Peter Drucker era previdente su molte cose, ma il computer non era uno di questi. "Il computer ... è un idiota", ha affermato il guru della gestione in un articolo del McKinsey Quarterly nel 1967, definendo i dispositivi che ora alimentano la nostra economia e la nostra vita quotidiana "lo strumento più stupido che abbiamo mai avuto."
Drucker non era il solo a sottostimare il ritmo insondabile del cambiamento nelle tecnologie digitali e nell'intelligenza artificiale (AI). L'intelligenza artificiale si basa sul potere computazionale di vaste reti neurali che setacciano enormi set di dati digitali o "big data" per ottenere risultati analoghi, spesso superiori, a quelli prodotti dall'apprendimento umano e dal processo decisionale. Carriere diverse come pubblicità, servizi finanziari, medicina, giornalismo, agricoltura, difesa nazionale, scienze ambientali e arti creative vengono trasformate dall'IA.
Gli algoritmi informatici raccolgono e analizzano migliaia di punti dati, sintetizzano le informazioni, identificano modelli precedentemente non rilevati e creano risultati significativi: che si tratti di un trattamento della malattia, di un confronto del volto in una città di milioni di persone, di una campagna di marketing, di nuovi percorsi di trasporto, di un programma di raccolta delle colture, una notizia generata automaticamente, una poesia, una pittura o una strofa musicale, più veloce di quanto un essere umano possa versare una tazza di caffè.
Un recente studio di McKinsey suggerisce che il 45 percento di tutte le attività sul posto di lavoro può essere automatizzato mediante l'implementazione dell'IA. Ciò include gli impiegati di file i cui lavori possono essere automatizzati all'80%, oppure quelli dei CEO che possono essere automatizzati al 20% perché i sistemi di intelligenza artificiale semplificano radicalmente e indirizzano la lettura dei report, il rilevamento dei rischi o il riconoscimento di schemi da parte dei CEO.
L'intelligenza artificiale è stata una di quelle tecnologie da lungo tempo che non ha ancora trasformato il nostro intero mondo, ma lo farà. Ora che l'IA appare pronta per la prima serata, c'è anche una costernazione, anche tra i tecnologi, sul potere sfrenato che le macchine possono avere sul processo decisionale umano. Elon Musk ha definito l'IA "la nostra più grande minaccia esistenziale", facendo eco all'avvertimento di Bill Joy del 2000 sulla rivista Wired che "il futuro non ha bisogno di noi". D'altra parte, ovviamente, gli appassionati sono desiderosi di macchine intelligenti per migliorare la nostra vita e la salute del pianeta.
Sono dalla parte del CEO di Microsoft, Satya Nadella, che afferma che dovremmo prepararci alla promessa di macchine sempre più intelligenti come partner del processo decisionale umano, concentrandoci sul ruolo e sui limiti adeguati degli strumenti di intelligenza artificiale. Per gli educatori di scuole di business come me che credono che il futuro avrà davvero bisogno di noi, il potere in espansione dell'IA o il deep learning rappresenta una sfida e un'opportunità: come preparare gli studenti per i prossimi decenni in modo che possano abbracciare il potere dell'IA e comprenderne il significato vantaggi per la gestione e la leadership in futuro?
Sarebbe un errore forzare ogni laureato in MBA a diventare un data scientist. La sfida per le business school è quella di aggiornare i nostri curricula su vasta scala, offrendo al contempo agli MBA un livello di familiarità e comfort maggiore con l'analisi dei dati. I CEO di domani avranno bisogno di una migliore comprensione di quali insiemi di dati sempre più abbondanti e complessi all'interno delle organizzazioni possano e non possano rispondere.
La raffinatezza e il volume dei dati possono essere in aumento, ma la storia offre modelli di corretta relazione di un decisore con l'analisi dei dati.
Prendi il D-Day. Il generale Dwight D. Eisenhower cercò quanti più dati possibili per informare la sua decisione su quando sbarcare centinaia di migliaia di forze alleate sulle spiagge della Normandia in quella fatidica fine della primavera del 1944. Come chiariscono il libro sulla battaglia di Antony Beevor e altri resoconti Eisenhower desiderava soprattutto dati meteorologici affidabili, quando le previsioni del tempo erano ancora agli inizi. Il generale coltivò il dottor James Stagg, il suo principale meteorologo, e divenne un esperto non solo nell'analisi dei rapporti di Stagg, ma anche nella lettura del proprio livello di fiducia di Stagg in qualsiasi rapporto.
Per mesi prima della fatidica decisione di "imbarcarsi nella Grande Crociata", Eisenhower sviluppò un profondo apprezzamento per ciò che le previsioni meteorologiche potevano e non potevano offrire. Alla fine, come la storia sa, Stagg lo convinse a rimandare l'invasione al 6 giugno dal 5 giugno, quando la tempesta prevista infuriava sul Canale della Manica e quando molti altri hanno messo in dubbio la richiesta di Stagg che presto sarebbe stata cancellata.
Nessuno sosterrebbe che Eisenhower avrebbe dovuto diventare lui stesso un esperto meteorologo. Il suo compito era di supervisionare e coordinare tutti gli aspetti della campagna raccogliendo informazioni pertinenti e valutando la qualità e l'utilità di tali informazioni per aumentare le probabilità di successo dell'invasione. Oggi, i big data e l'avvento dell'IA espandono le informazioni disponibili per i decisori aziendali. Tuttavia, il ruolo di un CEO in relazione ai dati fa eco alla funzione di assorbimento e giudizio esercitata dal generale Eisenhower nella lettura delle probabilità nei rapporti meteorologici del suo meteorologo.
È interessante notare che oggi, tra tutti i discorsi sulla complessità tecnologica e sulla specializzazione in gran parte dell'America corporativa, un rapporto Deloitte preparato per la nostra scuola ha scoperto che i datori di lavoro che cercano di assumere laureati in MBA apprezzano le "competenze trasversali" dei potenziali dipendenti più di ogni altra. Vogliono assumere persone con competenza culturale e capacità di comunicazione più forti, che possano lavorare in modo collaborativo in diversi team ed essere flessibili nell'adattarsi continuamente alle nuove opportunità e circostanze sul posto di lavoro e sul mercato.
Non si tratta solo di intolleranza per i cretini in ufficio. Si tratta della necessità di un leader di essere in grado di sintetizzare, negoziare e arbitrare tra ambienti, esperti e dati in competizione e in conflitto. Se ci fosse una volta in cui i dirigenti aziendali venivano pagati per effettuare chiamate di "controllo dell'intestino" anche quando mancavano le informazioni essenziali, gli amministratori delegati di oggi dovranno sempre più prendere decisioni di giudizio interpretative (un diverso tipo di "controllo dell'intestino") in faccia di informazioni eccessive, spesso contrastanti.
Quelli al posto di guida delle istituzioni hanno accesso a un universo in espansione di approfondimenti di derivazione empirica su fenomeni molto diversi, come modelli ottimali per lo scarico di navi nei porti più trafficati del mondo in varie condizioni meteorologiche, parametri di programmi di fidelizzazione che generano il cliente più "appiccicoso" risposta, o modelli di selezione dei talenti che generano sia i pool di occupazione più riusciti che diversi.
I leader aziendali dovranno essere esigenti nell'uso degli strumenti di intelligenza artificiale. Devono giudicare la fonte dei flussi di dati prima di loro, accertarne la validità e l'affidabilità, rilevare modelli non evidenti nei dati, sondare i rimanenti "what ifs" che presentano e infine fare inferenze e giudizi di giudizio più informati, sfumati nel contesto, validi e utili perché sono migliorati da macchine intelligenti. I giudizi errati basati su dati errati o male interpretati potrebbero essere persino più dannosi dei giudizi errati non informati a causa dell'illusione dell'autorità quasi scientifica derivante dall'aura dei dati.
Come strumento di gestione del progetto, l'IA potrebbe prescrivere routine di lavoro ottimali per diversi tipi di dipendenti, ma non avrà la sensibilità di tradurre queste esigenze in scelte sfumate di un risultato organizzativo (ad esempio, equità nelle assegnazioni dei dipendenti) rispetto a un altro (valori familiari ). L'intelligenza artificiale potrebbe individuare la posizione migliore per un nuovo ristorante o centrale elettrica, ma sarà limitata nel mappare le reti politiche e sociali che devono essere impegnate per dare vita alla nuova avventura.
Le macchine mancano anche di fantasia. I programmi Adtech hanno sostituito gli acquirenti di annunci umani, ma la capacità di creare giochi di parole o progettare campagne che attirano le nostre corde del cuore rimarrà innatamente umana, almeno per il prossimo futuro.
Un nuovo livello di interrogatorio e pensiero integrativo è richiesto tra i laureati in MBA. Come educatori dobbiamo promuovere approcci di apprendimento che sviluppano queste abilità — insegnando un'intensa gestione dei dati e abilità inferenziali, sviluppando simulazioni avanzate dei dati e esercitando su come sondare e mettere in discussione ciò che è ancora sconosciuto.
Parallelamente all'ascesa del potere della macchina, l'importanza dell'intelligenza emotiva, o EQ, appare più grande che mai per preservare la connettività umana delle organizzazioni e delle comunità. Mentre ci si aspetta che le macchine avanzino al punto di leggere e interpretare le emozioni, non avranno la capacità di ispirare i seguaci, la saggezza di dare giudizi etici o gli esperti di fare connessioni.
Questo è ancora tutto per noi.
Judy D. Olian è preside della UCLA Anderson School of Management.
