Outside Insight | IBM: 人工智能如何在企业决策中对抗人类偏见

前言
Outside Insight为Meltwater编辑部最新栏目，旨在分享Meltwater 英文电子杂志Outside Insight上的行业前沿信息和高科技资讯。Outside Insight是Meltwater一贯的发展理念，帮助企业实时抓取最有价值的外部信息并智能分析处理，协助企业更有效地做出最佳商业决策。Outside Insight也是Meltwater创始人Jørn Lyseggen所出书籍名。

摘要

当涉及到决策制定时，我们都面临着心理层面的偏见——尤其是高层们。得益于人工智能，企业领导者们有了一个前所未有的机会，可以从客观、第三方的角度来看待自己的品牌数据，并将自己的公司与竞争对手进行对比，从而准确地了解自己在市场中的地位。

1/在我们这个快节奏的世界里，高管们所面临的人类偏见

过度自信的偏见 (Overconfidence Bias)

当公司高管过度依赖团队的过程和分析时，或者当他们在决策过程中过于依赖自己的“直觉”时，就会产生过度自信的偏见。在前一种情况下，高管可能会做出错误的决定，因为他要么依赖包含人为错误的有缺陷的分析，要么遗漏了业务问题的关键元素。在后一种情况下，高管可能会做出错误的判断，因为他们没有充分利用数据和信息来进行决策。

例如，著名的雷曼兄弟(Lehman Brothers)董事长理查德•富尔德(Richard Fuld)决定拒绝韩国国家开发银行(korea Development Bank)收购这家在衰退期间陷入困境的公司股份所给出的报价。迪克没有听取他的顾问和金融分析师对公司估值的建议，他只相信自己的个人观点，认为出价太低，还会有其他买家。他对美国政府将救助雷曼兄弟的观点也过于自信。不幸的是，他预计的情况都没有出现，雷曼兄弟也被迫破产，一些人把这种衰落归因于富尔德的狂妄自大。

确认偏向 (Confirmation Bias)

当一个商业领袖已经做出了一个预先的决定，而这个决定可以被期望的结果、偏好或情绪所驱动时，确认偏向会随之而来。这个问题可能会因时间和资源的限制而加剧，但当管理人员不再愿意进行对话和分析或重新评估情况时就会出现问题。不幸的是，被有意忽略或忽视的关键事实或细微差别也是十分重要的，这本应该导致不同的决定。

以零售市场的国际扩张为例，百思买高管在决定以“大卖场”战略进入欧洲市场时表现出了过度自信的倾向。他们错误地认为，欧洲人和美国人一样，希望在大超市里以折扣价购买种类繁多的商品，这表明他们对欧洲顾客存在严重的误解。他们相信这种方法将会使他们在较小的本地欧洲商店中获得竞争优势。然而，情况并非如此，百思买发现得太晚了。该公司2013年关闭了所有欧洲门店。

损失厌恶 (Loss Aversion)

当一个商业决策或投资导致亏损时，就会产生亏损厌恶，因此，管理者倾向于承担更大的风险，以将亏损转化为利润。这些风险可能导致更高的损失，从而使业务单位、部门甚至公司面临风险。在这种情况下，最好的决定可能是退出、关闭或出售投资或经营以减少损失。

一个典型的例子是史上的巴林银行倒闭，这发生在1994年，当首席衍生品交易员尼克•利森(Nick Leeson)在日经股票交易所进行了更大规模的投机性押注，积累损失£2.08亿之后。虽然试图弥补这个错误，但他最终导致超过£8亿的损失，是该银行的资本的两倍多。由于他的行为，巴林银行破产了。

“你所看到的就是一切”

这种偏见发生在高管们认为他们所拥有的信息和知道的信息都需要被认为是做出最佳决策的时候。这种“隧道式愿景”可能会导致高管错过一些关键的东西，比如导致错误决策和行动的重要风险或机会。

黑莓(Blackberry)智能手机供应商RIM公司(Research in Motion)的倒闭就说是明了这种风险的一个众所周知的例子。在2008年之前，该公司在企业智能手机市场的全球领先地位令人羡慕。然而，他们只专注于单一市场领域，忽视了苹果和谷歌开始瞄准的更大的消费智能手机市场。

RIM公司确信，他们对公司和商业市场的掌控是“所有的一切”，并没有预料到iPhone和Android产品在消费者市场上的巨大人气将会转移到业务领域。到2011年，该公司陷入了困境，因为大多数客户已经转向竞争对手的产品。

Outside Insight | IBM: 人工智能如何在企业决策中对抗人类偏见 — 黑莓/RIM 2004年-2017年收入情况（单位：百万美元，数据来自于statista)

2/ 人工智能有助于消除人类的心理偏见

企业高管每天都面临着各种挑战，如处理复杂的问题、严重的时间限制、处理多个意见和观点以及管理政治压力。

这些挑战使克服心理偏见变得非常困难。人工智能可以通过提供无偏见的、基于事实的分析和建议，帮助高管们做出更好的决策。它还展示了一种能力，可以发现以前未被检测到的驱动程序和数据之间的关系，从而带来了更好的业务解决方案和结果。

例如，在过度自信和确认偏差的情况下，高管可以部署人工智能，以确保分析所有可用的关键数据，并对所有潜在的业务因素进行适当的评估。有了可靠的分析过程，这个工具就能确保数据里没有隐藏的关系。

通过使用人工智能提供一个客观的、基于事实的方法，企业领导人能够通过对当前状态的实证驱动分析，避免承担过度的风险，并消除这种趋势。人工智能在数据中发现隐藏关系的能力抵消了“你看到的就是所有”的偏见。请注意，公司必须拥有所有可用的相关数据，才能有效地利用人工智能解决业务问题。

外部数据源告诉人工智能向企业高管提供公正的决策

人工智能的价值取决于拥有大量相关和准确的数据来训练神经网络。公司内部和外部都有各种数据源可以为这些算法提供动力。

随着物联网技术的发展，企业面临着海量数据，因此迫切需要解决的问题更多地是“我应该使用哪些数据?”而不是“我从哪里可以得到数据?” 然而，外部数据来源，如合作公司、社交媒体、研究公司、咨询公司和其他组织，可以提供关于你的产品/服务、设备、客户、供应商、竞争对手等的各种关键数据。人工智能可以用来帮助做出更好的决定。

一个例子是使用人工智能来帮助衡量和监控市场对产品线的态度。一个分析外部数据的人工智能解决方案可以用于搜索社交媒体，以了解消费者对公司产品线的看法。自然语言处理和评分算法将被用来衡量公众对产品在任何时间点的态度。企业领导人应该利用这些信息来指导他们的战略。