???

【51CTO.com快譯】因為我們缺少比我們更好的坐標系進行對比，人類常犯的一個錯誤是我們覺得自己正在做一項完美的工作。

人類通常處理小規模數據并且生成帶有錯誤的報告。而機器能夠處理規模更大的數據并且能夠生成更高級的報告，獲得更準確的結果。

我們舉例說明問題，我們發現有人去了某所學校，獲得了某個學位，有了一項成功的事業，然后我們以為我們自己也能搞定這些。但實際情況是，因為許多原因我們的結論可能是錯的。事實上，人類只能控制和處理有限的數據。我們并不總能處理復雜的分析和消除偏差。這通常導致我們獲得有偏差的結果，或者不能區分相關性和因果性。

在人工智能變革的大背景下，員工通常沒有改善工作流程的急迫需求，因為他們只能看見眼前的數據場景，而不是他們缺失的所有數據，或者更大的數據場景。

換言之，數據產生的指數級別的速率，和它寬廣的自然范圍，讓我們的認知可能遠遠落后，我們甚至不知道我們缺少什么。

不良數據習慣的影響

分析師基于本能會迫使自己基于一般性準則過濾大量的數據，否則分析師無法處理大量的數據。盡管數據規模小的好處是分析師可以進行高質量的手動分析，但他通常會失去被排除的數據的大量信息。

但是損失遠超于此。除了失去某個數據點的價值，分析師可能因為錯誤的假設而忽略整段的數據價值。這會導致下面的惡性循環：分析師因為基于過去的經驗和假設持續的選擇錯誤的數據子集進行分析。

這通常會造成一種對結果準確性的錯誤確定性直覺，因為沒有很可靠的辦法來對此進行把控。組織會對自己的數據產生一種過度自信的錯覺，而這種自信的基礎只是在組織面對小數據集范圍內有效。

類似的，作為人類，分析師更傾向于創建有更高可能性產生價值的數據過濾系統，因為沒有更好的辦法可以替代以人為中心的任務。但是，當我們把機器帶入到我們的工作流程中的時候，至關重要的一點是我們需要顛覆這一固有的偏差。從純商業的角度講，如果機器正在工作，數據產生價值的速度就不是那么重要。

總結一下，將以機器為中心的任務變得更加人性化，對我們達成目標來說是不可行的。

在大數據時代改變我們的思維模式

一個人類分析師可能以 100% 的準確率對數據進行分類，而一臺機器在經過訓練之后做同樣的工作可能連 85% 的準確率都達不到。盡管我們作為人類經常忽略的一點是，機器能在比人類任務大100倍數據規模的情況下達到 85% 的準確率是更有價值的，或者事實上，更準確的。對此我們人類的第一反應是傾向于拒絕使用算法，認為只有精準的結果才有價值。

這是另外一個當機器加入工作流程的時候人類應該設法消除的偏差。很明顯，分析的質量是重要的，但當我們決定如何創建工作流程的時候，我們需要提醒自己，數量事實上會創造更高的價值。

換言之，我們本能的關于準確性的定義是受到我們看到的小規模數據集的影響而有偏差的。

創建人機共生關系

盡管機器無所不能的時代離我們還很遠，但人機搭配組隊的日子已經來臨。創建人機搭配關系的方法有很多，但在我的腦海里，影響成敗的最主要因素是能否在工作區內創建人機互利互惠、相互協作的共生關系。

例如，當我們需要高質量的數據分類和分析的時候，光有機器通常會導致失敗。但是，利用機器分割數據，同時讓人工深入檢驗以作為質量把控手段可以解決這一問題，可以檢驗更多的數據，而且在很多情況下，比使用人類分析師性價比更高。另外，就算我們不信任機器做任何數據分析工作，我們能讓機器幫助我們選擇人工分類的數據子集。諷刺的是，在今日，我們的第一個和最危險的數據篩選系統是由人類創建的，而且通常都不是建立在決定性的證據的基礎之上的。

這里的關鍵是使團隊需要完成的每一個任務的各種元素能夠物盡其用。

引領人機團隊

作為經理和領導，我們需要訓練自己去觀察更大的數據場景，并且總是懷疑我們缺少點兒什么。在這種情況下，不能缺乏批判性思維。

這不是說人工分析沒有用，而是說當人與機器的能力搭配的時候，人類的能力更有效。我們需要創建相互配合的人機分析團隊，而不是讓兩者相互對立。

放眼未來，經理們必須有能力區分人類和機器的不同角色。做好這一點，將使人類和機器作為“人機團隊”能夠協同工作，實現 1+1 > 2 的效果。

如果說在過去，經理的一個關鍵職能是給每一個任務安排一個最合適的團隊成員，那么今天，這一職能角色就擴展到包括評估每一項任務的哪些部分是以人類為中心，哪些部分是以機器為中心的。

那些有能力填平以人為中心的由人掌控各種技術的任務和以技術驅動的商業場景之間的鴻溝的人, 將更加勝任領導業務轉型的任務。

我們必須總是準備好“了解未知世界”，即便是在我們數據的范圍之內。達成這一目標的關鍵在于我們首先必須知道自己要有數據管狀視野，我們才能實現人機和諧共生，最終完成業務轉型。

譯者介紹

汪昊，51CTO社區編輯，互聯網老兵。在百度，新浪，網易等公司有超過 10 年的技術研發和管理經驗。在國際學術會議發表論文 18 篇，3 次獲得最佳論文獎/最佳論文報告獎。本科和碩士畢業于美國猶他大學。對外經貿大學在職 MBA。

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】