Kan Chat revolutionera ledningens beslutsfattande? Uppståndelsen kring denna formidabla språkmodell, ett samtalsämne i månader, ger ett övertygande svar: ”Ja, absolut. Jag kan förbättra era ledningsbeslut genom att förse er med insikter, data, analyser och flera perspektiv för att underlätta välgrundade val.” Chat erkänner även öppet sina begränsningar: ”Ändå är det viktigt att inse att mina råd och rekommendationer är grundade i algoritmisk dataanalys. I slutändan är den mänskliga kontakten, som härrör från er egen erfarenhet, kunskap och bedömning av situationen, fortfarande avgörande.”
Denna dos ödmjukhet till trots, språkmodeller som Chatt har potential att bli oumbärliga beslutshjälpmedel för både chefer och organisationer. Deras verkliga värde ligger inte i att ge definitiva svar utan i att vägleda oss genom en mer metodisk beslutsprocess – något som ofta saknas, även i kritiska ledningsbeslut.
Informerade beslut går vanligtvis i tre faser. Först och främst måste vi definiera våra mål och sammanhanget kring dem. Vad exakt är beslutets omfattning och hur överensstämmer det med våra mål, värderingar och preferenser? Denna inledande fas fastställer beslutsfattandeproblemet och ramarna inom vilka det verkar. Det andra steget innebär att skapa alternativ. Vilka beslutsfattande val står till vårt förfogande? Målet här är att cultutnyttja en mångfald av möjligheter, snarare än att enbart fixera vid de uppenbara. Först när vi har tagit fram en tillräcklig pool av alternativ från vårt beslutsfattande ramverk kan vi effektivt utvärdera dem och komma fram till ett välinformerat beslut – den tredje och sista fasen.
I sitt nuvarande utbildningsläge hjälper Chat skickligt till i alla tre faser av affärsbeslutsfattande. Rent praktiskt innebär det att vi kan föra meningsfulla dialoger med systemet under dessa faser. När vi till exempel utvärderar beslutsalternativ kan vi fråga om vanliga misstag som VD:ar inom maskintekniksektorn gör när de expanderar till nya marknader. Vilka var de viktigaste framgångsfaktorerna för dem som genomförde framgångsrika expansioner?
Chatt kommer inte att ge oss en universell mall för att utvärdera alternativ i vår unika kontext. Däremot kan det hjälpa oss att avslöja våra inneboende fördomar och få oss att ifrågasätta förutfattade meningar. Strategisk användning av Chatt kan fungera som ett värdefullt verktyg för att minska fördomar, ett verktyg som verkar ha absorberat Daniel Kahnemans och Amos Tverskys visdom. Det uppmuntrar oss att fundera över hur vi kan bedöma alternativ ur ett mer välinformerat perspektiv.
Dessutom bevisar Chat sitt värde idag genom att hjälpa oss att upptäcka ytterligare alternativ som kan gäcka vårt eget kreativa tänkande. Detta vidgar i sin tur våra beslutshorisonter och avslöjar en mängd möjligheter, ofta mer långtgående än vi först uppfattar.
Tänk till exempel på utmaningen att minska beroendet av Kina och diversifiera en leveranskedja – ett beslut som många verkställande direktörer och deras team inte känner till. Här skulle Chat kunna dra nytta av strategier som dokumenterats online av företag i liknande situationer, och potentiellt erbjuda mer innovativa lösningar utöver att helt enkelt flytta produktionen till Vietnam. Denna bredd av alternativ härrör från Chats tillgång till en omfattande databaser med offentligt tillgängliga insikter specifika för branschen eller företagsklassen.
Chat utmärker sig också på att hjälpa till att sätta mål och preferenser, bedöma beslutsfattande omständigheter och välja lämpligt ramverk. Dialog är fortfarande avgörande. Genom att ställa rätt frågor får vi djupare insikter i sammanhanget kring ett beslut. Med Chat kan vi snabbt få tillgång till förslag på typiska mål som andra företag har strävat efter i liknande beslutsscenarier. En fråga kan till exempel lyda: "Hej Chat, jag leder en framgångsrik medelstor verktygstillverkare nära Columbus, Ohio, och kämpar för att attrahera ingenjörstalang. Vilka kan vara de bakomliggande orsakerna, och vilka strategier har liknande tillverkningsföretag använt för att hantera kompetensbrist?"
Sammanfattningsvis utvecklas Chat till en alltmer sofistikerad samtalspartner och sparringpartner. Det befriar oss inte från ansvaret att definiera beslutsramverket, generera ett brett spektrum av alternativ och utvärdera dem. Men som anges i inledningen ger det ovärderliga perspektiv. En språkmodell av denna skala har flera fördelar jämfört med en mänsklig sparringpartner: den saknar personliga agendor, försöker inte vinna gunst hos de högsta beslutsfattarna för personlig vinning, förblir okänslig för internt grupptänkande och byråkratisk politik och är betydligt mer kostnadseffektiv än externa managementkonsulter eller interna strategiavdelningar. Detta demokratiserar beslutsförberedelse och stöd, särskilt för mindre företag.
Aspirerande chefer vid handelshögskolor skaffar sig ofta indirekt beslutsförmåga genom många fallstudier. Målet är att cultskapa en repertoar av beslutsfattande modeller genom att skapa och utvärdera handlingsbara alternativ inom ett beslutsfattande ramverk. Naturligtvis erbjuder fallstudier inte perfekta lösningar på specifika beslutsscenarier; istället ställer de frågor, presenterar ramar och skisserar potentiella val. Dessa fallstudier är inte bara lärorika för blivande chefer utan fungerar också som grogrund för att träna stora språkmodeller. Tyvärr har denna synergi ännu inte realiserats.
För närvarande har Chats programmerare bara infört en bråkdel av de offentligt tillgängliga fallstudierna i modellen. Den verkliga guldgruvan av data finns fortfarande hos stora leverantörer som Harvard Business Publishing, med över 50 000 fallstudier, och den ideella organisationen Case Center. Om dessa förvaltare samarbetar med skaparna av stora språkmodeller, skulle en språkassistent – som kan hantera programmering, copywriting och kundförfrågningar – kunna utvecklas till en formidabel beslutsfattande allierad för företag.
Dessutom lovar framtida framsteg inom inlärningsalgoritmer effektivare modeller, vilket banar väg för "medelstora språkmodeller" som inte längre kräver intag av stora delar av internet och kompletta bibliotek. Istället kommer de främst att fokusera på texter och dokument som är relevanta för specifika domäner. Denna förändring är oundviklig. Det ekonomiska incitamentet för mer välgrundade affärsbeslut är oemotståndligt, vilket driver Chats övergång från dagens version till en potent framtida iteration med det passande namnet "DecisionGPT".
Chats verkliga styrka, och liknande systems, ligger i deras förmåga att ställa samman och kontrastera analoga situationer – ett kritiskt behov i många ledningsbeslut. Dessa beslut är sällan helt unika; otaliga chefer före oss har brottats med liknande val. Ju bättre vi formulerar dessa beslut på mänskligt språk, och beskriver hur beslutsramverket etablerades, alternativ vägdes och val gjordes, desto kraftfullare blir DecisionGPT för att främja välgrundade beslut.
I sinom tid kan många förvaltningsbeslut bli mogna för automatisering. Robo-chefer kan distribueras oftare och snabbare än vad många hörnkontorschefer för närvarande förväntar sig.
För närvarande ligger dock fördelen hos de chefer som utnyttjar tillgängliga verktyg för att förfina sina beslutsprocesser. Snarare än att söka definitiva svar från modeller som Chat, bör vi engagera dem genom varje steg av beslutsprocessen.