スペイン出身の女性として、私はかつて友人と夜10時に夕食をとっていました。それが一日を最大限に活用できる完璧な時間だと考えていたのです。時は流れ、アムステルダムで暮らし、国際的な職場で働き、ドイツに落ち着いた今では、そんなに遅い時間に夕食の予定を組むことはありえません。早めに食べる方が理にかなっていると、私は強く確信しています。
私たちは皆、人生経験という豊かな蓄積、いわば物語の本を持っており、世界を理解するためにそれを参照します。私たちのアイデンティティ(ジェンダー、人種、年齢、出自)、神経学的な違い、学業や経験は、その本の内容に直接影響を与え、ひいては私たちの推論の仕方を左右します。
私は今もスペイン出身の女性ですが、夕食を計画する際の私の考え方は変わりました。昼に軽めの昼食をとり、夕方早めに夕食をとる方が、ずっと理にかなっているように思います。それも今では私の本の一部になっています。
多様性は、すべてのチームにとって成功の秘訣とは限りません。レンガを運ぶ必要があるなら、最も強い人材が必要です。しかし、複雑な問題を解決する必要があるなら、多様性が役立つことは証明されています。マッキンゼーは2018年に次の調査結果を発表しました経営陣において民族・文化的多様性が上位四分位にある企業は、業界をリードする収益性を持つ可能性が33%高いことがわかりました。
この優位性の理由は、厳密には出自、民族、ジェンダーの多様性にあるわけではありません。それらの違いによって、チームのメンバーがそれぞれ異なる章を本の中に持っているからです。私はエンジニアであり、女性として、そしてスペイン人として異なる経験をしてきました。これらの物語は私の本の中にあり、私が世界をどう見るかに影響を与えています。多様な人々は異なる推論を行い、より多くの新しいアイデアを生み出すことができます。これは認知的多様性の問題なのです。
データおよびAIを活用する組織と認知的多様性
ガートナーは次のことを認めていますデータと分析は、組織のデジタル化と変革の取り組みを加速させるために必要な重要な要素であり、デジタル経済で競争するために不可欠であると。
組織におけるデータ主導型の目標やAI計画の成功要因として、認知的多様性がなぜ最も重要なのでしょうか。データは、情報に基づいた意思決定を行うための情報を私たちに提供します。しかし現実には、データは誰がそのデータを読むかによって解釈が変わり得るのです。
最良の例の一つは、人間の受精が従来、おとぎ話のようなものとして説明されてきたことです男性の科学者によって、競い合う精子が受動的な女性の卵子をめぐって戦うものとして説明されてきました。しかし、これは実際には当てはまりませんより多様な科学チームによって指摘されているとおりです。
AIによるデータの解釈は、その背後にある人間の知能と同じくらい偏ったものになり得ます。優れたAIチームがいても、認知的に多様でない場合、どのような事態が起こり得るでしょうか。Amazonの採用アルゴリズムにはジェンダーバイアスがありましたその結果、そのポジションにおける女性の割合が低いことを学習した後、有能な女性候補者を不採用にしていました。
例えば、YouTubeがiOS向けの動画アップロードアプリを公開した際、ユーザーがアップロードした動画の5〜10%が上下逆さまになっていました。これは、デザインチームが右利きであったため、左利きの人が電話をどのように扱うかを考慮していなかったためです。また別の例として、Google フォトのAIがアフリカ系アメリカ人をゴリラとしてラベル付けしたことがあります。これは今でも株主総会で取り上げられており、Googleがなぜより多様になる必要があるのかを明確に示しています。
これらはAI製品におけるバイアスの例です。部門横断的にAIに基づく意思決定が行われる、AIを活用した組織を計画しているとしたら、何が起こるか想像できるでしょうか。その本質的なバイアスを回避する方法は何でしょうか。
答えは認知的多様性です。同質的でないチームは、同質的なチームよりも、自らのバイアスを認識し、データの解釈、解決策の検証、意思決定において生じる問題を解決する能力に優れています。
労働力における認知的多様性を高める方法
私たちの本に、照合し参照できる内容が多いほど、より多くのアイデアや視点を持つことができます。新しい章を加えたり、異なる本を組み合わせたり、その数を増やしたりすることは利点となります。同様に、ビジネスにおいて認知的多様性を高めるための方法は3つあります。
1) 現在のチームを活用する
ガートナーは、2020年までに、組織の50%がビジネス価値を達成するために必要なAIおよびデータ・リテラシーのスキルを欠くことになると述べています。現在の労働力が、要求の厳しい新たなデータおよびデジタルスキルに対応できる状態にあることを確実にする必要があります。人事から営業、マーケティング、財務、ITに至るまで、組織のすべてがデータの言語を理解する必要があります。これは全員にとってメリットがあります。各人は現在の役割で成長することも、新たな機会の対象となることもでき、同時に事業価値も高まります。
2) データサイエンティストをビジネスパートナーにする
組織には人事ビジネスパートナーや財務ビジネスパートナーといった役割があることに私たちは慣れていますが、データサイエンティストとの真のビジネスパートナーシップの価値はしばしば見落とされています。データサイエンティストの推論と、事業部門の理解や経験を組み合わせることで、測定可能でデータに基づいた根拠を伴う意思決定プロセスが生まれ、組織の内外における新たな機会や課題につながります。企業には、仮説や洞察を検証するための多様な市民データサイエンティストの集団が必要です。
3) 多様な人材の獲得と維持
ビジョンと戦略には多様性を含める必要があります。選考手法に焦点を当て、例えば採用担当者に選考手続きや公平な面接に関する研修を提供します。現在の多様性の数値を指標とした基準値を設定し、その推移を監査してください。
候補者を引きつける一つの方法は、多様なデータサイエンス人材のパイプラインとつながる戦略的パートナーシップを構築することです。例えば、Women in Big Dataなどです。多くの大企業がすでに行っているように、過小代表のグループを対象としたプログラムや取り組みを定義してください。
結論
ビッグデータと機械学習は、企業とその労働力にとって魅力的な機会をもたらしています。しかし、それらを取り巻く潜在的なバイアスに対処しなければ、失敗のリスクは高くなります。認知的多様性は、人工知能から最大のビジネス価値を得るための方法です。必要なのは、アイデアを共有する際にそれぞれ異なる本を参照する多様な労働力だけです。準備はできていますか。
