شبكه اطلاع رساني روابط عمومي ايران (شارا)، ما در عصري شگفت انگيز زندگي ميكنيم. از سويي مردم انگلستان به خروج از اتحاديه اروپا راي ميدهند و از سوي ديگر شاهد موفقيت يك تاجر، سرمايهدار و ستاره تلويزيون در رقابتهاي رياستجمهوري آمريكا هستيم. چنين رويدادهايي به روشني در نوع خود بي نظير هستند. اما نكته جالب اين است كه هر دو مورد مذكور با وجود پيشبينيهاي حاصل از نتايج صدها نظرسنجي و برخلاف نظرات تحليلگران سياسي رخ دادهاند، دقيقا در عصري كه پيشرفت در زمينه كلان داده، تجزيه و تحليل اطلاعات و هوش مصنوعي بيش از هر زمان ديگري در تاريخ بشري سر و صدا به پا كرده است.
اين دوران قطعا عصري شگفتانگيز براي پيشبينيهاي دادهمحور است. بهطور مثال انتخابات از جمله رويدادهايي است كه در سراسر جهان مورد توجه تمامي اقشار جامعه است و شامل مجموعهاي از اصول و قوانين مشترك است كه نتيجهاي تقريبا ساده نيز در پي دارد كه البته مجموعهاي از اطلاعات در دسترس و تاريخي در آن دخيل هستند. اما روزنامهنگاري پس از انتخابات اخير آمريكا چنين نوشت: «اين روز، روزي بود كه اطلاعات مرد.» همزماني اين رويدادها با پيشرفتهاي اخير در حوزه تجزيه و تحليل اطلاعات و هوش مصنوعي و همچنين ادعاهاي جسورانه و فزاينده در خصوص تاثيرات آنها بر زندگي ما موضوعي قابل توجه است. به نظر ميرسد اطلاعات و الگوريتمهاي هوشمند ميتوانند ارزشهاي فوقالعادهاي براي كسبوكارها به ارمغان بياورند، چه از طريق بهبود اثربخشي تبليغات و بهرهوري عملياتي و چه به واسطه فعال كردن موتورهاي پيشنهاد خودتنظيم. هنوز هم برگزيت و انتخابات رياست جمهوري دونالد ترامپ اين موضوع را به ما يادآوري ميكنند كه اطلاعات و ابزارهاي تجزيه و تحليل ميتوانند به راحتي منجر به گمراهي همه شوند.
تجارب تلخ دنياي سياست در سال گذشته به خوبي ثابت كرد كه تجزيه و تحليلهاي پيشرفته ميتوانند به راحتي جايگزين نبوغ، خلاقيت و ابتكار انساني شود. چنين وقايعي برخي ايدهها پيرامون چالشهاي پيشروي كسبوكارها در زمينه بهرهبرداري از مزاياي الگوريتمهاي هوشمند و نياز به تعامل انسان و ماشينها را تقويت كرد. در ادامه به ۴ نكته اصلي براي رهبران كسبوكار پرداخته ميشود.
۱) نبوغ انساني مكملي براي بهرهبرداري از فناوري در موقعيتهاي ناشناخته. تركيب اطلاعات و الگوريتمهاي پيچيده در موقعيتها و وضعيتهاي آشنا راهكاري به شدت قدرتمندانه است. نيت سيلور (Nate Silver)، روزنامه نگار و آمارگر آمريكايي توانست نتايج انتخابات تمامي ۵۰ ايالت آمريكا در انتخابات رياست جمهوري سال ۲۰۱۲ ميلادي را به درستي پيشبيني كند، چرا كه اين رويداد همچون كسب وكاري معمول بود كه به دست شخصيتهايي شناخته شده اداره ميشد. با اين حال تصميمهاي مردم هنوز هم مزيتي قاطع در قبال هدايت موقعيتهاي ناشناخته دارند و مبارزات انتخاباتي اخير چيزي بود جز آن كسبوكار معمول. بنابراين، كارشناساني كه نتايج را با وضوح بيشتري ميبينند، افرادي كه توجهي به كسبوكار معمول ندارند و بر جنبههاي انساني و غير قابل سنجش اطلاعات توجه دارند، موفقيت بيشتري در اين حوزه دارند.
۲) درك فرضيههاي اساسي پيرامون فناوري. حتي قدرتمندترين الگوريتمها نيز مستلزم تبيين مساله و تعيين دامنه قطعي آن هستند. اين الگوريتمها از توان ارزيابي زمينههاي موضوعي خارج از حوزهاي خاص برخوردار نيستند. هماكنون فقط افراد هستند كه از توان به چالش كشيدن مدلهاي مورد استفاده در اين حوزه برخوردار هستند. همانطور كه روشن شد، موسسههاي نظرسنجي از مدلهاي مناسبي استفاده نميكنند، الگوريتمهاي پيشبيني آنها به اندازه كافي دقيق بودهاند اما فرضيات بهكار رفته در مدل نظير ميزان مشاركت رايدهندگان تا حد بسيار زيادي خطاپذير بودهاند.
۳) به چالش كشيدن جعبه سياه فناوري. انسانها نقش قابلتوجهي در استخراج ارزش از اطلاعات دارند. براي ايفاي چنين نقشي، درك، بررسي، ارزيابي اعتبار خروجي الگوريتمها و ارائه بازخورد از جمله مهمترين الزامات بهشمار ميروند. هر تحليلگر سياسي تا پيش از برگزاري انتخابات بر اين باور بود كه رقابتهاي انتخاباتي اخير رويدادي بيسابقه است و نتيجه نيز پيشبينيها را اثبات كرد. خطري مشابه نيز در دنياي كسبوكار وجود دارد، الگوريتمهاي پيچيده كسب وكار ميتوانند به جعبه سياهي تبديل شوند كه فرضيات بيان نشده و بي نظمي موجود در واقعيتها را پنهان ميكنند.
۴) عدم اتكا به پيشبينيهاي فاقد تجزيه و تحليلهاي ساختاري. تحليلگران از توانايي تفكيك مدلهاي علي و پيشبيني برخوردار هستند. مدلهاي پيشبيني در تلاش هستند رويدادها را به دقت و بدون توجه به ساختار علي موجود ميان متغيرهاي ورودي و خروجي پيشبيني كنند. اين در حالي است كه مدلهاي علي به دنبال درك جداگانه روابط ميان وروديها و خروجيها هستند. به بيان ديگر، برخي مدلها آينده را بدون درك آن پيشبيني ميكنند، ساير مدلها نيز بخشهايي از آينده را بدون برخورداري از توان پيشبيني جامع آن درك ميكنند. تحليل علي در قياس با مدلهاي پيشبيني، نگاهي ناخوشايندتر به موضوع دارد اما امكان كشف روابط علت و معلولي پنهان كه محرك عناصر كليدي مدلهاي پيش بيني هستند، به واسطه اين مدلها فراهم ميشود.
كلام آخر
اين فرضيه كه فناوري نقش انسان را به مرور كمرنگتر خواهد كرد، اشتباهي اساسي است. برعكس، ابتكار و خلاقيتهاي انساني بيش از گذشته مورد نياز خواهند بود. انسانها و ماشينها مكمل يكديگر هستند، بدين معني كه ارزش كسب وكار حاصل از الگوريتمها و اطلاعات تنها به واسطه تعامل مناسب ميان انسانها و ماشينها قابل بهرهبرداري خواهد بود. امروزه ترس اصلي اين است كه رويكرد كنوني نسبت به فناوري گرفتار دام مشابهي شود. حقايق موضوعي پيچيده و بينظم هستند. بنابراين به جاي استفاده جزمي از اطلاعات، بايد به واسطه بهرهمندي از منافع كثرت ديدگاهها، تركيب قابليتهاي انسانها و ماشينها را امكانپذير سازيم. به بيان ديگر، بايد همواره به ياد داشته باشيم كه مهمترين بخش تفكر، به موضوع علم داده ارتباط دارد. رهبران كسبوكار بايد نسبت به يكپارچهسازي اطلاعات و روشهاي تجزيه و تحليل با فرآيندهاي كسبوكار اقدام كنند. اما حتي در آيندهاي كه تحت عنوان «عصر ماشينها» از آن ياد ميشود، نبوغ انساني هنوز هم كليد بهرهبرداري از قدرت فناوري است. به باور ما، اين ايده بايد در دستور كار رهبران كسبوكارها قرار بگيرد تا كسب ارزش با وجود پيشرفت در فرآيندهاي تكنولوژيك امكانپذير و امكان تقويت توانمنديهاي سازماني در استفاده مناسب از آن فراهم شود.
منبع: روزنامه دنياي اقتصاد - شماره 4031