Om de toekomst van de financieel analist te kennen heb je geen glazen bol nodig. Wel een open blik, inlevingsvermogen en het creatieve vermogen om voorbij de huidige inrichting van werk te kijken. Zonder afgeleid te worden door de kretologieën en hypes die zo vaak voorbij komen.
“Data is de nieuwe olie”, “Big Data vervangt de radioloog”, “AI zal de mens vervangen”.
Aan pakkende uitspraken geen gebrek. Aan concrete acties vaak wel. Want dit vereist een doordachte visie, een groeipad en (langdurige) toewijding. Van individuele werknemers op de werkvloer tot en met het hoogste niveau van bestuur binnen organisaties.
De wereld van de financieel analist is niet mijn wereld. Dat is die van de data scientist, met name in de zorg. Zelf werk ik al enkele jaren als Clinical Data Scientist in het Erasmus MC. Daar blijf ik mij verbazen over: 1) hoeveel gedreven professionals in de zorg werken, 2) hoe weinig data een rol speelt in de besluitvorming en 3) hoe lastig data-innovaties omarmd worden. Te vaak zien zorgverleners de data scientist als een aanval op de huidige manier van werken.
“THE FUTURE IS ALREADY HERE. IT’S JUST NOT EVENLY DISTRIBUTED.” (WILLIAM GIBSON)
Susskind & Susskind laten in hun boek “The Future of Professions” zien dat deze reflex bij veel professionals opspeelt (Susskind, 2015). Een manier om de angel hieruit te halen is door te benadrukken dat algoritmes geen banen overnemen, wel taken. Routinematige handelingen behoren dankzij algoritmes (hopelijk) binnenkort tot het verleden. Professionals houden zo tijd over voor taken waarbij de menselijke aanpak waarde toevoegt. Zoals bijvoorbeeld informatie in context beschouwen, associaties tussen situaties leggen en relevante (vervolg)vragen identificeren. Precies de zaken waar een dokter nu ook in uitblinkt. Maar dan ondersteund door analyses op basis van klinische intelligentie.
MENS VS MACHINE?
In de meeste bestaande beroepen is de optimale balans tussen mens en computer nog niet bereikt. Bij het Jheronimus Academy of Data Science (JADS) proberen wij de talenten van de toekomst hier toe op te leiden. Door bruggen te slaan tussen exacte wetenschap en gedragswetenschap en tussen onderzoek en samenleving. De eerste brug volgt uit het bij elkaar brengen van onderzoekers van onze founding partners TU Eindhoven en Tilburg University. De tweede brug geven we vorm door deze onderzoekers samen op te laten trekken met bedrijven en maatschappelijke organisaties.
Onderwijs speelt hierbij een belangrijke rol: door studenten en professionals in een onderwijs setting via praktijkvragen kennis te laten maken met bijvoorbeeld Artifical Intelligence leren ze snel de (on)mogelijkheden van een bepaalde techniek. Dit is een belangrijke voorwaarde om de taakverdeling tussen mens en computer stap voor stap vorm te geven. Daarbij zijn operationele gebruikers van de techniek nodig, maar ook de tactische en strategische besluitnemers. Die moeten de visie formuleren en de randvoorwaarden scheppen waarmee ‘de vloer’ vooruit kan.
FALEN IS LEREN
Niet gemakkelijk maar zeker geen toekomstmuziek: er zijn steeds meer bedrijven waar vanuit een duidelijke visie en strategie een goede balans tussen mens en computer wordt gevonden. Waar er tegelijkertijd ruimte voor het experiment is als controle op de langer bestaande processen. Dit lijkt tegenstrijdig met elkaar maar dat hoeft niet zo te zijn. Een artikel van de Harvard Business Review van enige tijd geleden bespreekt enkele paradoxen van innovatieve culturen (Pisano, 2019):
- Tolerantie voor falen vereist intolerantie voor incompetentie: je kunt alleen maar vertrouwen op het falen van je medewerkers als je weet dat je competente medewerkers hebt.
- De wil om te experimenteren vereist rigoureuze discipline: je wilt niet zomaar een experiment doen, je wilt het beste experiment doen waar je het meeste van kunt leren.
- Psychologische veiligheid vereist harde openheid: alleen als ideeën op inhoud worden besproken in plaats van op afzender durf je vrijuit te spreken.
- Samenwerking vereist individuele aansprakelijkheid: als je iemand individueel aansprakelijk stelt voor een resultaat weet je zeker dat die persoon gaat samenwerken met capabele collega’s om tot het beste resultaat te komen.
- Een platte organisatie vereist sterk leiderschap: het verwijderen van hiërarchische structuren betekent niet dat er geen leiderschap op visie en strategie nodig is.
ALGORITMES NEMEN GEEN BANEN OVER, WEL TAKEN
De meeste organisaties hebben nog een lange weg te gaan. Vandaar dat recentelijk een Taskforce AI voor heel Nederland een actieplan heeft opgesteld (Taskforce AI, 2019). Als data scientist in een groot academisch ziekenhuis herken ik deze beweging op macro niveau ook op micro niveau. Het is het momenteel niet makkelijk en zelfs vaak niet leuk als data scientist in het Erasmus MC te werken. Mijn ambitie is echter om dit te kantelen naar een situatie waarin het Erasmus MC de nummer één werkplek voor data scientists is. Waarin mens en computer is balans zijn en we eindelijk in staat zijn om patiënten samen met gedreven zorgprofessionals beslissingsondersteuning te bieden vanuit data-innovaties.
Literatuur
- Pisano, zie https://hbr.org/2019/01/ the-hard-truth-about-innovative-cultures
- Susskind & Susskind, zie https://www.danielsusskind.com/book
- Taskforce AI, zie https://www.vno-ncw.nl/sites/default/files/ position_paper_algoritmen_die_werken_voor_iedereen.pdf
in VBA Journaal door Egge van der Poel