Peter Drucker mengetahui banyak hal, tetapi komputer itu bukan salah satunya. "Komputer ... adalah tolol, " guru manajemen menegaskan dalam sebuah artikel McKinsey Quarterly pada tahun 1967, menyebut perangkat yang sekarang memberdayakan ekonomi kita dan kehidupan sehari-hari kita "alat paling bodoh yang pernah kita miliki."
Drucker hampir tidak sendirian dalam meremehkan laju perubahan teknologi digital dan kecerdasan buatan (AI) yang tak terduga. AI dibangun di atas kekuatan komputasi jaringan saraf yang luas yang menyaring set data digital besar atau "data besar" untuk mencapai hasil yang analog, seringkali lebih unggul, dengan yang dihasilkan oleh pembelajaran manusia dan pengambilan keputusan. Karir yang beragam seperti periklanan, layanan keuangan, kedokteran, jurnalisme, pertanian, pertahanan nasional, ilmu lingkungan, dan seni kreatif sedang diubah oleh AI.
Algoritma komputer mengumpulkan dan menganalisis ribuan titik data, mensintesis informasi, mengidentifikasi pola-pola yang sebelumnya tidak terdeteksi dan menciptakan keluaran yang bermakna — apakah pengobatan penyakit, kecocokan wajah di kota jutaan, kampanye pemasaran, rute transportasi baru, program panen panen, kisah berita yang dihasilkan mesin, puisi, lukisan, atau bait musik — lebih cepat daripada manusia dapat menuangkan secangkir kopi.
Sebuah studi McKinsey baru-baru ini menunjukkan bahwa 45 persen dari semua kegiatan di tempat kerja dapat diotomatisasi dengan menggunakan AI. Itu termasuk juru tulis file yang pekerjaannya bisa menjadi 80 persen terotomatisasi, atau pekerjaan CEO yang bisa 20 persen terotomatisasi karena sistem AI secara radikal menyederhanakan dan menargetkan pembacaan laporan oleh CEO, deteksi risiko, atau pengenalan pola.
AI telah menjadi salah satu teknologi yang telah lama ditunggu-tunggu yang belum mengubah seluruh dunia kita, tetapi akan berubah. Sekarang AI tampak siap untuk prime time, ada kekhawatiran, bahkan di antara para teknologi, tentang kekuatan yang tidak terkendali yang dimiliki mesin terhadap pengambilan keputusan manusia. Elon Musk menyebut AI "ancaman eksistensial terbesar kita, " menggemakan peringatan Bill Joy 2000 di majalah Wired bahwa "masa depan tidak membutuhkan kita." Di sisi lain, tentu saja, para penggemar yang bersemangat untuk mesin pintar untuk meningkatkan kehidupan kita dan kesehatan planet ini.
Saya berada di pihak CEO Microsoft Satya Nadella yang mengatakan bahwa kita harus mempersiapkan janji akan mesin yang lebih pintar sebagai mitra pengambilan keputusan manusia, dengan fokus pada peran yang tepat, dan keterbatasan, alat AI. Bagi para pendidik sekolah bisnis seperti saya yang percaya bahwa masa depan akan benar-benar membutuhkan kita, kekuatan AI yang semakin luas atau pembelajaran yang dalam menimbulkan tantangan dan peluang: Bagaimana kita mempersiapkan siswa untuk dekade mendatang sehingga mereka merangkul kekuatan AI, dan memahami kemampuannya. keuntungan bagi manajemen dan kepemimpinan di masa depan?
Ini akan menjadi kesalahan untuk memaksa setiap lulusan MBA untuk menjadi ilmuwan data. Tantangan bagi sekolah bisnis adalah untuk memperbarui kurikulum kami yang berfokus secara luas sambil memberikan tingkat keakraban dan kenyamanan yang lebih luas kepada kami dengan analitik data. CEO Tomorrow akan membutuhkan pemahaman yang lebih baik tentang set data yang semakin melimpah dan kompleks dalam organisasi yang dapat, dan tidak bisa, jawab.
Kecanggihan dan volume data mungkin meningkat, tetapi sejarah memberi model hubungan yang tepat bagi pengambil keputusan dengan analitik data.
Ambil D-Day. Jenderal Dwight D. Eisenhower mencari sebanyak mungkin data untuk menginformasikan keputusannya tentang kapan harus mendaratkan ratusan ribu pasukan Sekutu di pantai-pantai Normandia pada akhir musim semi tahun 1944 yang menentukan itu. Sebagaimana buku Antony Beevor tentang pertempuran dan akun-akun lainnya menjelaskan., Eisenhower sangat membutuhkan data meteorologi yang dapat diandalkan, kembali ketika ramalan cuaca masih sangat dini. Jenderal menumbuhkan Dr. James Stagg, kepala ahli meteorologi, dan menjadi mahir tidak hanya menganalisis laporan Stagg, tetapi juga membaca tingkat kepercayaan Stagg sendiri dalam laporan apa pun.
Selama berbulan-bulan sebelum keputusan yang menentukan untuk "memulai Perang Salib Besar, " Eisenhower mengembangkan apresiasi yang tajam untuk apa yang bisa dan tidak bisa diramalkan oleh ramalan meteorologis. Pada akhirnya, seperti yang diketahui sejarah, Stagg meyakinkannya untuk menunda invasi ke 6 Juni dari 5 Juni, ketika badai yang diprediksi mengamuk di Selat Inggris dan ketika banyak orang lain mempertanyakan panggilan Stagg bahwa hal itu akan segera hilang.
Tidak ada yang akan berpendapat bahwa Eisenhower seharusnya menjadi ahli meteorologi sendiri. Tugasnya adalah untuk mengawasi dan mengoordinasikan semua aspek kampanye dengan mengumpulkan informasi terkait, dan menilai kualitas dan kegunaan informasi tersebut untuk meningkatkan probabilitas keberhasilan invasi. Saat ini, data besar dan kemajuan AI memperluas informasi yang tersedia bagi para pembuat keputusan perusahaan. Namun, peran CEO dalam kaitannya dengan data menggemakan fungsi serap dan menghakimi yang dilakukan oleh Jenderal Eisenhower dalam membaca probabilitas ke dalam laporan cuaca meteorologisnya.
Patut dicatat bahwa hari ini, di tengah-tengah pembicaraan tentang kompleksitas teknologi dan spesialisasi di begitu banyak perusahaan di Amerika, sebuah laporan Deloitte yang disiapkan untuk sekolah kami menemukan bahwa para pengusaha yang ingin merekrut lulusan MBA lebih menghargai "soft skill" calon karyawan "lebih dari yang lain. Mereka ingin merekrut orang-orang dengan kompetensi budaya dan keterampilan komunikasi yang lebih kuat, yang dapat bekerja secara kolaboratif dalam berbagai tim, dan fleksibel dalam beradaptasi terus menerus dengan peluang dan keadaan baru di tempat kerja dan pasar.
Ini bukan hanya tentang intoleransi terhadap para tersangka di kantor. Ini tentang kebutuhan pemimpin untuk dapat mensintesis, bernegosiasi, dan menengahi antara lingkungan, pakar, dan data yang bersaing dan saling bertentangan. Jika pernah ada saat ketika para pemimpin perusahaan dibayar untuk melakukan panggilan "pemeriksaan usus" bahkan ketika informasi penting kurang, CEO hari ini akan semakin harus membuat panggilan penilaian yang keras dan interpretatif (jenis "pemeriksaan usus") yang berbeda di wajah informasi yang berlebihan, seringkali saling bertentangan.
Mereka yang berada di kursi pengemudi lembaga memiliki akses ke semesta yang berkembang dari wawasan yang diturunkan secara empiris tentang berbagai fenomena, seperti model optimal untuk menurunkan kapal di pelabuhan tersibuk di dunia dalam berbagai kondisi cuaca, parameter program loyalitas yang menghasilkan pelanggan 'paling lengket' respons, atau model pemilihan bakat yang menghasilkan kumpulan pekerjaan yang paling sukses dan beragam.
Para pemimpin perusahaan perlu cerdas dalam penggunaan alat AI mereka. Mereka harus menilai sumber aliran data di hadapan mereka, memastikan validitas dan reliabilitasnya, mendeteksi pola yang kurang jelas dalam data, menyelidiki “bagaimana jika” yang mereka sajikan, dan pada akhirnya melakukan inferensi dan penilaian panggilan yang lebih terinformasi, bernuansa seputar konteks, valid, dan bermanfaat karena ditingkatkan oleh mesin cerdas. Penilaian yang cacat yang dibangun di atas data yang cacat atau salah tafsir bisa lebih berbahaya daripada penilaian yang kurang informasi karena ilusi otoritas semu-ilmiah yang dihasilkan dari aura data.
Sebagai alat manajemen proyek, AI mungkin meresepkan rutin kerja yang optimal untuk berbagai jenis karyawan, tetapi tidak akan memiliki kepekaan untuk menerjemahkan kebutuhan-kebutuhan ini ke dalam pilihan yang berbeda dari satu hasil organisasi (misalnya, ekuitas dalam penugasan karyawan) di atas yang lain (nilai-nilai keluarga ). AI mungkin menunjukkan lokasi terbaik untuk restoran atau pembangkit listrik baru, tetapi akan terbatas dalam memetakan jaringan sosial dan politik yang perlu dilibatkan untuk menghidupkan usaha baru.
Mesin juga kurang imajinasi. Program Adtech telah menggantikan pembeli iklan manusia, tetapi kemampuan untuk membuat permainan kata-kata atau mendesain kampanye yang menarik di hati sanubari kita akan tetap manusiawi, setidaknya untuk masa mendatang.
Tingkat baru pertanyaan dan pemikiran integratif diperlukan di antara lulusan MBA. Sebagai pendidik kita harus memupuk pendekatan pembelajaran yang mengembangkan keterampilan ini — dengan mengajarkan manajemen data yang tajam dan keterampilan inferensial, mengembangkan simulasi data lanjutan, dan mempraktikkan cara menyelidiki dan mempertanyakan yang belum diketahui.
Sejalan dengan peningkatan kekuatan mesin, pentingnya kecerdasan emosional, atau EQ, tampak lebih besar dari sebelumnya untuk melestarikan konektivitas manusia dari organisasi dan komunitas. Sementara mesin diharapkan untuk maju ke titik membaca dan menafsirkan emosi, mereka tidak akan memiliki kapasitas untuk menginspirasi pengikut, kebijaksanaan untuk membuat penilaian etis, atau cerdas untuk membuat koneksi.
Itu semua masih ada pada kita.
Judy D. Olian adalah dekan Sekolah Manajemen UCLA Anderson.
