Grow VC Group – Nyheder

Folk bor og arbejder mere og mere i digitale miljøer. COVID-19 har fremskyndet overgangen til mere virtuelle og digitale interaktioner. Sikkerhed er et problem i mange tjenester. Men en del af problemet er, at sikkerhedseksperter, virksomheder, der adresserer kundernes bekymringer og endda regeringer, fokuserer på negative budskaber og ønsker at tilbyde begrænsninger og svære at bruge værktøjer i stedet for at fokusere på muligheder og gøre internettet til et mere pålideligt miljø. Tankegangen er ofte for teknisk og teoretisk, ikke baseret på menneskelig adfærd eller brugeroplevelse.

Tillid er et grundlæggende grundlag for samfund og virksomheder. Lande, hvor folk har tillid til hinanden, fungerer typisk bedre end lande med overfladisk tillid. Det er svært at gøre et land eller en by mere sikker bare ved at tilføje flere politibetjente eller restriktioner. Hvis forretningsparter ikke kan stole på hinanden, forsøger de blot at fokusere på kortsigtede hurtige gevinster og ønsker ikke at skabe langsigtede forpligtelser og investeringer. 

Vi har samme situation i det digitale miljø, men mange parter mener stadig, at tilføjede restriktioner, flere politiværktøjer og trendy, tillidsløse transaktionsløsninger ville gøre det bedre. Det kan vi se på mange niveauer. I mange virksomheder fortæller sikkerhedsofficerer og eksperter os, hvad der ikke må gøres, hvor risikabelt alt er og skaber alle mulige regler for organisationen. Regeringer vedtager også nogle gange meget forenklede modeller at bruge. Nogle lande begrænser endda, hvad folk kan se og gøre på internettet. Men selv USA og Storbritannien ønsker at gå over til mere populistiske modeller som at forbyde ende-til-ende-kryptering i kampen mod terrorisme eller at beskytte børn. Selvfølgelig er det en fuldstændig urealistisk anmodning og gør ikke meget for at gøre internettet til et sikrere eller bedre sted.

Vi ved alle, hvor komplekst det kan være at bruge digitale bankapps, identifikations- og signeringstjenester. Disse er normalt bygget ud fra et meget teknisk perspektiv, hvilket gør noget teknisk skudsikkert. Alligevel er de ikke doven-brugersikre, når brugere ikke bruger tjenesten eller glemmer sikkerhedsanbefalingerne, mens de bruger tjenesten. 

Financial Times arrangerede sit årlige European Financial Forum i begyndelsen af ​​februar, og et afgørende emne var digitale finanstjenester. Flere talere fremhævede digital tillid som en kritisk komponent for udvikling af digitale tjenester. I dag foregår mange ting online med e-mail- og beskedtjenester, videoopkald og digitale signaturer. Hvis parterne ikke kan stole på hinanden, er det ganske umuligt at drive digital forretning.

Facebook sletter milliarder af falske profiler årligt, vi får alle dagligt masser af mistænkelige e-mails, og virksomheder opretter bots og falske profiler på LinkedIn bare for at generere kontakter for at sælge mere. Virksomheder bruger løsninger til at sikre kommunikation og informationsdeling internt. Alligevel bliver der lavet flere og flere forretninger på tværs af organisationer, og oftest er e-mail, Zoom og WhatsApp de typiske værktøjer, simpelthen fordi de er de nemmeste at bruge. 

Det er helt indlysende, at der er behov for bedre tillidsløsninger. Men de bør bygges på naturlig menneskelig adfærd og på en eller anden måde skabe tillid opbygget gennem generationer i samfund og fællesskaber. Kryptografieksperter kan ikke skabe digital tillid.

Typisk opbygges tillid trin for trin med menneskelig interaktion. I går måske i samme klasse i skolen, studerer sammen på et universitet, arbejder sammen eller bor i det samme kvarter eller har de samme hobbyer. Eller du kender nogen, du stoler på, og de introducerer dig til en anden, og du stoler straks på dem ved at slutte. Tillid er ikke sort og hvid. Man bygger det op over tid, det afhænger af konteksten, og man kan hurtigt miste tilliden. Og tillid er ikke baseret på et sæt regler og begrænsninger; det er primært baseret på positive oplevelser med nogen.

Vi træder ind i en ny æra med digital tillid. Så har pandemien fremskyndet behovet for at gøre dette. Vi har brug for nye løsninger til at opbygge og administrere digital tillid, og de skal omfatte både sociale og tekniske innovationer. Og de skal også arbejde med vores daglige digitale værktøjer, såsom e-mail, chat, videoopkald og datadeling. Da tillid til samfundet er baseret på positive oplevelser og muligheder, har vi brug for digitale tillidsværktøjer baseret på positive erfaringer, gensidig læring og at finde flere muligheder.

Artiklen dukkede først op Disruptive.Asien.

Virksomheder har indsamlet data i årevis. Nyttige data kan give konkurrencefordele og være grundlaget for mange services og bedre kundeoplevelse. Der har også været mange virksomheder, der har ønsket at blive dataaggregatorer, der indsamler og sælger data. Men de store datasucceshistorier ligger ikke i at sælge data. Nogle gange er data næsten et giftigt aktiv. Hvad kan vi lære af de måder, hvorpå data er blevet bedst udnyttet og indtægtsført? Vi har nu det samme spørgsmål med persondata, og mange parter ønsker at gentage de samme gamle fejl.

For 21 år siden udviklede vi i en af ​​mine tidligere startups et marketingslogan: Data – det XNUMX. århundredes sorte guld. Det var og er stadig en relevant sammenligning, men at tjene penge på data er meget anderledes end oliebranchen. Der har du separate forretningsområder til at bore og raffinere olie og derefter sælge raffinerede produkter. Vi kan se noget lignende i databranchen, men at tjene store penge i værdikæden er meget anderledes i olie- og databranchen.

Google, Facebook og Amazon er datamarkedets superkræfter. De indsamler primært og bygger derefter tjenester, der udnytter data. De køber måske nogle tredjepartsdata, men det er ikke deres primære måde at få data på, og de sælger faktisk ikke data. Omdømmet for virksomheder, der fokuserer på handelsdata, er i dag ret rystende. Som en person, der driver datadrift for en Silicon Valley-gigant engang sagde til mig, er de mere og mere skeptiske over for at købe data, når de ikke kender deres kilder, hvor nøjagtige de er, hvordan de virksomheder, der sælger dem, har fået fat i det og hvordan de driver deres forretninger.

Misforstå mig ikke, nogle virksomheder tjener betydeligt på at sælge data, og nogle virksomheder bruger hundredvis af millioner på at købe data. Men det har ikke været et område at bygge enhjørninger og virksomheder, der former verden som forventet for måske 10 eller 15 år siden. Så var der mange forventninger til dataudvekslinger og andre kreative forretningsmodeller for datahandel.

I dag handles data mere som en råvare end en unik kilde til værditilvækst. Virksomheder køber eksterne data for at berige deres data og hjælpe deres løsninger med at udnytte data bedre. Den reelle værdi opnås, når virksomheder bygger løsninger til at bruge data i marketing, salg og drift. Man kan endda hævde, at vinderen ikke har de fleste data, men de bedste værktøjer til at bruge dataene. Selvfølgelig har internetgiganterne masser af data. Alligevel har banker, teleselskaber og forhandlere også masser (og mulighed for at indsamle mere), men de har generelt været langsomme til at udnytte det. Disse succesrige virksomheder tilbyder også dataens værdi til deres brugere, såsom Google-søgning, kort og andre tjenester, og Amazons bedre kundeoplevelse.

Vi ser nu tidlige dage med persondata, altså hvordan folk kan bruge deres egne data. Nogle initiativer og virksomheder ønsker at bygge løsninger baseret på ideologiske synspunkter; mennesker har moralske rettigheder til at eje og kontrollere deres data. De har ikke gjort det så godt; kun et lille sæt mennesker er interesserede i disse ideologiske projekter. 

Så er der de virksomheder, der gerne vil hjælpe folk med at indsamle deres data og sælge dem. Dette har mange praktiske udfordringer, herunder hvordan man får et datamarked til at fungere med tilstrækkelig efterspørgsel og udbud. Prisfastsættelse er også en kompleks udfordring, ligesom de tilhørende vilkår og betingelser, uanset om du sælger dine data til ét formål, og hvordan du sporer brugen af ​​dem. Det er ikke nemt at få dette persondatamarked til at fungere korrekt. Løftet om brugerværdi er ofte skuffende, som at blive betalt et par dollars om måneden for at se annoncer. 

Den mest oplagte mulighed, der har arbejdet med big data-virksomhederne i over ti år, er glemt. Hvorfor ikke tilbyde folk bedre værktøjer til at indsamle og bruge deres data. Når nogle virksomheder ønsker at hjælpe folk med at kontrollere og bruge deres data ved at sælge dem, svarer det til at anbefale Google, Amazon og Facebook at sælge alle data, de indsamler. Disse virksomheder har opnået deres nuværende position og magt ved at have topværktøjer til at udnytte de data, de får. Det er det samme med enkeltpersoner. Hvis du vil styrke dem med deres data, skal du tilbyde de bedste værktøjer til at bruge disse data personligt.

Brug af persondata vil omfatte mange begreber, og vi kender dem ikke alle endnu. Vi har brug for et åbent marked for at innovere og udvikle disse værktøjer. Men den kan for eksempel have værktøjer til at planlægge bedre privatøkonomi, finde de bedste priser, styre bedre sundhed og velvære og få hjælp til alle slags daglige behov og aktiviteter. Den langsigtede vision er at bygge personlig AI, der tilbyder et dashboard til at guide alle daglige aktiviteter.

Som med datavirksomheder kan persondata også beriges med eksterne datakilder. For eksempel offentlige data som prissammenligning, trafik, folkesundhed og kortdata kombineret med personlige data gør det mere kraftfuldt. Datamodeltræning til Machine Learning og AI forbedres, når den kan bruge data fra mange brugere. 

På mange måder ligner den bedste måde at udnytte persondata på, hvad de førende datavirksomheder har gjort i årevis. Men det ser ud til, at med en ny forretningsmulighed går mange parter først til meget komplekse modeller, som at retfærdiggøre data med ideologiske tanker eller at ville bygge en blockchain-baseret dataudveksling med digitale rettighedsstyringssystemer. Ofte er den enkleste og bedste løsning at kopiere en, der har virket tidligere et andet sted.

Artiklen dukkede først op Disruptive.Asien.

Kunstig intelligens (AI) dukker op overalt, i hvert fald i diskussioner. Intelligente systemer bliver brugt mange steder, og de bliver smartere. Men den egentlige flaskehals er ikke systemernes intelligens eller 'hjerne'; det er, at AI også har brug for 'hænder' til at gøre ting.

AI er blevet et meget populært søgeord i løbet af de sidste fem år. De fleste virksomhedsledelsesgrupper og bestyrelser ønsker at se noget AI-udvikling i deres organisationer. Desværre er virkeligheden, og faktiske use cases og forventninger ikke altid i tråd. Det største problem er ikke at have smart nok maskinlæring (ML) eller AI-modeller til at analysere data, håndtere opgaver og træffe beslutninger.

Lad os tage en forenklet AI-opgave. Et system indsamler data, analyserer dataene, træffer nødvendige konklusioner og beslutninger og sender resultaterne til operativ brug. Hvis et helt system er bygget til at omgå AI, som en selvkørende bil, kan evnen til at analysere data og træffe beslutninger være flaskehalsen. Men de fleste systemer er forskellige.

Vi kan tage et andet eksempel ved at bruge AI – automatisering af behandling af forsikringskrav. Vi har de samme faser, men data og interaktioner med andre systemer er meget mere komplekse:

1. En forsikringstager udfylder et krav, formentlig en webformular, men i nogle tilfælde kan det stadig være en papirformular. De har også nogle andre dokumenter, f.eks. kvitteringer, en anmeldelse om en lovovertrædelse eller en lægeerklæring. For at få det hele til et digitalt format, kan det være nødvendigt at bruge OCR (Optical Character Recognition) og NLP (Natural Language Processing).
2. Forsikringsselskabet indsamler data fra andre kilder. For eksempel kan de bruge en persons forsikringshistorik fra en national database, kreditvurderingsdata, strafferegistre, data fra andre lignende hændelser. Alle former for data, der kan bruges til at se, at oplysninger i kravet giver mening, er på linje med andre datakilder, inden for en statistisk margin af forventet adfærd og er ikke svigagtig.
3. Derefter analyserer systemet dataene og træffer en beslutning. Beslutningen kan være at betale et bestemt beløb, ikke betale, eller at sende sagen videre til nærmere undersøgelse.
4. Når afgørelsen er truffet, skal systemet sende et brev eller e-mail til forsikringstageren, gemme afgørelsen og alle dokumenter, starte betalingsprocessen og informere tredjeparter (f. hændelsen, politiet). 
5. Herefter er forsikringstageren muligvis ikke tilfreds med beslutningen og kan udløse en ny proces.

I dette eksempel kan vi se, at dataanalysen og beslutningstagningen er en lille del af det overordnede procesflow. Der er mange andre dele, især indhentning af data fra flere kilder, formatering af data, indtastning af beslutningsdata til andre systemer og udløsning af handlinger i forskellige systemer. Og det, der gør dette endnu mere komplekst, er, at dataene typisk er i mange forskellige formater, og at en del af informationen mangler eller er unøjagtig (tænk bare på skadesskemaet, som forsikringstageren udfylder og tilføjer vedhæftede filer). Selv tilfældet med en dataværdi, der er "nul", skal håndteres, "null" er ikke "nul", og afhængigt af datasættet kan det have betydning eller ej. Der er brug for mange behandlere.

En af mine virksomheder implementerede denne form for system for flere år siden. Selvom det var et ret digitalt avanceret forsikringsselskab og miljø (Skandinavien), var der stadig meget arbejde at gøre. En typisk tommelfingerregel i databranchen er, at 60% til 80% af arbejdet er at forbehandle dataene. Dette er virkeligheden, når du forsøger at implementere AI i enhver virksomhed med mange eksisterende systemer, og nogle af dem kan være ret gammeldags. Tænk bare SAP, Netsuite og links til banksystemer.

Vi kan endda tænke på en mere moderne løsning til at få data fra flere bærbare enheder (Apple Watch, Fitbit, Withings, Garmin, Oura osv.) til ét sted og bringe det i et format, som du kan bygge ML/AI-løsninger ovenpå . Selv at indsamle alle disse data er ikke så simpelt, som du skulle tro, selv når folk taler om åbne API'er. API'er er stadig ikke så almindelige, og selvom en API vil være struktureret, kan kvaliteten af ​​de inkluderede data variere fra en kilde til en anden.

Et udtryk, jeg er begyndt at holde af, er 'AI-hænder'. Det betyder løsninger, hvordan man får indsamlet data fra mange gamle og nye systemer, formaterer dem ét sted og derefter får behandlingsresultaterne til operativ brug i andre systemer. Virksomheder glemmer eller ignorerer ofte udviklingen af ​​'hænder', når det er mere avanceret at tale om de seneste innovationer for 'hjernen'. Som altid er stor tænkning sjældent nok; du skal først indsamle og organisere information og derefter få tingene gjort baseret på dine tanker.

I virkeligheden er disse 'hænder' som softwarerobotter (RPA), der kan arbejde med forskellige systemer og enheder. Disse omfatter yderligere softwarekomponenter (f.eks. OCR, NLP, datarensning, API'er) for at hente dataene og udløse handlinger (f.eks. afsendelse af e-mails, start betaling, start levering). Andre nyttige værktøjer er webhooks, der kan udløse baggrundsopgaver, for eksempel i det serverløse miljø, og såsom at verificere data og køre NLP. Dette betyder evnen til at arbejde med en lang række forskellige systemer og formater. 

Open source er ofte den bedste måde at understøtte mange slags behov fra små og sjældne systemer til større systemer. Der er mange dataformater og endda uformaterede data, som ingen virksomhed kan implementere i deres proprietære system. Her er open source den eneste mulighed. Disse 'hænder' og 'hjerne' bør være baseret på almindeligt anvendte og bredt tilgængelige programmeringssprog (f.eks. Python), der hjælper med at få 'hjerne' og 'hænder' til at arbejde sammen ved at bruge open source-komponenter.

For at få mere brug af AI og ML har vi brug for flere og bedre 'hænder' til AI. Ledelsesgrupper skal også investere i disse muligheder, hvis de ønsker at implementere og bruge AI. Og det er det samme med forbrugerservice, nogen skal tilbyde løsningerne, hvor dataene er tilgængelige i et brugbart format, og der er værktøjer til at få resultater i reel brug. I sidste års Gartner Hype Cycle var mange AI-løsninger på hype-toppen. AI 'hænder' er nødvendige for at forbedre produktiviteten.

Artiklen dukkede først op Forstyrrende Asien.

Automatisering og digitalisering skal øge produktiviteten i arbejdet. Men produktivitetsvæksten har været flad eller faldende i de fleste udviklede lande i løbet af de sidste 20 år. Dette har været synligt i lande, hvor de fleste job, og især nye job, ikke er inden for fremstilling, men i service- og informationsarbejde. Så det ville være rimeligt at antage, at teknologi og digitalisering ikke hjælper med at forbedre produktiviteten. Henry Ford, Jeff Bezos og Larry Page vandt ikke stort, fordi de optimerede gamle operationer; det er fordi de har skabt helt nye driftsmodeller. Muligheden ligger i at udvikle nye måder at gøre tingene på, ikke at optimere de gamle.

Verdensberømte økonomer f.eks Daron Acemoglu, Greg Mankiw og rådgivere fra mange regeringer, forsøger at forstå årsagerne til lavere produktivitetsvækst. Jeg vil ikke forsøge at forstå alle de makroøkonomiske faktorer, men at fokusere på små praktiske spørgsmål som, hvad der kunne være flaskehalse med digitalisering og automatisering af informationsarbejdet.

Jeg skrev tidligere om hvordan vi har brug for reel digitalisering, ikke konsulentprojekter. Problemet med mange automatiserings- og digitaliseringsprojekter er, at de blot forsøger at optimere de eksisterende processer og implementere dem i ældre it-systemer. Både disse processer og systemer blev udviklet, før de nuværende muligheder for digitale tjenester var let tilgængelige. Den optimale model ville være at bygge nye processer med den nyeste teknologi med fokus på virksomhedens reelle værdi for sine kunder. Hvis du automatiserer gamle processer, der er unødvendige for at give kunderne værdi, forbedrer det ikke produktiviteten. Det er derfor, ægte digitale virksomheder som Amazon, Facebook, Google, Netflix, Alibaba og mange startups vinder forretninger fra gamle virksomheder.

Det kræver ret meget mod fra ledelse og investorer at disrupte gamle modeller i stedet for blot at forsøge at 'optimere' dem. Virkeligheden er, at at finjustere gamle modeller med gammel IT kunne give dig en lille procentdel forbedring af produktiviteten, men hvis du vil opnå meget mere, måske 100 eller 1,000 procent gevinst, skal du skabe nye modeller til at fungere med den nyeste teknologi.

Jeg skrev også tidligere om den trending low-code og borger-udvikling, og hvordan det sjældent kan hjælpe med at implementere robuste veltilrettelagte løsninger. Dette er endnu et eksempel på, hvorfor automatisering af processer ikke altid bringer væsentlig værdi, når borgerudvikling trender inden for automatisering. Antag, at en virksomhed skal skabe nye modeller til at fungere, så kunderne kan kommunikere digitalt med den, og de digitaliserer alle interne og leverandørinteraktioner. I så fald går det ikke, hvis hver enkelt medarbejder (altså borger-udvikler) begynder at automatisere deres rutiner fra den præ-digitale æra.

Det er en trist kendsgerning, at ægte automatisering også gør noget arbejde unødvendigt. Hvis man bare lader medarbejderne automatisere noget, de ikke kan lide, gør det ikke en virksomhed markant mere effektiv. Ved at slippe for kedelige rutiner kan hver enkelt person og afdeling naturligvis blive mere effektiv. Men i virkeligheden kræver væsentlige ændringer meget mere grundlæggende ændringer. En pladebutik bliver ikke en ny Spotify, blot fordi medarbejderne automatiserer noget af deres rutinearbejde. Og en fysisk forhandler bliver ikke en ny Amazon, når medarbejderne automatiserer deres rutiner. Disse virksomheder har brug for en ny måde at arbejde på med nye processer og nye roller for deres medarbejdere. At afdække eksisterende processer og automatisere dem kan give nogle besparelser, men hvis du skaber nye måder at operere på baseret på nye værktøjer, kan du skabe en helt ny forretning.

AI, digitalisering og automatisering (herunder RPA, robotprocesautomatisering) er kernen i disse ændringer. Det er hypebegreber i dag, og det er nemt at gøre grin med dem. Deres omdømme lider, hvis disse teknologier ikke anvendes korrekt; de bliver vinduesklædende, som læbestift på en gris. Antag, at du lægger en lille smule AI og en lille smule automatisering oven på dine gamle processer og systemer. I så fald gør det dem ikke mere digitale eller intelligente, og det tilføjer bare endnu et lag af kompleksitet og velsagtens tekniske problemer. Nogle virksomheder vil gerne bruge maskiner til at observere mennesker og bruge AI til at skabe automatisering til at udføre de samme opgaver. Det lyder som en spændende tech-vision, men det er en mærkelig idé, at den optimale model for maskiner ville være at kopiere, hvordan folk har gjort noget traditionelt.

Henry Ford byggede ikke en bil til alle ved at bede værkstedsbyggere om at automatisere nogle af deres rutiner. Jeff Bezos digitaliserede ikke detailhandelen ved at bede fyre, der modtager telefonordrer og udfylder papirbestillingsformularer, om at bruge VoIP-opkald og scanne ordrepapirer. Googles grundlæggere revolutionerede ikke onlineannoncevirksomheden ved at lave en onlinekopi af de gule sider. De skabte nye modeller fra bunden, hvordan de kunne tilbyde den bedste værdi til deres kunder med den nyeste teknologi. Men mange virksomheder forsøger stadig at udvikle deres drift ved at tilføje nye tricks til gamle modeller.

Automatisering, kunstig intelligens og digitalisering vil ændre de fleste virksomheder, og de vil ændre den måde, information fungerer på markant. At forbedre eksisterende processer er en mulighed for mange milliarder dollars, men at skabe nye, mere effektive modeller til at fungere i hundreder af milliarder eller billioner. Forbedringer giver kortsigtede gevinster; nye drifts- og forretningsmodeller skaber virksomheder, der sejrer i fremtiden.

Alt dette kræver mod fra ledelsen og investorerne. De skal være modige nok til at kassere gamle modeller til drift og gamle systemer. Det er rart at love hver enkelt medarbejder, at intet vil ændre sig eller love to procent stabil vækst til investorerne. Alligevel, som vi har set i detailhandlen, fører denne model til enorme kollaps, markant når konkurrenterne ændrer forretnings- og markedsreglerne. De ledere, der ønsker at skabe store succeser, bør begynde at bygge deres operationer baseret på softwarerobotter, AI og digitale processer, ikke bare håbe, at de gamle modeller kan gøres en lille smule bedre. Og de burde starte i dag.

Artiklen blev først publiceret d Forstyrrende Asien.

En personlig træner giver dig instruktioner om, hvad du skal gøre i fitnesscentret. I de fleste tilfælde beder hun eller han kun om grundlæggende ting fra dig, såsom dit mål, for enten at tabe sig eller vokse muskler, og måske hvor ofte du har besøgt fitnesscentret før. En voksende gruppe af velværekonsulenter fortæller dig, hvordan du skal sove, spise og arbejde bedre. De kan bede dig om at føre en søvn- og maddagbog. I disse dage har folk flere og flere bærbare enheder til at måle daglige aktiviteter, hjerteslag, søvn, blodsukker og mange andre ting. Men der er stadig en meget svag forbindelse mellem data, trivsel og træningstjenester. Dette vil dog ændre sig.

Jeg har læst om søvnkonsulenter, hvis primære opgave er at lære folk at gentage nogle ord, når de forsøger at sove. De siger, at det hjælper dig til at slappe af og sove bedre. Men folk har i dag adskillige enheder, der måler deres søvn, puls, når de skal sove, søvnintervaller, selv kropstemperatur og hvor hård deres dag har været. Ville det ikke være bedre, hvis disse søvnkonsulenter kunne bruge dine data og ikke kun undervise i mantraer?

Under COVID-lockdown var mange fitnesscentre lukket. De begyndte at tilbyde onlinetjenester, herunder virtuelle personlige trænersessioner, online træningstimer og videoer om, hvordan man træner derhjemme. Men dette er primært envejskommunikation. Fitnesscentret tager ikke dine data til at oprette en mere personlig plan for dig. Hvorfor ikke? Teknisk set ville det være ganske muligt, men de ville være nødt til at udvikle nye tjenester til denne model. Mange kunder ville være klar til at betale mere for personlige tjenester end standardklasser.

Verden er fuld af tjenester til at tabe sig. Folk betaler for onlinetjenester for at få instruktioner til daglig spisning og motion. Nogle tjenester hjælper med at spore dine kalorier, når du registrerer dine daglige madindtastninger. De fleste tjenester er stadig elementære og bruger ikke data, der er tilgængelige fra bærbare enheder. I dag kan du endda spore blodsukker i realtid. Det ville være ret nyttigt med trænings-, puls- og søvndata til personlig vægtkontrol.

Markedet for wearables er stigende. Specielt smartwatch-markedet vokser støt, cirka 20% årligt baseret på markedsundersøgelser og forventes at nå op på næsten 100 milliarder dollars i 2027 fra 150 milliarder dollars i år. Smartwatches tager markedsandele fra nogle andre tidlige enheder, der kun målte skridt og pulsdata, grundlæggende ting. Samtidig vokser nye kategorier, som smarte ringe (f.eks Oura) og blodsukker, metaboliske sundhedsapps (f.eks Niveauer , Veri). Withingsvar en del af Nokia i nogle år, men Nokia solgte det tilbage til sine grundlæggere og afskrev det, lige da markedet begyndte at vokse. Det er en virksomhed, der har et mere omfattende udvalg af produkter fra ure til digitalt blodtryk og søvnsporingsudstyr under madrassen.

Så det er folk begynder at indsamle en masse personlige data. Men mange mennesker er stadig i tvivl om, hvordan man bruger disse data. Apple Health er en tjeneste, der hjælper med at kombinere data fra flere enheder, hvis du har en iPhone. Men det er nok det mest forvirrende og værste UX-produkt, Apple har. Som med forretningsdata har folk brug for værktøjer til at bruge dataene, og rå data er svære at forstå.

Der er også andre sundhedsdatakilder. DNA-tests giver information om personlige genetiske profiler. Digitale sundhedsjournaler begynder at blive tilgængelige i nogle lande. Disse data kan også kombineres med bærbare data.
Det lyder som et perfekt match. Velværetjenester bør begynde at blive mere personlige og baseret på reelle data, ikke kun nogle standardinstruktioner, fordi mennesker i virkeligheden er individer og forskellige. Bærbare enheder giver flere og flere datapunkter, som er svære at fortolke. Begge disse parter kunne forbedre deres forretninger, hvis de lærte at udnytte den anden parts tjenester bedre.

Hvordan kan dette ske i praksis? Der er mindst tre måder at gøre dette på:

1. Producenter af bærbare enheder kunne begynde at tilbyde flere apps og tjenester til at bruge data i dagligdagen. De vil nok gøre noget på dette område, men det er ikke deres kerneforretning, og folk skal kunne kombinere data fra mange kilder, ikke kun bruge data fra enhedsspecifikke siloer.
2. Velværetjenester kunne begynde at tilbyde tjenester til at indsamle data fra forskellige kilder og udvikle måder at bruge dem på. Men de fleste af disse tjenesteudbydere (motionsrum, personlige trænere eller velværekonsulenter) er ikke datateknologieksperter.
3. Der vil være spillere, som hjælper med at indsamle data fra mange enheder og kilder og tilbyder det i et let format. Tredjeparter kan lave ansøgninger til personer og udbydere af velværetjenester om at bruge dataene. Dette er den mest levedygtige vej til at arbejde med mange datakilder, have datateknologisk kompetence og arbejde med mange udbydere af velværetjenester. Dette er også den bedste løsning til at garantere databeskyttelsen.

Enhver professionel virksomhedskonsulent analyserer normalt en virksomheds tal og processer, før de begynder at give instruktioner. Det ville være bizart at have en konsulent, der ville forsøge at få en virksomhed til et bedre helbred uden at se på dens eksisterende data. Men i velværerådgivning er det stadig meget typisk. Dette vil ændre sig i de næste par år, og vi vil se velværetjenester baseret på faktiske personlige data. Og dette marked vil vokse hurtigt; folk er klar til at betale for bedre generel sundhed og velvære.

Artiklen dukkede først op Forstyrrende Asien.

Da jeg startede min karriere i 1990'erne, arbejdede jeg som softwareudvikler for en virksomhed, der producerede spilleautomater og kasinosystemer. En dag dukkede en gruppe konsulenter op til vores afdeling. De kom for at fortælle os, at vores softwareudvikling ikke var særlig effektiv, og at med nye visuelle værktøjer kunne det samme arbejde opnås meget mere effektivt. De lovede at redesigne software til vores seneste spilplatform om seks måneder med et par udviklere. Vi havde tidligere taget to år med næsten 20 mennesker til at gøre det samme. Vores ledelse købte deres historie. Så de begyndte at omskrive softwaren, og fra da af skulle vi alle tilpasse os til træk-og-slip visuelle tilstandsmaskine-udviklingsværktøjer. 

Det samme sker igen. Lav kode , borger-udvikling trender igen, og virksomheder sælger aktivt deres dyre værktøjer, så alle kan designe software eller automatisere opgaver. Hvorfor have dyre udviklere, når du kan lære dine medarbejdere at styre deres daglige behov med simple træk-og-slip-værktøjer? Hele softwareindustrien vil blive ændret igen!

Automatisering af kontorarbejde (fx RPA værktøjer) er et fashionabelt område, borger-udviklere har taget på. Sådan også med dataapplikationer. Hvorfor have dyre dataforskere, når du bare kan tilbyde lavkodeværktøjer til enhver for at få information og indsigt fra rådata? Jeg har endda hørt om de samme lavkodeværktøjer, der gør det muligt for enkeltpersoner at lave apps ved hjælp af deres personlige sundhedsdata. Lyder dejligt?

Tre måneder senere kom disse konsulenter tilbage til os. De fortalte os, at det ikke gav mening at omudvikle hele spilplatformens software, men de kunne lave en mindre brik for at bevise deres sag. Så det blev aftalt, at de kun ville udvikle ny software med deres model og værktøj i små komponenter, begyndende med en enhed, der genkendte mønter, når spillerne indtastede dem.

Men er det så simpelt? Hvorfor betaler verdens førende softwarevirksomheder i Silicon Valley $250,000 årligt for gode udviklere, hvis de bare kan tage tilfældige fyre fra gaderne (eller i det mindste kontorer) og få dem til at lave software med lavkodeværktøjer? Eller hvorfor klage over mangel på dataforskere, hvis du kan få enhver kontorassistent til at finde relevans fra data med lavkodeværktøjer.

To måneder mere (samlet tid nu fem måneder) og konsulenterne kom tilbage til os. Denne gang fortalte de, at det ikke gav mening, så de ville omskrive den kode, vi allerede havde lavet. De kunne skrive en manual til at designe software af bedre kvalitet, og de kunne også sælge deres designværktøj til os, så vi kunne bruge det til at forbedre vores softwareplanlægning. 

Nogle bygger deres eget hjem, og andre bruger færdige designtegninger. Men kunne du tænke dig at gå til en skyskraber eller en bro designet af en 'borger civilingeniør'? Eller kunne du tænke dig at tage borgerpilotflyvning med et automatiseret fly? Hvorfor er det nødvendigt at have dyrere professionelle piloter?

Jeg mener ikke, at vi skal have officiel akkreditering for at være softwareudvikler, men det er et faktum, at de mest komplekse systemer i verden i dag er bygget med software. Det er ikke nemt at bygge komplekse kritiske systemer. Det er meget mere kompliceret end at designe en skyskraber eller en bro. Til konstruktion har du præcise formler til at lave beregninger, men mange strukturer af softwareløsninger er så komplekse, at du ikke kan have formler eller simple modeller til at bevise, at de virker. Jeg har personligt set folk uden erfaring eller uddannelse forsøge at forstå, hvordan man udvikler software, især robust software. Det virker ikke korrekt; en undersøgelse viser, at elleve af tolv borger-udvikler-projekter mislykkes.

Der er opgaver, folk nemt kan programmere. Nogle mennesker laver Excel-makroer til deres egne formål. Folk laver nogle enkle værktøjer til at hjælpe dem i daglige opgaver; de ved, hvordan de skal bruge dem, uden behov for at håndtere forkerte dataindtastninger eller særlige situationer. Samtidig er det ikke ideelt at overlade mere kompleks softwareudvikling til borgerudviklere med disse forenklede værktøjer.

Det er også godt at være klar med definitioner. Nogle gange bruger lav-kode marketing eksempler, som designværktøjer, der slet ikke behøver nogen kode. Low-code er en softwareudviklingstilgang, der kræver lidt eller forenklet kodning for at bygge applikationer og processer. Så et træk-og-slip grafikdesignværktøj til slutbrugere er ikke et udviklingsværktøj med lav kode, før du vil overbevise dit publikum om, at det er et godt eksempel på lav kode.

Jeg lyttede lige til en organisation, der har investeret i værktøjer til borgerudvikling og brugt hundredvis af timer på at lære tusindvis af deres medarbejdere, hvordan de bruger disse værktøjer. Men de kan stadig kun gøre grundlæggende ting. Ledelsen indrømmede, at de ikke ville lade dem lave missionskritiske eller vigtige løsninger og processer eller implementere mere kompleks software.

Endelig, efter seks måneder i mit tidlige karriereforløb, kunne konsulenterne ikke implementere nogen software med deres visuelle værktøj. De kom til os med en manual til bedre kodning og organiserede en halvdags workshop. For at være ærlig kan jeg efter alle disse år ikke huske for meget fra den session, men en af ​​deres påstande var, at visuelle værktøjer er bedre end softwarekode, fordi folk er naturligt visuelle. Vores udviklere var uenige med dem, fordi de ikke følte, at disse visuelle værktøjer fungerede til seriøse programmeringsbehov. Efter workshoppen hørte vi aldrig fra de konsulenter, og vi fortsatte med at lave maskiner med professionelle programmeringssprog.

Disse konsulenter blev betalt for de seks måneder og deres designværktøj, så fandt de den næste kunde (offer). Det samme er i gang igen; virksomheder køber softwarelicenser og uddannelse for at få alle deres folk til at lave software. Misforstå mig ikke; Jeg tror på, at softwareudviklingsværktøjer og -metoder er under udvikling, og mange værktøjer kan hjælpe. Men det er afgørende at forstå forskellen mellem personlige værktøjer til at automatisere noget eller lave Excel-makroer og at lave pålidelig software, der kan køre mange væsentlige systemer og processer. Virkeligheden er, at verden har brug for flere professionelle softwareudviklere og mere pålidelig software. Vi må ikke blande professionel softwareudvikling og dens værktøjer. Med nogle forenklede værktøjer kan enhver kontormedarbejder lave nogle makroer eller automatisere deres egne simple opgaver; de er helt forskellige domæner.

Artiklen dukkede først op Forstyrrende Asien.

Dette er normalt tiden til at komme med forudsigelser for det kommende år. Typisk er fokus på teknologiske og forretningsmæssige tendenser og evaluere, hvilke der kunne få næste års timing rigtigt. Denne gang er det anderledes. I 2020 var pandemien en forstyrrelse af normale tendenser. Det stoppede nogle virksomheder, ændrede nogle og fremskyndede andre. Så hvad kan vi forvente at se, når vacciner forhåbentlig vender pandemien?

Hvis vi kort opsummerer 2020, accelererede det digitale virksomheder med et par år, stoppede rejse- og gæstfrihedsvirksomheder, flyttede mange aktiviteter fra mursten og mørtel til online og lærte folk at bruge mange nye teknologiske værktøjer. I 2021 er spørgsmålene, hvilke af disse tendenser vil fortsætte, som vil skrue tiden tilbage til præ-pandemi, og hvilke virksomheder har ændret sig for altid.

Et eller to år vil ikke ændre mennesker fundamentalt. Folk kan lære at bruge nye tjenester og produkter, men grundlæggende behov ændrer sig ikke. Lad os for eksempel tage, hvordan folk har tilpasset sig madleveringstjenester, men de vil stadig gerne møde andre mennesker. Folk leder også efter nemme løsninger, men tøver normalt med at gøre ting, de ikke forstår eller ikke har testet. Men hjemlevering og Zoom-møder, fordi de skulle vedtages, blev hverdagsmuligheder, som vi hurtigt lærte at bruge effektivt. 

Så hvad er udsigterne for 2021? Vi skal tænke på de ting, folk har lært i 2020, og også hvad de gik glip af i 2020. Så skal vi også overveje, hvilke teknologier og tjenester der tog et spring i 2020. Vi kan også vurdere, hvilke tendenser der startede før pandemien, og hvilke som pandemien er accelereret. Ud fra dette kan vi vurdere lidt mere præcist, hvad vi kan forvente at se.

Digitale tjenester hjælper mennesker i mange situationer. Virtuelle møder hjælper os med at spare tid og penge. Digitale signaturer gør det nemmere at håndtere aftaler og bruge juridiske tjenester. Hjemmelevering gør dagligvareindkøb mere ligetil og hurtigere. Nogle gange er det mere effektivt at arbejde hjemmefra. Det har været åbenlyse ændringer i 2020, men de er stadig gode eksempler på tendenser, der vil fortsætte efter pandemien.

Flyselskaber, hoteller, restauranter og mange andre gæstfrihedstjenester tog en del tæsk i 2020. Mange mennesker har ændret deres syn på rejser og spisning og stiller spørgsmålstegn ved, om de skal tage så mange fly i fremtiden. Denne del er sandsynligvis meget mere kompliceret. Folk ønsker stadig at se nye steder, se andre mennesker og bryde fra daglige rutiner og omgivelser. Men samtidig mange virksomheder er sandsynligvis ved at tænke på værdien af ​​forretningsrejser og fysiske møder.

Folk ser nu værdien af ​​fysiske møder og gæstfrihedstjenester i et nyt lys, da de har levet uden dem så længe. Folk har også bemærket, at de kan arbejde lige så effektivt hjemmefra eller fjerntliggende steder. Ikke desto mindre tyder data på, at flyreservationer for slutningen af ​​2021 er stærke, og at nye forretningsmodeller, såsom månedligt abonnement på fly, er ved at dukke op.

Detailvirksomheder har lidt mest under nedlukninger og restriktioner. Mange forhandlere, selv kendte, veletablerede stormagasiner og kæder, lukker ned. Men det ville være en fejltagelse at tro, at pandemien har været den eneste grund for det. Mursten og mørtel detailhandel har været i problemer i årevis, og overraskende nok, hvorfor det har taget så lang tid for nogle kunder at adoptere online shopping og bruge hjemmeleveringstjenester.

COVID-situationen har ikke kun påvirket forbrugervirksomheder. B2B-forretningen har også ændret sig. Vi har ikke haft messer, konferencer og møder for at finde nye produkter, tjenester og kontakter. Dette har skubbet til indførelsen af ​​'selvbetjening' online salgskanaler, men samtidig er traditionelt 'ansigt-til-ansigt'-salg afgørende for de fleste B2B-virksomheder. Der er ingen tvivl om, at B2B-virksomheder også har lidt, og der vil helt sikkert komme konkurser efter pandemien, når virksomheder er tvunget til at tage et realitetstjek.

Baseret på ovenstående er her nogle af mine forudsigelser for 2021:

1. Rejse-, gæstfriheds- og servicevirksomheder vil stige, når pandemiens restriktioner og risici er overstået. Det betyder ikke, at alle virksomheder i sektoren vil overleve, eller at ydelserne vil være de samme som før 2020. Alligevel vil det være et glimrende tidspunkt for nye virksomheder at komme ind i sektoren, opkøbe nogle eksisterende virksomheder og innovere nye forretningsmodeller.
2. Flere detailforretninger vil gå online, og high street-butikker vil fortsætte med at mislykkes. 
3. Flere tjenester vil blive digitale og online, men det betyder ikke, at alle nye digitale tjenester vil være rentable. Konkurrencen vil være hård på mange områder, og virksomheder bliver nødt til at opnå betydelige mængder for at overleve. Mange bliver nødt til at gå globalt for at opnå dette. 
4. En større mulighed end digitale forbrugertjenester vil være at aktivere komponenter, der gør det nemmere, sikrere og mere effektivt for forbrugere at bruge tjenester. Disse vil omfatte bedre udnyttelse af data for forbrugerne, bedre tillid til tjenester og tredjeparter og løsninger til at forbedre kundeoplevelser (f.eks. VR/AR til indkøb, bedre platforme til fjernundervisning og bedre løsninger til at styre hjemmeleveringer).
5. Erhvervsejendomme vil gennemgå betydelige ændringer. Mange detailbutikker vil forsvinde, behov for kontorlokaler vil ændre sig, og nye krav vil dukke op. For eksempel vil virksomheder have brug for nye typer kontorlokaler for at rumme folk, der arbejder hjemmefra, og som lejlighedsvis kommer på kontoret, noget mere i lighed med "hot desks" end aflukker.
6. E-handelsoperationer kan have behov for at forbedre kundeoplevelsen og markedsføringen ved at bruge udstillingslokaler, hvor kunder fysisk kan se produkterne og foretage ordrer, og hvor virksomheder kan promovere deres brands. Caféer og restauranter vil også have brug for mere plads til at rumme social afstand.
7. Folk vil blive mere opmærksomme på sundheds- og velværeproblemer og bærbare enheder for at give dem flere data. Dette vil skabe mange nye digitale tjenester til at forbedre velvære og overvåge sundhed og få fjernsundhedstjenester, når det er nødvendigt.

Dette er blot nogle eksempler på, hvad vi forventer, men de illustrerer de ændringer og tendenser, vi kommer til at se efter pandemien. Selvfølgelig er det største spørgsmål, om massevaccination vil fremskynde tilbagevenden til en vis normalitet, eller om vi kommer til at støde på nogle nye overraskelser. Vi skal i hvert fald altid forberede os på den næste fase i erhvervslivet og være klar, når den kommer.

Artiklen dukkede først op Forstyrrende Asien.

TikTok er en stor succeshistorie, men også et stort politisk spørgsmål. En mindre kendt del er, hvordan TikTok forstyrrer den sociale netværksmodel i sin viralitet. Det minder mig om den gamle debat, som er vigtigere, personlige interesser eller sociale netværk.
Er det muligt, at det traditionelle sociale netværkskoncept har nået sine grænser? Ændrer TikTok-modellen hele det sociale platformslandskab?

For over 15 år siden startede et lille team og jeg, hvad der sandsynligvis var det første sociale netværksdataanalysefirma i verden (Xtract). Dette var et godt stykke tid før succesen med Facebook, LinkedIn eller Twitter. Vi begyndte at arbejde med forskellige slags virksomheder, der havde nogle sociale forbindelsesdata, herunder telefon- og onlinetjenester. Vi lavede værktøjer til at analysere dataene med den hensigt at målrette marketingaktiviteter.

Vores software analyserede milliarder, endda billioner af datapunkter, og vi forskede også i, hvordan indflydelse i sociale netværk fungerer. Hvorfor ville folk blive påvirket af andre mennesker til at købe noget, churne eller blive aktive brugere? Resultatet var, at det ikke kun var influenceren eller det sociale netværk, der betød noget. Det afhang også af sammenhængen, f.eks. hvilket produkt der var tale om. Det er helt naturligt at forstå, hvordan én person kan påvirke dig på, hvilken bil du skal købe, og en anden person, hvilke bøger du læser, og nogle gange kan din egen mening have større betydning end dit sociale netværks.

Der er mange måder at analysere forbrugeradfærd på for at forstå præferencer og hvordan man bedst profilerer dem. Profilering kan baseres på alle slags tilgængelige data, men vi kan opdele dem i fire hovedkategorier:

1. Demografi (f.eks. alder, køn, boligområde, uddannelse)
2. Adfærd (produkter du bruger og køber, aviser du læser, musik og film du kan lide, hobbyer osv.)
3. Socialt netværk (hvem du er forbundet til og hvor stærkt)
4. Psykometri (f.eks. personlighedstyper).

Sociale netværkstjenester har været en stor succeshistorie i løbet af de sidste 15 år, fordi de har været i stand til at fange brugerens tid og også annoncører. Sociale grafer spiller en afgørende rolle i disse tjenester, dvs. folk deler indhold med deres kontakter og hvordan tingene spredes blandt brugerne.

Nu kommer vi tilbage til TikToks model. Det har sneet med over 500 millioner brugere globalt. Men TikTok er ikke rigtig en social netværkstjeneste, selvom viralitet er i centrum. Folk deler videoer, ikke primært til deres sociale netværk, men i stedet baseret på kategorier og hashtags. Brugerne har fremragende værktøjer til at lave deres videoer, og de kan bruge eksisterende ideer og materialer, fx duetter med andre videoer, og derefter dele dem. De kan også se, hvordan forskellige kategorier og hashtags får visninger og også målrette deres videoer ud fra dette og på den måde bruge 'tendenser'.

Denne model giver også meget flere muligheder for nye brugere for at tiltrække mange seere. I det traditionelle sociale netværk tager det tid at få kontakter og følgere. Og i de konventionelle videotjenester (som YouTube) favoriserer algoritmerne dem, der har publiceret i lang tid og samlet et stort antal visninger. Det siges nogle gange, at den kinesiske forretningsmodel med mindre respekt for intellektuelle ejendomsrettigheder og ophavsrettigheder tillader alle hver dag at tage de nyeste ideer og produkter og forsøge at gøre dem bedre til i morgen. TikTok følger på en måde det princip, alle kan se trendindholdet og bruge det til at bygge sin egen succes.

Dette er ikke kun relevant for TikTok og videoer. I en nylig diskussion med chefforskerne fra vores tidligere dataanalysefirma vendte vi tilbage til de gamle teorier om, hvordan personlige interesser og sociale netværk driver adfærd, og kunne vi også se TikTok-fænomener i nogle andre tjenester.

Vi konkluderede, at vi faktisk ser grænser i sociale netværk i at have diskussioner om interessante emner. For eksempel har dine diskussioner på Facebook primært været begrænset til personer, der er dine kontakter. Har man et særligt interesseområde, er det efter nogle år med de samme venner ikke så frugtbart at diskutere der mere. Hashtags virker ikke på Facebook. Det er det samme problem i mange sociale netværkstjenester, herunder LinkedIn. På Twitter kan du bedre følge med i specifikke emner. Alligevel har den så mange budskaber, at også der skal du typisk fokusere på de mest populære beskeder fra dem, der har mange følgere.

Så kommer vi til et andet problem med sociale netværk. De har mange falske profiler, og folks netværk er blevet udvandet, når de har accepteret for mange venner. Så sociale netværkstjenester har et dobbelt problem: de begrænser dine diskussioner og tilgængeligt indhold, og de repræsenterer faktisk ikke dit rigtige netværk. For eksempel, hvis du bliver spurgt af hver af dine LinkedIn-kontakter, om du vil lave en introduktion til en tæt kontakt for hver af dem? Jeg kunne ikke gøre det, fordi mit netværk er så omfattende, og jeg kender ikke alle mine kontakter godt nok. Når vi kun kan have ét netværk i en tjeneste, inkluderer det for mange forbindelser til flere formål, som at opbygge reel tillid, men for få kontakter til emner med særlige interesseområder.

Kan det betyde, at TikTok ikke er den eneste videoplatform, der er et problem for mange politikere, men det første tegn på, at en ny type internettjeneste kommer? Kunne vi begynde at se flere tjenester, der bedre kan kombinere folks forskellige interesser, hjælpe med at få opmærksomhed på interessant indhold uden en enorm følgerbase og sætte os i stand til at skabe sociale netværk omkring forskellige interesseområder og formål? Vi ville også have brug for tjenester, hvor du kan opbygge tillidsnetværk til forskellige formål. Hvem er personer, du kan anbefale, hvem du stoler på for at få virksomhedsintroduktioner, hvem du vil netværke med til dit arbejde, og hvad er dit rigtige personlige tillidsnetværk?

Måske vil vi snart træde ind i en post-social-netværk-tid, der forsøger bedre at kombinere naturlig adfærd med personlige interesser og forskellige netværk til forskellige formål. Det kan betyde, at vi ser to typer netværk: 1) dem, der sætter dig i stand til at fokusere på dine interesser, uanset om det er musik, litteratur, videnskab, speciel hobby eller hvad som helst; 2) ægte tillidsnetværk til forskellige formål, for forretning, privatliv, hobbyer og personlige interesser. De nuværende sociale netværk er nu for meget af alt og for lidt af noget.

Artiklen dukkede først op Forstyrrende Asien.

Ordbogen definerer tillid som "at tro, at nogen er god og ærlig og ikke vil skade dig, eller at noget er sikkert og pålideligt." Tillid kan være en svær ting for folk at forstå, men i det digitale miljø kan det være endnu mere komplekst. Vi har brug for tillid i de fleste daglige situationer, men med digitale, virtuelle og cybertjenester så vigtige dele af vores liv, er vi nødt til bedre at tænke over, hvad digital tillid egentlig er.

Covid-19-situationen har accelereret brugen af ​​mange virtuelle og digitale tjenester. I begyndelsen af ​​marts fik jeg at vide, at jeg skal rejse fysisk for at underskrive en boopgørelse til et møde med andre arvinger. I april fik jeg at vide, at jeg ikke måtte komme fysisk, og jeg skal underskrive dokumenter online. For mig er dette et godt eksempel på, hvor hurtigt tingene kan ændre sig, når det ellers kunne tage 10 år at godkende denne form for ændring af love og regler.

Selv grundlæggende ting, hvordan man underskriver dokumenter online er noget rod i dag. DocuSign har en god position globalt til at underskrive dokumenter, men det er ikke 'officielt' i alle lande eller situationer. Det har stor brugervenlighed, men det inkluderer kompromiser mellem brugervenlighed og sikkerhed. I nogle lande tilbyder myndigheder, banker eller andre tjenesteudbydere mere sikre signeringsløsninger, f.eks. baseret på e-ID-kort eller mobile identitetsmærker, men de er sværere at bruge.

Måske den mærkeligste dokumentunderskrivelse var en officiel tjeneste i USA, hvor underskrivelsen var at skrive mit navn mellem skråstreg symboler (seriøst, dette var instruktionen: "Den relevante person skal elektronisk underskrive formularen ved personligt at indtaste en kombination af alfanumeriske tegn foran og efterfulgt af skråstreg-symbolet (/); f.eks. /mike miller/, /efr/ eller /374/). Denne elektroniske signatur bør ikke indtastes af en anden på vegne af den rette underskriver.”). En anden yderlighed er min Hong Kong-baserede bank, der sammenligner dokumenter, jeg sender, med en prøve af min underskrift, og hver anden gang undlader jeg at skrive min underskrift på samme måde.

Signering er blot et meget simpelt eksempel på tillid, men vi har mere komplekse ting. Er den person, jeg møder, virkelig den, de udgiver sig for at være? Vil de holde deres løfte? Hvis jeg taler fortroligt, vil de så holde disse oplysninger for sig selv? Hvis de køber noget af mig, skal de så betale, eller har de penge til at betale? Disse og mange andre spørgsmål i erhvervslivet og privatlivet dukker op.

I det fysiske liv har vi løsninger til at håndtere flere tillidsspørgsmål. Folk har ID-kort for at bevise deres identitet. Der er systemer som kreditscore, lønsedler og regnskaber for at bevise evnen og historien til at betale. Mennesker har også lært alle slags tegn (hvordan folk opfører sig, ansigtsudtryk, personlig historie og mange andre ting) for at foretage skøn, hvem og hvad de stoler på eller ikke stoler på. Ofte er tilliden også overdragelig. Hvis jeg stoler på nogen, og han anbefaler, at jeg stoler på nogen, han stoler på, vil jeg nok stole på dem.

I den online og digitale verden har vi flere komponenter og variabler at evaluere, og det gør det mere komplekst at evaluere tillid. Måske ser vi slet ikke den anden person, kun hans telefonnummer eller e-mailadresse. Hvis vi ser nogen online, hvordan ved du så, at personen virkelig er den, de hævder at være. Når vi fysisk mødes, opbygger folk tillid til hinanden over tid, men hvordan kan det fungere i det digitale miljø. Hvis jeg deler nogle dokumenter og oplysninger online med en person, hvordan kan jeg så nogensinde vide, om og hvordan den anden person bruger og deler dem?

Vi har også løsninger til at håndtere disse ting virtuelt. For eksempel har vi brug for sikkerhedsenheder og apps for at komme til vores bankkonti; virksomheder har adgangskontrol til deres tjenester og netværk for at bruge deres virtuelle værktøjer. For mange af disse tjenester skal du stadig gøre noget fysisk, fx besøge et sted eller sende nogle dokumenter med posten. Men at gøre noget fysisk først er virkelig en usability-udfordring for mange onlinetjenester, og COVID-19 har nu sat os i mange situationer, hvor det ikke engang er muligt.

Det er netop grunden til, at vi har lavere sikkerhed i tjenester, hvor brugervenligheden er bedre, og det ikke er for svært at begynde at bruge dem. DocuSign er nok til mange signaturer; Zoom er sikkert nok til at håndtere møder; WhatsApp er den nemme løsning til daglig chat, og e-mail er den nemmeste måde at sende mange dokumenter på. Men vi har set nok tilfælde til, at disse løsninger også har deres risici, nogle gange betydelige. Vi ved, at de er nok til de fleste behov, men mange behov går også ud over det tillidsniveau, de kan tilbyde.

Dette har på en meget praktisk måde vist, at vi har brug for nye løsninger til at håndtere digital tillid i daglige situationer. Disse løsninger skal have god brugervenlighed og tilbyde den rette grad af tillid til hvert behov. Diskussionen om cybersikkerhed er let meget polariseret. Vi har cybersikkerhedsfreaks, der hævder, at intet system er sikkert nok, og at intet system med almindelig brugervenlighed kan være sikkert. Så har vi de uvidende mennesker, der er klar til at bruge ethvert system, der bare er en nem løsning. Vi har mange slags løsninger til digital identitet og sikkerhed, men som helhed er dette område stadig ret rodet.

En grund er, at tankeprocessen for at udvikle dem ofte er meget teknisk og fokuserer på ét specifikt aspekt af sikkerhed. Måske skulle vi tænke mere over, hvad tillid egentlig betyder i forskellige situationer, og hvordan folk har håndteret det i tusinder af år. Et simpelt eksempel er overførbar tillid eller hvordan dit personlige tillidsnetværk kan hjælpe dig med digitale tjenester. Måske på den måde kan vi finde koncepter og teknologier til at skabe ægte digital tillid mellem mennesker og enheder.

Artiklen dukkede først op Forstyrrende Asien.

Menneskenetværk former verden. Niall Fergusons bog The Square and the Tower giver en fremragende introduktion til deres historie. Netværk har spillet en vigtig rolle i politik, erhvervsliv og dagligdag. De kan være meget offentlige og gennemsigtige netværk eller hemmelige selskaber eller endda fiktive dele af Illuminati-netværket. 

Officielle organisationer kan være meget forskellige fra rigtige netværk. Vi kender alle virksomheder, hvor organisationsdiagrammet fortæller én historie om, hvem der træffer beslutninger, og det faktiske netværk af mennesker, der træffer beslutninger, er meget forskellige. Netværk kan også være mere dynamiske end officielle organisationer, og de kan overleve ændringer.

Virksomheder forsøger at blive mere dynamiske og agile. Ofte skaber organisatoriske strukturer friktion for at være dynamiske, reagere hurtigt eller være proaktive i erhvervslivet. Organisationer selv kunne være mere dynamisk, men så kommer IT. Processer anvendes på komplekse it-systemer, men det er svært at ændre værktøjer og it-løsninger hurtigt. Vi har hørt historier om, hvordan en CEO kan bruge sit netværk inde i organisationen på forskellige niveauer, når der er brug for nogle hurtige ændringer eller nye aktiviteter, og organisationen er for langsom til at implementere dem.

Mange organisationsstrukturer og ledelsespraksis har deres historie i militære organisationer. I dag tøver mange mennesker med militære ledelsesstile i erhvervslivet, fordi de ses som gammeldags, kommando-og-kontrol-modeller. Men det er vigtigt at huske, at militær- og sikkerhedsmiljøer stadig også kan tilbyde eksempler og lektioner til meget moderne organisationer.

For eksempel har militære organisationer traditionelt opereret med meget formelle modeller. Når hære kæmper mod hinanden, har de frontlinjer, koncentrerer tropper på steder, hvor de kan skabe gennembrud og forsvare grænser. Dette er ikke længere virkeligheden. Guerillaer, terrorister, aktivistceller, uofficielle tropper (som i Ukraine) og dynamiske netværk er en større risiko for mange lande end traditionelle styrker. Der kræves nu grundlæggende nye modeller for at drive og administrere militær- og sikkerhedsorganisationer. 

Krige i Afghanistan, Irak, Ukraine og Syrien har ikke handlet om kampe mellem officielle hære, og mange lande har set angreb fra lokale terrorister og uafhængige celler eller individer, der ofte er forbundet med globale netværk. Dette har tvunget militær- og sikkerhedsorganisationer til at finde nye modeller til kamp mod disse fjender. Det betyder også, at deres egne organisationer skal være mere dynamiske. 

Militære organisationer har traditionelt haft meget hierarkiske strukturer. Deres operationer og teknologier blev bygget til at understøtte disse modeller; kommandokæder, rettigheder baseret på organisatorisk position og begrænset kommunikation mellem parallelle organisationer. Nu er de blevet tvunget til at gentænke deres eksisterende modeller. Samtidig kommer forbrugerisering også til hære; folk bruger mobiltelefoner, sociale netværk og beskedapps under operationer. Militære organisationer kan enten ignorere eller forbyde disse værktøjer eller begynde at bruge dem. Nogle har allerede taget den sidste vej. Det ændrer sig også, hvordan organisationer fungerer, og især hvordan de kan blive mere dynamiske netværk baseret på situationer, behov og ressourcer.

Mange virksomheder har lignende behov for at finde mere dynamiske modeller til drift, tilpasse processer baseret på behov og bruge ressourcer hurtigt, hvor det er nødvendigt. Det er let i konflikt med organisationsdiagrammer, faste procedurer og it-systemer, der understøtter processer, informationsdeling og kommunikation. Disse behov er ikke kun inde i organisationer, men også hos kunder, partnere, leverandører og andre parter. Det er mere udfordrende at skabe og vedligeholde dynamiske netværk inden for traditionelle organisationer og deres kontaktpunkter. Netværk kan nogle gange være anderledes, nogle mere hierarkiske, nogle baseret på andre tillidsartefakter. 

Alt dette skaber nye behov med IKT-teknologi til at understøtte disse netværk. I praksis bruger de uformelle måder at arbejde på, såsom videotelefonopkald, gruppemails og WhatsApp-grupper. Men disse uofficielle metoder inkluderer ikke rigtig måder at administrere netværk, sikkerhed eller systematisk brug af forskellige værktøjer på. De bruges til at håndtere specifikke behov, ikke til at administrere netværk. De fleste forretningsværktøjer er designet til at fungere i traditionelle organisationer med hierarkier, formelle strukturer og stabilitet.

Netværk er en traditionel model for menneskers samarbejde. Digital teknologi tilbyder flere værktøjer til at arbejde globalt og skabe alle former for netværk til generelle eller specifikke behov. Men vi har endnu ikke værktøjerne til at drive disse digitale netværk på samme måde som folk har lært at styre netværk i det fysiske liv. De er baseret på tillid til, at du tjener og taber, og de er tilpasset daglige behov. Vi vil se nye løsninger dukke op på dette område, og hvordan militæret, virksomheder og enkeltpersoner bedre kan skabe og administrere digitale netværk.

Artiklen dukkede først op Disruptive.Asien. 

Billed høflighed Avexer – local trust networks in crisis management.