In deze digitale wereld beschouwen we mens en machine nog heel vaak als elkaars rivalen. Het is echter een misverstand dat toepassingen gebaseerd op artificiële intelligentie mensen systematisch zullen vervangen. We kunnen net de grootste winst boeken wanneer mensen en machines als bondgenoten samenwerken. Dat onontgonnen terrein noemen Paul Daugherty en James Wilson (Accenture) in hun boek ‘Human + Machine: Reimagining Work in the Age of AI’ de ‘missing middle’.
In het verleden was er geen missing middle om in te vullen. Digitalisering werd voornamelijk ingezet om bestaande processen te automatiseren. Vandaag laten de gesofisticeerde AI-technologieën een samenwerking tussen mens en machine toe en is het ontwikkelen van de missing middle één van de belangrijkste uitdagingen voor organisaties.
Wanneer mensen technologieën aanvullen, gebeurt dat vaak binnen nieuwe jobs die nieuwe vaardigheden vereisen. Eén van die nieuwe uitdagingen is het trainen van AI-systemen.
Een wetenschapper die voor een autoconstructeur werkt aan de nieuwe generatie van zelfrijdende auto’s zal die auto’s de verkeersregels moeten aanleren. Soms overtreden mensen deze regels om een ongeval te vermijden (bijvoorbeeld over een volle witte lijn rijden). Dat soort ‘menselijke trekken’ moet je ook inbouwen in het algoritme van een zelfrijdende auto.
Daarnaast zijn er ook mensen nodig die de werking van complexe algoritmes kunnen uitleggen. Wanneer een systeem bijvoorbeeld een foute voorspelling maakt over de toekomstige verkoop van een bepaald product moeten we de oorzaken kunnen begrijpen en het algoritme kunnen aanpassen.
Ten slotte moeten mensen er ook voor zorgen dat de AI-systemen naar behoren functioneren. Zo houden contextdesigners bij het ontwerpen van nieuwe systemen rekening met heel wat verschillende factoren (zoals kenmerken van de gebruikers, culturele verschillen…).
General Motors worstelde met de vraag welke kleur het meest geschikt zou zijn voor een nieuwe robot in de productieafdeling: oranje roept gevaar op, en geel wordt geassocieerd met voorzichtigheid. Uiteindelijk kozen de ingenieurs voor een lichtgroene kleur (safety green). Het is ook de taak van de mens om bepaalde waarden en normen af te toetsen. Indien een AI-systeem mensen discrimineert (bijvoorbeeld geografische afstand als parameter bij het rekruteren van nieuwe medewerkers) moet iemand dit kunnen onderzoeken en aankaarten.
AI-systemen kunnen mensen uitzonderlijke inzichten geven gebaseerd op data die we met ons menselijk brein niet zo snel kunnen verwerken. Zo gebruiken sommige organisaties instrumenten om de gevoelens van hun klanten te analyseren tijdens hun communicatie (via bijvoorbeeld Facebook of Twitter). AI-systemen kunnen ook helpen om klanten veel sneller te bedienen. Een voorbeeld zijn chatbots die onmiddellijk antwoorden op vragen van een sollicitant over een bepaalde vacature.
AI-systemen kunnen de werknemers ook fysiek versterken. In een productieomgeving kan een cobot repetitieve taken op zich nemen of zwaar materiaal opheffen, terwijl de operator de meer delicate taken uitvoert. Op die manier zijn de AI-systemen letterlijk een verlengstuk van de fysieke capaciteiten van de werknemer.
Voor een geslaagde samenwerking tussen mens en machine moet je rekening houden met een aantal aspecten.
Als leider is het belangrijk om open te staan voor totaal nieuwe manieren van werken. Opportuniteiten tot verbetering kunnen zich intern voordoen (bv. een korter proces om vacatures in te vullen) of extern (bv. minder papierwerk om een verzekering af te sluiten). Zo stelde Audi vast dat lokale techniekers problemen ondervonden bij het herstellen van modellen met complexe elektronica. Ze ontwikkelden daarom robots die van op afstand door experten bestuurd worden vanuit een centrale plaats. De robots kunnen de techniekers bijstaan en ook met hen communiceren.
Experimenten opzetten helpt om nieuwe dingen te testen, snel te leren en bij te sturen. In Kortrijk experimenteert Colruyt met artificiële intelligentie om groenten en fruit automatisch te kunnen herkennen, wat voor heel wat tijdswinst aan de kassa kan zorgen.
Vaak staan mensen wantrouwig tegenover nieuwe technologieën. Zeker als ze deze zien als een bedreiging voor hun job. Als leider kan je je medewerkers helpen om zich meer op hun gemak te voelen in de omgang met AI-systemen. Je kan hen bepaalde dingen laten testen en hen voldoende training geven. Meer inzage krijgen in wat de robot of het systeem ‘denkt’ door bijvoorbeeld een dashboard te voorzien met een aantal parameters kan ook helpen om het vertrouwen te stimuleren. Mensen blijken ook minder problemen te hebben met nieuwe systemen indien ze zelf nog de output kunnen aanpassen of zelf controle hebben over het algoritme.
De kwaliteit van de AI-systemen hangt heel sterk samen met de gebruikte data. De juiste data en analyses selecteren, wordt een cruciale taak voor de medewerkers en is één van de belangrijke rollen in the missing middle. Zorg er als leider ook voor dat de niet-technische medewerkers voordeel kunnen halen uit de verhalen die de data vertellen.