Slimmer dan Artificial Intelligence.
De tijden dat de marketeer het nog met zijn eigen intelligentie moest doen liggen inmiddels ver achter ons. Artificial Intelligence (AI) is niet meer weg te denken. En moeilijk is het ook niet meer: bij fast.ai in San Francisco kun je in 7 weken Deep Learning leren en als AI-progammeur aan de slag. De vraag rijst: hoe beheersen we al die kunstmatige slimheid? 4 Actiepunten.
Stel je zoekt een potentiële levenspartner. De historische methode is inschakeling van het -vaak rijkelijk met alcohol overgoten- sociale circuit. Sinds kort is het serieus de vraag of je zo’n belangrijke zaak niet beter kunt overlaten aan de droge benadering van Artificial Intelligence (A.I.).
De argumenten vóór zijn genoegzaam bekend: A.I. legt diepere verbanden, vergeet niks en is consequent. De argumenten tegen zijn wat ingewikkelder en gelden ook voor marketeers die hun klanten beter willen leren kennen. A.I. is al niet meer weg te denken uit marketing. Alle reden dus om de valkuilen ervan preventief te willen dichtgooien.
De eerste van die valkuilen is de veranderlijkheid van de mens. Wij leren van ervaringen en worden van die ervaring feitelijk een ander mens. Iedereen die na een dronken date wel eens een intiem fotootje appte en dat ding later ineens tegenkwam op internet, zal beamen daarvan te hebben geleerd. Voor het systeem blijf je evenwel tot in lengte van dagen onlosmakelijk met dat plaatje verbonden.
Het tweede punt betreft de mening van de massa. A.I. verheft het gedrag van de gemiddelde mens tot ethische norm. Neem zelfrijdende auto’s: A.I.-programmeurs moeten beslissen wie er bij een onafwendbare botsing de pineut is. De gemakkelijkste oplossing is programmeren wat de meeste automobilisten eerder in vergelijkbare situaties hebben gedaan. Toegepast in de liefde (of marketing) betekent dit evenwel het doodsteek voor je onderscheidend vermogen. Immers, als iedereen zich gedraagt als de rest, waarom zou iemand dan kiezen voor jou?
Dan is er de ondoorzichtigheid van A.I.. Het idee van zelflerend is dat je vooraf niet weet hoe het systeem zich zal ontwikkelen. Achteraf herleiden van beslissingen is ook lastig. In de liefde is dat wellicht heel romantisch. Maar een klant wil je graag glashelder kunnen uitleggen waarom ‘computer says no’, liefst vóór hij heeft rondgetwitterd welk onrecht jouw organisatie hem heeft aangedaan.
Kort gezegd is er alle reden om zelf te blijven nadenken. Daarbij zijn vier zaken handig:
- Weten waar je als merk of organisatie voor stáát: stel bij de ontwikkeling of implementatie van datatechnologische projecten vooraf duidelijke principes op. Dat mogen de kernwaarden van de onderneming zijn, de Code of Conduct of zelfs een inspirerende purpose of positionering. Als het maar richtinggevend, consistent en werkbaar is.
- Je afvragen wat je als mens eigenlijk wilt van de nieuwe technologie. Begin aan de eettafel met je kinderen. Breidt uit naar de koffieautomaat op je werk. Wees niet verbaast als je plotseling zeer serieus genomen wordt. Neem dit mee in het innovatiedesign.
- Klaar zijn voor eventuele gevolgen van je innovatie: maak bewust shit-hitting-the-fan scenario’s. Bepaal tot waar de organisatie zich verantwoordelijk voelt. En ontwikkel je contingency plans vooraf.
- De mens in de medewerker naar voren halen. De strijd tussen het individuele geweten en het corporate belang is maar zelden een gelijke. Door die eersten de ruimte te geven, stijgt de vertrouwenswaardigheid van de organisatie als geheel. Bedenk bijvoorbeeld dat de A.I.-programmeur als eerste met ethische dilemma’s te maken krijgt. En doe er je voordeel mee.
Tot slot: leg je overwegingen vast. Als er ellende komt van je A.I.-applicatie (en die komt er) dan scoort aantoonbare helderheid en consistentie vóóraf meer punten dan welke verklaring achteraf ook.
Net als in de liefde.
Louis Huyskes is board member Human and Tech institute (HTi)
