Hybrid intelligens er ikke at AI analyserer og mennesket godkender. Det er en arbejdsform hvor begge parter kan ændre konklusionen undervejs, fordi de er stærke på hver sit. Kendetegnet er at slutresultatet er et sted ingen af dem ville være kommet alene.
Der er to almindelige måder at tale om AI og strategi på.
Den ene siger at AI ikke kan tænke strategisk, så mennesker skal lede og AI skal være værktøj. Den anden siger at AI er bedre til at se mønstre, så AI skal lave analysen og mennesket validere.
Begge er halvt rigtige, og begge ender med at den ene part ikke tænker.
Hvad det ikke er
Ikke "AI analyserer, mennesket godkender". Her er mennesket stadig kun bedømmer. Det tænker ikke selv, det vurderer et stykke arbejde. Og en godkendelse er sjældent en reel prøve, fordi den der godkender ikke har gjort arbejdet.
Ikke "mennesket spørger, AI svarer". Her bliver resultatet begrænset af hvad mennesket kunne finde på at spørge om. Kender du ikke svaret på forhånd, stiller du sjældent det rigtige spørgsmål. Værktøjet bliver en flaskehals i stedet for en udvidelse.
Ikke "vi bruger AI til at spare tid". Tid er den mindst interessante gevinst. En time med reel modstand giver et andet resultat end en dag med enighed.
Hvad det er
Begge parter bidrager med det de er stærke på, og udfordrer den anden præcis dér hvor den er svag.
Mennesket har værdidømmekraft, altså om noget overhovedet er vigtigt. Det har konteksten, altså hvad der skete sidst I prøvede. Det har kreativitet under begrænsninger, altså hvad man gør når der ikke er penge. Og det kender de sociale konsekvenser af en beslutning.
Modellen har udholdenhed i mønstergenkendelse, systematik i hvordan variabler hænger sammen, og en vis frihed fra at ville please nogen i rummet.
I praksis ser forløbet sådan ud: modellen foreslår ud fra det den kan se. Mennesket udfordrer med det der ikke står i data. Modellen justerer ud fra den nye oplysning. Mennesket integrerer.
Ingen af parterne har sagt det sidste ord alene. Det er hele kendetegnet.
Et forløb, konkret
En produktionsvirksomhed skal beslutte om de skal digitalisere produktionen.
Analysen: fejlraten ligger omkring 12%, og hos sammenlignelige virksomheder der har digitaliseret ligger den væsentligt lavere. Tiden per enhed falder også.
Mennesket: vores folk er ikke særligt digitale. Implementeringen bliver hård.
Analysen: det var den også de tre steder jeg kan se på. Alle tre kom igennem, alle tre tog otte til tolv måneder, og i alle tre sagde medarbejderne bagefter at det var bedre.
Mennesket: vi kan ikke undvære produktionskapacitet i otte til tolv måneder. Likviditeten holder ikke til det.
Analysen: i to af de tre tilfælde blev det gjort i faser, én linje ad gangen. Det fordobler den samlede tid, men produktionen kører imens.
Mennesket: så skal vi begynde nu hvis vi skal være færdige om halvandet år.
Analysen: og det der gik galt ét af stederne var at hardwareudskiftningen ikke var planlagt særskilt. Den tog tre til fire måneder alene.
Mennesket: så vi starter med hardwareplanen.
Læg mærke til hvad der skete. Mennesket havde fornemmelsen af at fejlraten var for høj, og konteksten om likviditet og medarbejdere. Analysen havde tallene, mønstrene fra andre og detaljen om hardware. Ingen af delene var nok.
Alene ville mennesket enten have sagt at det ikke kan lade sig gøre, eller købt udstyret og håbet. Alene ville analysen have foreslået noget der væltede likviditeten.
Facilitatorens opgave
Det her kræver at nogen holder processen, og det er en anden rolle end at løse opgaven.
Facilitatoren skal sørge for fire ting:
- At mennesket faktisk udfordrer. Spørgsmålet er "hvad i den analyse tror du ikke på?", ikke "er du enig?".
- At analysen får den nye oplysning. Kommer der en indvending fra praksis, skal den ind i regnestykket frem for at blive noteret.
- At tempoet holdes. Bliver det samme punkt diskuteret tredje gang, bliver ingen klogere.
- At syntesen bliver skrevet ned. Hvad lærte vi, og hvad gør vi ved det?
Den dårlige facilitator afgør hvem der har ret. Pointen er at begge har ret på hver sin dimension, og at arbejdet består i at få begge dimensioner med.
Sådan kommer I i gang
Fire møder er nok til at prøve det af.
Første møde, data. Analysen fremlægger hvad der ser vigtigst ud. Ledelsen diskuterer om det er de rigtige ting, eller om der mangler kontekst.
Andet møde, mønstre. Analysen foreslår hvad andre i lignende situationer har gjort. Ledelsen udfordrer på hvor I ikke ligner de andre. Det er det vigtigste spørgsmål i hele forløbet.
Tredje møde, integration. Ledelsen formulerer hvad de tror på givet begge dele. Analysen regner konsekvenserne igennem.
Fjerde møde, beslutning. Retningen vælges, med et fravalg i.
Prøv at holde det tredje møde uden at kigge på nye data. Formålet er at finde ud af hvad I selv mener, når I har set både tallene og mønstrene.
Hvordan I tegner udgangspunktet og målbilledet op, står i AS IS til TO BE, og hvem der skal sidde med i de fire møder, står i ledelsesrummet.
Derfor kan modellen få den nye oplysning ind
Det svage punkt i den her arbejdsform er trin tre. Mennesket kommer med en indvending, og hvis den ikke kan komme ind i analysen, bliver den til en note i et referat.
I 360° Sprint er hver analyse en node på boardet, og forbindelserne bestemmer rækkefølgen. Retter I en antagelse i én node, arver de analyser der ligger nedstrøms rettelsen frem for at stå tilbage med den gamle. Versionshistorikken med diff gør at en ændring kan rulles tilbage felt for felt, hvis indvendingen viser sig at være forkert.
Det er dét der gør modstand billig. Kan en indvending ikke ændre noget uden at nogen skal lave analysen om, bliver den ikke fremsat næste gang.
Hvad en model i det hele taget kan og ikke kan bidrage med, står i hvad AI-agenter faktisk kan.
Hybrid intelligens er ikke en teknologi. Det er en mødeform hvor begge parter kan flytte konklusionen, og hvor ingen af dem er færdig med at tænke.
Hvordan grundlaget adskilles fra selve beslutningen, står i beslutningsgrundlag i ledelsen.