自2022年11月ChatGPT推出以来,“推理”、“推断”和“训练数据”等术语已深入日常对话,彰显了人工智能对我们生活的深远影响。曾经局限于计算机科学实验室和科技会议的这些概念,如今已成为人们在酒吧和地铁中轻松讨论的话题。
关于提升人工智能代理和助理在决策中的作用,已经撰写了大量文章,并将持续进行。然而,必须认识到,至少在短期内,人工智能的目的在于增强人类的决策能力,而非取而代之。例如,考虑一位产品营销经理询问她的人工智能工具:“哪些客户群体的净推荐值(NPS)最低?”收到答案后,她可能会进一步提问,例如:“如果按地域进行细分会怎样?”并利用这些数据来优化她的促销策略。
展望未来,我们可能会达到这样的阶段:首席执行官指示人工智能:“基于我们的数据、行业最佳实践以及上一次发布会的见解,设计一个促销策略。”这将产生一个可与熟练的人类产品营销经理的计划相媲美的方案。再往后,人工智能可能会自主识别促销策略的需求并启动该过程,运作如同一个独立的首席营销官(CMO)。
目前,直至我们实现通用人工智能(AGI),人类在重要决策过程中仍将扮演关键角色。尽管许多人对人工智能改变职业生活的潜力表示好奇,但同样重要的是要考虑它不会很快改变的事实:良好人类决策的价值。想象一下,在人工智能代理的支持下,您的商业智能团队如何合作进行新促销策略分析。您如何有效利用这些数据?以下是一些我推荐的有效策略:
在查看数据之前:
1. 设定明确标准:在查看数据之前,先确定是否继续的标准。人们经常会改变目标,比如说:“我们如此接近,我相信再投入一年将会有成效。”这种倾向可能导致对不可行项目的长时间追逐。为了对数据分析保持客观性,事先列出具体的标准(例如,“如果超过80%的调查参与者愿意为该产品支付100美元,我们就继续”)。
在数据审查期间:
2. 个人文档记录:在讨论发现之前,要求所有决策者独立记录自己的想法。这避免了“群体思维”,即主导意见可能抑制有效关注点。随后分享书面见解,可以促进全面讨论,重视多样化的专业知识。如需更多见解,可参考阿希的从众研究。
在做出决策时:
3. 讨论中介判断:了解每个重大决策包含多个小决定。认知科学家丹尼尔·卡尼曼强调,这些小方面(如成本比较和预期准确度)影响整体决策。确保在讨论中明确这些因素,以提升决策质量。
4. 记录决策理由:记录决策背后的理由,例如:“我们预计在九个月内实现20%的成本降低和顾客满意度稳定”,以便在未来评估时进行诚实的重新审视。这创建了一个数据驱动的反馈循环,有助于澄清哪些策略有效,哪些无效,区分技能和运气。
5. 设立终止标准:与您最初的决策标准类似,确定性能不佳时停止项目的指标。例如,“如果超过50%的用户在与我们的聊天机器人互动超过一分钟后请求与人交谈,该项目应重新考虑。”这种前瞻性分析有助于维护知识诚信,确保对项目可行性的无偏见评估。
虽然这一过程看似费时,但这些做法很快会成为团队的第二天性。投入的时间将带来显著的回报,确保所有见解得以表达,同时有效管理风险,从成功和失败中学习。
只要人类与人工智能代理共同参与数据驱动决策,掌握人类洞察与人工智能生成分析之间的互动,将在应对认知偏见时显得尤为重要。