Ciekawego materiału do przemyśleń dostarcza „MIT Sloan Management Review”. Reid Hoffman [2016] pisze w nim o wdrażaniu nowych pracowników oraz organizowaniu pracy i komunikacji wewnątrzkorporacyjnej jako o głównych polach, które zostaną zmienione przez sztuczną inteligencję. Autor podnosi, że:
· do stałego użycia wejdą interaktywne infografiki służące mapowaniu procesów: przepływu e-maili i różnych informacji, które powiedzą wszystko o tym, jak dystry-buowane są zadania oraz kto — komu (i jaką drogą) dostarcza efekty swojej pracy;
· sztuczny inteligentny asystent, odpowiedzialny za cyfrowe repozytorium wiedzy, zapewni sprawne wdrażanie osób nowo zatrudnionych;
· kompletny i błyskawiczny raport z sali konferencyjnej usprawni proces przepływu informacji i uczyni go transparentnym (spotkania będą rejestrowane, rejestracje zaś transkrybowane i archiwizowane; Joi Ito, dyrektor MIT Media Lab, komentuje tego typu perspektywę jako możliwość rozszerzenia inteligencji ludzkiej — nie zastępują-cej ludzi, a potęgujązastępują-cej synergiczny efekt ich wspólnego wysiłku); 99
· wskazując uczciwie, z czyich ust, choćby na odległym w czasie, nieformalnym spo-tkaniu, padło to, co kluczowe, i kto właściwie wprawił machinę projektową w ruch, in-fografika umożliwi obiektywną ewaluację pracy poszczególnych osób i zespołów (je-śli bowiem zadania pracownika nie mają przynosić efektów mierzalnych wprost, jak uczciwie zmierzyć jego wydajność, jeśli nie analizując „każdy najdrobniejszy ruch”?); subiektywne odczucia zostaną zastąpione obiektywnymi, wnikliwymi ocenami, co umożliwi w pełni racjonalną alokację ludzkiego kapitału.
Hoffman twierdzi więc, że jeśli dziś mówimy o sztuce zarządzania, jutro będziemy mówili o zarządzaniu jako o kombinacji sztuki i nauki. Złożone i kompletne korporacyj-ne infografiki ukażą powiązania każdego i wszystkiego z każdym i wszystkim: wszyst-kich pracowników i wszystwszyst-kich danych (dokumentów, folderów, plików, e-maili, wiado-mości wysłanych na czacie). Sztuczna inteligencja wykona wszelkie zadania analityczne od klasyfikacji poprzez „łączenie faktów” aż do formułowania (p)odpowiedzi i sugero-wania rozwiązań w kwestiach dotyczących zadaniosugero-wania, wydajności i ewaluacji.
Sztuczna inteligencja sprawi również, że operacyjny wgląd do procesu będzie wglą-dem w czasie rzeczywistym, pozwalającym odkryć symptomy problemów, które nie zdążą się rozwinąć (uniknięcie epidemii czy katastrofy lotniczej już teraz jest możliwe dzięki „prostym” algorytmom). Nowe typy danych, jak zapisy z kamer wideo, analizowa-ne będą na bieżąco. Sztuczna inteligencja czytająca (interpretująca) zachowania, mimi-kę i mowę ciała powie menadżerowi, czy trafił do swoich słuchaczy; tego typu sygnał zwrotny zdejmie z niego ciężar niepewności towarzyszący dokonywaniu samooceny, która to niepewność jest zawsze gorsza nawet niż samopoczucie kogoś, komu wyraź-nie się wyraź-nie powiodło [Moore 2016].
Interesująco kwestię dostępności omawianych technologii podsumowuje Ginni Ro-metty [2016]. Uczyniwszy szereg uwag odnośnie do:
· charakteru cyfrowej transformacji (cyfryzacji nie jako naszego ostatecznego prze-znaczenia, lecz takiej, która legnie u podstaw bardziej zasadniczej zmiany);
· technologii kognitywnych (przy użyciu których podejmowane będą wszystkie główne decyzje w biznesie — nie mówimy już o poczciwej sztucznej inteligencji, lecz o systemach wyposażonych w sieci neuronalne, zdolność do interakcji z człowiekiem, procesowania języka naturalnego, głębokiego uczenia się, bowiem wideo czy dane „językowe”, a więc takie, których nośnikiem jest język naturalny, zwyczajnie wymagają
kognitywności);
· głównych pokus kierujących awangardą w omawianym zakresie (takich jak mini-malizacja ryzyka inwestycyjnego czy bezbłędne antycypowanie zachowań konsu-menckich);
· staromodnego sposobu podejmowania decyzji (niezbyt skomplikowanego, jeśli pogodzimy się z tym, że z powodu braku możliwości przetwarzania wielu rodzajów danych nie weźmiemy ich pod uwagę);
· limitacji oprogramowania (czasy, gdy za każdym kawałkiem kodu stał omylny czło-wiek i arbitralnie oceniał, jakie zmienne są istotne, a jakie nie, miną bezpowrotnie; systemy kognitywne odbywają ustawiczny trening, a w dodatku nie potrzebują re-generacji i nie mają psychologii, dzięki czemu z „porażek” wyciągają jedynie słuszne, konstruktywne wnioski);
autorka zawczasu rozprawia się z przesądem, jakoby potrzeba superkomputera była potrzebą wielu superkomputerów rozlokowanych wszędzie tam, gdzie z usług zaawan-sowanej sztucznej inteligencji będzie się korzystało. Dzięki APIs (Application Program Interfaces), wyjaśnia Rometty, każda smartfonowa aplikacja i każdy realny (fizyczny) produkt będą stale obecne w wirtualnym serwisie, dostępne i kombinowalne w chmu-rze pchmu-rzechowującej całe cyfrowe państwa. IDC Research Inc. prognozuje, że w 2018 r. więcej niż połowa zespołów tworzących aplikacje będzie wyposażała je w funkcjonal-ności kognitywne (w 2015 r. — 1%), co nie oznacza przecież, że więcej niż połowa ze-społów tworzących aplikacje będzie pracowała nad aplikacjami przeznaczonymi dla superkomputerów.
Trenowanie systemu i „kuratela” danych, które będą traktowane jako nowy zasób w takim znaczeniu, w jakim mówi się o zasobach naturalnych (a więc „wydobywane”, „rafinowane” i „aplikowane”), staną się nowymi zadaniami menadżerów również
dlate-go, że systemy kognitywne, zdolne podjąć samodzielne decyzje i działania, przejmą za-dania strategiczne [Davenport 2016]. Strategie kreślone (wciąż) przez człowieka zawo-dzą, jednak to się zmieni, gdy to algorytmy zdiagnozują pragnienia i potrzeby aktualne dla grupy ludzi w ich „zastaniu” i/lub przepływie w określonym miejscu na przykład na mapie miasta. Konsulting, który jest konsultowaniem się z maszyną (patrz systemy eks-perckie), stanie się normą. Autonomiczna strategiczność nie wystąpi jednak przeciwko strategowi ludzkiemu. Kognitywność systemowa pójdzie ramię w ramię z inteligencją ludzką. Przewaga dobrego stratega nad maszyną polega na tym, że posiada on tak zwa-ny szeroki ogląd — a ostatecznie też to my zadecydujemy, ile etapów procesu decyzyj-nego zautomatyzować; pewne konstatacje nie wynikają z danych ani wprost, ani nie wprost, i czego „naprawdę” oczekuje klient, interesant czy interesariusz, orzekną ma-szyna oraz człowiek uzasadniający wspólne z maszyną działania i nadający im „ludzki”, humanistyczny sens.
Według Andrew Winstona [2016] najbliższe 5–10 lat będzie ze względu na rozwój sztucznej inteligencji krytyczne dla ludzkości, choć efektów tego rozwoju nie ujrzymy natychmiast. Rządy i społeczeństwa nie będą miały takiego wpływu na świat, jak liderzy 101
biznesu, odpowiedzialni już nie tylko za miejsca pracy, lecz całokształt rzeczywistości. Sukces biznesowy okupiony będzie większą odpowiedzialnością niż dotychczas. Palą-cym problemem przedsiębiorczości jako takiej staną się koszty społeczne i środowisko-we wdrażania nowych technologii. Etycznemu zarządzaniu owymi kosztami przysłuży się z pewnością Internet rzeczy, który w połączeniu z nowoczesną analityką „wyszcze-gółowi” wpływ poszczególnych działań danego podmiotu na rzeczywistość poza nim, czyli na rzeczywistość „pozafirmową” (jak wiadomo, aby móc czymś zarządzać, trzeba wiedzieć, jakie to coś jest, a więc trzeba to zmierzyć). Menadżerom, którzy pozyskają wiedzę odnoszącą się do potencjalnych konsekwencji różnych rozwiązań, trudno bę-dzie pozostać krótkowzrocznymi.
Wreszcie, Lynda Gratton [2016] podnosi kwestię humanistyczną. Zauważa mianowi-cie, że skoro mamy wiedzieć o sobie więcej, wzajemne traktowanie się będzie bardziej symetryczne, a patologie takie jak mobbing przejdą do historii. Menadżer nie będzie miał okazji, by poczuć się „ponad” pracownikiem, bo tego ostatniego upomni maszyna (informacja zwrotna świadczona będzie na bieżąco i nie będzie płynąć od zwierzch-nika). Omawiane już przejście od „wiadomo, kto co robi” — do „wiadomo, kto w rze-czywistości i co naprawdę robi” również sprawi, że ludzie przestaną „chować się” za stanowiskami, wykorzystywać podległość służbową itp.