ある意思決定課題を、機械に任せてよいのか、人間が行うべきかを判断するためのフレームワークを紹介。自動化の施策を考えるうえで、「予測可能性」と「エラーによる損失」という2つの視点がある。
スマートで適応性に優れた機械は、インターネットと同じくらい、私たちの生活に広く急速に浸透しつつある。そして量・種類ともに増え続けるデータから学習する賢いアルゴリズムに、人々の意思決定はますます委ねられていく。
ただ、これらの「ロボット」が私たちの暮らしに浸透していくなかで、「アルゴリズムに委ねても問題ない意思決定はどれで、人間が保持しておくべき意思決定はどれか」を判断するためのフレームワークはまったくない。結果の重大性を考えると、これは驚くべきことだ。
意思決定の課題を人間と機械のどちらに、いつ、どのように割り当てればよいのか。それをリスクに基づいて判断するためのフレームワークを提案しよう。これは私が協働者らと過去25年以上にわたり、金融、医療、教育、スポーツといった分野に予測システムを導入してきた経験に基づいている。
このフレームワークでは、さまざまな意思決定課題を2つの異なる側面に沿って区別する。「予測可能性（predictability）」と「エラーごとの損失（cost per error）」である。
「HBR.ORG翻訳マネジメント記事」の最新記事
» Backnumber
- 「予測可能性」と「エラーごとの損失」、 2つの軸で機械に任せる仕事を見極める （2016.07.25）
- ブランド戦略は進化する： モノ、イメージ、体験から関係性の構築へ （2016.07.22）
- 元ＣＩＡ長官が語る、 ビン・ラディン追跡から得た教訓 （2016.07.21）
- ブロックチェーンの破壊的影響は 金融業界の枠を超える （2016.07.20）
- 気乗りしない会議の誘いを 上手に断る方法 （2016.07.19）