211service.com
Wie KI die Wissensarbeit verändert: Thomas Malone vom MIT
Mit Hilfe der richtigen KI-Algorithmen können sich Organisationen zu Vordenkern entwickeln, die schlauer sind als ihre einzelnen Mitglieder.
24. Januar 2019
Thomas Malone ist Professor für Management an der Sloan School of Management des MIT, Gründer und Direktor des MIT Center for Collective Intelligence und Autor des Buches von 2018 Superminds: Die überraschende Kraft des gemeinsamen Denkens von Menschen und Computern . Das Buch untersucht die verschiedenen Arten, wie Gruppen von Menschen Entscheidungen treffen, und wie neue Formen der künstlichen Intelligenz, insbesondere des maschinellen Lernens, dabei helfen können. Malone prognostiziert, dass KI, Robotik und Automatisierung viele Arbeitsplätze – einschließlich derjenigen von hochqualifizierten Wissensarbeitern – zerstören und gleichzeitig neue schaffen werden. Durch die Investition in die richtigen Arten von KI können Organisationen dazu beitragen, dass die Mitarbeiter produktiv und glücklich bleiben – und sicherstellen, dass unsere Superminds tatsächlich schlauer sind als unsere normalen Köpfe.
Diese Folge wird von Citrix gesponsert, dem Unternehmen, das die digitale Transformation in Unternehmen jeder Größe vorantreibt. In der zweiten Hälfte der Show erklärt Christian Reilly, Global Chief Technology Officer von Citrix, warum maschinelles Lernen jetzt ein Kraftmultiplikator ist, der alle Arten von Verbraucher- und Unternehmensanwendungen nützlicher macht.
Business Lab wird von Elizabeth Bramson-Boudreau, CEO und Herausgeberin von MIT Technology Review, veranstaltet. Die Show wird von Wade Roush mit redaktioneller Hilfe von Mindy Blodgett produziert. Musik von Merlean, von Epidemic Sound.
Notizen und Links anzeigen
MIT Zentrum für kollektive Intelligenz
Superminds: Die überraschende Kraft des gemeinsamen Denkens von Menschen und Computern
Vollständiges Transkript
Elizabeth Bramson-Boudreau: Ich bin Elizabeth Bramson-Boudreau vom MIT Technology Review, und dies ist Business Lab, die Messe, die Führungskräften dabei hilft, neue Technologien, die aus dem Labor kommen und auf den Markt kommen, zu verstehen. Diese Episode wird Ihnen von Citrix präsentiert, dem Unternehmen, das die digitale Transformation in Unternehmen jeder Größe vorantreibt. Später in der Show hören wir vom Global Chief Technology Officer von Citrix, Christian Reilly.
Aber zuerst werden wir mit Tom Malone sprechen. Tom ist einer der klügsten Menschen, die ich kenne, der studiert, wie Organisationen denken und wie Computer und Menschen, die zusammenarbeiten, intelligenter denken können.
Tom ist Professor für Management am M.I.T. Sloan School of Management. Tom ist auch Gründer und Direktor des M.I.T. Zentrum für kollektive Intelligenz. Bereits 1998 war er einer der ersten Wissenschaftler, der das Aufkommen von E-Lancing oder das, was wir heute Gig Economy nennen, erkannte. Im Jahr 2018 veröffentlichte Tom ein großes Buch mit dem Titel Superminds, das sich mit den verschiedenen Möglichkeiten befasst, wie Menschen gemeinsam Entscheidungen treffen und wie neue Formen der künstlichen Intelligenz, insbesondere des maschinellen Lernens, helfen können.
Hier bei Technology Review interessieren wir uns besonders dafür, wie A.I. greift in die Welt der Wissensarbeit ein. Wir haben darüber berichtet, wie Robotik und Automatisierung es in mancher Hinsicht für Arbeiter mit niedrigem Lohn und geringen Qualifikationen erschweren, ihre Jobs zu behalten. Aber heutzutage gibt es auch Anzeichen dafür, dass A.I. wird auch die Art und Weise verändern, wie hochqualifizierte Wissensarbeiter ihre Arbeit erledigen. Das bedeutet nicht, dass wir alle von Computern überlistet werden. Aber es bedeutet, dass wir intensiver darüber nachdenken müssen, wie Organisationen die richtigen Arten von KI einführen können. Mitarbeiter produktiv und glücklich zu halten und was sie tun können, um sicherzustellen, dass unsere Superköpfe tatsächlich schlauer sind als unsere normalen Köpfe. Mein Treffen mit Tom Malone war eine Gelegenheit, über einige Einzelheiten zu sprechen. Also hier ist unser Chat.
Also, es ist wunderbar, dich wiederzusehen, Tom.
Tom Malone: Toll, hier zu sein.
Elisabeth: Wir werden also über das Buch sprechen, das Sie geschrieben haben, und über die Ideen, die Sie in Ihrem Buch rüberbringen. Es heißt Superminds und argumentiert, dass eine Gruppe von Menschen in gewissem Sinne bewusst und intelligent sein kann, manchmal sogar intelligenter als jedes einzelne Individuum in der Gruppe. Sie argumentieren auch, dass Computer diese Superköpfe noch schlauer machen können.
Erzählen Sie uns also zuerst vielleicht, was Sie dazu gebracht hat, in diese Richtung zu denken, und gab es einen Moment, in dem Sie dachten: Hey, hier ist genug, dass ich mir vielleicht ein Buch ansehen sollte, und Sie wissen, im Grunde sagen Sie uns einfach, was Sie zu diesem Ort geführt hat.
Tom: Eigentlich gibt es einen ganz bestimmten Moment im Jahr 2005. Kurz nachdem mein vorheriges Buch The Future of Work im Jahr 2004 veröffentlicht wurde, sprach ich auf einer Konferenz in Palo Alto in Stanford, und zwei der anderen Redner waren Esther Dyson, die bekannte Computer Branchenanalyst und Investor, und Vernor Vinge, der bekannte Science-Fiction-Autor, der unter anderem dazu beigetragen hat, das Konzept der Singularität populär zu machen.
Also gingen wir drei nach dem Vortrag auf der Konferenz an diesem Tag zum Abendessen aus. Und wir sprechen über Vernors neuestes Buch, das er damals gerade fertigstellen wollte, und über Dinge, die ihn interessierten, und Vernor sprach über das, was er übermenschliche Intelligenz nannte, so etwas wie Menschen und Computer und so weiter das. Und wir hatten ein wirklich interessantes Gespräch. Ich sprach darüber, was ich tun sollte, und hatte darüber nachgedacht, was ich nach meinem vorherigen Buch als nächstes tun wollte. Und am Ende dieses Abendessens hatte ich ein ungewöhnliches Gefühl, das nicht darin bestand, dass ich entschieden hatte, was ich als nächstes tun würde; das Gefühl, das ich hatte, war, dass ich mir endlich eingegestanden hatte, was ich als nächstes tun würde.
Und so nannte ich es damals Superhuman Computing oder Superhuman Intelligence. Später dachte ich, ein besseres Wort dafür wäre kollektive Intelligenz. Und ich habe diesen Begriff eine ganze Zeit lang verwendet, einschließlich des Namens des Forschungszentrums am MIT, das ich leite. Und dann, während ich mein Buch schrieb, das eine Art Zusammenfassung der letzten 10 oder 15 Jahre des Nachdenkens über dieses Thema war, wurde mir klar, dass in gewisser Weise ein noch besserer Begriff für diese Sache statt kollektive Intelligenz oder kollektiv intelligente Systeme, a Ein besserer Begriff dafür wäre Superminds.
Elisabeth: Was war es, das Sie damals in der Welt gesehen haben, das irgendwie klar gemacht hat, dass dies der Ort ist, an den Sie gehen müssen?
Tom: Als ich The Future of Work schrieb, dachte ich in gewisser Weise daran, mich in der Welt umzusehen und zu sagen, was Organisationen heute tun und welche logischen Erweiterungen die nächsten Schritte sind, die sie in die Richtung unternehmen könnten, in die sie gehen schon geleitet. Mehr Dezentralisierung war eines der Dinge, die ich in diesem Buch erwähnte oder stärker hervorhob. Und aus meiner Sicht ist eines der sehr netten Dinge an kollektiver Intelligenz als Möglichkeit, all dies einzurahmen, dass sie nicht sagt, was als nächstes kommt. Es sagt, was der Endpunkt ist, und dann, wie wir in diese Richtung gehen. Auch wenn die Leute normalerweise nicht so darüber denken, ist der Grund für eine Organisation in gewisser Weise in erster Linie, dass eine Gruppe von Menschen die Dinge besser gemeinsam erledigen kann. Und das bedeutet oft intelligenter, als sie es könnten, wenn sie nur ganz alleine arbeiten würden. In gewissem Sinne ist der Endpunkt also perfekte kollektive Intelligenz.
Und tatsächlich spreche ich in meinem Buch davon als eine nützliche Denkweise. Wenn Sie darüber nachdenken, wie mein Unternehmen intelligenter werden könnte, ist es hilfreich, darüber nachzudenken, was wir tun würden, wenn wir vollkommen intelligent wären. Wenn wir bei jeder einzelnen Entscheidung alles Erkennbare berücksichtigen würden. Natürlich können Sie in den meisten realen Fällen nicht damit beginnen, oder zumindest nicht vollständig, aber Sie können damit beginnen. Sie können sich vorstellen, wie weit wir gehen können, um vollkommen intelligent zu sein. In diesem Sinne war es also nicht so sehr, sich auf der Welt umzusehen und zu sagen, dass dies das nächste große Ding wegen X ist. Es ging darum, auf die Welt zu schauen und zu sagen, wie können wir hier wirklich langfristig denken und das dann als nutzen eine Möglichkeit, die nächste kleine Weile zu projizieren.
Elisabeth: Das Buch „Superminds“ wurde also ganz klar mit Blick auf Unternehmensführer, Leute, die dies hören, als Ihr Publikum geschrieben. Was sind also die wichtigsten Dinge, von denen Sie hoffen, dass sie sie entweder aus dem hoffentlich lesenden Buch oder aus dieser Diskussion über das Buch mitnehmen werden?
Tom: Meiner Ansicht nach ist der wichtigste Beitrag des Buches also nicht eine einzelne Tatsache oder Methode, die Sie verwenden können. Ich denke, der wichtigste Beitrag, zumindest hoffe ich, der wichtigste Beitrag ist eine neue Sichtweise auf die Welt. Es ist eine Art, die Welt zu betrachten, in der Sie überall Superminds sehen können, nicht nur andere Unternehmen, sondern auch Märkte und Gemeinschaften und Demokratien und all diese Dinge, die uns ständig umgeben. Insbesondere als Führungskraft denke ich, dass man seine eigene Organisation als eine Art Supermind betrachten kann und sollte. Es ist eine Sache. Es ist eine Entität. Es ist eine intelligente Einheit. Und dann ist eine naheliegende Frage, wie ich meine Organisation intelligenter machen kann. Und so bietet das Buch mehrere Möglichkeiten, darüber nachzudenken. Man denkt über die verschiedenen kognitiven Prozesse nach, die jeder Supermind oder jede intelligente Entität durchführen muss, wie zum Beispiel darüber nachzudenken, welche Art von Entscheidungen meine Organisation treffen muss, mein organisatorischer Supermind. Was muss es entscheiden. Was muss es über die Welt empfinden, um diese Entscheidungen zu treffen. Woran muss es sich über die Vergangenheit erinnern, um diese Entscheidungen gut treffen zu können? Jede dieser Fragen führt Sie also zu einer Reihe anderer Möglichkeiten. Viele, an die Sie vielleicht noch nie gedacht haben.
Elisabeth: Wenn Organisationen beschließen, intelligenter zu werden, indem sie mehr Computer oder mehr KI einführen, was sehen Sie als die einfachen Probleme an, auf die sie diese Intelligenz, diese zusätzliche Intelligenz anwenden können, und welche sind die schwierigen?
Tom: Eine Art von einfachem Problem in gewissem Sinne ist meiner Meinung nach die Art von Problemen, die man mit dem lösen kann, was ich Hyperkonnektivität nenne. Wir haben in letzter Zeit und sogar in diesem Interview viel über KI in der Welt gesprochen. Ich denke, dass eine ebenso, wenn nicht sogar noch wichtigere Sache, die Computer leisten können, darin besteht, Hyperkonnektivität zu schaffen, Menschen mit anderen Menschen und oft auch mit Computern zu verbinden, und zwar in einem Ausmaß und auf reichhaltigen neuen Wegen, die vorher nie möglich waren. Das haben wir also schon gesehen. Das Internet ist vielleicht das beste Beispiel für eine Technologie zur Schaffung von Hyperkonnektivität und all den Dingen, die darauf aufbauen. Soziale Netzwerke, Google-Suche, all diese Dinge. Und ich denke, dass keine neuen dramatisch schwierigen technologischen Dinge passieren müssen, damit wir die Hyperkonnektivität auf viele, viele neue Arten nutzen können.
Wenn wir uns dem Bereich der künstlichen Intelligenz im Gegensatz zur Hyperkonnektivität zuwenden, dann sind die Orte, an denen KI helfen kann, oft diejenigen, an denen Sie über genügend Daten verfügen, die in maschinenlesbarer Form erfasst werden können, um Algorithmen beizubringen und zu verwenden, um Dinge zu tun, die beide Menschen getan haben vorher oder vielleicht konnten die Leute das vorher nie tun. Eine Funktion, eine Geschäftsfunktion, bei der dies oft ziemlich einfach ist, ist beispielsweise der Vertrieb. Es ist einfach, die Auswirkungen von Verkäufen zu messen. Manche Leute verkaufen mehr als andere und dafür haben wir Dollarmaße. Es ist schwieriger, die Inputs der Verkäufe zu messen, aber Sie können auch Dinge zählen, wie viele Kundenanrufe Sie tätigen und wie oft Sie sich mit ihnen treffen und solche Sachen, und wenn Sie es online tun, was sagen Sie dazu . Es gibt also viel zu lernen, viel, was die heutigen maschinellen Lernsysteme über Dinge über die Verkaufseffektivität und so weiter lernen können. Im Fall von Verkäufen besteht der schwierigere Teil darin, die Aktionen zu generieren, die sich auf die Ergebnisse auswirken können. Obwohl ein Computer zählen kann, wie oft Sie einen potenziellen Kunden anrufen, kann ein Computer nicht so einfach herausfinden, was Sie zu Beginn des Meetings über Ihr Wochenende und Ihre Kinder sagen werden.
Es besteht also immer noch Bedarf an Mitarbeitern, aber Computer können einen Großteil der Analyse übernehmen, um den gesamten Prozess in vielen Fällen effizienter zu gestalten. Ich denke, die schwierigsten Teile wären, wo es schwierig ist, die Ein- und Ausgänge überhaupt zu messen. Wenn Sie also ein neues Softwareprodukt oder ein neues Auto oder so etwas entwerfen, ist es nicht einmal offensichtlich, wie man die Outputs oder Inputs misst.
Elisabeth: Wie können Führungskräfte Ihrer Meinung nach darüber nachdenken, in eine KI oder maschinelles Lernen zu investieren, anstatt es als Kostensenkung zu sehen, also Mitarbeiter zu entfernen oder die Mitarbeiter, die Sie haben, effizienter zu machen, und sich mehr darum zu kümmern, die Kreativität zu stärken und den Mitarbeitern ein Gefühl zu geben? selbstverwirklichter und glücklicher, damit sie erhalten bleiben und somit produktiver sind, und so weiter?
Tom: Nein, ich denke, es ist eine großartige Frage. Die Frage, wie wir den Akzent verschieben können. Ich denke, in gewissem Sinne ist die Antwort, es einfach zu tun. Mit anderen Worten, aus verschiedenen Gründen, die ich sicher nicht alle verstehe, haben wir diesen großen Fokus auf KI, insbesondere, dass sie Dinge tun wird, die Menschen früher getan haben, und dann Menschen arbeitslos macht. Und wenn Sie versuchen, KI-Anwendungen zu entwickeln oder KI in Unternehmen einzusetzen, denken viele Leute so. Das ist eine Art Denkweise, mit der wir das Problem angehen. Aber das ist sicher nicht von der Ökonomie gefordert. Tatsächlich gibt es im Geschäftsleben zwei Möglichkeiten, mehr Geld zu verdienen. Zum einen reduzieren Sie Ihre Kosten. Die andere besteht darin, mehr Wert zu schaffen und ihn für mehr verkaufen zu können. Ich denke also, dass wir uns viel zu sehr auf KI-Anwendungen zur Kostensenkung und nicht annähernd genug auf KI-Anwendungen zur Wertschöpfung konzentriert haben. Tatsächlich vermute ich sogar aus wirtschaftlicher Sicht, dass hier die eigentliche Chance liegt. Sie können nur so viel Geld verdienen, indem Sie Kosten senken, aber es gibt in gewisser Weise keine Begrenzung, wie viel Geld Sie verdienen können, wenn Sie in der Lage sind, etwas Neues zu tun, das die Leute wollen, das vorher nicht einmal möglich war. Das ist in vielen Fällen wirtschaftlich viel spannender.
Elisabeth: Ich denke, was daran interessant ist – ich denke, Sie haben absolut Recht. Und ich denke, wenn es um die Budgetierung geht, ist es immer sehr klar, was die Kosten sind, aber es ist immer viel schwieriger, herauszufinden, was der potenzielle Nutzen sein wird, weil man es nicht wirklich weiß. Ich denke, das ist wahrscheinlich der Grund, ein Teil davon, und ich denke, dass wir in dieser Hinsicht oft durch unsere eigene Kreativität begrenzt sind.
Tom: Das ist in meinen Augen das Entscheidende. Es ist unsere eigene Vorstellungskraft, unsere eigenen Denkweisen oder unsere eigenen Weltanschauungen, die hier die wirkliche Grenze darstellen. Bis zu einem gewissen Grad haben wir vielleicht die Gelegenheit, vielleicht sogar die Verpflichtung, der Welt dabei zu helfen, sich in Richtung einer produktiveren und offeneren Denkweise für diese neuen Möglichkeiten zu bewegen. Aber wenn Sie Ihre Zeit damit verbringen, darüber nachzudenken, wie Sie KI-Anwendungen erstellen können, die Arbeitsplätze schaffen, brauchen Sie mehr Leute, um neue Dinge zu tun, um sie zu verwenden, werden Sie an einige davon denken. Und ich denke, wir sollten viel mehr Zeit damit verbringen
Elisabeth: Ich stelle mir vor, dass Sie dieses Buch zu einer Zeit geschrieben haben, als die Wahlen 2016 im Gange waren und vielleicht sogar in den ersten Monaten der Präsidentschaft von Donald Trump. Und ich denke, das war eine Zeit, in der wir gerade erst anfingen zu verstehen, wie bestimmte Arten von Superhirnen wie Facebook Ergebnisse hervorbringen können, die vielleicht nicht einheitlich als gute angesehen werden. Sind Sie in Bezug auf Supergeister also genauso optimistisch wie zu Beginn des Buches?
Tom: Sie haben also Recht, dass ich mein Buch während des Wahlkampfs und direkt nach der Wahl 2016 geschrieben habe. Ihre Frage ist, ob ich jetzt optimistischer oder weniger optimistisch bin als damals, als ich das Buch geschrieben habe. Ich glaube nicht, dass ich jemals daran gedacht hätte, dass Superhirne immer gute Dinge tun. Die Welt und die Geschichte der Welt ist voll von Superhirnen, von denen einige schlau und einige dumm sind, einige gut und einige böse sind. Nazi-Deutschland zum Beispiel wäre ein Beispiel, das viele Leute als Supermind wählen würden, das, zumindest solange es existierte, in vielerlei Hinsicht sehr intelligent war. Es hat Ziele sehr effektiv erreicht. Aber viele Leute würden sagen, dass die Ziele, die es erreichte, böse waren und die Art und Weise, wie es sie erreichte, böse war.
Also ich glaube nicht, ich dachte nie und ich glaube nicht, dass Superminds immer gut sind. Als ich das Buch schrieb, versuchte ich absichtlich, die positiven Möglichkeiten hervorzuheben, aber ich dachte nicht, dass sie immer passieren würden. Und interessanterweise änderte sich gerade zu der Zeit, als das Buch im Mai 2013 herauskam, der Zeitgeist in der Welt. Bis ungefähr zu dieser Zeit waren die Leute alle begeistert davon, wie gut Facebook und Google und all diese Dinge sind. Und genau zu dieser Zeit passierte der Facebook-Cambridge-Analytica-Skandal, und irgendwie sprach die Welt plötzlich über all die negativen Möglichkeiten. Wenn ich jetzt über das Buch spreche, möchte ich gleich zu Beginn betonen, dass Computer Superminds klüger machen können, aber sie können Superminds auch dümmer machen. Etwa wenn Fake News Wähler in einer Demokratie beeinflussen. Das ist oft ein Beispiel dafür, dass der Computer die Demokratie dümmer macht. Und ich denke wirklich, dass wir darüber nachdenken müssen, wie wir diese Technologien auf eine Weise einsetzen können, die die besten Chancen hat, gute Ergebnisse zu erzielen. Wenn Sie das tun möchten, denke ich, dass es immer noch sehr nützlich ist, darüber zu sprechen, welche guten Möglichkeiten wir anstreben sollten.
Elisabeth: Tom, Sie haben darüber gesprochen, wie künstliche Intelligenz und maschinelles Lernen in Zukunft einige alte Jobs beseitigen, aber auch neue Jobs schaffen werden. Was passiert in der Übergangszeit? Es mag einige Leute geben, die von diesem Übergang betroffen sind. Wie sollten wir uns darauf vorbereiten? Und wie soll es sein, wie wird es sich anfühlen und aussehen, wenn wir darin sind?
Tom: Eine sehr wichtige Frage, denn auch wenn ich langfristig sehr optimistisch bin, dass genug neue Arbeitsplätze geschaffen werden, um so vielen Menschen wie möglich Arbeit zu geben, denke ich, dass es eine Übergangszeit gibt, um die wir uns kümmern müssen. Und das ist nicht unbedingt für alle positiv. Es wird einige Personen geben, deren alte Jobs wegfallen und die aus verschiedenen Gründen die neuen Jobs, die verfügbar sind, nicht ausüben können oder wollen. Es lohnt sich also, sich darüber Gedanken zu machen, wie wir das als Gesellschaft handhaben. Und dafür gibt es mehrere Möglichkeiten. Man verwendet Technologie, um die Leute besser auf die Jobs abzustimmen. Wenn Sie das tun müssen, indem Sie an Türen klopfen, ist das viel teurer, als wenn Sie Ihren Lebenslauf einfach in LinkedIn oder was auch immer eingeben und er automatisch abgeglichen wird. Ein anderer, wahrscheinlich wichtigerer Weg besteht darin, Menschen darin zu schulen, die neuen Dinge zu tun, die getan werden müssen. Eine der interessanten Möglichkeiten besteht hier darin, die Möglichkeiten der Technologie zu nutzen, um dieses Training auf viel flexiblere Weise zu ermöglichen. Anstatt acht Stunden am Tag in einem Klassenzimmer sitzen zu müssen, um etwas von einem Professor im vorderen Teil des Raums zu lernen, ist es jetzt, wie im Wesentlichen für jeden offensichtlich, möglich, dass Sie einen Großteil des Lernens zu Hause oder im Sitzen erledigen können in einer Pause an Ihrem aktuellen Arbeitsplatz sitzen oder was auch immer, online auf alle möglichen Arten verdienen.
Ich denke, das bietet sogar Möglichkeiten für neue Arten von Lehrlingsausbildungen, bei denen Sie nicht nur in einer Klasse lernen, sondern auf eine Art und Weise an der Arbeit teilnehmen können, die mit anderen laufenden Arbeiten etwas überflüssig ist. Bei vielen der neuen Arten der Entscheidungsfindung, die diese Technologie ermöglicht, möchte man also die Meinung von mehr als einer Person. Nicht nur ein Arzt stellt eine Diagnose, sondern vielleicht fünf Personen stellen eine Diagnose. Und einige dieser Leute müssen keine vollwertigen, anerkannten Ärzte sein. Vielleicht können sie Medizinstudenten sein. Oder in anderen Bereichen, die Sie wissen, wenn Sie versuchen vorherzusagen, ob der Wettbewerber ein neues Produkt in einer bestimmten Kategorie bis zu einem bestimmten Datum auf den Markt bringen wird, müssen Sie diese Vorhersagen vielleicht nicht von den weltbesten Marktforschern treffen lassen. Vielleicht können Sie MBA-Studenten oder Leute, die MBA-Studenten werden möchten, diese Vorhersagen machen lassen. Und wenn sie gute Vorhersagen machen, bauen sie ihre eigenen Referenzen auf. Und selbst wenn sie es nicht tun, fügen sie immer noch mehr Datenpunkte zu den Durchschnittswerten hinzu, um die Vorhersagen zu treffen, und so haben sie einen gewissen Wert beigetragen und gelernt, wie man es auf dem Weg macht.
Elisabeth: Tom, ich möchte dir danken, dass du dir heute die Zeit für uns genommen hast. Das ist ein faszinierendes Gespräch. Es ist immer interessant, mit Ihnen über Ihre neuesten Arbeiten zu sprechen. Und noch einmal vielen Dank, dass Sie hier sind und Ihre Ideen mit uns teilen.
Tom: Danke. Es ist mir ein Vergnügen.
****
Elisabeth: Dies ist die letzte Folge einer dreiteiligen Miniserie über die Zukunft der Wissensarbeit, die mit Sponsoring von Citrix produziert wurde. Das Unternehmen verwendet Cloud-Server-Technologie, um sicherzustellen, dass Wissensarbeiter Zugriff auf die Apps und die Daten haben, die sie benötigen, wo immer sie sich an einem bestimmten Tag befinden. Wenn Sie so viele Anwendungen und so viele Daten verwalten, stellt sich heraus, dass Sie KI auf interessante Weise einsetzen können, um alles besser zusammenzufügen und sogar das Leben Ihrer Wissensarbeiter zufriedenstellender und produktiver zu gestalten. Kürzlich hatte ich die Gelegenheit, mich mit Christian Reilly, dem Global Chief Technology Officer von Citrix, zusammenzusetzen und ihn zu fragen, was Citrix unternimmt, um mehr Intelligenz in die Bereitstellung von Anwendungen für Mitarbeiter einzubauen.
Christian Reilly: Ich denke also, dass der Kern davon die Veränderung der Anwendungslandschaft selbst ist. Ich meine, die Art und Weise, wie wir über Anwendungen denken, ist heute ganz anders als vor 20, 25 Jahren, und ich denke, ein großer Teil davon ist die Art und Weise, wie wir tatsächlich darüber nachgedacht haben, was die Anwendung zu tun versucht. Und damit meine ich, dass Sie wissen, dass wir in der Vergangenheit viele, viele große, komplexe Unternehmensanwendungen hatten, die sehr funktionsbasiert waren. Sie wissen, dass sie eine ganze Geschäftsfunktion übernehmen und sie dienen all dem, von beispielsweise der Bestellung bis zur Auszahlung, als großartiges Beispiel für eine Anwendung, die dies im historischen Sinne normalerweise getan hätte. Als wir das Aufkommen von Cloud-Diensten sahen, als wir das Aufkommen von mobilen Geräten und mobilen Anwendungen sahen, haben wir gesehen, wie sich Anwendungen in eine, wie ich sagen würde, prozessspezifischere Art und Weise verändert haben. Einzelne Anwendungen werden also viel kleiner und bieten tatsächlich eine Art Teilmenge von Geschäftsprozessen und eine Teilmenge von Geschäftsergebnissen. Natürlich gibt es die großen Anwendungen immer noch, aber die kleineren werden in der Art und Weise, wie wir interagieren, immer beliebter. Wenn Sie das also zusammenfassen und an traditionelle Anwendungen denken, die komplex waren, waren sie schwer zu verwenden. Es gab viele verschiedene Versionen von ihnen aus vielen verschiedenen Gründen. Und wir haben diesen Zustrom von kleineren, leichteren, agileren Anwendungen. Ich denke, was wir tatsächlich herausgefunden haben, ist, dass es eine interessante Gegenüberstellung zwischen Produktivität und der Herausforderung dieser bestehenden Anwendungen gibt, und die klugen Leute haben begonnen, wirklich über maschinelles Lernen auf eine Weise nachzudenken, die die Art und Weise, wie wir unsere Arbeit erledigen, wirklich herausfordert.
Aus einer sehr einfachen Perspektive möchte ich ein Beispiel nennen, bei dem wir vielleicht eine Organisation sind, die 20.000 Mitarbeiter einstellt. Und wir haben ein System, das es Leuten ermöglicht, Urlaub zu beantragen. In der Vergangenheit mussten wir also in den Antrag gehen, die Freistellung beantragen, und dann musste jemand anderes sie genehmigen. Aber jetzt können wir dank maschinellem Lernen tatsächlich verstehen, dass Sie jeden Mittwoch in diese Anwendung gehen, um nach Ihrer Freizeit in Ihrem Team zu suchen. Was wäre, wenn wir das verstehen könnten und was wäre, wenn wir Ihnen einfach einen einfachen Mechanismus bieten könnten, um zu sagen: „Hey, wissen Sie, anstatt dass Sie dies jeden Mittwoch tun, werde ich mir ansehen, wie Sie diesen Geschäftsprozess verwenden und wie ich es tue Ich werde daraus lernen, und ich werde Ihnen einen anderen Weg zeigen, dies zu tun, was letztendlich zu einem besseren Ergebnis für Sie führt, weil es schneller ist. Es ändert Ihre Aufmerksamkeit nicht von dem, was Sie gerade getan haben. Und ich kann tatsächlich verstehen, was Sie vorhaben. Und mein maschinelles Lernen, oder in diesem Fall ein künstlicher Intelligenzansatz, würde tatsächlich verstehen, was Sie im System tun, und Ihnen eine andere Arbeitsweise liefern.
Elisabeth: Ich denke also, was du beschreibst, Christian, ist diese Idee, dass KI und maschinelles Lernen nicht nur intelligent sein können, um großartige Analysen der Dinge auf der Plattform durchzuführen, sondern auch eine Rolle bei der Art und Weise spielen, wie die Anwendungen und die Betriebssysteme werden in erster Linie entworfen.
Christian: Ja, absolut. Ich meine, ich denke, was wirklich interessant ist, ein riesiger Trend, den wir sehen, ist, und wissen Sie, vielleicht sollte ich ein bisschen zurückgehen und über Sie wissen, die frühen Jahre der künstlichen Intelligenz, KI, sprechen. Es ist kein neues Konzept. Es gibt es seit den 1950er Jahren. Aber was wirklich interessant ist und meiner Meinung nach der Kraftmultiplikator ist, ist die Tatsache, dass wir jetzt in der Lage sind, Modelle und Fähigkeiten des maschinellen Lernens selbst als Cloud-Dienste zu nutzen. Die Eintrittsbarriere für den Einsatz von maschinellem Lernen wird also tatsächlich immer niedriger. Buchstäblich Woche für Woche, Monat für Monat. Aus dieser Perspektive ist es also interessant, dass nicht nur neue Anwendungen entwickelt werden, die über inhärente Fähigkeiten der künstlichen Intelligenz und des maschinellen Lernens verfügen, sondern traditionelle Anwendungen, die wir tatsächlich auf dasselbe Konzept nachrüsten können, und letztendlich größere Geschäftsvorteile und größere Geschäftsergebnisse erzielen. Also ich denke absolut, so wie wir jetzt Anwendungen entwerfen, wird in alles künstliche Intelligenz eingebaut sein. Ob das ein Smart-TV oder ein Heimgerät ist, ein neuer Laptop, ein neues Telefon, alle werden eine Art maschinelles Lernen haben oder KI-Fähigkeit. Aber was wirklich interessant ist, ist, dass es jetzt eine Reihe von Cloud-Diensten gibt, um wirklich komplexe Probleme zu lösen und sie relativ einfach zu machen. Die Gesamtheit der Fähigkeiten, die wir haben, ist also viel größer, und die Anwendbarkeit dieser Fähigkeiten ist viel breiter. Und ich denke, das wird wirklich interessant, wenn wir sehen, wie wir echte Geschäftsvorteile erzielen können, nicht nur für neue Anwendungen, sondern auch im traditionellen Geschäft.
Elisabeth: Es gibt eine Erzählung, die die meisten von uns hören, darüber, wie KI und maschinelles Lernen einen großen Beitrag zur Kostensenkung leisten werden. Also Arbeiter entlassen, Leute anweisen, effizienter zu arbeiten. Was ist die Erzählung, die dieses Konzept veranschaulicht, dass KI und maschinelles Lernen tatsächlich positiv sind und die Art und Weise, wie wir in Zukunft arbeiten, zu einer angenehmeren und erbaulicheren Erfahrung macht?
Christian: Nun, ich denke, wir alle haben uns seit Jahrhunderten Sorgen um das Ende der Arbeit durch die Automatisierung gemacht. In Großbritannien gibt es ein berühmtes Beispiel von Königin Elizabeth I., die ein Patent auf eine automatische Strickmaschine ablehnte, weil sie sich Sorgen über die Auswirkungen der Automatisierung auf die damaligen Damen machte, die mit dem Stricken ihren Lebensunterhalt verdienten. Und schließlich war sie bereit, das Patent nicht in Erwägung zu ziehen, konnte aber die Automatisierung nicht stoppen, und viele Organisationen erwarben diese Strickmaschinen, und dann wuchs die Zahl der Strickaufträge im Laufe der Zeit tatsächlich exponentiell. Es war also ziemlich interessant, dem zu folgen. Es gibt eine Reihe anderer ähnlicher Beispiele. Und ich denke, wir befinden uns jetzt an einem ähnlichen Punkt, wenn wir über die Bedrohungen durch KI sprechen. Natürlich gibt es eine Bedrohung, denke ich, für einige Jobs. Schauen Sie sich traditionelle Jobs an, die vielleicht Call Center oder Contact Center mögen, die relativ einfach durch künstliche Intelligenz des maschinellen Lernens erweitert werden können.
Ich denke also, dass es definitiv einen Punkt geben wird, an dem einige Jobs durch die Automatisierung, durch maschinelles Lernen verloren gehen. Aber ich denke, die Art und Weise, wie man es wirklich betrachtet, ist, wie können wir dies tatsächlich auf eine moralisch korrekte Weise anwenden, die es uns ermöglicht, einige der wirklich mühsamen Aufgaben, die Menschen erledigen, zu eliminieren, ob das ein Arzttermin ist oder Sie wissen, sogar ein Friseurtermin, oder eine Arbeitszeittabelle genehmigen. Das sind für uns Menschen keine Mehrwerte. Ich denke also, je mehr wir maschinelles Lernen tatsächlich anwenden können, desto mehr können wir digitale Assistenten und virtuelle Assistenten einsetzen, um tatsächlich mit den Dingen fertig zu werden, die sich wiederholen und keinen großen Mehrwert bringen. Ich denke, wir können tatsächlich Zeit freisetzen, wir können Gehirnleistung freisetzen, wir können Ressourcen freisetzen, damit die Menschen kreativer werden können, also anstatt uns Gedanken über die Theorie zwischen künstlicher allgemeiner Intelligenz und den Robotern zu machen, die kommen, um die Welt zu erobern, lasst uns Konzentrieren Sie sich auf die künstliche enge Intelligenz, die Dinge, die wir jeden Tag sehen, wenn wir Siri verwenden, oder wir verwenden Cortana, oder wir verwenden Google Assistant, oder wir haben eine Empfehlung von Amazon, oder wir sehen, dass immer mehr dieser Technologie eingebaut wird Branchenanwendungen, die diese arbeitsintensiven, mühseligen und sich wiederholenden Aufgaben wirklich auffressen. Ich denke, darauf konzentrieren wir uns. Wir setzen etwas intellektuelles Kapital frei, damit die Menschen kreativer werden können, um der Plackerei des Alltags zu entfliehen. Hier können wir meiner Meinung nach den größten Mehrwert schaffen, und vielleicht sollten wir uns nicht so viele Sorgen darüber machen, dass die Roboter kommen, um unsere Welt zu übernehmen, denn hey, meiner Meinung nach wird das wahrscheinlich nie passieren.
Elisabeth: Toll. Nun, das ist eine Erleichterung. Christian, danke. Das war wunderbar. Es war wunderbar, von Ihnen über diese Probleme zu hören und mehr über Citrix zu erfahren.
Christian: Danke.
Elisabeth: Das war es für diese Folge von Business Lab. Ich bin Ihre Gastgeberin, Elizabeth Bramson-Boudreau. Ich bin CEO und Herausgeber von MIT Technology Review. Wir wurden 1899 am Massachusetts Institute of Technology gegründet. Sie finden uns jedes Jahr in gedruckter Form, im Internet, bei Dutzenden von Live-Veranstaltungen und jetzt auch in Audioform. Weitere Informationen über uns finden Sie auf unserer Website unter technologyreview.com.
Diese Sendung ist überall verfügbar, wo Sie Ihre Podcasts erhalten. Wenn Ihnen diese Folge gefallen hat, hoffen wir, dass Sie sich einen Moment Zeit nehmen, um uns bei Apple Podcasts zu bewerten und zu rezensieren. Business Lab ist eine Produktion von MIT Technology Review. Der Produzent dieser Folge ist Wade Roush mit redaktioneller Hilfe von Mindy Blodgett. Vielen Dank an unseren Sponsor Citrix, das Unternehmen, das menschenzentrierte Lösungen für eine bessere Arbeitsweise entwickelt. Danke fürs Zuhören. Wir melden uns bald mit unserer nächsten Folge zurück.