We bluffen niet: poker en andere spellen zijn goede modellen van de autonome onderneming

We bluffen niet: poker en andere spellen zijn goede modellen van de autonome onderneming



ChatGPT en andere tools voor kunstmatige intelligentie domineren de laatste tijd het gesprek. Hun vermogen om menselijk schrijven en kunst te imiteren, doet de bezorgdheid rijzen dat machines witteboordenwerkers zouden kunnen gaan vervangen, zoals ze in de 19e eeuw veel arbeidersbanen overnamen.e eeuw. Bij Digitate denken we ook na over de rol van machines op het werk, terwijl we softwaretools ontwikkelen om de autonome onderneming echt te maken.

In onze visie op de ‘autonome onderneming’ vervullen machines (of beter gezegd AI-algoritmen) zeer repetitieve of gedefinieerde taken, terwijl strategische, besluitvormingstaken door mensen worden aangestuurd.

U denkt misschien dat die regel betekent dat het gemakkelijk is om te beslissen welke taken aan machines kunnen worden toegewezen. Maar naarmate AI en machine learning steeds geavanceerder en krachtiger worden, blijft de scheidslijn verschuiven. De onderscheidende factor blijft echter hetzelfde: of de taak in kwestie gegevens verwerkt in een bepaald of ongedefinieerd manier.

  1. Bepaald: Activiteiten in het gedefinieerde cluster bieden alle informatie (data) en instructies die je nodig hebt om ze uit te voeren. Er wordt geen informatie verborgen en de specifieke gebruiksaanwijzing kan worden berekend met behulp van de beschikbare gegevens. Gedefinieerde data-activiteiten zijn rijp om machinaal te worden beheerd.
  2. Ongedefinieerd: Activiteiten in dit cluster bieden niet alle benodigde informatie om uit te voeren. Intuïtie, interpretatie, analyse, deductie en gissen zijn vereist. Ongedefinieerde data-activiteiten wel niet goed aanpassen aan machinebeheer.
Games kunnen helpen om te begrijpen hoe AI kan worden ingezet

Spellen die uitstekende voorbeelden zijn van deze twee clusters zijn respectievelijk schaken en poker. Deze categorieën werden voor het eerst gedefinieerd door de baanbrekende wiskundige en computerwetenschapper John von Neumann (die een heel studiegebied creëerde met zijn boek uit 1944, Theory of Games en economisch gedrag).

Lees ook:  Van CIO tot CEO: Mario Harik van XPO over levelen

Ik werd herinnerd aan de onderscheiding van Von Neumann toen ik afgelopen herfst een toespraak bijwoonde van geleerde en pokerkampioen Maria Konnikova die een aantal van de onderstaande punten behandelde.

Denk eerst aan een schaakspel. Het heeft een gedefinieerde set stukken met specifieke rollen, een duidelijke set regels en een gedefinieerde ruimte (het schaakbord). Alle gegevens zijn zichtbaar voor beide spelers, zonder verborgen informatie (en geen onduidelijkheid over of een zet legaal is of niet). Het totale aantal van alle mogelijke zetten is erg hoog, maar niet oneindig. Dit betekent dat een machine uitgerust met een goede set algoritmen en voldoende rekenkracht elke schaakkampioen kan verslaan. (In feite gebeurde dit voor het eerst een kwart eeuw geleden.)

Denk nu aan poker. Het heeft ook een gedefinieerde set stukken (een kaartspel), een set regels en een gedefinieerde ruimte (de kaartentafel). Niet alle informatie is echter te zien; in feite is het centrale mechanisme van poker om te raden welke kaarten je tegenstanders in het geheim hebben en vervolgens met succes te voorspellen hoe ze zullen inzetten. Het spel moet worden gespeeld op basis van aannames, aanwijzingen en intuïties over zowel de beschikbare kaarten als het menselijk gedrag onder specifieke emotionele druk.

Lees ook:  Waarom al het IT-talent onvervangbaar zou moeten zijn
Weet je wanneer je ze moet folden? Dat rekent niet af

Dit is het grote verschil: machines doen het niet goed als niet alle benodigde informatie beschikbaar is.

Hoewel ik me realiseer dat mensen misschien bezwaar maken tegen het feit dat AI vooruitgang boekt en menselijke intelligentie nabootst, is er nog geen enterprise-grade toepassing van dergelijke oplossingen. In ieder geval de komende jaren kunnen machines ons nog steeds niet verslaan bij poker.

End-to-end bedrijfsactiviteiten staan ​​dichter bij poker dan bij schaken, omdat vaak niet alle gegevens beschikbaar zijn. Besluitvorming wordt vaak gedreven door beperkte gegevens, informatie-interpretatie en intuïtie.

Machines zijn zeer effectief en efficiënt in het beheren van taken met een duidelijke set gegevens en goed gedefinieerde regels, ook wel bekend als Standard Operating Procedures. In veel ondernemingen kan een breed scala aan activiteiten, van verkoop tot HR, worden beschreven met SOP’s en daarom worden geautomatiseerd. (In IT-activiteiten, waar ik mijn carrière heb doorgebracht, kan 80% van de taken door machines worden beheerd.)

De typische reis naar een autonome onderneming gaat meestal door deze fasen:

  1. Handmatig: Er is geen ondersteuning door machines; alle taken worden uitgevoerd door mensen.
  2. vergroot: Er zijn specifieke routines die repetitieve taken verlichten, maar deze routines worden geactiveerd door mensen. (De meest voorkomende fase tegenwoordig.)
  3. Geautomatiseerd: De machine reageert op een ticket (verzoek van een mens) en activeert een specifieke routine om het probleem op te lossen.
  4. autonoom: Machines stellen acties voor en voeren deze uit om incidenten te voorkomen of de algehele prestaties te verbeteren. Gewoonlijk is er een supervisieperiode waarin de mens handelingen “leert” of modelleert die de machine moet ondernemen, die deze later zonder toezicht zal uitvoeren.
Lees ook:  Voorspellingen en kansen voor waardestroombeheer voor 2022

Bij Digitate hebben we “ignio™”, ons vlaggenschip AIOps-platform voor IT en bedrijfsvoering, gebouwd om volledig autonoom te worden. Na de “leer”-periode kan het eigen algoritme voor machinaal leren van ignio overtollige informatie uit de productieomgeving filteren en zich alleen richten op de activiteiten die nodig zijn om de situatie te verbeteren of recht te zetten.

Een stap voor blijven met autonome operaties

Zoals elk goed schaakcomputerprogramma heeft ignio een bibliotheek met meer dan 10.000 aanpasbare zetten (use cases) die kunnen worden toegepast wanneer zich een situatie voordoet. Uiteraard zal ignio in het begin menselijke goedkeuring vragen alvorens de use case uit te voeren. Maar wanneer de periode van machine learning voorbij is, is ignio klaar om niet alleen IT-problemen zelf op te lossen, maar ook allerlei bedrijfsprocessen te optimaliseren.

Het komt erop neer: ignio is ontworpen als een autonome bedrijfsoplossing voor IT-activiteiten. ignio richt zich op het hele landschap, niet alleen op afzonderlijke aspecten zoals gegevensstroom, ticketbeheer of monitoring. ignio is niet alleen een tool voor een specifieke behoefte, maar eerder een oplossing om de IT-autonome onderneming te realiseren.

En je kunt je hele inzet inzetten op die deal.

Om ignio in actie te zien, klik hier om een ​​demo aan te vragen.

Meer informatie over ?

We bluffen niet: poker en andere spellen zijn goede modellen van de autonome onderneming
Of weten wat het voor jouw organisatie kan betekenen?

Onze business consultants komen het graag op locatie uitleggen.

Meer kennis uit deze categorie

We bluffen niet: poker en andere spellen zijn goede modellen van de autonome onderneming

Gratis scan aanvragen
voor jouw organisatie?

    We bluffen niet: poker en andere spellen zijn goede modellen van de autonome onderneming

    Gratis scan aanvragen
    voor jouw organisatie?