By Tržište je kompleksno, pa stoga ne iznenađuje što financijsku krizu koja je iskrsnula 2008. godine nisu predvidjele banke, korporacije, znanstvene institucije, a niti javne administracije, kao ni ostali relevantni akteri. To je uspjelo pojedincu. Tradicionalni upravljački koncept zasnivao se na pretpostavci kako je moguće predvidjeti tržišne trendove i na temelju toga artikulirati djelotvorne strategije i planove poslovanja. Valja napomenuti kako se tržište, ipak, nikada nije moglo poznavati u cijelosti, pa je uvijek bio prisutan faktor iznenađenja.
Nesigurnost i digitalizacija
Od 1980-ih godina postaje sve očituje kako nije moguće izraditi djelotvorne scenarije dugoročnog uspješnog djelovanja poslovnih organizacija. Proces planiranja otežavali su i praktično blokirali brojni faktori, među kojima se ističu ubrzana globalizacija, učestalo kreiranje značajnih tehnoloških inovacija, generiranje sve većeg broja informacija i novih spoznaja, stvaranje novih tržišta, pojava novih naprednih tehnologija, te promjene životnih stilova odnosno interesa. Riječ je o preinakama koje su, u konačnici, izazvale uspostavu nove paradigme. Postupno nestaje analogno i afirmira se digitalno društvo i ekonomija, koji funkcioniraju uz pomoć novih načela.
Dakle, stupanj nesigurnosti poslovanja počeo se značajno povećavati zadnjih 50-ak godina, kao izravna posljedica porasta složenosti tržišnog sustava i nemogućnosti njegova djelotvornog, te sveobuhvatnog racionaliziranja. U suočavanju s tim izazovima mnoga poduzeća su redizajnirala svoja poslovanja primjenjujući nove menadžerske sustave kao što su, primjerice, upravljanje znanjem, učeća organizacija, reinženjering, intelektualni kapital i upravljanje odnosima s korisnicima. Nove menadžerske metode iziskivale su i artikulaciju nove organizacijske arhitekture kao što su, na primjer, virtualna i mrežna organizacija.
Menadžeri su nastojali sustavno reducirati nesigurnost, a to je podrazumijevalo intenzivno prikupljanje, skladištenje i obradu podataka, kako bi se kreirale odgovarajuće spoznaje. Te spoznaje omogućuju realizaciju predvidljivih odnosno planiranih ciljeva. Taj proces u značajnoj mjeri ovisio je o tehnološkim mogućnostima. Stoga, već od 1970-ih godina započinje, u poslovnom svijetu, sustavno uvođenje računalne tehnologije kao djelotvornog instrumenta za baratanje podacima i informacijama. Računala su znatno unaprijedila procesuiranje podataka, te se počinju koristiti kao pomagala u menadžerskom odlučivanju, a poznati su kao ekspertni sustavi. Pored ostaloga, računalna tehnologija postaje sastavnicom marketinških procesa omogućavajući znatno bolje poznavanje kupaca i poboljšavanje komunikacije s njima.
Brzi razvoj računalne tehnologije stvarao je nove poslovne mogućnosti, pri čemu je ujedno ubrzavao i unaprjeđivao organizacijske procese, kao i odnose. Računalni uređaji kreirali su preduvjete za nove oblike suradnje zaposlenika unutar, ali i izvan poslovne organizacije. Općenito govoreći, tehnologija je stvarala i stvara brojne nove mogućnosti u poslovanju i svakodnevnom životu, ali je pri tome neophodna poduzetnička kreativnost u njihovom prepoznavanju i oblikovanju za svakodnevnu upotrebu. Taj poduzetnički angažman je zahtjevan i dugotrajan, jer se artikulira drastično drugačije poslovno okruženje, uvodeći nove principe rada. Informacije i podaci postaju ključni resurs za stvaranje vrijednosti, a u tom procesu odlučujući su radnici koji barataju znanjem.
Taj proces u početku je obilježavalo određeno proturječje. Riječ je o svojevrsnom paradoksu o kojem je pisao Peter Drucker još 1959. godine. On je tada konstruirao pojam informacijski (znalački) radnik koji je, po njegovom mišljenju, ključan za ekonomski uspjeh u 21. stoljeću. Drucker je tada ustvrdio kako struke s najvišim udjelom informacijskih radnika – zdravstvo, obrazovanje i stručne usluge – bilježe najmanje stope povećanja produktivnosti, premda bi trebalo biti posve drugačije. Još i danas, o tome svjedoče visoki troškovi u zdravstvu i fakultetskom obrazovanju. Dobrim djelom, po mom mišljenju, radi se o posljedici neodgovarajuće strukturalne arhitekture i nedostatku alata primjerenih za vrednovanje apstraktnog rada.
Radnici znanja (knowledge worker) i kreativci različitih profila nisu u stanju sustavno eliminirati tržišnu nesigurnost. Taj problem menadžeri su zadnjih nekoliko desetljeća djelomično rješavali novim proizvodima i stvaranjem novih tržišta na kojima su u početku diktirali svoja pravila. Međutim, temelje za cjelovitu eliminaciju tržišne nesigurnosti stvorile su nove tehnologije i uređaji. Napredne (digitalne) tehnologije kao što su – cloud (računalstvo u oblaku), koncept internet stvari (Internet of Things – IoT), biometrija, umjetna inteligencija, blockchain, 3D printanje, robotika, strojno učenje i napredna obrada podataka – svaka za sebe ima golemi spoznajni potencijal, kao i sposobnost da ugrozi postojeća poslovanja, ali i da ih unaprijedi ili stvori posve nova.
Međutim, tek je tehnologija umrežavanja stvorila pretpostavke za maksimalno korištenje potencijala naprednih tehnologija. Umrežavanje je omogućilo njihovo komplementarno djelovanje sa sinergijskim učincima. Ujedno je ostvarena mogućnost suradnje znanstvenika odnosno talentiranih pojedinaca u do tada neviđenim razmjerima. Stvorena je globalna multidisciplinarna suradnja u realnom vremenu unutar virtualnih organizacija. Nove vrijednosti generiraju se uz pomoć posve novih poslovnih modela. Pri tome se drastično povećavaju spoznajne mogućnosti menadžera odnosno poslovnih organizacija, što rezultira značajnim smanjivanjem tržišne nesigurnosti.
Internetska tehnologija
Konkretnije govoreći, razvoj internetskih tehnologija, globalno informacijsko umrežavanje, baze podataka, platforme i novi poslovno modeli stvorili su infrastrukturu neophodnu za brzu ekspanziju digitalne ekonomije. koja je drastično povećala mogućnosti računalnih uređaja odnosno njihovih korisnika. Tu socijalnu i poslovnu dinamičnost dodatno su unaprijedili mobilni uređaji, to jest, pametni telefoni. U vrlo kratkom vremenu društveni, gospodarski i ostali procesi se digitaliziraju, a socijalno okruženje postaje tehnologizirano u vrlo visokom stupnju.
Kratko rečeno, digitalna tehnologija mijenja stvari iz temelja donoseći tri bitne novosti : sveprisutne podatke, neograničenu povezanost i golemu moć procesuiranja. U takvim okolnostima razvija se umjetna inteligencija koja povećava spoznajne mogućnosti ljudi odnosno poslovnih i ostalih organizacija do neslućenih mogućnosti. Temeljni resursi postaju podaci koji se u umreženom digitalnom društvu generiraju posvuda zahvaljujući računalnoj tehnologiji koja postaje sve brža, jeftinija, te integrirana u sve manje i praktičnije uređaje. Senzori omogućavaju prikupljanje podataka ne samo iz okruženja, već i gotovo svih industrijskih proizvoda.
Frazu podaci su nova nafta osmislio je 2006. godine Clive Humby, britanski matematičar. Prema Humbyjevom mišljenju podaci podsjećaju na naftu zato što je dragocjena, ali je u nerafiniranom obliku praktično neupotrebljiva. Stoga se mora preraditi odnosno pretvoriti u benzin, plastiku, kemikalije i dr. kako bi postala korisna i profitabilna. Slično je i s podacima koji su se (nekada) morali obraditi kako bi postali upotrebljivi za različite ciljeve. Međutim, s vremenom je golema računalna snaga odnosno brzina procesuiranja podataka eliminirala tu potrebu.
Napredne računalne tehnologije procesuiraju goleme količine podataka (big data), pružajući odgovore na postavljena pitanja uz pomoć korelacija bez uzročno posljedične povezanosti, to jest, slikovito i jednostavno rečeno – uz dovoljno podataka, brojevi govore sami. Gubi se važnost znanstvenih metoda poput, primjerice, uzorkovanja i utvrđivanja skrivenog smisla na temelju različitih teorijskih modela. To ima dalekosežne posljedice ne samo u ekonomiji, već i znanost općenito. Tako je Chris Anderson 2008. godine u magazinu Wired, u članku pod naslovom Kraj teorije, ustvrdio da je zbog golemih količina podataka koje su danas dostupne istraživačima tradicionalni znanstveni proces postao zastario. Više ne moraju izrađivati teorijske modele i provjeravati jesu li u skladu s prikupljenim podacima.
U tom kontekstu James Bridle piše .“Jedan od najboljih primjera u kojemu je sve jasnije da oslanjanje samo na goleme količine podataka šteti znanstvenoj metodi, su farmakološka istraživanja. … Broj novih odobrenih lijekova na milijardu dolara uloženih u istraživanje prepolovljuje se svakih devet godina i to još od 1950. godine.“ Očevidno je kako ni golema računalna snaga, nepregledno mnoštvo podataka i umjetna inteligencija nisu dostatni za epohalna znanstvena otkrića, koja znaju biti rezultat slučajnih spajanja nespojivih elemenata.
Ljudska genijalnost nadilazi kvantitetu odnosno činjeničnu determiniranost, kvantnim skokovima kreativnosti, te ulaženjem u nove dimenzije zbilje. Po mojem sudu, te spoznajne procese misleći strojevi, to jest, umjetna inteligencija nisu u stanju generirati, jer iziskuju, pored ostaloga, destrukciju postojeće paradigme. Valja upozoriti kako revolucionarni spoznajni iskoraci često uključuju iracionalne sastavnice i tvrdoglavo ustrajavanje na razumijevanju nelogičnosti.
Spoznajne mogućnosti tvrtke
Premda napredne tehnologije, u prvom redu umjetna inteligencija, strojno učenje i duboka analitika, u krajnjoj liniji, ograničavaju kreativne kapacitete fundamentalne znanosti, ipak drastično povećavaju spoznajne mogućnosti poslovnih organizacija, pružajući im točne uvide u buduće tržišne procese i ponašanje kupaca. Na taj način se smanjuje nesigurnost i olakšava odlučivanje, uz istodobno poboljšavanje poslovnih procesa.
Od samoga početka poslovanja, menadžeri odnosno zaposlenici Amazona detaljno su prikupljali podatke o interakciji s kupcima. Kako su se strojno učenje i srodne visoke tehnologije razvijale Amazon je sve uspješnije koristio prikupljene podatke za sofisticirano vođenje vlastitog poslovanja. To je rezultiralo povećanjem tržišne vrijednosti kompanije, te većim zadovoljstvom kupaca. Vidljivo je kako se u prvim desetljećima 21. stoljeća vođenje kompanija značajno promijenilo u odnosu na tradicionalni poslovni model, koji je vladao gotovo cijelo prošlo stoljeće.
Tek 1990-ih godina razvijaju se upravljački modeli zasnovani na znanju kao ključnoj sastavnici. U to vrijeme afirmiraju se menadžerski koncepti poznati pod nazivima upravljanje znanjem, učeća organizacija i intelektualni kapital. Znanje i ostali nematerijalni faktori nastojali su se racionalno koristiti i što učinkovitije generirati. Te procese drastično je ubrzala digitalna tehnologija, odnosno sve moćniji računalni uređaji.
Razvoj novih upravljačkih obrazaca prati i sve sofisticiranija tehnologija u kojoj misleći strojevi imaju središnju poziciju. Brojne tvrtke koriste ekspertne sustave i automatizirane robotske procese uz pomoću kojih se poboljšava kvaliteta i povećava produktivnost. Vođenje tih poslovnih odnosno proizvodnih procesa iziskuje sve obrazovaniju radnu snagu.
Prije samo 15-ak godina u poslovnom svijetu započinje primjena nove tehnologije poznate kao duboko odnosno strojno učenje. Riječ je o naprednoj tehnologiji koja se temelji na obradi golemih količina podataka i sposobnosti generiranja novih spoznaja. Drugačije govoreći, umjetna inteligencija radikalno je povećala spoznajne kapacitete poslovnih organizacija smanjujući pri tome nesigurnost koja proizlazi iz tržišne kompleksnosti.
Značajno povećanje spoznajnih kapaciteta kompanija omogućilo je redizajniranje poslovnih procesa i artikulaciju novih poslovnih modela. Tako su se, primjerice, preoblikovali odnosi s kupcima, to jest korisnicima i poslovnim partnerima, koji su vitalni segment profitabilnog djelovanja i na današnjem tržištu. Poduzeća ohrabruju stručnjake i poslovne ljude na inovativno eksperimentiranje u sklopu natjecanja zvanih hackatoni, na financiranje putem stranica kao što su kickstrarter.com, na shark tank procese planiranja, na osnivanje novih organizacijskih jedinica poput laboratorija za inovaciju ili jedinice digitalnog poslovanja. Prikupljaju podatke o željama korisnika tako što mapiraju njihovo korisničko putovanje, zajednički inoviraju sa svojim kupcima, objavljuju kodove i prate povratne informacije koje dolaze od korisnika.
Poduzeća se već niz desetljeća teorijski i praktično tretiraju kao otvoreni sustavi. Međutim, zadnjih 15-ak godina napredne internetske, to jest, napredne računalne tehnologije artikulirale su podatke kao vezivno tkivo poduzeća s okruženjem. Stvaraju se poslovni eko sustavi i partnerski odnosi s kupcima, koji se angažiraju u inovativne procese odnosno stvaranje novih proizvoda.
Nastaju umrežene informacijsko komunikacijske strukture koje omogućuju usklađeno planetarno funkcioniranje brojnih projektnih timova u realnom vremenu. Tome treba pridodati i povezanost sa samim proizvodima, koja se uspostavlja senzorskim tehnologijama. Uz pomoć senzora prati se rad isporučenih proizvoda kao što su, primjerice, turbine, dizala i motori.
Senzorska tehnologija i umjetna inteligencija analiziraju performanse mnoštvo isporučenih proizvoda bez obzira na lokaciju na kojoj su instalirani i pušteni u pogon. Mnoštvo prikupljenih podataka umjetna inteligencija sortira i analizira pružajući precizan uvid u funkcioniranje i stanje ispravnosti strojeva odnosno uređaja. Umjetna inteligencija i duboka analitika omogućavaju i precizno predviđanje kvarova te pravovremeno upozoravanje na njihovo sprječavanje.
Umjetna inteligencija odnosno algoritmi u stanju su pretraživati mnoštvo digitaliziranih podataka vezanih za kupce i njihovo ponašanje. Riječ je o svojevrsnoj analitici na steroidima koja je u stanju točno predvidjeti odluke o kupnji konkretnih pojedinaca. Uz pomoć umjetne inteligencije bankarski službenici mogu otkriti kreditne prijevare u realnom vremenu.
To su samo neki primjeri smanjivanja nesigurnosti, to jest, rizika u poslovanju uz pomoć umjetne inteligencije. Očevidno je kako umjetna inteligencija, strojno učenje odnosno algoritmi imaju ogroman spoznajni kapacitet, te su stanju munjevito proučiti mnoštvo podataka i pružiti precizne spoznaje za djelovanje u realnom vremenu.
Digitalna načela poslovanja
Za spomenute primjere tehnološke potpore menadžerima, pri upravljanju poduzećem, neophodno je provesti određene preinake. Menadžeri se koriste konceptom upravljanja promjenama dulji niz desetljeća, jer su prilagodbe i fleksibilnost konstante tržišnih procesa. To se prvenstveno odnosi na kompanije s duljom tradicijom poslovanja.
Tako se francuska tvrtka Schneider Electric, od svoga osnutka 1836. godine transformirala više puta – od poduzeća koje prerađuje željezo i čelik, u poduzeće koje akumulira dijeljene uvide korisnika uz pomoću kojih stvara nove vrijednosti. Od 2014. godine kompanija Schneider Electric započela je proces digitalne transformacije koji ju je pretvorio u svjetskog lidera u proizvodnji proizvoda za upravljanje električnom energijom, industrijskoj automatizaciju i upravljanju, te automatizaciji zgrada.
O ranim fazama digitalne transformacije tvrtke Schneider Electric svojevremeno je govorio Cyril Perducat, potpredsjednik interneta stvari i Odjela za digitalne ponude te tvrtke, pri čemu je kazao :“Svi u našem poduzeću pokušavaju redizajnirati naše proizvode na digitalni način, povezujući se s raznim startupovima i nudeći im obećanja o tehnološkoj inovaciji. Sve to kao posljedicu ima širenje partnerske mreže, širenje mreže pružatelja usluga u oblaku, širenje protokola spajanja – ma baš svega što možete digitalno zamisliti.“ Za provedbu navedenih procesa nožno je angažirati odgovarajuće stručnjake, među kojima se ističu po važnosti podatkovni inženjeri i znanstvenici. Oni moraju biti eksperti u statistici i kreiranju odgovarajućih setova podataka.
U digitalnoj ekonomiji ključni poslovni procesi postaju analitika predviđanja (predictive analytics) i strojne učenje čije vođenje iziskuje ekspertna znanja, te stalno redizajniranje u skladu s tehnološkim unaprjeđenjima. U skladu s tim nužno je uspostaviti nove modele vođenja. To se prvenstveno odnosi na uspostavu vođa strojnog učenja i vođa analitike predviđanja, koji su zaduženi za rukovođenje specijaliziranim ekspertnim timovima.
Upravljanje analitikom predviđanja predstavlja proces koji se realizira u nekoliko faza. Na prvom mjestu vođe analitike predviđanja moraju umjetnoj inteligenciji formulirati šire i specifične poslovne ciljeve. Nakon toga, trebaju osigurati stalni dotok odgovarajućih podataka koji će se procesuirati strojnim učenjem, kako bi se artikulirala konkretna znanja. To je temeljni proces za funkcioniranje modela predviđanja koji, u konačnici, formulira konkretne smjernice djelovanja u čemu sudjeluju sve organizacijske jedinice.
Suradnja ljudi i umjetne inteligencije predstavlja novi oblik radnih odnosa koji je još u fazi početnih propitivanja, te je opterećen brojnim nepoznanicama. Agenti umjetne inteligencije poput Microsoftove Cortane, Appleove Siri, Amazonovog Alexe, obučeni su za vođenje zahtjevnih razgovora, pa i prepoznavanje raspoloženja i osjećaja sugovornika. Međutim, u komunikaciju umjetne inteligencije s klijentima tvrtke potrebno je ponekad, to jest, u određenom trenutku uključiti ljude odnosno stručnjake toga poduzeća.
Brojni agenti umjetne inteligencije poput, primjerice, Aide i Cortane egzistiraju kako digitalni entiteti, pri čemu razvoj tehnologije omogućuje integriranje inteligentnih aplikacija u robote. Tako se, na primjer, već neko vrijeme koriste kolaborativni roboti odnosno koboti koji djeluju u suradnji s čovjekom. Nastaju novi radni odnosi u kojima teške i ponavljajuće operacije obavlja robot, a radnje koje iziskuju spretnost, te ljudsku prosudbu i dalje ostaju u djelokrugu rada ljudi. U takvim okolnostima nužno je dizajnirati primjereno radno okruženje koje omogućava učinkovito funkcioniranje proizvodnih procesa. Suradnja (humanoidnih) robota i čovjeka može poprimiti različite oblike u proizvodnom i uslužnim procesima.
Novi radni odnosi
Integracija umjetne inteligencije, što uključuje i korištenje (humanoidnih) robota iziskuje redizajniranje proizvodnih i poslovnih procesa uključujući poslovne modele. Personalizirana proizvodnja, eliminacija skladišta sirovina i intermedijarnih proizvoda postaju realnost, omogućavajući višu produktivnost, te brži obrt kapitala. Konkretnije govoreći, empirijska istraživanja pokazuju kako menadžeri uz pomoć umjetne inteligencije nastoje povećati, to jest, poboljšati fleksibilnost, brzinu, opseg proizvodnje, odlučivanje i personalizaciju.
Navedeni ciljevi mogu se uspješno ostvariti djelotvornim umrežavanjem s okruženjem, bolje reći, poslovnim partnerima. Stoga nastaju brojni poslovni eko sustavi lokalnog, regionalnog i globalnog karaktera. Umreženi poslovni sustavi omogućavaju prikupljanje golemih količina podataka, koje umjetna inteligencija uz pomoć odgovarajućih algoritama analizira. Na taj se način generiraju spoznaje, koje omogućuju odlučivanje i trenutno reagiranje u globalnim razmjerima.
Menadžeri Mercedes-Benza već desetljećima zaprimaju specifične želje kupaca prvenstveno u najluksuznijem segmentu, to jest, S-klasi. Iskazanim individualnim interesima donedavno, proizvodne linije Mercedes-Benza nisu mogle udovoljiti, usprkos automatizaciji i instaliranim industrijskim robotima. Proizvodni procesi, ipak, su bili previše rigidni za realizaciju individualnih želja. Treba naglasiti kako je u pogonima Mercedes-Benza bio ostvaren određeni stupanj fleksibilnosti, ali nedovoljan za funkcioniranje totalno personaliziranog koncepta. Taj industrijski obrazac omogućavao je produkciju brojnih raznovrsnih modela i njihovo stalno i brzo poboljšavanje, ali praktično unikatna proizvodnja nije bila moguća.
Unikatna industrijska proizvodnja automobila postala je moguća, tek instaliranjem kolaborativnih robota, pogonjenih umjetnom inteligencijom, koji djeluju u suradnji s ljudima. Taj proizvodni obrazac primijenili su u Mercedesu. Nastala je nova vrsta timova unutar kojih se nadopunjuje i stalno korigira zajednički rad robota i ljudi. To je omogućilo iznimnu fleksibilnost i proizvodnju unikatnih automobilskih modela.
Kolaborativni roboti mogu se, uz pomoć tableta, vrlo jednostavno reprogramirati u skladu s potrebama proizvodnog procesa. Pri tome su u stanju izvršavati brojne zadaće, što omogućuje plasiranje unikatnih automobila za poznatoga kupca. Proces personalizirane proizvodnje, odnosno isporuka unikatnog modela za poznatog kupca odvija se u realnom vremenu.
Unikatna industrijska proizvodnja počinje u auto salonu zaprimanjem specifičnih želja konkretnog kupca, koje se trenutno prosljeđuju menadžerima u tvornici. Proizvodni postupak se pokreće i završava u realnom vremenu odnosno odmah nakon primitka narudžbe. Kupac može preuzeti automobil već sutradan ili nešto kasnije ovisno o udaljenosti lokacije za isporuku. Važno je naglasiti kako se radi o profitabilnoj odnosno isplativoj unikatnoj industrijskoj proizvodnji, što je izgledalo nemoguće prije samo nekoliko desetljeća. Tom proizvodnom obrascu slična je pravovremena proizvodnja (just in time production), koju su razvili Japanci krajem 1980-ih godina.
Umjetnu inteligenciju, internet stvari, duboku analitiku i srodne napredne tehnologije počinje koristiti sve veći broj kompanija. Poslovna praksa je dokazala kako digitalne tehnologije mogu značajno povećati učinkovitost. Jedna od kompanija koja je digitalizirala poslovne procese je General Electric. Stručnjaci te kompanije služe se konceptom digitalnih blizanaca (digital twins) koji se sastoji od virtualne odnosno digitalne replike i stvarnog uređaja koji je prodan i funkcionira u realnosti. To se prakticira za turbine i ostale složene i skupe industrijske proizvode General Electrica.
Kontinuirano se prate svi parametri funkcioniranja realnog uređaja i projiciraju na virtualnu digitalnu inačicu. Uz pomoć aplikacije Predix koja koristi algoritme strojnog učenja analiziraju se podaci koji stalno pristižu i integriraju u virtualnu kopiju stvarnog uređaja. Na taj način stručnjaci General Electrica koristeći se umjetnom inteligencijom mogu predvidjeti kvarove koji će se uskoro dogoditi, te o tome obavještavaju kompanije koja koristi njihov stroj. Tako se uspješno izbjegavaju zastoji prouzročeni kvarom uređaja.
Umrežavanje uređaja, izrada digitalnih blizanaca, prikupljanja, pohrana, sortiranje i analiza podataka, ne iziskuju od ljudi samo poznavanje umjetne inteligencije i srodnih tehnologija, već isto tako znanja i umijeća iz drugih područja. Stvorena je potreba za stručnjacima s raznorodnim znanjima i vještinama koja omogućuju istovremeni rad s ljudima i mislećim strojevima – robotima. Ujedno je nužno redizajnirati poslove unutar radnih pozicija što podrazumijeva delegiranje, to jest, prijenos zadaća na komplementarne robote.
Zaposlenici se moraju obučavati za rad u okruženju unutar kojeg dominiraju procesi pogonjeni umjetnom inteligencijom. Nastaje novo radno okruženje u kojem sposobnost mišljenja i učenja osim ljudi imaju i strojevi. Nova industrijska i poslovna realnost izaziva dvojake i oprečne reakcije. Neki tu novu organizacijsku zbilju doživljavaju kao prijetnju, dok drugi u njoj vide goleme potencijale zasnovane na sinergiji. Za obje opcije mogu se iznaći argumenti opravdanja, pa je nužna kreativna usredotočenost na artikulaciju skladnih, to jest, komplementarnih odnosa čovjeka i umjetne inteligencije odnosno mislećih strojeva.
Neprijeporno je kako će u budućnosti jačati fleksibilnost i difuzija u ekonomskim, ali i društvenim odnosima općenito. Umjetna inteligencija i srodne visoke tehnologije imaju potencijal za konačno dokidanje birokratskih struktura i odnosa. Nestaje glomazna i razgranata hijerarhija, te rigidni organizacijski ustroj. Internetske tehnologije, umjetna inteligencija i srodne visoke tehnologije omogućavaju trenutnu prilagodbu i streloviti odgovor na tržišne izazove.
Poduzeća moraju imati difuznu arhitekturu, pri čemu trebaju biti u potpunosti integrirana u okruženju, kako bi se osigurao stalni i brzi protok podataka i informacija. Neophodno je kontinuirano gomilati podatke koji su potrebni za djelotvorno funkcioniranje umjetne inteligencije. Na taj način se osiguravaju pretpostavke za predviđanje tržišnih događaja koji slijede u neposrednoj, to jest, bliskoj budućnosti.
Valja imati na umu kako umjetna inteligencija nije uvijek točna u predviđanju. Na procese u gospodarstvu i društvu općenito utječu i sastavnice koje nisu dostupne, te ih nije moguće prikupiti senzorskim i srodnim naprednim tehnologijama. Radi se o različitim emotivnim stanjima pojedinaca, kao i iracionalnim silnicama, koje mogu utjecati na ponašanje. Općenito govoreći, pouzdanost predviđanja umjetne inteligencije raste s rastom broja prikupljenih aktualnih relevantnih podataka. Podsjećam kako umjetna inteligencija spoznaje generira na temelju podataka, koji mogu svojom strukturom utjecati na stvaranje tendencioznih spoznaja. Tako su se već pojavile optužbe kako pojedini algoritmi podcjenjuju sposobnost žena.
Stoga u kompanijama moraju djelovati stručnjaci koji će sustavno procjenjivati etičnost spoznaja generiranih umjetnom inteligencijom. Ujedno, podatkovni i računalni stručnjaci odnosno programeri moraju kontinuirano nadzirati algoritme koji formiraju cijene sukladno trenutnim tržišnim prilikama. Momentalni cjenovni pomaci u globalnim razmjerima mogu dovesti do visoke profitabilnosti.
Bez obzira na ciljeve koje umjetna inteligencija treba realizirati nužna je prisutnost ljudi, bolje reći eksperata, koji će permanentno nadzirati kvalitetu podataka, jer je to garancija ne samo točnih, već i etičnih spoznaja. Naglašavam kako ne postoji zlonamjerna umjetna inteligencija, sama po sebi, ali je tu tehnološku činjenicu nužno planski, stručno i neprekidno održavati. Sigurno će ta zadaća s daljim razvojem umjetne inteligencije, robotike, nanotehnologije, senzora i drugih srodnih tehnologija postajati sve izazovnija i potrebnija. Tome valja pridodati i mogućnost da zlonamjerni ili ideološki zaslijepljeni pojedinci umjetnu inteligenciju usmjere k realizaciji društveno neprihvatljivih ciljeva.
Tehnologija je oduvijek imala važnu ulogu u razvoju ljudskog društva, a umjetna inteligencija i misleći strojevi tu važnost dodatno pojačavaju. Već danas se društvena komunikacija drastično preoblikovala, a mladi naraštaji rastu u gotovo potpuno tehnologiziranom okruženju. Radni odnosi i ekonomska načela se kontinuirano redizajniraju, a internetske tehnologije i umjetna inteligencija artikuliraju nove poslovne modele unutar kojih se generira vrijednost. Pri tome je ljudska nazočnost i aktivna uloga potrebna i dalje.
Mr.sc. Marinko Kovačić
Comments