Het vorige boek van deze economen van de Toronto Rotman School of Management draagt de titel Prediction Machines. Dat is gelijk hun definitie van kunstmatige intelligentie, articial intelligence, of AI. Het doet voorspellingen die vaak vele malen beter zijn dan die van mensen. Wij mensen kunnen vervolgens onze beslissingen afstemmen op de voorspellingen van AI. Op het moment dat we AI gaan inzetten om bedrijfsprocessen te organiseren, dan kunnen we maatwerk leveren en hoeven we minder te leunen op allerlei standaardprocedures die niet altijd even efficiënt zijn en niet altijd het beste resultaat opleveren.
Systeemverandering versus puntinnovatie
Agrawal, Gans en Goldfarb vergelijken het potentieel van de AI-revolutie met de komst van elektriciteit. In de negentiende eeuw draaiden fabrieken op stoom. De fabrieksvloer was compact zodat de belangrijke machines toegang hadden tot de stoom die door de stoommachine werd opgewekt. Met de komst van elektriciteit kon er op een andere manier worden gekeken naar de inrichting van fabrieken. Niet langer hoefden alle werkstations dicht op elkaar te zitten zodat er weinig stoom verloren ging. Nu loonde het om grotere fabrieksvloeren aan te leggen, die ook buiten de stad waren gesitueerd. Het is hun verwachting dat AI op gelijksoortige manier tot systeeminnovatie zal leiden.
Op dit moment zien we nog vooral, wat ze noemen, puntinnovatie. Een bedrijf dat toch al met voorspellende technieken werkt, zet nu AI in voor betere voorspellende technieken. Denk aan een bedrijf dat fraude op financiële transacties detecteert. Het is dan relatief eenvoudig de huidige technieken te vervangen voor een nieuwe technologie. Systeeminnovatie betekent dat alle werkprocessen moeten worden vervangen. Dat is veel ingrijpender.
Voorspellingen versus regels
De reden dat het zo veel moeilijker is om systeeminnovatie door te voeren, is dat veel van onze systemen aan elkaar hangen van allerlei regels en procedures. Op het moment dat we overgaan op beslissingen nemen op basis van voorspellingen, hebben die algemene regels weinig nut meer. Maar regels zijn er nog wel en als een vastgelijmd spinnenweb houden ze organisaties in hun greep. Vandaar dat het zo moeilijk is om datagedreven te gaan werken als de organisatie daar niet op is ingericht.
Voorspellingen en beslissingen
Het boek is uitgekomen vlak voor de introductie van ChatGPT-4. Het was interessant geweest als de auteurs iets hadden kunnen zeggen over de manier waarop deze chat-software onze creatieve processen beïnvloedt. Ze gaan wel in op de dreigingsverhalen over robots die de wereldheerschappij overnemen. Hun stelling is dat AI voorspellingen doen en mensen maken beoordelingen en beslissingen. Daarmee is het altijd de mens die algoritmen programmeert en de mens die een oordeel uitspreekt over de voorspellingen van de AI. Als AI op een goede manier wordt gebruikt, dan is dat ook zo. Daarmee kan AI zeer waardevol zijn voor het versnellen van innovatieprocessen en kan het ons helpen oplossingen te vinden die de mensheid en de planeet ten goede komen.
Radicaal anders denken
Agrawal, Gans en Goldfarb zijn ervaren docenten. Hun boek heeft een logische opbouw en ieder hoofdstuk wordt afgesloten met een puntsgewijze samenvatting. Ze dagen je uit om radicaal anders te denken over de impact van AI. De systeemverandering waar ze op hinten die is er nu nog niet. Bedrijven moeten nog uitvinden hoe ze AI op systeemniveau kunnen inzetten. Bij de komst van elektriciteit duurde het een aantal decennia voordat bedrijven massaal overgingen van stoom op elektriciteit. Bij AI zitten we voorlopig ook in de Tussenjaren. Maar daarna zal het hard gaan, zoals gebruikelijk bij AI. Het boek is een aanrader als je wilt begrijpen waar AI toe kan leiden.
Over Freija van Duijne
Freija van Duijne was van 2013 tot 2018 voorzitter van de Dutch Future Society. Zij heeft meer dan tien jaar werkervaring als toekomstverkenner en strateeg in diverse overheidsorganisaties. Freija werkt vanuit haar bedrijf Future Motions en geeft trainingen en lezingen op gebied van toekomstverkennen.
