Er is altijd een risico verbonden aan het volledig op de achtergrond doen van dingen zonder tussenkomst van de gebruiker. Als software betere beslissingen kan nemen en sneller kan analyseren, hebben we over het algemeen minder tussenkomst van de gebruiker nodig. Maar daar is een probleem mee. Veel gebruikers voelen zich tegenwoordig echt zelfverzekerd over het werk dat ze doen. Als je “Thinking, fast and slow” van Daniel Kahneman hebt gelezen, ben je bekend met het voorbeeld van wijnprijzen. In verschillende onderzoeken bleek dat computerondersteunde voorspellingen op basis van slechts een paar variabelen (weer, druiventype en bodem) beter uitpakten dan ervaren mensen die met de prijs van wijn werkten door het daadwerkelijk te proeven.
Hoewel de studies juist bleken te zijn, stond de wijngemeenschap hier zeer weigerachtig tegenover. Het algemene gevoel was “je kunt geen echte waarde plakken op een wijn die je niet hebt geproefd”.
Onze discussies hebben tot nu toe betrekking gehad op dat voorbeeld. We hebben nu een ondersteunde handmatige manier om met prognoses te werken in Calabrio WFM. Maar door het toevoegen van bewezen statistische voorspellingsmodellen en machine learning algoritmen kunnen we waarschijnlijk nog betere voorspellingen maken – zonder directe input van de gebruiker.
Misschien komen we er op den duur wel. Maar voor nu zullen we meer relevante informatie aan de gebruiker toevoegen. Vergelijk het met een auto. Twintig jaar geleden hadden we niet alle hulpsystemen die we nu hebben. We moeten dezelfde kant op met onze software. Auto’s van tegenwoordig kunnen voor jou op een heel krappe parkeerplaats parkeren. Ze kunnen mensen of dieren op de weg zien. Ze kunnen zien dat je op weg bent naar de verkeerde baan. Maar het vergt veel vertrouwen om je door de auto zelf te laten rondrijden, ook al is dat vandaag de dag al mogelijk.
Wat zouden volgens jou de assisterende systemen in onze software kunnen zijn?”
