Prof. Jan Bosch
Bei all dem Fokus auf Daten und KI war es nur eine Frage der Zeit, bis die Gegenbewegung einsetzen würde. Wenn ich über mehrere Diskussionen zu diesem Thema nachdenke, die ich im letzten Jahr geführt habe, scheint das Hauptthema zu sein, dass Daten und KI die Zukunft auf der Grundlage der Vergangenheit vorhersagen, und solange die Zukunft wie die Vergangenheit ist, funktioniert das gut. Die Welt ist jedoch in ständiger Bewegung und diese Technologien führen zu Stagnation, da wir grundlegende Veränderungen und disruptive Innovationen nicht vorhersagen können. Noch schlimmer ist, dass wir nicht einmal nach ihnen suchen, da wir Daten auf kurzsichtige Weise betrachten.
'Not exploiting the advantages of data and AI is tying one arm behind your back'
Obwohl ich der Meinung bin, dass menschliche Kreativität und Einsicht einen wichtigen Platz haben, bin ich auch der Meinung, dass man sich mit dem Verzicht auf die Vorteile von Daten und künstlicher Intelligenz selbst ins Bein schießen oder einen Arm auf den Rücken binden würde. Hierfür gibt es mehrere Gründe.
Erstens: Bei aller Kritik am maschinellen Lernen zur Vorhersage der Zukunft ist es eine Tatsache, dass der Mensch in den meisten Fällen noch schlechter darin ist. Selbst bei stark schwankenden Daten gelingt es ML-Algorithmen oft, Muster auszunutzen, die Menschen nicht erkennen können. Für große Einzelhändler war es früher eine menschliche Aufgabe, die Menge der zu bestellenden Produkte vorherzusagen und sie dann den einzelnen Geschäften zuzuordnen, aber es ist klar, dass ML-Algorithmen bei ausreichenden Daten eine bessere Arbeit leisten. Ein in letzter Zeit häufig verwendetes Gegenargument ist, dass diese Algorithmen die Covid-19 Störung nicht vorhergesehen haben. Aber natürlich haben auch die Menschen diese Störung nicht vorhergesehen, so dass in vielen Geschäften ein erheblicher Überschuss an Waren vorhanden war.
Zweitens treffe ich immer noch Menschen, die weiterhin Überzeugungen über die Welt, ihre Branche, ihre Kunden oder ihre eigene Leistung äußern, die einfach nicht wahr sind. Obwohl einige, wie Steve Jobs, für ihr „Realitätsverzerrungsfeld“ bekannt waren, ist es für praktisch alle von uns so, dass der Wunsch, etwas sei wahr, es nicht wahr macht. Wie William Edwards Deming bekanntlich sagte: Wir vertrauen auf Gott; alle anderen müssen Daten liefern.
Drittens beseitigen datengesteuerte Verfahren nicht die menschliche Kreativität, sondern konzentrieren sie stattdessen auf die Formulierung von Hypothesen. In traditionellen Unternehmen kann man Karriere machen, indem man starke Aussagen macht, die schwer zu verifizieren sind, und sie lautstark verkündet. Oft beruhen diese auf Einzelfällen und Geschichten, für die wir Menschen sehr empfänglich sind. Bei der Einführung datengestützter Praktiken sollte der Schwerpunkt auf der Formulierung überprüfbarer Hypothesen liegen und weniger auf der Sorge, widerlegt zu werden. Selbst Hypothesen, die kreativ und neuartig sind, sich aber nicht bewahrheiten, bieten reichlich Gelegenheit zum Lernen.
Viertens: Wenn Sie datengesteuerte Verfahren verwenden, müssen Sie wissen, wofür Sie optimieren. In praktisch allen Unternehmen, mit denen ich zusammenarbeite, werden Funktionen auf der Grundlage der Überzeugungen eines Produktmanagers priorisiert und entwickelt. Die Auswirkung der priorisierten Funktion auf das Kunden- oder Systemverhalten und die Art und Weise, wie sie Wert generiert, wird oft qualitativ und vage beschrieben. Das schlechteste Argument dabei ist, dass es sich um eine „strategische Investition“ handelt. Anstatt eine zu entwickelnde Funktion auf der Grundlage der Überzeugungen eines Produktmanagers zu priorisieren, ist es viel besser, die Funktion als Hypothese zu behandeln, ihre erwartete, quantitative Wirkung zu definieren und dann ihre Auswirkungen zu messen, während Sie die Funktion Stück für Stück iterativ entwickeln.
Eine datengesteuerte Arbeitsweise macht Sie nicht langweilig. Stattdessen sorgt sie für ein höheres Maß an Disziplin im Unternehmen, setzt Technologie dort ein, wo sie am besten geeignet ist und konzentriert die kreative Energie auf die Bereiche, in denen Menschen den größten Wert schaffen. Es hilft Organisationen, sich von sogenannten „Schattenüberzeugungen“ zu trennen (Überzeugungen, die jeder in der Organisation für wahr hält, die aber nicht wahr sind) und dadurch Hypothesen, die nicht zutreffen, aus dem Ideenpool zu entfernen. Weder Menschen noch Maschinen können die Zukunft vorhersagen. Aber obwohl sich die Geschichte nie wiederholt, reimt sie sich oft. Und das maschinelle Lernen ist besser darin, diese Reime zu erkennen als Sie.
auf dem Laufenden halten
Erhalten Sie unsere monatlichen Updates
