Lenovo Think Transformation: Odborný průvodce, jak se stát podnikem zaměřeným na data

Vaše data mohou být připravena, ale jsou připraveni i vaši lidé?

Ve víru ohromujícího tempa inovací v podnikových technologiích je až příliš snadné přehlédnout roli zaměstnanců, jejichž úkolem je data vycházející z těchto systémů zpracovávat, interpretovat a používat. Dr. Anne Hsu je behaviorální psycholožka a lektorka počítačových věd na Queen Mary University v Londýně. V následujícím textu představuje svůj pohled na to, jak lidé interagují s objemem a rychlostí dat v rámci moderního pracoviště a jaký na ně mají vliv.

Kolem používání umělé inteligence (AI) panuje mylná představa, která v mnoha organizacích přetrvává. Jedná se o dojem, že AI je čistě doménou datových vědců
a technických týmů, v jejichž režii má jít o „odlidštění“ pracoviště – kvůli čemuž má být práce v budoucnu více plánovaná a mechanická. Tuto pesimistickou vizi je však potřeba upozadit a nahradit ji jinou, která více odpovídá realitě. AI do budoucna ve skutečnosti lidské dovednosti a emoce při hledání lepších obchodních výsledků doplní, nikoliv vytlačí.

Když si lidé s rozhodovacími pravomocemi v podniku dokážou doopravdy představit
a promyslet, jakou roli může AI v jejich organizaci hrát, otevírá se mnoho příležitostí pro růst
a inovace, které by dříve byly nepředstavitelné. Kombinací pozitivního dopadu AI na podnikání s hlubokým porozuměním lidskému chování mohou vedoucí pracovníci zlepšit způsob, jakým jejich organizace funguje, a pomoci tak svým zaměstnancům být šťastnější na svých pozicích a produktivnější při své práci. Efektivní analýza dat prostřednictvím AI je pro zaměstnance příslibem rozšíření jejich vrozených lidských dovedností. Pomůže jim tak uvolnit ruce, aby se při své každodenní práci mohli více věnovat strategii a inovacím.

(Vyvíjející se) role dat na pracovišti

Díky neustálému pokroku v různých oblastech AI, mezi které patří mimo jiné strojové učení, hluboké učení, počítačové vidění a virtuální asistenti, se zlepšuje naše chápání toho, jak AI používat. Nejenže AI mění způsob, jakým používáme data, která máme k dispozici, ale také mění naše vnímání toho, co znamená být podnikem zaměřeným na data.

S tím, jak se digitalizuje stále více procesů, což je trend urychlený masovým posunem směrem k práci na dálku, si vedoucí pracovníci stále více uvědomují, že podnik, který provozují, je ve skutečnosti datovým podnikem. A to bez ohledu na odvětví nebo specializaci, ve které působí. Stát se efektivním datovým podnikem znamená více, než jen včlenit data do obchodního rozhodování. Znamená to využívat data také k vytváření a směrování interních procesů jak v síti, tak i mimo organizaci, například se zákazníky a dodavateli. Díky tomu je datová gramotnost – schopnost aplikovat modely a analýzy k vytvoření vzorů z dat a jejich efektivní interpretace – základním požadavkem pro všechna pracoviště, aby bylo zajištěno, že operace probíhají podle plánu a jsou v souladu s osvědčenými postupy v oblasti dat. Mnoho organizací je přesto stále vystaveno mezerám v základních datových kompetencích, které je snazší ignorovat, než řešit.

Toto je bohužel běžná praxe a zároveň promarněná příležitost, protože tato data mají schopnost lépe informovat při obchodním rozhodování a formovat lidské chování, tj. to, jak zaměstnanci pracují. Samotná koncepce dat – jak jsou shromažďována, ukládána a klasifikována, což pak umožňuje použití modelů a analýz, které mohou být aplikovány na data k získání přehledů – je nezbytnou součástí toho, aby byla pro zaměstnance použitelná. Fáze, kdy jsou tvorba a interpretace dat zabudovány do struktury fungování organizace, je u mnoha z nich považována za žádoucí budoucí stav spíše než za dnešní prioritu. Problém je umocněn nedostatkem datové gramotnosti, protože bez dohody o osvědčených postupech při rozhodování o datech jsou zaměstnanci na všech úrovních vystaveni úskalím ad hoc procesů. Pro podnikové lídry je to důvod ke znepokojení, protože odůvodněná tvrzení založená na datech ovlivňují, jak se rozhodují. Jejich zaměstnanci navíc budou reagovat odlišně v závislosti na tom, jak jsou jim tato data prezentována.

Z tohoto důvodu lídři stále více chápou riziko (neúmyslného) zkreslení, a to jak v samotných datech, tak u lidí, kteří s nimi pracují. Vezměme si například použití AI při náborových procesech – pokud je modelování nových náborů založeno na datech z těch předchozích, návrh vybrané struktury by to měl zohledňovat. Pokud předchozí nábor odráží omezené sociální seskupení s přihlédnutím k faktorům, jako je věk, rasa nebo dosažené vzdělání, pak model bez kontroly a úpravy dat nadhodnotí tyto faktory u nových kandidátů, což ovlivní rozhodnutí o jejich vhodnosti pro danou pozici. Výhodou použití AI a dat k takovým rozhodnutím je, že zkreslení lze systematicky odstraňovat. Dokud si modeláři dat budou vědomi předpojatosti v datech, kterou lze měřit, pak mají příležitost ji systematicky odstraňovat mnohem spolehlivěji, než by kdy mohlo školení věnující se rozmanitosti. Aby k tomu však mohlo dojít, musí být tato předpojatost přesně rozpoznána.

Spravedlivé a etické využívání údajů bude základním kamenem budoucnosti, kde ve vztazích na pracovišti budou hrát aktivnější roli vyspělé technologie, jako jsou inteligentní asistenti a automatizační nástroje pro jednoduché úkoly. To pak pomůže směřovat vývoj AI k tomu, aby se stala pracovním partnerem, který umožní lepší rozhodování a nasměruje lidi k jejich zamýšleným výsledkům.

Všeobjímající lidské vlastnosti

Výzvou na cestě k této budoucnosti nejsou jen lidé, kteří rozumí datům a umělé inteligenci, jsou to také data a způsob, jakým AI porozumí lidem. Interní provoz AI prostřednictvím přiřazování rolí, odpovědností, informačních toků a výzev k akci, může organizacím pomoci lépe porozumět psychologickým stavům a profilům svých zaměstnanců, aby pomohly vytvořit procesy v podniku tak, že budou odpovídat chování v reálném životě. Je dobré zvážit využití rozpoznávání obrázků a algoritmů zpracování přirozeného jazyka, které spotřebovávají obrovské datové sady vizuálních nebo textových informací a kategorizují je na základě vzorů a shod. V kontextu lidských zdrojů lze tyto přístupy použít ke sběru relevantních údajů o zaměstnancích v průběhu času, aby pomohly organizaci identifikovat přesné podněty pro zlepšení motivace na pracovišti, výkonu a celkové pracovní spokojenosti. Algoritmy lze například použít k detekci signálů, že zaměstnanec může být nešťastný ve své současné pozici nebo přemýšlet o odchodu ze společnosti. Vedení pak může tyto informace použít k aktivaci preventivních opatření za účelem vyřešení situace.

Dalším prvkem porozumění psychologii dat je vědomí jejich omezení. Ve světě, kde data rostou exponenciálně, je třeba vzít v úvahu riziko přetížení a kvality dat. Organizace musí mít na paměti, že lidé zvládnou vstřebat jen omezené množství informací, než budou zahlceni. Více dat nemusí nutně vést k lepším datům, přičemž za většiny okolností je opak pravdou. Nedávný výzkum z USA v oblasti neurovědy ukázal, že lidský mozek má kapacitní limit a při překročení může nastat fenomén známý jako „nepoznaná slepota“, kdy ignorujeme dostupné informace, i když jsou pro nás užitečné. 

Je třeba vzít v úvahu také riziko špatných dat – kdy zaměstnanci pracují se sadami, které obsahují nepřesné, nevhodné nebo chybějící datové body. V takových případech může být zaměstnanec i přes správný postup veden k chybným předpokladům, které dále vedou ke špatným nebo nežádoucím výsledkům.

Při hledání větší vyspělosti dat stojí za to připomenout rčení: „Ne všechno, co lze spočítat, se počítá a ne všechno, co se počítá, lze spočítat.“ Lídři by si měli být vědomi toho, že pokud vše začnou sledovat objektivem zaměřeným na data, mohou se všechny aspekty jejich podnikání přenést do kvantifikovaných měřítek a metrik, což přináší riziko, že se emoční vazby mohou snadno znehodnotit. Jak datová věda agreguje jednotlivé datové body, nuance jednotlivých emocí se mohou rychle ztratit. Zmizí tak jedinečné prvky lidských interakcí. Jak například můžete dát přesnou číselnou hodnotu kvalitám, jako je loajalita, kreativita, empatie a humor, které všechny mohou přispět ke šťastnému a produktivnímu pracovišti? Cílem AI v zásadě není redukovat vše na různé soubory dat, spíše by se mělo usilovat o posílení lidskosti na pracovišti a s tím i o blahobyt zaměstnanců.

Polidštění AI

AI je v zásadě lidská technologie a je třeba k ní jako k takové přistupovat. Nejžádanějšími zaměstnavateli budou v budoucnu ti, kteří budou ve světě zaměřeném na data schopni nabídnout pracoviště zaměřené na člověka. Je proto nezbytné, aby vedení jasně formulovalo, jak budou data v celé organizaci využívána k podpoře zaměstnanců.

Přijetí takového přístupu vyžaduje zhodnocení nejen příležitostí, které spočívají v práci s daty, ale také psychologická a behaviorální omezení spojená s těmi, kteří s nimi pracují. Díky tomu, že aplikace AI a data, která shromažďují, pracují synchronizovaně s lidmi, mohou lídři nasměrovat své iniciativy AI tak, aby byly implementovány způsobem, jenž zvyšuje jedinečnost jejich organizace. Tato jedinečnost vychází právě z jejích lidí.

Text pochází ze série Think Transformation společnosti Lenovo se zaměřením na využití dat v podnikové sféře.