych komputerów nawet nie zbliża się do poziomu inteligencji ogólnej normalnego pięciolatka. Rzecz w tym, że żaden nie potrafi rozsądnie rozmawiać na liczne tematy, na które można konwersować z przeciętnym pięciolatkiem, nie mówiąc o tym, że dziecko to umie również chodzić, podnosić przedmioty o nieregularnych kształtach i rozpoznawać, kiedy ludzie są szczęśliwi, smutni czy zdenerwowani.
Kiedy – jeśli w ogóle – może się to zmienić? Kiedy badacze Stuart Armstrong i Kaj Sotala przeanalizowali 95 prognoz na temat terminu stworzenia ogólnej SI, które zostały napisane między 1950 i 2012 rokiem, odkryli wśród ekspertów i laików silną tendencję do zakładania, że nastąpi to w ciągu 15 do 25 lat . Innymi słowy, od 60 lat wydaje nam się, że ogólna SI powstanie za około 20 lat.
Poza tym nowsze ankiety i wywiady zazwyczaj wpisują się w ten wieloletni wzorzec: ludzie wciąż zakładają, że ogólna SI pojawi się za około 15 do 25 lat. Moim zdaniem, ogólna SI prawdopodobnie kiedyś powstanie, ale najwcześniej za kilkadziesiąt lat. W rezultacie do tego czasu wszystkie zastosowania komputerów będą wymagały jakiegoś udziału ludzi.
Jak ludzie i komputery mogą współpracować?
Jedna z najbardziej intrygujących możliwości współpracy ludzi i komputerów wynika z analogii do budowy ludzkiego mózgu. Istnieje w nim wiele obszarów, które specjalizują się w odmiennych rodzajach pracy i współdziałają, aby tworzyć ogólne zachowanie nazywane inteligencją. Na przykład jeden obszar mózgu jest mocno zaangażowany w generowanie mowy, drugi – w jej rozumienie, a jeszcze inny – w przetwarzanie informacji wizualnych. Jeden z ojców sztucznej inteligencji, Marvin Minsky, nazwał tę architekturę „stowarzyszenie umysłu”.
Minsky’ego interesowało przede wszystkim, jak działają ludzkie mózgi i jak można tworzyć programy sztucznej inteligencji, ale dostrzeżona przez niego analogia sugeruje także zaskakująco ważną koncepcję dotyczącą tego, jak będą pracować superumysły składające się zarówno z ludzi, jak i z komputerów. Na długo przed powstaniem ogólnej SI możemy tworzyć coraz bardziej efektywne systemy inteligencji kolektywnej, złożone z osób i maszyn wykonujących części całego zadania.
Superumysły oraz zadania komputerów i ludzi
Innymi słowy, zamiast oczekiwać, że komputery rozwiążą cały problem samodzielnie, możemy tworzyć cybernetyczno‑ludzkie systemy, w których ludzie i maszyny będą wspólnie pracować nad tym samym problemem. W niektórych przypadkach ludzie mogą nawet nie wiedzieć – albo nie przejmować się tym – czy mają do czynienia z innym człowiekiem, czy z maszyną. My zapewnimy inteligencję ogólną i inne umiejętności, których nie mają komputery. Maszyny dostarczą niedostępną nam wiedzę i inne zdolności. A razem będziemy tworzyć systemy działające bardziej inteligentnie niż jakakolwiek osoba, grupa lub komputer
Jeśli firma lub inna organizacja chce używać komputerów jako członków grup składających się także z ludzi, to jakie role komputery powinny odgrywać w tych grupach? Biorąc pod uwagę role, jakie ludzie i maszyny odgrywają dziś, istnieją cztery oczywiste możliwości. Ludzie mają największą kontrolę, kiedy maszyny służą wyłącznie jako narzędzia; natomiast maszyny zyskują coraz większą kontrolę, wchodząc w role – kolejno – asystentów, partnerów i wreszcie menedżerów.
Narzędzia
Fizyczne narzędzie – jak młotek lub kosiarka do trawy – daje człowiekowi pewne zdolności, których on sam nie ma. Jednak użytkownik przez cały czas sprawuje bezpośrednią kontrolę nad narzędziem, kieruje jego pracą i monitoruje postępy. Narzędzia informatyczne działają podobnie. Kiedy używamy arkusza kalkulacyjnego, program robi to, co mu każemy, często zwiększając naszą inteligencję wyspecjalizowaną potrzebną do wykonywania takiego zadania jak analiza finansowa.
Jednak w przyszłości wiele najważniejszych zastosowań narzędzi automatycznych nie będzie polegać na podnoszeniu wyspecjalizowanej inteligencji pojedynczego użytkownika, tylko na zwiększaniu zbiorowej inteligencji grupy poprzez pomaganie nam w skuteczniejszej wzajemnej komunikacji. Nawet dzisiaj komputery są powszechnie używane jako narzędzia usprawniające ludzką komunikację. Dzięki poczcie elektronicznej, mobilnym aplikacjom, całej sieci, a w szczególności takim serwisom, jak: Facebook, Google, Wikipedia, Netflix, YouTube i Twitter, tworzymy najintensywniej skomunikowane grupy w historii świata. We wszystkich tych przypadkach komputery nie wykonują zbyt wiele „inteligentnego” przetwarzania, głównie przekazują ludziom informacje tworzone przez innych ludzi.
Asystenci
Aby człowiek na stanowisku asystenta wykonywał swoją pracę, nie trzeba mu poświęcać bezpośredniej uwagi. Poza tym często wykazuje się on inicjatywą, próbując osiągnąć wskazane przez kogoś innego ogólne cele. Zautomatyzowani asystenci są podobni, a różnica między narzędziem a asystentem człowiekiem nie zawsze jest wyraźna. Na przykład platformy SMS‑owe są przeważnie narzędziami, jednak czasami wykazują się inicjatywą i automatycznie poprawiają pisownię wyrazów (co niekiedy przynosi zabawne efekty).
Innym przykładem automatycznego asystenta jest oprogramowanie używane przez serwis Stitch Fix Inc., zajmujący się internetową sprzedażą detaliczną odzieży. Pomaga ono stylistom, którzy doradzają klientom, jak wybierać i kompletować ubrania oraz dodatki. Klient wypełnia szczegółowy kwestionariusz na temat swojego stylu, a także rozmiaru i preferencji cenowych, a odpowiedzi są analizowane przez algorytmy systemów uczących się, które wybierają odpowiednie ubrania.
Cyfrowy asystent w tym układzie potrafi uwzględnić o wiele więcej informacji niż stylista. Wiadomo na przykład, że trudno znaleźć odpowiednio dopasowane dżinsy, jednak algorytmy potrafią dobrać dla każdego odbiorcy kilka rodzajów spodni, które spodobały się innym klientom o zbliżonych wymiarach.
Partnerzy
Najbardziej intrygujące zastosowania komputerów wiążą się z rolami, w których działają one raczej jako partnerzy ludzi, a nie jako ich asystenci czy narzędzia. I to nawet wtedy, gdy tak naprawdę nie wykorzystują intensywnie sztucznej inteligencji. Na przykład niejeden makler giełdowy przeprowadził już transakcję z automatycznym programem transakcyjnym i nawet o tym nie wie.
A ludzie obsługujący roszczenia dla firmy ubezpieczeniowej Lemonade Insurance Agency LLC w Nowym Jorku mają już automatycznego partnera o imieniu SI Jim. Jest to chatbot. Klienci firmy Lemonade składają żądania wypłaty odszkodowania, wysyłając do niego SMS‑y. Jeśli roszczenie spełnia określone parametry, SI Jim wypłaca odszkodowanie automatycznie i prawie natychmiast. W innych przypadkach kieruje sprawę do jednego z pracowników działu obsługi roszczeń, który finalizuje żądanie klienta.
Menedżerowie
Ludzie na stanowiskach menedżerskich rozdzielają zadania, udzielają instrukcji, oceniają pracę innych i koordynują ich wysiłki. Maszyny również mogą to wszystko robić, a kiedy tak się dzieje, pełnią rolę automatycznych menedżerów. Chociaż niektórym z nas koncepcja komputerów jako przełożonych wydaje się groźna, już dziś każdego dnia żyjemy z mechanicznymi menedżerami: kierowcami sterują światła uliczne, a pracę między pracowników call center rozdziela automatyczny router połączeń telefonicznych. Większość ludzi nie widzi w tych sytuacjach nic groźnego ani niezwykłego.
Prawdopodobnie w przyszłości pojawi się o wiele więcej przykładów maszyn odgrywających rolę menedżerów. Na przykład system CrowdForge wykonuje metodą crowdsourcingu złożone zadania, takie jak pisanie dokumentów. W pewnym eksperymencie wykorzystał internetowych pracowników do pisania haseł encyklopedycznych. Najpierw system prosił internetowego pracownika o przygotowanie konspektu do hasła. Następnie innym pracownikom zlecał wyszukanie stosownych faktów do każdej części konspektu. Potem na podstawie tych faktów jeszcze inni pracownicy napisali zwięzłe akapity, które system w końcu złożył w kompletne hasło. Co ciekawe, niezależni czytelnicy ocenili napisane w ten sposób artykuły jako lepsze niż hasła pisane od początku do końca przez jedną osobę.
Jak superumysły mogą zwiększać inteligencję ?
Aby zaprojektować superumysły (takie jak firma lub zespół), który będzie potrafił działać inteligentnie, trzeba mu umożliwić wykonywanie części lub wszystkich pięciu procesów poznawczych realizowanych przez inteligentne podmioty – zarówno jednostki, jak i grupy. Superumysły muszą tworzyć możliwości do działania, decydować, które działania podejmować, orientować się w świecie zewnętrznym, zapamiętywać przeszłość i wyciągać wnioski z doświadczeń .
Komputery mogą pomagać robić to wszystko nowymi metodami, które często – ale oczywiście nie zawsze – powodują, że superumysły stają się inteligentniejsze. Aby zobaczyć, jak to możliwe, zastanówmy się, jak ogromna korporacja Procter & Gamble mogłaby opracować nowy plan strategiczny. Wkraczamy teraz w obszar teoretycznych możliwości. Nie mam powodów podejrzewać, że P&G realizuje w tej chwili takie działania. Myślę jednak, że – podobnie jak wiele innych przedsiębiorstw – prawdopodobnie będzie tak pracować w przyszłości.
Dzisiaj w planowaniu strategii korporacyjnej w dużych firmach uczestniczy zazwyczaj względnie mała grupa ludzi – głównie menedżerowie wyższego szczebla, pracownicy ich sztabów i może zewnętrzni konsultanci. Co by było, gdybyśmy przy użyciu technologii mogli zaangażować w proces o wiele więcej osób i pozwolić maszynom wykonać część pracy intelektualnej?
Tworzenie
Komputery umożliwiają ogromnym grupom ludzi prowadzenie wspólnych owocnych rozważań dotyczących różnych kwestii. Obiecujące podejście do tego zadania w ramach procesu planowania strategicznego polega na użyciu zestawu powiązanych konkursów internetowych nazywanych siecią konkursów (contest web). Można organizować odrębne internetowe konkursy na strategie dla różnych poziomów firmy. Gdyby na przykład metodę tę zastosował koncern P&G, mógłby ogłosić osobny konkurs dla każdej marki, na przykład jeden konkurs dla szamponów Pantene, drugi – dla szamponów Head & Shoulders i trzeci – dla środków piorących Tide. P&G mógłby przeprowadzać odrębne konkursy dotyczące sposobów łączenia strategii marek w każdej jednostce biznesowej, na przykład w dziale produktów do pielęgnacji włosów i produktów do pielęgnacji tkanin. Mógłby też zorganizować konkurs na połączenie strategii wszystkich jednostek biznesowych w ogólną strategię korporacyjną.
Otwarcie tego procesu dla wielu ludzi stworzyłoby okazję do wynalezienia zaskakujących nowych opcji. Na przykład grupa młodych, obeznanych z technologią pracowników, którzy nigdy nie mieliby szans na udział w tradycyjnym procesie planowania strategicznego, mogłaby zgłosić pomysł na nowy kosmetyk do makijażu skóry i oczu o formule dostosowywanej do indywidualnych klientów, którzy wgraliby do firmowego serwisu swoje selfie.
Decydowanie
Jedną z korzyści z angażowania większej liczby ludzi w wymyślanie wariantów strategii jest pozyskanie o wiele większej liczby propozycji. Aby jednak rozstrzygnąć, które z nich są najbardziej obiecujące, trzeba ocenić wszystkie, a nowe technologie ułatwiają włączanie większej liczby ludzi i rodzajów specjalistycznej wiedzy również w proces oceny. Załóżmy, że koncern P&G chce, aby inżynierowie produkcji ocenili, czy wytworzenie produktu jest technicznie wykonalne, menedżerowie odpowiedzialni za działalność operacyjną oszacowali koszty produkcji, a zewnętrzni badacze rynku stworzyli prognozę popytu na produkt przy różnych poziomach cen.
Czasami warto połączyć opinie wielu ludzi o niektórych spośród tych kwestii. Aby oszacować popyt, firma P&G mogłaby na przykład skorzystać z internetowych rynków prognoz. Są one już używane do skutecznego przewidywania wpływów ze sprzedaży biletów na filmy, szans zwycięzców amerykańskich wyborów prezydenckich i wielu innych sytuacji. Rynki prognoz – trochę podobnie jak rynki kontraktów terminowych – pozwalają ludziom kupować i sprzedawać „udziały” w prognozach dotyczących przyszłych wydarzeń. Osoba, która wierzy, że w przyszłym roku globalne przychody ze sprzedaży szamponów Pantene wyniosą od 1,8 do 1,9 miliarda dolarów, może kupić udziały w tej prognozie. Jeśli prognoza się sprawdzi, dostanie na przykład dolara za każdy posiadany udział. Jeżeli jednak okaże się błędna, nie dostanie nic. Oznacza to, że wynikowa cena na rynku prognoz jest w zasadzie szacunkiem prawdopodobieństwa, że przychody ze sprzedaży zamkną się we wskazanym przedziale.
Orientowanie się
Podstawowym warunkiem opracowywania dobrych planów strategicznych jest rozeznanie, co się dzieje w świecie zewnętrznym. Czego chcą dziś klienci? Co robią nasi rywale? Jakie nowe technologie mogą zmienić branżę? Zdecydowanie najbardziej widocznym sposobem na poprawę orientacji jest obecnie stosowanie wielkich zbiorów danych i analityki.
Firma P&G może na przykład analizować pozytywne i negatywne komentarze na temat swoich produktów w internetowych sieciach społecznościowych, aby oceniać, jak zmieniają się odczucia klientów wobec jej asortymentu. Może przeprowadzać internetowe eksperymenty z różnymi cenami produktów. Może też zyskać możliwość odbierania wczesnych ostrzeżeń o zmianach poziomów sprzedaży dzięki instalowaniu kamer i wrażliwego na dotyk podłoża w sklepach detalicznych, które pozwala analizować, ile czasu klienci poświęcają na oglądanie produktów P&G w porównaniu z produktami rywali.
Koncern może nawet zrobić coś, co robi już Amazon.com Inc., a mianowicie używać ogromnych ilości danych do opracowywania szczegółowych modeli wielu części swojej działalności, takich jak reakcje klientów na ceny, reklamy i rekomendacje, oraz do ustalania, jak koszty łańcucha dostaw zmieniają się zależnie od polityki magazynowej, od metod dostarczania towarów i od usytuowania magazynu. Dzięki takim narzędziom komputery przejmują większość związanej z planowaniem strategicznym pracy obliczeniowej, a ludzie mogą wykorzystywać swoją inteligencję ogólną do analizy jakościowej skompletowanych danych.
Zapamiętywanie
Technologia może też wesprzeć superumysły w tworzeniu lepszych planów strategicznych, ułatwiając im zapamiętywanie dobrych pomysłów, które miał ktoś inny w podobnej sytuacji. Na przykład cyfrowy asystent wbudowany w aplikację do generowania propozycji strategii mógłby automatycznie podpowiadać takie przykładowe strategie ogólne:
integracja z klientami przez przejmowanie części wykonywanych przez nich zadań lub integracja z dostawcami przez przejmowanie części ich zadań;
zlecanie większej liczby zadań wykonywanych w firmie niezależnym podmiotom zewnętrznym lub wyspecjalizowanym usługodawcom;
wchodzenie w powiązane segmenty rynkowe, na pobliskie obszary geograficzne lub inne rynki często odwiedzane przez klientów firmy.
Po wybraniu którejś z tych opcji system mógłby automatycznie przedstawiać szablon zawierający wszystkie szczegóły potrzebne do oceny strategii danego typu.
Na przykład na początku XXI wieku koncern P&G opracował proces drukowania wesołych obrazków i haseł na chipsach Pringles. Takie podejście mogłoby doprowadzić do kolejnej obiecującej koncepcji: oferowania klientom chipsów z zamówionymi przez nich nadrukami wykonanymi przy użyciu tej technologii.
Uczenie się
Po pewnym czasie pracy system może wspierać superumysły w podnoszeniu skuteczności dzięki wyciąganiu wniosków z własnych doświadczeń. Może na przykład ułatwiać ludziom rozpoznawanie strategicznych pomysłów, których większość z nich początkowo nie dostrzega. W latach siedemdziesiątych XX wieku, kiedy Steve Jobs i Bill Gates zaczynali się bawić urządzeniami, które nazywamy dziś komputerami osobistymi, prawie nikt nie zdawał sobie sprawy, że te dziwne, niezgrabne maszyny okażą się jednym z najbardziej innowacyjnych i rewolucyjnych produktów kilku kolejnych dziesięcioleci.
Z pewnością nie jest łatwo szybko filtrować pomysły tak, aby wychwytywać spośród nich nieoszlifowane diamenty. Być może jednak da się wyszukiwać niezwykłych ludzi, którzy mają taką umiejętność, przez dłuższy czas systematycznie obserwując, jak trafnie i z jakim wyprzedzeniem prognozują rozwój technologiczny lub inne rodzaje przełomowych zmian. Wówczas można ich poprosić, aby baczniej przyjrzeli się niektórym „szalonym” pomysłom, które w innym przypadku firma raczej odrzuci.
Inna intrygująca możliwość polega na wykorzystywaniu „pętli uczenia się” (learning loops), w których najpierw eksperci oceniają strategie w tradycyjny sposób, a następnie stopniowo coraz więcej pracy podlega automatyzacji, w miarę jak maszyny uczą się przewidywać lepiej niż ludzie.
Maszyna strategiczna
Opisany przeze mnie proces planowania strategicznego można nazwać cyklem pracy cybernetyczno‑ludzkiej maszyny strategicznej (cyber‑human strategy machine). Biorąc pod uwagę, że byłby to bardzo złożony system, który wykonywałby przeważnie całkiem zwyczajne zadania, wydaje się mało prawdopodobne, aby firmy tworzyły do tego celu własne rozwiązania. Współczesne przedsiębiorstwa konsultingowe lub ich przyszli konkurenci będą raczej oferować superumysły jako usługę. Firma obsługująca maszynę strategiczną mogłaby na przykład dysponować ekipą ludzi reprezentujących różne poziomy specjalistycznej wiedzy (którzy na wezwanie błyskawicznie tworzyliby i oceniali różne możliwości strategiczne) oraz oprogramowaniem (które automatyzowałoby niektóre części procesu i pomagało zarządzać resztą).
Na dłuższą metę takie maszyny strategiczne mogą używać superumysły składające się z ludzi i komputerów do generowania i oceniania milionów możliwych strategii dla jednego przedsiębiorstwa. Z czasem komputery wykonywałyby coraz więcej pracy, ale ludzie wciąż uczestniczyliby w pewnych etapach procesu. Efektem byłaby garstka najbardziej obiecujących wariantów strategicznych, z których ostatecznego wyboru dokonywałby człowiek na stanowisku menedżerskim.
Architektura ogólna
Opisane przeze mnie przykłady dotyczą podejmowania decyzji strategicznych, ale tak naprawdę mamy przed sobą architekturę do zastosowań ogólnych, czyli rozwiązujące problemy superumysły. Komputery wykorzystują inteligencję wyspecjalizowaną do rozwiązywania części problemu, a ludzie – inteligencję ogólną do uporania się z resztą, przy czym komputery pomagają angażować do działania dużo większe grupy ludzi, niż kiedykolwiek było to możliwe, i koordynują ich pracę.
W miarę jak nowe technologie będą ułatwiać współpracę człowieka z inteligentną maszyną, wreszcie pojawią się superumysły tworzone przez ludzi i komputery i będą używane do rozwiązywania problemów biznesowych oraz społecznych. I nie tylko do korporacyjnego planowania strategicznego, ale także do projektowania nowych domów, smartfonów, fabryk, miast, systemów edukacyjnych, metod zwalczania terroryzmu i terapii medycznych. W konsekwencji możliwości są praktycznie nieograniczone.
Artykuł numer 59423
Thomas W. Malone
(@twmalone) jest profesorem zarządzania, technologii informacyjnych oraz badań nad pracą i organizacjami w MIT Sloan School of Management, a także dyrektorem założycielem MIT Center for Collective Intelligence. Napisał ponadto książkę Superminds: The Surprising Power of People and Computers Thinking Together, ukazującą się w 2018 roku nakładem wydawnictwa Little Brown, na podstawie której powstał niniejszy artykuł.
