Die Zukunft der Beratung: Erweiterung der menschlichen Intelligenz

Das größte Hindernis für kluges Handeln und die größte Quelle der Angst ist Unwissenheit. Eine kleine Kerze kann das Licht fehlleiten und einen riesigen, bedrohlichen Schatten werfen, während unter dem mächtigen Licht der Mittagssonne kein Schatten zu sehen ist. Es ist an der Zeit, das gesamte Problem von Mensch und Maschine ins helle Sonnenlicht des Mittags zu rücken. Computer werden niemals die menschliche Initiative nehmen oder das menschliche kreative Denken ersetzen. Computer werden den Menschen von niederen oder repetitiven Denkmustern befreien und die Möglichkeiten erweitern, die menschliche Vernunft voll auszuschöpfen.

--Thomas Watson Jr., ehemaliger Vorsitzender und CEO von IBM

Einzelne Mitarbeiter in Unternehmen oder Organisationen, die in hohem Maße auf die Erfassung, Organisation und Verarbeitung von Daten, Informationen und Wissen angewiesen sind, erleben einen großen Wandel sowohl ihrer beruflichen Rollen als auch ihrer Fähigkeiten. Wir haben begonnen, das Informationszeitalter hinter uns zu lassen und in eine Ära einzutreten, die von der Rechenleistung und der Effizienz neuer Algorithmen geprägt ist. Von der Weiterentwicklung des Quantencomputings bis hin zur Förderung von Supercomputing-Ressourcen weist jeder Aspekt darauf hin, dass die Ära, in der man sich zur Steigerung der Wettbewerbsfähigkeit auf die Einstellung und Ausbildung „erfahrener“ Experten verlassen musste, vorübergeht. Die zukünftige Ausrichtung liegt darin, sich auf Computer- und Algorithmuskenntnisse sowie die Flexibilität einer kleinen Zahl von Technikern und Ingenieuren zu verlassen, um einen signifikanten Unternehmens- oder Organisationswert zu erzielen.

Traditionelle Ansätze der Wissensarbeit und Beratung

Seit Jahren zahlen Unternehmen hohe Preise für objektive Beratung durch Experten, um kritische Geschäftsherausforderungen zu erkennen und zu lösen. Da Beratungsteams jedoch häufig nur eingeschränkten Zugriff auf Daten und Informationen haben und zudem die bisherigen Erfahrungen und Fachkenntnisse der Teammitglieder einen Einfluss haben, ist die Beratungsleistung, die Unternehmen erhalten, mehr oder weniger begrenzt.

Darüber hinaus rechnen diese Berater oft nach Stunden ab, was bedeutet, dass die Informationen, die sie nach Zahlung hoher Gebühren erhalten, selten den erwarteten Wert haben. Entscheidungen und Einflüsse hinsichtlich Kosten, Zeit und Projektsponsoren wirken sich auf den langfristigen Erfolg von Beratungstätigkeiten aus. Diese Einschränkungen können den Fortschritt der beteiligten Teams erheblich behindern, insbesondere wenn die Pflege der Kundenbeziehungen ein entscheidender Bestandteil der Arbeit ist. Diese zusätzliche Arbeit treibt häufig die Gesamtkosten des Projekts in die Höhe, lenkt die Aufmerksamkeit des Teams von der aktuellen Arbeit ab und führt häufig dazu, dass der Erfolg des Projekts stark vom Temperament, Charakter und der emotionalen Intelligenz der Teammitglieder abhängt.

Wenn Konflikte auftreten, kann dies zu einer Vertrauenskrise führen und einige Mitglieder können das Unternehmen verlassen oder entlassen werden. und wenn sich ein Projekt nicht wie erwartet entwickelt, sucht das Team möglicherweise nach einem Schuldigen. Wenn Teams Qualifikationslücken feststellen, versuchen sie, kurzfristige Notlösungen zu finden oder mehr Fachexperten (SMEs) hinzuzuziehen. Diese Fachexperten müssen schnell verstehen, was erreicht wurde, wohin das Projekt derzeit führt und welche Pläne das Team für das Projekt hat. Dieser Prozess ist anspruchsvoll und kann zudem kostspielig und zeitaufwändig sein.

In Verbindung mit diesen Kosten und Komplexitäten treffen sich Teams, wenn sie ein kritisches Problem lösen müssen, oft stunden- oder sogar tagelang in einem Raum, um die Probleme, Einschränkungen und Optionen zu analysieren und mögliche Vorgehensweisen zu ermitteln.

Auf dem Weg zur erweiterten menschlichen Intelligenz

Traditionelle Ansätze sind zwar manchmal wirksam, doch die wachsenden Fähigkeiten kognitiver Computersysteme stellen dieses bestehende Modell zunehmend in Frage.

Cognitive Computing kann wie folgt beschrieben/definiert werden:

Cognitive Computing ermöglicht die rechnergestützte Lösung einer neuen Klasse von Problemen. Es befasst sich mit komplexen Situationen, die durch Mehrdeutigkeit und Unsicherheit gekennzeichnet sind. mit anderen Worten, es geht um ähnliche Probleme wie Menschen. In diesen dynamischen, informationsreichen und sich ständig verändernden Situationen ändern sich die Daten häufig und sind oft widersprüchlich. Wenn Benutzer mehr Wissen erlangen und ihre Absichten sich ändern, entwickeln sich ihre Entwicklungsziele weiter. Als Reaktion auf die unbeständige Natur des Problemverständnisses der Benutzer bieten kognitive Computersysteme umfassende Dienste an, die nicht nur Informationsressourcen, sondern auch Wirkungs-, Kontext- und Meinungsanalysen umfassen. Dazu muss das System häufig widersprüchliche Beweise abwägen und die „beste“ Antwort vorschlagen, nicht nur die „richtige“.

Intelligente Clients und algorithmusgesteuerte kognitive Anwendungen werden sich durch kürzere Zeit bis zum Ergebnis, höhere Effizienz und geringere Kosten bewähren. Und schließlich werden fortschrittliche kognitive Computersysteme eine objektive strategische Anleitung mit einem Grad an Genauigkeit und Effizienz bieten, der für menschliche Teams nur schwer zu erreichen ist. Durch die Verstärkung der menschlichen Intelligenz und die maximale Nutzung der maschinellen Intelligenz wird die oben erwähnte Vision von Thomas Watson allmählich Wirklichkeit. Wenn sich Unternehmen immer mehr daran gewöhnen, zur Lösung geschäftlicher Probleme erweiterte menschliche und künstliche Intelligenz einzusetzen, fühlen sie sich durch Maschinen immer weniger bedroht und begrüßen diese als wertvolles Team.

In einem 2014 von KMWorld veröffentlichten Artikel legten die Autoren einige zusätzliche Anforderungen an ein leistungsfähiges kognitives System dar. Diese Anforderungen bieten einen nützlichen Rahmen, um fortgeschrittene Systeme von KI-Systemen zu unterscheiden, die nur über bestimmte Fähigkeiten verfügen.

• Anpassungsfähig. Sie müssen lernen, sich mit den sich ändernden Informationen und den sich weiterentwickelnden Zielen und Bedürfnissen auseinanderzusetzen. Sie müssen Mehrdeutigkeiten beseitigen und Unsicherheit tolerieren. Sie müssen in der Lage sein, dynamische Daten in Echtzeit oder nahezu in Echtzeit zu verarbeiten.
• Interaktion. Sie müssen in der Lage sein, auf einfache Weise mit Benutzern zu interagieren, sodass diese ihre Anforderungen problemlos definieren können. Sie sollten auch mit anderen Prozessoren, Geräten, Cloud-Diensten und sogar anderen Personen interagieren können.
• Iterationen und Zustände. Wenn der Problemstatus vage oder unvollständig ist, sollten sie in der Lage sein, durch Fragen oder die Einholung zusätzlicher Ressourceneingaben bei der Definition des Problems zu helfen. Sie müssen sich während der Verarbeitung an vorherige Interaktionen „erinnern“ und Informationen zurückgeben, die für eine bestimmte Anwendung zu einem bestimmten Zeitpunkt geeignet sind.
• Kontext. Sie müssen Kontextinformationen wie Bedeutung, Syntax, Zeitpunkt, Ort, entsprechende Domäne, Vorschriften, Benutzerkonfiguration, Prozesse, Aufgaben und Ziele verstehen, erkennen und extrahieren. Sie können mehrere Informationsquellen nutzen, darunter strukturierte und unstrukturierte digitale Informationen sowie eine Vielzahl sensorischer Eingaben (visuell, Bewegung, Gehör usw.).

Erwerben Sie neue Fähigkeiten und Kenntnisse – jetzt und in naher Zukunft

Top-Beratungsunternehmen glänzen durch ihre Fähigkeit, komplexe Probleme zu verstehen, die wichtigsten Herausforderungen ihrer Kunden besser zu verstehen und zu klären und strukturierte Problemlösungstechniken einzusetzen, um Projektteams der Kunden in die für das Unternehmen beste Richtung zu lenken. Auch dieser Ansatz ist eine Herausforderung, aber mit genügend Personal, Forschung, Fachwissen, Finanzierung, Kooperation, Zusammenarbeit, Einfluss, Veränderungsmanagement, Führung, Teamarbeit und Beharrlichkeit können die Probleme der Kunden dennoch angemessen erkannt und gelöst werden.

Die Herausforderungen, die mit der Einstellung von Beratern einhergehen, ähneln oft jenen, vor denen Unternehmen stehen, wenn sie ihre Mitarbeiter bitten, im Rahmen einer internen Initiative interne Veränderungen zu leiten. Unabhängig davon, ob die Teamressourcen aus Organisationsmitarbeitern oder Beratern bestehen, bestehen immer Ineffizienzen im Team und kognitive Einschränkungen des Menschen. In diesem Fall hängt der Erfolg oft von der Zusammensetzung des Teams, den verfügbaren Mitteln, dem Einfluss des Projektleiters, der Gesamtpriorität der Arbeit und dem gemeinsamen Wissen ab, das das Team zusammenbringt.

Wenn neues Wissen oder neue Fachkenntnisse benötigt werden, beschaffen sich Unternehmen dies üblicherweise auf drei Arten: Sie suchen entweder intern nach den erforderlichen Fähigkeiten, wenden sich an bekannte Experten auf dem jeweiligen Gebiet oder versuchen, einen Mitarbeiter einzustellen, der über die erforderlichen Kenntnisse verfügt. Wenn eine Organisation intern nicht über die entsprechenden Fähigkeiten verfügt und die Zeit drängt, besteht ein gängiger Ansatz darin, Berater einzustellen, die bereits über die entsprechenden Fähigkeiten und das Fachwissen verfügen. Dies ist ein perfektes Beispiel für ein Anwendungsszenario, in dem fortschrittliche kognitive Systeme eingesetzt werden können, um faktenbasierte, aktuelle Erkenntnisse und Empfehlungen in Echtzeit bereitzustellen.

Wissenslücken schließen und kognitive Systeme nutzen

Die Fragen, die wir beantworten müssen, lauten: Wie begrenzen wir die Menge menschlicher Konflikte, die oft die Teamdynamik prägen und vorantreiben? Wie beseitigen Sie die Vorurteile, die Ihr Team zur Arbeit mitbringt? Wie lassen sich berufliche Kenntnisse und Fähigkeiten effizienter erwerben? Wie gehen wir das Problem steigender Verwaltungskosten an und begrenzen den Zeitaufwand für Problemlösungen und Wertschöpfung? Wie können wir nützliche neue Erkenntnisse und Informationen gewinnen, die uns helfen, Probleme besser zu verstehen und zu objektiveren, präziseren und nützlicheren Vorschlägen zu gelangen? Und schließlich: Was können Unternehmen tun, um Zugang zu Expertenwissen von Weltklasse zu erhalten, das ihnen wichtige Orientierungshilfe und strategische Entscheidungen bietet und gleichzeitig den geplanten Geschäftswert liefert?

Durch den Einsatz kognitiver Computer können wir Antworten auf diese Fragen finden. Cognitive Computing ist ein relativ neuer Teilbereich der Informatik, der seit seinen Anfängen in den 1940er Jahren bis zu einer von der Programmierung dominierten Ära in der zweiten Hälfte des 20. Jahrhunderts einen langen Weg zurückgelegt hat. Einige Branchen und Bereiche haben begonnen, kognitives Computing zu akzeptieren. Mit der Weiterentwicklung des kognitiven Computing haben Unternehmen nach und nach die Fähigkeiten und die Effizienz dieses Modells erkannt und die Anwendung des kognitiven Computing in verschiedenen Branchen und Bereichen wird immer umfangreicher werden.

Das Geheimnis der Leistungsfähigkeit des Cognitive Computing liegt in seiner Verwendung von Algorithmen des maschinellen Lernens, um verarbeitetes und gespeichertes Wissen in umsetzbare Erkenntnisse umzuwandeln. Diese Algorithmen ermöglichen es den Systemen, zu lernen und dadurch ihre Fähigkeit, Empfehlungen abzugeben, zu verbessern und zu erweitern (ein Prozess, der nur sehr wenig Zeit in Anspruch nimmt, gemessen in Minuten oder Stunden). Die Mustererkennungsfähigkeiten zur Klassifizierung und Clusterung neuer Daten und Informationen machen diese Systeme äußerst wertvoll. Lernsysteme sind außerdem in der Lage, neue Informationen in einen kontinuierlichen Kreislauf der Hypothesengenerierung und -bewertung zu integrieren, wodurch diese Systeme die in der traditionellen Beratung verwendeten Praktiken nachahmen können.

Entwickeln Sie Modelle für Tests und Ausführung

Meine Arbeit im Bereich künstliche Intelligenz und maschinelles Lernen hat zu einem wachsenden Interesse an kognitiven Computersystemen geführt, die künstliche Intelligenz anwenden und die menschliche Intelligenz erweitern. Datenwissenschaftler und Forscher im Bereich des maschinellen Lernens sind sich des Potenzials dieser Techniken durchaus bewusst und übertragen ihre Erkenntnisse rasch aus den Forschungslaboren in reale Anwendungen. Beim Erlernen dieser Themen bestand mein Ansatz darin, direkt in die technischen Details der verschiedenen Bibliotheken, Sprachen und Algorithmen einzutauchen, die entwickelt wurden, um das Problemparadigma zu verstehen. Der wahre Wert dieser Arbeit liegt jedoch in unserer Fähigkeit, Algorithmen zu stapeln, diese Technologien effektiv zu integrieren, um funktionale Prototypen zu erstellen und komplexe kognitive Systeme zu bauen, die schnell und effizient skalierbar sind.

Um diese Technologien voll auszunutzen, müssen wir die grundlegenden Komponenten eines fortschrittlichen kognitiven Systems verstehen. Es gibt viele Möglichkeiten, solche Systeme aufzubauen, und das schnelle Innovationstempo in diesem Bereich führt zu neuen Bereitstellungsmodellen und Implementierungsrahmen. Die folgende Abbildung listet einige der wichtigsten Prozesse und Komponenten auf, die zum Aufbau leistungsfähiger kognitiver Systeme erforderlich sind. Obwohl diese Systeme bei der Lösung vieler Probleme hilfreich sind, liegt mein Schwerpunkt auf ihrer Anwendung zur Verbesserung und Stärkung der Wissensarbeit, insbesondere bei der strategischen Entscheidungsfindung in Organisationen. Um ein solches System zu erreichen, müssen wir ein System bauen, das probabilistische Empfehlungen und streng deterministische Ergebnisse liefern kann. Dies ist so wichtig, dass es einen eigenen Artikel verdient, aber eine kurze Beschreibung wird uns helfen, den Prozess der Generierung und Bereitstellung von Erkenntnissen für Geschäftsbenutzer zu verstehen.

Ich werde die technischen Details dieser Implementierung in einem späteren Artikel behandeln, aber der Hauptzweck dieses Artikels besteht darin, die Kernkomponenten einfach auf hoher Ebene zu erklären. Aufgrund ihrer Bedeutung für die Handhabung strukturierter und unstrukturierter Daten und ihrer Rolle bei der Sicherstellung der Aufnahme und Verarbeitung verschiedener Datentypen habe ich beschlossen, einige spezielle Komponenten in das obige Diagramm aufzunehmen. Anhand dieses Modells können wir erkennen, dass maschinelles Lernen (ML) in der Phase der Wissensgenerierung auf beiden Seiten des Korpus eine sehr wichtige Rolle spielt. Mustererkennung und Datenvorverarbeitung während der Datenextraktions- und prädiktiven normativen Ausgabephasen stellen sicher, dass maschinelles Lernen eine entscheidende Rolle bei der Förderung des kognitiven Computing spielt.

Kognitive Informatik im Kontext

Diejenigen unter Ihnen, die mit den Fortschritten in der KI weniger vertraut sind, können über die neuronalen Prozesse nachdenken, die Menschen zum Dekodieren, Speichern und Abrufen neuer Informationen verwenden, und Sie können beginnen, die in diesen Rechenmodellen verwendeten Rechenmuster zu verstehen. Wenn Menschen Informationen abrufen müssen, finden im Gehirn eine Reihe von Verarbeitungsschritten statt, die es ermöglichen, die Informationen abzurufen und je nach Bedarf zu verwenden. Nachdem wir ein abstraktes Modell der menschlichen Intelligenz erstellt hatten, begannen wir, es mit den Rechenmustern der menschlichen Wahrnehmung, Mustererkennung, Klassifizierung und Clusterbildung zu vergleichen und stellten fest, dass es viele Ähnlichkeiten gab. In meinen nachfolgenden Beiträgen zum maschinellen Lernen (tiefe neuronale Netzwerke, faltende tiefe neuronale Netzwerke, tiefe Glaubensnetzwerke und rekurrierende neuronale Netzwerke) und zur Verarbeitung natürlicher Sprache werde ich diese Ähnlichkeiten ausführlicher behandeln.

Die oben genannten Modelle können uns bei der Erforschung kognitiver Systeme helfen. Während sich die Forschung in diesem Bereich bisher auf die Anwendung bestimmter Komponenten des obigen Diagramms konzentrierte, lag mein Schwerpunkt in jüngster Zeit auf der Konvergenz und Integration dieser Komponenten bei der Bereitstellung intelligenter Anwendungen, die neu definieren werden, was mit Informations- und Wissensarbeit möglich ist. Im weiteren Sinne werden Investitionen in diese Technologien und deren Anwendung enorme Vorteile für die Lösung sozialer Probleme und die Verbesserung der Lebensbedingungen der Menschen bringen. Kognitive Computersysteme werden zu einem wichtigen Wegbereiter, da wir die Leistungsfähigkeit von Computern, Algorithmen und künstlicher Intelligenz nutzen, um Daten zu extrahieren, zu verarbeiten, zu speichern und ihnen Bedeutung zu verleihen.

Cognitive Computing als zentrale Geschäftsressource in der Praxis nutzen

Da mittlerweile jeder Mitarbeiter einen Computer auf seinem Schreibtisch hat und mobile Geräte für die Arbeit unverzichtbar werden, denke ich, dass auch intelligente KI-Clients und kognitive Computersysteme eine ähnliche Popularitätswelle auslösen werden. Diese Systeme werden nicht auf Unternehmensanwendungen beschränkt sein, sondern auch als Verbraucherprodukte den Bedürfnissen der Menschen gerecht werden und so enorme Marktchancen schaffen. In der Anfangsphase handelt es sich bei den Anwendern der Technologie jedoch noch immer um Unternehmen, die sich von der Chance enorme Gewinne erhoffen. Da Forscher und Praktiker weiterhin neue Anwendungen entwickeln, werden Branchen wie der Einzelhandel und das Gesundheitswesen weiterhin Ergebnisse hervorbringen und die Nachfrage weiter steigen. Wir haben gesehen, dass die weltweit größten und mächtigsten digitalen Unternehmen (Facebook, IBM, Google, Baidu, Amazon, Twitter usw.) massiv in kognitives Computing, Deep Learning und andere KI-Technologien investieren, die als marktreif gelten.

Da Software über immer menschenähnlichere Wahrnehmungsfähigkeiten verfügt und die Arten und Mengen der Daten, die sie extrahieren, verarbeiten und verstehen kann, zunehmen, werden sich die wirtschaftlichen Gründe für Investitionen in diese Durchbrüche und deren Nutzung sicherlich verstärken. Die ermutigenderen Zeichen sind, dass greifbarer Geschäftswert nicht erst in 10 oder 20 Jahren sichtbar wird. KI wird schneller als erwartet ein wichtiger Teil Ihres Berufslebens werden und Sie werden schon bald in den Genuss der Vorteile von KI kommen. Die Interaktion zwischen Mensch und Maschine wird in der zukünftigen Arbeit eine immer wichtigere Rolle spielen.

Von LinkedIn, Autor Eric Miley, übersetzt und produziert von Machine Heart. Übersetzt von: Wu Pan.