AGI 尚未來臨:應對當前挑戰的策略決策建議

自2022年11月ChatGPT推出以來,“推理”、“推斷”和“訓練數據”等術語已深深地融入日常對話,顯示出人工智慧對我們生活的重大影響。這些曾經僅存在於計算機科學實驗室和技術會議中的概念,如今已在酒吧和地鐵中輕鬆地被討論。

對於提高AI代理和共事者作為決策者的能力,已有大量的文章發表,未來也將持續關注。然而,值得記住的是,至少在可預見的短期內,AI的目的是輔助人類決策,而非取而代之。舉例來說,一位產品市場經理可能會詢問她的AI工具:“哪些客戶群擁有最低的淨推薦值(NPS)?”獲得答案後,她可能會進一步詢問:“如果按地理區域來細分呢?”然後利用這些數據來完善她的推廣策略。

展望未來,我們或許會達到一種情景:CEO告訴AI,“根據我們的數據、行業最佳實踐和上次發布的洞見,設計一個推廣策略。”這或許會促成一個能與熟練的人類產品市場經理的計劃相匹敵的方案。再往後,AI甚至可能自主識別推廣策略的需求並自行啟動過程,充當自主的首席市場官(CMO)。

目前,在實現人工通用智慧(AGI)之前,人類仍然是重大決策過程中的關鍵一環。雖然許多人推測AI將如何改變我們的專業生活,但也要考慮到AI不會立即改變的事物:優秀的人類決策的價值。想像一下,您的商業智能團隊在AI代理的輔助下共同合作進行新的推廣策略分析,如何有效利用這些數據呢?以下是我所倡導的一些成熟策略:

在審查數據之前:

1. 設定清晰標準:在查看數據之前,先建立進行或不進行的標準。人們常常會改變目標,譬如說:“我們已經很接近了,我相信再投資一年會有所成效。”這種傾向可能導致延長對無 viability 項目的追求。為了抵消這一點,事先列出具體標準(例如,“當超過80%的受訪者願意為這個產品支付100美元時,我們將繼續”),以在數據分析時保持客觀。

在數據審查期間:

2. 獨立紀錄:在討論發現之前,讓所有決策者獨立紀錄他們的想法。這可以避免過度集體思維,避免主導意見壓制有效的擔忧。之後分享書面見解,有助於進行全面的討論,重視不同的專業知識。可參考阿什的從眾研究以獲得更多見解。

在做出決策時:

3. 討論中介判斷:了解每個重大決策由更小的決策組成。認知科學家丹尼爾·卡尼曼強調,這些更小的方面,例如成本比較和預期準確性,會影響較大的決策。在討論中明確說明這些因素,可以提高決策質量。

4. 紀錄理據:記錄決策背後的推理,例如,“我們預計在九個月內降低20%的成本並保持客戶滿意度”,以便在未來的回顧中進行誠實的重新評估。這創造了一個數據驅動的反饋循環,有助於澄清哪些策略有效或無效,區分技能和運氣。

5. 設立淘汰標準:與初始決策標準類似,確定指標以指示某項目表現不佳而不應繼續。例如,“如果超過50%的用戶在與我們的聊天機器人互動超過一分鐘後要求與人類交談,則該項目應重新考慮。”這種前瞻性分析有助於保持智識誠實,確保對項目可行性的評估不帶偏見。

儘管這個過程可能看起來勞動密集,但這些做法對您的團隊來說很快會變得如同本能。投入的額外時間將帶來顯著的回報,確保所有見解都被表達出來,並有效地管理風險,讓團隊能夠從成功和失敗中學習。

只要人類在數據驅動的決策中與AI代理共同參與,掌握人類洞察與AI生成分析之間的互動將始終至關重要,尤其是在應對認知偏見的過程中。

Most people like

Find AI tools in YBX