Grow VC Group - Nyheter

Folk bor og jobber mer og mer i digitale miljøer. COVID-19 har akselerert overgangen til mer virtuelle og digitale interaksjoner. Sikkerhet er et problem i mange tjenester. Men en del av problemet er at sikkerhetseksperter, selskaper som adresserer kunders bekymringer og til og med myndigheter fokuserer på negative meldinger og ønsker å tilby restriksjoner og vanskelige å bruke verktøy i stedet for å fokusere på muligheter og gjøre internett til et mer pålitelig miljø. Tenkningen er ofte for teknisk og teoretisk, ikke basert på menneskelig atferd eller brukeropplevelse.

Tillit er et grunnleggende grunnlag for samfunn og virksomheter. Land der folk stoler på hverandre fungerer vanligvis bedre enn land med overfladisk tillit. Det er vanskelig å gjøre et land eller en by tryggere bare ved å legge til flere politifolk eller restriksjoner. Hvis forretningspartene ikke kan stole på hverandre, prøver de bare å fokusere på kortsiktige raske gevinster og ønsker ikke å skape langsiktige forpliktelser og investeringer. 

Vi har samme situasjon i det digitale miljøet, men mange parter tror fortsatt at ekstra restriksjoner, flere politiverktøy og trendy, tillitsløse transaksjonsløsninger vil gjøre det bedre. Vi kan se dette på mange nivåer. I mange bedrifter forteller sikkerhetsoffiserer og eksperter oss hva som ikke må gjøres, hvor risikabelt alt er og skaper alle slags regler for organisasjonen. Regjeringer tar også noen ganger i bruk svært forenklede modeller. Noen land begrenser til og med hva folk kan se og gjøre på internett. Men selv USA og Storbritannia ønsker å gå over til mer populistiske modeller som å forby ende-til-ende-kryptering i kampen mot terrorisme eller å beskytte barn. Selvfølgelig er det en helt urealistisk forespørsel og gjør ikke mye for å gjøre internett til et tryggere eller bedre sted.

Vi vet alle hvor komplisert det kan være å bruke digitale bankapper, identifiserings- og signeringstjenester. Disse er vanligvis bygget fra et veldig teknisk perspektiv, noe som gjør noe teknisk skuddsikkert. Likevel er de ikke lat-brukersikre når brukere ikke bruker tjenesten eller glemmer sikkerhetsanbefalingene mens de bruker tjenesten. 

Financial Times arrangerte sitt årlige Europeisk finansforum i begynnelsen av februar, og et avgjørende tema var digitale økonomitjenester. Flere foredragsholdere fremhevet digital tillit som en kritisk komponent for å utvikle digitale tjenester. I dag gjøres mange ting på nettet, med e-post- og meldingstjenester, videosamtaler og digitale signaturer. Hvis partene ikke kan stole på hverandre, er det ganske umulig å drive digital virksomhet.

Facebook sletter milliarder av falske profiler årlig, vi får alle massevis av mistenkelige e-poster daglig, og selskaper lager roboter og falske profiler på LinkedIn bare for å generere kontakter for å selge mer. Bedrifter bruker løsninger for å sikre kommunikasjon og informasjonsdeling internt. Likevel gjøres det mer og mer forretninger på tvers av organisasjoner, og som oftest er e-post, Zoom og WhatsApp de typiske verktøyene, rett og slett fordi de er de enkleste å bruke. 

Det er helt åpenbart at det trengs bedre tillitsløsninger. Men de bør bygges på naturlig menneskelig atferd og på en eller annen måte skape tillit bygget opp over generasjoner i samfunn og lokalsamfunn. Kryptografieksperter kan ikke skape digital tillit.

Vanligvis bygges tillit opp steg for steg med menneskelig interaksjon. Du kan gå i samme klasse på skolen, studere sammen på et universitet, jobbe sammen eller bo i samme nabolag eller ha de samme hobbyene. Eller du kjenner noen du stoler på, og de introduserer deg for noen andre, og du stoler umiddelbart på dem ved slutning. Tillit er ikke svart-hvitt. Du bygger det over tid, det avhenger av konteksten, og du kan raskt miste tilliten. Og tillit er ikke basert på et sett med regler og begrensninger; det er først og fremst basert på positive erfaringer med noen.

Vi går inn i en ny æra med digital tillit. Da har pandemien akselerert behovet for å gjøre dette. Vi trenger nye løsninger for å bygge og administrere digital tillit, og de må inkludere både sosiale og tekniske innovasjoner. Og de må også jobbe med våre daglige digitale verktøy, som e-post, chat, videosamtaler og datadeling. Ettersom tillit i samfunnet er basert på positive erfaringer og muligheter, trenger vi digitale tillitsverktøy basert på positive erfaringer, gjensidig læring og å finne flere muligheter.

Artikkelen dukket først opp Forstyrrende. Asia.

Bedrifter har samlet inn data i årevis. Nyttige data kan gi konkurransefortrinn og være grunnlaget for mange tjenester og bedre kundeopplevelse. Det har også vært mange selskaper som har ønsket å bli dataaggregatorer, som samler inn og selger data. Men suksesshistoriene om store data er ikke i å selge data. Noen ganger er data nesten en giftig ressurs. Hva kan vi lære av måtene data har blitt best utnyttet og inntektsført på? Vi har nå samme spørsmål med personopplysninger, og mange parter ønsker å gjenta de samme gamle feilene.

For 21 år siden, i en av mine tidligere startups, utviklet vi et markedsføringsslagord: Data – det svarte gullet i det XNUMX. århundre. Det var og er fortsatt en relevant sammenligning, men å tjene penger på data er veldig forskjellig fra oljevirksomheten. Der har man egne forretningslinjer for å bore og raffinere olje og deretter selge raffinerte produkter. Vi kan se noe lignende i databransjen, men å tjene store penger i verdikjeden er veldig annerledes i olje- og databransjen.

Google, Facebook og Amazon er supermaktene i datamarkedet. De samler først og fremst inn og bygger deretter tjenester som bruker data. De kan kjøpe noen tredjepartsdata, men det er ikke deres primære måte å få data på, og de selger faktisk ikke data. Omdømmet til selskaper som fokuserer på handelsdata er i dag ganske ustabilt. Som en person som driver datadrift for en Silicon Valley-gigant sa til meg en gang, de er mer og mer skeptiske til å kjøpe data når de ikke kjenner kildene, hvor nøyaktige de er, hvordan de selskapene som selger dem fikk tak i. det og hvordan de driver sin virksomhet.

Misforstå meg rett, noen selskaper tjener betydelige inntekter ved å selge data, og noen selskaper bruker hundrevis av millioner på å kjøpe data. Men det har ikke vært et område å bygge enhjørninger og selskaper som former verden som forventet for kanskje 10 eller 15 år siden. Da var det mange forventninger til datautveksling og andre kreative forretningsmodeller for datahandel.

I dag handles data mer som en vare enn en unik kilde til verdiøkning. Bedrifter kjøper eksterne data for å berike dataene sine og hjelpe løsningene deres med å utnytte data bedre. Den reelle verdien oppnås når bedrifter bygger løsninger for å bruke data i markedsføring, salg og drift. Man kan til og med hevde at vinneren ikke har mest data, men de beste verktøyene for å bruke dataene. Selvfølgelig har internettgigantene massevis av data. Likevel har banker, teleoperatører og forhandlere mye også (og muligheten til å samle inn mer), men de har generelt vært trege med å utnytte det. Disse vellykkede selskapene tilbyr også dataverdien til brukerne sine, som Google-søk, kart og andre tjenester, og Amazons bedre kundeopplevelse.

Vi ser nå tidlige dager med personopplysninger, det vil si hvordan folk kan bruke sine egne data. Noen initiativ og virksomheter ønsker å bygge løsninger basert på ideologiske synspunkter; mennesker har moralske rettigheter til å eie og kontrollere dataene deres. De har ikke gjort det så bra; bare et lite sett mennesker er interessert i disse ideologiske prosjektene. 

Så er det de selskapene som ønsker å hjelpe folk med å samle inn data og selge dem. Dette har mange praktiske utfordringer, blant annet hvordan få et datamarked til å fungere med nok etterspørsel og tilbud. Prissetting er også en kompleks utfordring, det samme er de tilhørende vilkårene og betingelsene, om du selger dataene dine for ett formål og hvordan du sporer bruken av dem. Det er ikke lett å få dette persondatamarkedet til å fungere riktig. Brukerverdiløftet er ofte skuffende, som å bli betalt noen få dollar månedlig for å se annonser. 

Det mest åpenbare alternativet som har jobbet med stordatabedriftene i over ti år er glemt. Hvorfor ikke tilby folk bedre verktøy for å samle inn og bruke dataene deres. Når noen selskaper ønsker å hjelpe folk til å kontrollere og bruke dataene sine ved å selge dem, ligner det på å anbefale Google, Amazon og Facebook å selge all data de samler inn. Disse selskapene har oppnådd sin nåværende posisjon og makt ved å ha toppverktøy for å utnytte dataene de får. Det er det samme med enkeltpersoner. Hvis du vil styrke dem med dataene deres, må du tilby de beste verktøyene for å bruke disse dataene personlig.

Bruk av personopplysninger vil omfatte mange konsepter, og vi kjenner ikke dem alle ennå. Vi trenger et åpent marked for å innovere og utvikle disse verktøyene. Men den kan for eksempel ha verktøy for å planlegge bedre privatøkonomi, finne de beste prisene, administrere bedre helse og velvære, og få hjelp til alle slags daglige behov og aktiviteter. Den langsiktige visjonen er å bygge personlig AI som tilbyr et dashbord som veileder alle daglige aktiviteter.

Som med databedrifter, kan personopplysninger også berikes med eksterne datakilder. For eksempel offentlige data som prissammenligning, trafikk, folkehelse og kartdata kombinert med personopplysninger gjør den kraftigere. Datamodellopplæring for maskinlæring og AI forbedres når den kan bruke data fra mange brukere. 

På mange måter er den beste måten å utnytte persondata på lik det de ledende dataselskapene har gjort i årevis. Men det ser ut til at med en ny forretningsmulighet går mange parter først til svært komplekse modeller, som å rettferdiggjøre data med ideologiske tanker eller ønsker å bygge en blokkjedebasert datautveksling med digitale rettighetsstyringssystemer. Ofte er den enkleste og beste løsningen å kopiere en som har fungert tidligere andre steder.

Artikkelen dukket først opp Forstyrrende. Asia.

Kunstig intelligens (AI) dukker opp overalt, i hvert fall i diskusjoner. Intelligente systemer brukes mange steder, og de blir smartere. Men den virkelige flaskehalsen er ikke systemenes intelligens eller ‘hjerne’; det er at AI også trenger "hender" for å gjøre ting.

AI har blitt et veldig populært søkeord de siste fem årene. De fleste bedriftsledergrupper og -styrer ønsker å se en viss AI-utvikling i organisasjonene sine. Dessverre er ikke virkeligheten, og faktiske brukstilfeller og forventninger alltid i tråd. Det største problemet er ikke å ha smarte nok maskinlæring (ML) eller AI-modeller til å analysere data, håndtere oppgaver og ta beslutninger.

La oss ta en forenklet AI-oppgave. Et system samler inn data, analyserer dataene, gjør nødvendige konklusjoner og beslutninger og sender resultatene til operativ bruk. Hvis et helt system er bygget for å omgå AI, som en selvkjørende bil, kan muligheten til å analysere dataene og ta beslutninger være flaskehalsen. Men de fleste systemer er forskjellige.

Vi kan ta et annet eksempel ved å bruke AI – automatisering av behandling av forsikringskrav. Vi har de samme fasene, men data og interaksjoner med andre systemer er mye mer komplekse:

1. En forsikringstaker fyller ut et krav, sannsynligvis et nettskjema, men i noen tilfeller kan det fortsatt være et papirskjema. De har også noen andre dokumenter, f.eks. kvitteringer, anmeldelse om lovbrudd eller legemelding. For å få det hele til et digitalt format, f.eks. OCR (Optical Character Recognition) og NLP (Natural Language Processing), kan være nødvendig.
2. Forsikringsselskapet samler inn data fra andre kilder. For eksempel kan de bruke en persons forsikringshistorikk fra en nasjonal database, kredittvurderingsdata, kriminelle poster, data fra andre lignende hendelser. Alle typer data som kan brukes til å se at informasjonen i kravet gir mening, er i tråd med andre datakilder, innenfor en statistisk margin av forventet atferd og er ikke uredelig.
3. Deretter analyserer systemet dataene og tar en beslutning. Avgjørelsen kan være å betale en viss sum, ikke betale, eller sende saken videre for videre etterforskning.
4. Når avgjørelsen er tatt, må systemet sende et brev eller e-post til forsikringstaker, lagre vedtaket og alle dokumenter, starte betalingsprosessen og informere tredjeparter (for eksempel trygdedatabasen, helsepersonell, andre parter i hendelsen, politiet). 
5. Etter dette kan det hende at forsikringstaker ikke er fornøyd med avgjørelsen og kan utløse en ny prosess.

I dette eksemplet kan vi se at dataanalyse og beslutningstaking er en liten del av den totale prosessflyten. Det er mange andre deler, spesielt å hente data fra flere kilder, formatere dataene, legge inn beslutningsdata til andre systemer og utløse handlinger i forskjellige systemer. Og det som gjør dette enda mer komplekst er at dataene vanligvis er i mange forskjellige formater og at en del av informasjonen mangler eller er unøyaktig (bare tenk på kravskjemaet forsikringstakeren fyller ut og legg til vedlegg). Selv om en dataverdi er "null" må håndteres, "null" er ikke "null", og avhengig av datasettet kan det ha mening eller ikke. Det er mange behandlere som trengs.

En av mine selskaper implementerte denne typen system for flere år siden. Selv om det var et ganske digitalt avansert forsikringsselskap og miljø (Skandinavia), var det fortsatt mye arbeid å gjøre. En typisk tommelfingerregel i databransjen er at 60 % til 80 % av arbeidet er å forhåndsbehandle dataene. Dette er virkeligheten når du prøver å implementere AI i enhver bedrift med mange eksisterende systemer, og noen av dem kan være ganske gammeldagse. Tenk bare SAP, Netsuite og lenker til banksystemer.

Vi kan til og med tenke på en mer moderne løsning for å få data fra flere bærbare enheter (Apple Watch, Fitbit, Withings, Garmin, Oura, etc.) til ett sted og bringe det inn i et format som du kan bygge ML/AI-løsninger på toppen . Selv å samle inn alle disse dataene er ikke så enkelt som du skulle tro, selv når folk snakker om åpne APIer. APIer er fortsatt ikke så vanlige, og selv om en API vil være strukturert, kan kvaliteten på dataene som er inkludert variere fra en kilde til en annen.

Et begrep jeg har begynt å like er «AI-hender». Det betyr løsninger, hvordan få data samlet inn fra mange gamle og nye systemer, formatere dem på ett sted og deretter få behandlingsresultatene til operativ bruk i andre systemer. Bedrifter glemmer eller ignorerer ofte utviklingen av "hender" når det er mer avansert å snakke om de siste innovasjonene for "hjernen". Som alltid er god tenkning sjelden nok; du må samle inn og organisere informasjon først og deretter få ting gjort basert på tankene dine.

I virkeligheten er disse "hendene" som programvareroboter (RPA) som kan fungere med forskjellige systemer og enheter. Disse inkluderer ekstra programvarekomponenter (f.eks. OCR, NLP, datarensing, APIer) for å hente dataene og utløse handlinger (f.eks. sende e-post, starte betaling, starte levering). Andre nyttige verktøy er webhooks som kan utløse bakgrunnsoppgaver, for eksempel i det serverløse miljøet og som å verifisere data og kjøre NLP. Dette betyr muligheten til å jobbe med et stort antall forskjellige systemer og formater. 

Åpen kilde er ofte den beste måten å støtte mange typer behov fra små og sjeldne systemer til store systemer. Det er mange dataformater og til og med uformaterte data som ingen bedrifter kan implementere i sitt proprietære system. Her er åpen kildekode det eneste alternativet. Disse "hendene" og "hjernene" bør være basert på ofte brukte og allment tilgjengelige programmeringsspråk (f.eks. Python) som hjelper til med å få "hjerner" og "hender" til å fungere sammen ved å bruke åpen kildekode-komponenter.

For å få mer bruk av AI og ML trenger vi flere og bedre «hender» for AI. Ledergrupper må også investere i disse evnene hvis de ønsker å implementere og bruke AI. Og det er det samme med forbrukertjenester, noen må tilby løsningene der dataene er tilgjengelig i et brukbart format, og det finnes verktøy for å få resultater i reell bruk. I fjorårets Gartner Hype Cycle var mange AI-løsninger på hype-toppen. AI "hender" er nødvendig for å forbedre produktiviteten.

Artikkelen dukket først opp Forstyrrende Asia.

Automatisering og digitalisering skal øke produktiviteten i arbeidet. Men produktivitetsveksten har vært flat eller synkende i de fleste utviklede land i løpet av de siste 20 årene. Dette har vært synlig i land der de fleste arbeidsplassene, og spesielt nye jobber, ikke er innenfor industrien, men i tjenester og informasjonsarbeid. Så det ville være rimelig å anta at teknologi og digitalisering ikke bidrar til å forbedre produktiviteten. Henry Ford, Jeff Bezos og Larry Page vant ikke stort fordi de optimaliserte gamle operasjoner; det er fordi de skapte helt nye driftsmodeller. Muligheten ligger i å utvikle nye måter å gjøre ting på, ikke å optimalisere gamle.

Verdenskjente økonomer, som Daron Acemoglu, Greg Mankiw og rådgivere fra mange regjeringer, prøver å forstå årsakene til lavere produktivitetsvekst. Jeg skal ikke forsøke å forstå alle de makroøkonomiske faktorene, men å fokusere på små praktiske spørsmål som hva som kan være flaskehalsene med digitalisering og automatisering av informasjonsarbeid.

Jeg skrev tidligere om hvordan vi trenger reell digitalisering, ikke konsulentprosjekter. Problemet med mange automatiserings- og digitaliseringsprosjekter er at de bare prøver å optimalisere de eksisterende prosessene og implementere dem i eldre IT-systemer. Både disse prosessene og systemene ble utviklet før dagens muligheter for digitale tjenester var lett tilgjengelige. Den optimale modellen vil være å bygge nye prosesser med den nyeste teknologien med fokus på selskapets reelle verdi for kundene. Hvis du automatiserer gamle prosesser som er unødvendige for å tilby kundene verdi, forbedrer det ikke produktiviteten. Det er grunnen til at genuint digitale selskaper som Amazon, Facebook, Google, Netflix, Alibaba og mange startups vinner forretninger fra gamle selskaper.

Det krever ganske mye mot fra ledelsen og investorene for å forstyrre gamle modeller i stedet for bare å prøve å «optimalisere» dem. Realiteten er at å finjustere gamle modeller med gammel IT kan gi deg en liten prosentvis forbedring i produktiviteten, men hvis du vil oppnå mye mer, kanskje 100 eller 1,000 prosent gevinst, må du lage nye modeller for å operere med den nyeste teknologi.

Jeg skrev også tidligere om trenden med lav kode og innbyggerutvikling, og hvordan det sjelden kan bidra til å implementere robuste godt planlagte løsninger. Dette er et annet eksempel på hvorfor automatisering av prosesser ikke alltid gir betydelig verdi når innbyggerutvikling er på vei innen automatisering. Anta at en bedrift må lage nye modeller for å operere slik at kundene kan kommunisere digitalt med den, og de digitaliserer alle interne og leverandørinteraksjoner. I så fall fungerer det ikke hvis hver ansatt (dvs. borger-utvikler) begynner å automatisere rutinene sine fra den før-digitale æraen.

Det er et trist faktum at ekte automatisering også gjør noe arbeid unødvendig. Hvis du bare lar ansatte automatisere noe de ikke liker, gjør det ikke et selskap vesentlig mer effektivt. Ved å kvitte seg med kjedelige rutiner kan selvfølgelig hver enkelt og avdeling bli mer effektiv. Men i virkeligheten trenger betydelige endringer mye mer grunnleggende endringer. En platebutikk blir ikke en ny Spotify bare fordi ansatte automatiserer noe av rutinearbeidet sitt. Og en fysisk forhandler blir ikke en ny Amazon når ansatte automatiserer rutinene sine. Disse selskapene trenger en ny måte å operere på med nye prosesser og nye roller for sine ansatte. Å avdekke eksisterende prosesser og automatisere dem kan gi noen besparelser, men hvis du lager nye måter å operere på basert på nye verktøy, kan du opprette en helt ny virksomhet.

AI, digitalisering og automatisering (inkludert RPA, robotprosessautomatisering) er kjernen i disse endringene. De er hypebegreper i dag, og det er lett å gjøre narr av dem. Omdømmet deres lider hvis disse teknologiene ikke blir riktig utnyttet; de blir vindusprydende, som leppestift på en gris. Anta at du legger litt AI og litt automatisering på toppen av dine gamle prosesser og systemer. I så fall gjør det dem ikke mer digitale eller intelligente, og det legger bare til enda et lag med kompleksitet og uten tvil tekniske problemer. Noen selskaper vil gjerne bruke maskiner for å observere mennesker og bruke AI til å lage automatisering for å utføre de samme oppgavene. Det høres ut som en spennende teknisk visjon, men det er en merkelig idé at den optimale modellen for maskiner ville være å kopiere hvordan folk har gjort noe tradisjonelt.

Henry Ford bygde ikke en bil for alle ved å spørre bilbyggere i gammel stil om å automatisere noen av rutinene deres. Jeff Bezos digitaliserte ikke detaljhandelen ved å be gutter som mottar telefonbestillinger og fyller ut papirbestillingsskjemaer om å bruke VoIP-samtaler og skanne bestillingspapirer. Googles grunnleggere revolusjonerte ikke annonsevirksomheten på nettet ved å lage en elektronisk kopi av de gule sidene. De skapte nye modeller fra bunnen av, hvordan de kunne tilby den beste verdien til sine kunder med den nyeste teknologien. Men mange bedrifter prøver fortsatt å utvikle sin virksomhet ved å legge til nye triks til gamle modeller.

Automatisering, AI og digitalisering vil endre de fleste virksomheter, og de vil i betydelig grad endre måten informasjon fungerer på. Å forbedre eksisterende prosesser er en mulighet for flere milliarder dollar, men å skape nye, mer effektive modeller for å operere i hundrevis av milliarder eller billioner. Forbedringer gir kortsiktige gevinster; nye drifts- og forretningsmodeller skaper selskaper som råder i fremtiden.

Alt dette krever mot fra ledelsen og investorene. De må være modige nok til å kaste gamle modeller for å betjene og gamle systemer. Det er hyggelig å love hver enkelt ansatt at ingenting vil endre seg eller love to prosent stabil vekst til investorer. Likevel, som vi har sett i detaljhandelen, fører denne modellen til enorme kollapser, betydelig når konkurrenter endrer forretnings- og markedsreglene. De lederne som ønsker å skape store suksesser bør begynne å bygge sin virksomhet basert på programvareroboter, AI og digitale prosesser, ikke bare håpe at de gamle modellene kan gjøres litt bedre. Og de burde begynne i dag.

Artikkelen ble først publisert den Forstyrrende Asia.

En personlig trener gir deg instruksjoner om hva du skal gjøre på treningssenteret. I de fleste tilfeller ber hun eller han bare om grunnleggende ting fra deg, som målet ditt, for enten å gå ned i vekt eller vokse muskler, og kanskje hvor ofte du har besøkt treningsstudioet før. En voksende gruppe velværekonsulenter forteller deg hvordan du kan sove, spise og jobbe bedre. De kan be deg om å føre en søvn- og matdagbok. I disse dager har folk flere og flere bærbare enheter for å måle daglige aktiviteter, hjerteslag, søvn, blodsukker og mange andre ting. Men det er fortsatt en veldig svak kobling mellom data, trivsel og opplæringstjenester. Dette vil imidlertid endre seg.

Jeg har lest om søvnkonsulenter som har som primæroppgave å lære folk å gjenta noen ord når de prøver å sove. De sier at det hjelper deg å slappe av og sove bedre. Imidlertid har folk i dag flere enheter som måler søvn, hjertefrekvens når de legger seg, søvnintervaller, til og med kroppstemperatur og hvor tøff dagen de har vært. Ville det ikke vært bedre om disse søvnkonsulentene kunne bruke dataene dine, og ikke bare undervise i mantraer?

Under covid-sperringen ble mange treningssentre stengt. De begynte å tilby nettjenester, inkludert virtuelle personlige trenerøkter, online treningstimer og videoer om hvordan man trener hjemme. Men dette er hovedsakelig enveiskommunikasjon. Treningssenteret tar ikke dataene dine for å lage en mer personlig plan for deg. Hvorfor ikke? Teknisk sett ville det vært ganske gjennomførbart, men de ville måtte utvikle nye tjenester for denne modellen. Mange kunder vil være klare til å betale mer for personlige tjenester enn standardklasser.

Verden er full av tjenester for å gå ned i vekt. Folk betaler for nettbaserte tjenester for å få instruksjoner for daglig spising og trening. Noen tjenester hjelper deg med å spore kaloriene dine når du registrerer dine daglige matinnføringer. De fleste tjenester er fortsatt elementære og bruker ikke data tilgjengelig fra bærbare enheter. I dag kan du til og med spore blodsukker i sanntid. Det ville være ganske nyttig med trening, hjertefrekvens og søvndata for personlige vektkontrolltjenester.

Markedet for wearable øker. Spesielt smartklokkemarkedet vokser jevnt og trutt, omtrent 20 % årlig basert på markedsundersøkelser og forventes å nå nesten 100 milliarder dollar innen 2027 fra 150 milliarder dollar i år. Smartklokker tar markedsandeler fra noen andre tidlige enheter som kun målte skritt og pulsdata, grunnleggende ting. Samtidig vokser nye kategorier, som smarte ringer (f.eks. Oura) og blodsukker, apper for metabolsk helse (f.eks. Nivåer og veri). Withingsvar en del av Nokia i noen år, men Nokia solgte det tilbake til grunnleggerne og skrev det av, akkurat da markedet begynte å vokse. Det er et selskap som har et mer omfattende utvalg av produkter fra klokker til digitalt blodtrykk og søvnsporingsutstyr under madrassen.

Så, folk er begynner å samle inn mye personopplysninger. Men mange mennesker er fortsatt forvirret over hvordan de skal bruke disse dataene. Apple Health er en tjeneste som hjelper deg med å kombinere data fra flere enheter hvis du har en iPhone. Men det er sannsynligvis det mest forvirrende og verste UX-produktet Apple har. Som med forretningsdata trenger folk verktøy for å bruke dataene, og rådata er vanskelig å forstå.

Det finnes også andre helsedatakilder. DNA-tester gir informasjon om personlige genetiske profiler. Digitale helsejournaler begynner å bli tilgjengelige i enkelte land. Disse dataene kan også kombineres med bærbare data.
Dette høres ut som en perfekt match. Velværetjenester bør begynne å bli mer personlige og basert på reelle data, ikke bare noen standardinstruksjoner, fordi folk faktisk er individer og forskjellige. Bærbare enheter gir flere og flere datapunkter som er vanskelige å tolke. Begge disse partene kunne forbedre sine virksomheter hvis de lærte å utnytte den andre partens tjenester bedre.

Hvordan kan dette skje i praksis? Det er minst tre måter å gjøre dette på:

1. Produsenter av bærbare enheter kan begynne å tilby flere apper og tjenester for å bruke data i dagliglivet. De vil nok gjøre noe på dette området, men det er ikke deres kjernevirksomhet, og folk bør kunne kombinere data fra mange kilder, ikke bare bruke data fra enhetsspesifikke siloer.
2. Velværetjenester kan begynne å tilby tjenester for å samle inn data fra forskjellige kilder og utvikle måter å bruke dem på. Men de fleste av disse tjenesteleverandørene (treningsstudioer, personlige trenere eller velværekonsulenter) er ikke datateknologieksperter.
3. Det vil være spillere som hjelper til med å samle inn data fra mange enheter og kilder og tilby det i et enkelt format. Tredjeparter kan lage søknader for personer og leverandører av velværetjenester for å bruke dataene. Dette er den mest levedyktige veien for å jobbe med mange datakilder, ha datateknologikompetanse og samarbeide med mange leverandører av velværetjenester. Dette er også den beste løsningen for å garantere personvernet til dataene.

Enhver profesjonell forretningskonsulent analyserer vanligvis et selskaps tall og prosesser før de begynner å gi instruksjoner. Det ville være bisarrt å ha en konsulent som ville prøve å få et selskap til bedre helse, uten å se på eksisterende data. Men i velværerådgivning er det fortsatt veldig typisk. Dette vil endre seg i løpet av de neste årene, og vi vil se velværetjenester basert på faktiske personopplysninger. Og dette markedet vil vokse raskt; folk er klare til å betale for bedre generell helse og velvære.

Artikkelen dukket først opp Forstyrrende Asia.

Da jeg startet min karriere på 1990-tallet jobbet jeg som programvareutvikler for et selskap som produserte spilleautomater og kasinosystemer. En dag dukket det opp en gruppe konsulenter til avdelingen vår. De kom for å fortelle oss at programvareutviklingen vår ikke var særlig effektiv, og at med nye visuelle verktøy kunne det samme arbeidet oppnås mye mer effektivt. De lovet å redesigne programvare for vår nyeste spillplattform om seks måneder med et par utviklere. Vi hadde tidligere brukt to år med nesten 20 personer på å gjøre det samme. Vår ledelse kjøpte historien deres. Så de begynte å omskrive programvaren, og fra da av måtte vi alle tilpasse oss dra-og-slipp visuelle tilstandsmaskin-utviklingsverktøy. 

Det samme skjer igjen. Lavkode og innbyggerutvikling trender igjen, og selskaper selger aktivt sine dyre verktøy slik at alle kan designe programvare eller automatisere oppgaver. Hvorfor ha kostbare utviklere når du kan lære de ansatte å administrere deres daglige behov med enkle dra-og-slipp-verktøy? Hele programvareindustrien vil bli endret igjen!

Kontorarbeidsautomatisering (f.eks. RPA-verktøy) er et fasjonabelt område innbyggerutviklere har tatt på seg. Så også med dataapplikasjoner. Hvorfor ha dyre dataforskere når du bare kan tilby lavkodeverktøy til hvem som helst for å få informasjon og innsikt fra rådata? Jeg har til og med hørt om de samme lavkodeverktøyene som gjør det mulig for enkeltpersoner å lage apper ved å bruke deres personlige helsedata. Høres fint ut?

Tre måneder senere kom disse konsulentene tilbake til oss. De fortalte oss at det ikke var fornuftig å omutvikle hele spillplattformprogramvaren, men de kunne lage en mindre del for å bevise saken deres. Så det ble avtalt at de bare ville utvikle ny programvare med modellen og verktøyet deres i små komponenter, og starter med en enhet som gjenkjente mynter når spillerne gikk inn i dem.

Men er det så enkelt? Hvorfor betaler verdens ledende programvareselskaper i Silicon Valley $250,000 XNUMX årlig for gode utviklere, hvis de bare kan ta tilfeldige gutter fra gatene (eller i det minste kontorer) og få dem til å lage programvare med lavkodeverktøy? Eller hvorfor klage over mangel på dataforskere, hvis du kan få en hvilken som helst kontorassistent til å finne relevans fra data med lavkodeverktøy.

To måneder til (total tid nå fem måneder) og konsulentene kom tilbake til oss. Denne gangen fortalte de at det ikke ga mening, så de ville skrive om koden vi allerede hadde gjort. De kunne skrive en manual for å designe programvare av bedre kvalitet, og de kunne også selge designverktøyet sitt til oss slik at vi kunne bruke det til å forbedre programvareplanleggingen vår. 

Noen bygger sitt eget hjem, og andre bruker ferdige designtegninger. Men vil du gå til en skyskraper eller en bro designet av en "borger sivilingeniør"? Eller vil du ta borger-pilot-flyging med et automatisert fly? Hvorfor er det nødvendig med dyrere profesjonelle piloter?

Jeg mener ikke at vi skal ha offisiell akkreditering for å være programvareutvikler, men det er et faktum at de mest komplekse systemene i verden i dag er bygget med programvare. Det er ikke enkelt å bygge komplekse kritiske systemer. Det er mye mer komplisert enn å designe en skyskraper eller en bro. For konstruksjon har du presise formler for å gjøre beregninger, men mange strukturer av programvareløsninger er så komplekse at du ikke kan ha formler eller enkle modeller for å bevise at de fungerer. Jeg har personlig sett folk uten erfaring eller utdannelse som prøver å forstå hvordan man utvikler programvare, spesielt robust programvare. Det fungerer ikke riktig; en studie viser at elleve av tolv innbygger-utviklerprosjekter mislykkes.

Det er oppgaver folk enkelt kan programmere. Noen mennesker lager Excel-makroer for sine egne formål. Folk lager noen enkle verktøy for å hjelpe dem i daglige gjøremål; de vet hvordan de skal bruke dem, uten behov for å håndtere feil dataoppføringer eller spesielle situasjoner. Samtidig er det ikke ideelt å overlate mer kompleks programvareutvikling til borgerutviklere med disse forenklede verktøyene.

Det er også greit å være tydelig med definisjoner. Noen ganger bruker lavkodemarkedsføring eksempler, som designverktøy, som ikke trenger kode i det hele tatt. Low-code er en programvareutviklingstilnærming som krever lite eller forenklet koding for å bygge applikasjoner og prosesser. Så et dra-og-slipp-grafikkdesignverktøy for sluttbrukere er ikke et utviklingsverktøy med lav kode før du vil overbevise publikum om at det er et godt eksempel på lavkode.

Jeg hørte nettopp på en organisasjon som har investert i verktøy for innbyggerutvikling og brukt hundrevis av timer på å lære tusenvis av sine ansatte hvordan de bruker disse verktøyene. Men de kan fortsatt bare gjøre grunnleggende ting. Ledelsen innrømmet at de ikke ville la dem lage noen virksomhetskritiske eller viktige løsninger og prosesser eller implementere mer kompleks programvare.

Til slutt, etter seks måneder i min tidlige karriere, kunne konsulentene ikke implementere noen programvare med deres visuelle verktøy. De kom til oss med en manual for bedre koding og organiserte en halvdags workshop. For å være ærlig, etter alle disse årene husker jeg ikke så mye fra den økten, men en av påstandene deres var at visuelle verktøy er bedre enn programvarekode, fordi folk er naturlig visuelle. Utviklerne våre var uenige med dem fordi de ikke følte at disse visuelle verktøyene fungerte for seriøse programmeringsbehov. Etter workshopen hørte vi aldri fra disse konsulentene, og vi fortsatte å lage maskiner med profesjonelle programmeringsspråk.

Disse konsulentene ble betalt for disse seks månedene og deres designverktøy, så fant de neste kunde (offer). Det samme skjer igjen; selskaper kjøper programvarelisenser og opplæring for å få alle sine folk til å lage programvare. Ikke misforstå; Jeg tror programvareutviklingsverktøy og metoder er i utvikling, og mange verktøy kan hjelpe. Men det er avgjørende å forstå forskjellen mellom personlige verktøy for å automatisere noe eller lage Excel-makroer og å lage pålitelig programvare som kan kjøre mange viktige systemer og prosesser. Realiteten er at verden trenger flere profesjonelle programvareutviklere og mer pålitelig programvare. Vi må ikke blande profesjonell programvareutvikling og dens verktøy. Med noen forenklede verktøy kan hver kontorarbeider lage noen makroer eller automatisere sine egne enkle oppgaver; de er helt forskjellige domener.

Artikkelen dukket først opp Forstyrrende Asia.

Dette er vanligvis tiden for å komme med spådommer for det kommende året. Vanligvis er fokuset på teknologiske og forretningstrender og vurdere hvilke som kan få neste års timing riktig. Denne gangen er det annerledes. I 2020 var pandemien en forstyrrelse av normale trender. Det stoppet noen virksomheter, endret noen og fremskyndet andre. Så hva kan vi forvente å se når vaksiner forhåpentligvis snur utviklingen av pandemien?

Hvis vi kort oppsummerer 2020, akselererte den digitale virksomheter med noen år, stoppet reise- og gjestfrihetsbedrifter, flyttet mange aktiviteter fra murstein og mørtel til online og lærte folk å bruke mange nye tekniske verktøy. I 2021 er spørsmålene hvilke av disse trendene som vil fortsette, som vil skru tiden tilbake til pre-pandemi og hvilke virksomheter som har endret seg for alltid.

Ett eller to år vil ikke forandre mennesker fundamentalt. Folk kan lære å bruke nye tjenester og produkter, men grunnleggende behov endres ikke. La oss for eksempel ta hvordan folk har tilpasset seg matleveringstjenester, men de ønsker fortsatt å møte andre mennesker. Folk ser også etter enkle løsninger, men nøler vanligvis med å gjøre ting de ikke forstår eller ikke har testet. Men hjemlevering og Zoom-møter, fordi de måtte adopteres, ble hverdagslige alternativer som vi raskt lærte å bruke effektivt. 

Så, hva er utsiktene for 2021? Vi må tenke på hva folk har lært i 2020 og også hva de gikk glipp av i 2020. Så må vi også vurdere hvilke teknologier og tjenester som tok et sprang i 2020. Vi kan også evaluere hvilke trender som startet før pandemien, og hvilke som pandemien har akselerert. Ut ifra dette kan vi vurdere litt mer nøyaktig hva vi kan forvente å se.

Digitale tjenester hjelper mennesker i mange situasjoner. Virtuelle møter hjelper oss å spare tid og penger. Digitale signaturer gjør det enklere å håndtere avtaler og bruke juridiske tjenester. Hjemmelevering gjør dagligvarehandelen enklere og raskere. Noen ganger er det mer effektivt å jobbe hjemmefra. Dette har vært åpenbare endringer i 2020, men de er fortsatt gode eksempler på trender som vil fortsette etter pandemien.

Flyselskaper, hoteller, restauranter og mange andre gjestfrihetstjenester fikk mye juling i 2020. Mange mennesker har endret syn på reise og spisesteder, og stiller spørsmål ved om de trenger å ta så mange fly i fremtiden. Denne delen er sannsynligvis mye mer komplisert. Folk ønsker fortsatt å se nye steder, se andre mennesker og bryte fra daglige rutiner og miljø. Men samtidig mange bedrifter har sannsynligvis andre tanker om verdien av forretningsreiser og fysiske møter.

Folk ser nå verdien av fysiske møter og serveringstjenester i et nytt lys, etter å ha levd uten dem så lenge. Folk har også lagt merke til at de kan jobbe like effektivt hjemmefra eller avsidesliggende steder. Ikke desto mindre indikerer data at flybestillinger for slutten av 2021 er sterke og at nye forretningsmodeller, som månedlig abonnement for flyreiser, dukker opp.

Detaljhandelsbedrifter har lidd mest av nedstengninger og restriksjoner. Mange forhandlere, selv kjente, veletablerte varehus og kjeder, legger ned. Men det ville være en feil å tro at pandemien har vært den eneste grunnen for dette. Murstein og mørtel detaljhandel har vært i trøbbel i årevis, og overraskende nok hvorfor det har tatt så lang tid for noen kunder å ta i bruk netthandel og bruke hjemleveringstjenester.

COVID-situasjonen har ikke bare påvirket forbrukerbedrifter. B2B-virksomheten har også endret seg. Vi har ikke hatt messer, konferanser og møter for å finne nye produkter, tjenester og kontakter. Dette har presset på bruken av "selvbetjening" online salgskanaler, men samtidig er tradisjonelt "ansikt-til-ansikt"-salg avgjørende for de fleste B2B-bedrifter. Det er ingen tvil om at B2B-selskaper også har lidd, og det vil helt sikkert oppstå konkurser etter pandemien når selskaper blir tvunget til å ta en realitetssjekk.

Basert på ovenstående, her er noen av mine spådommer for 2021:

1. Reise-, gjestfrihets- og servicebedrifter vil øke når pandemienes restriksjoner og risiko er over. Dette betyr ikke at alle selskaper i sektoren vil overleve eller at tjenestene vil være de samme som før 2020. Likevel vil det være et utmerket tidspunkt for nye selskaper å gå inn i sektoren, kjøpe opp noen eksisterende virksomheter og innovere nye forretningsmodeller.
2. Mer detaljhandel vil gå på nettet, og high street-butikker vil fortsette å mislykkes. 
3. Flere tjenester vil bli digitale og online, men det betyr ikke at alle nye digitale tjenester vil være lønnsomme. Konkurransen vil være hard på mange områder, og bedrifter må oppnå betydelige volumer for å overleve. Mange vil trenge å gå globalt for å oppnå dette. 
4. En større mulighet enn digitale forbrukertjenester vil være muliggjøring av komponenter som gjør det enklere, tryggere og mer effektivt for forbrukere å bruke tjenester. Disse vil inkludere bedre utnyttelse av data for forbrukere, bedre tillit til tjenester og tredjeparter, og løsninger for å forbedre kundeopplevelser (f.eks. VR/AR for shopping, bedre plattformer for fjernundervisning og bedre løsninger for å administrere hjemleveringer).
5. Næringseiendomsvirksomhet vil gå gjennom betydelige endringer. Mange butikker vil forsvinne, behov for kontorlokaler vil endre seg, og nye krav vil dukke opp. For eksempel vil bedrifter trenge nye typer kontorlokaler for å imøtekomme folk som jobber hjemmefra, og noen ganger kommer til kontoret, noe som ligner mer på "hot desks" enn avlukker.
6. E-handelsoperasjoner kan trenge å forbedre kundeopplevelsen og markedsføringen ved å bruke utstillingslokaler, der kundene fysisk kan se produktene og bestille, og hvor bedrifter kan markedsføre merkevarene sine. Kaffebarer og restauranter vil også trenge mer plass for å imøtekomme sosial distansering.
7. Folk vil bli mer bevisste på helse- og velværeproblemer, og bærbare enheter for å gi dem mer data. Dette vil skape mange nye digitale tjenester for å forbedre velvære og overvåke helse og få eksterne helsetjenester ved behov.

Dette er bare noen eksempler på hva vi forventer, men de illustrerer endringene og trendene vi kommer til å se etter pandemien. Selvfølgelig er det største spørsmålet om massevaksinasjon vil fremskynde tilbakegangen til en viss normalitet eller om vi kommer til å møte noen nye overraskelser. Uansett, vi må alltid forberede oss på neste fase i virksomheten og være klare når den kommer.

Artikkelen dukket først opp Forstyrrende Asia.

TikTok er en stor suksesshistorie, men også en stor politisk sak. En mindre kjent del er hvordan TikTok forstyrrer den sosiale nettverksmodellen i sin viralitet. Det minner meg om den gamle debatten, som er viktigere, personlige interesser eller sosiale nettverk.
Er det mulig at det tradisjonelle sosiale nettverkskonseptet har nådd sine grenser? Endrer TikTok-modellen hele det sosiale plattformlandskapet?

For over 15 år siden startet et lite team og jeg det som sannsynligvis var det første selskapet for dataanalyse for sosiale nettverk i verden (Xtract). Dette var i god tid før suksessen til Facebook, LinkedIn eller Twitter. Vi begynte å jobbe med forskjellige typer selskaper som hadde noen sosiale tilkoblingsdata, inkludert telefontjenester og nettjenester. Vi laget verktøy for å analysere dataene med den hensikt å målrette markedsføringsaktiviteter.

Programvaren vår analyserte milliarder, til og med billioner av datapunkter, og vi forsket også på hvordan innflytelse i sosiale nettverk fungerer. Hvorfor skulle folk bli påvirket av andre mennesker til å kjøpe noe, churne eller bli aktive brukere? Resultatet var at det ikke bare var influenceren eller det sosiale nettverket som gjaldt. Det var også avhengig av konteksten, for eksempel hvilket produkt det var snakk om. Det er ganske naturlig å forstå hvordan en person kan påvirke deg på hvilken bil du skal kjøpe, og en annen person hvilke bøker du leser, og noen ganger kan din egen mening ha større betydning enn det sosiale nettverket ditt.

Det er mange måter å analysere forbrukeratferd på for å forstå preferanser og hvordan man best kan profilere dem. Profilering kan være basert på alle typer tilgjengelige data, men vi kan dele den inn i fire hovedkategorier:

1. Demografi (f.eks. alder, kjønn, boareal, utdanning)
2. Atferd (produkter du bruker og kjøper, aviser du leser, musikk og filmer du liker, hobbyer osv.)
3. Sosialt nettverk (hvem du er koblet til og hvor sterkt)
4. Psykometri (f.eks. personlighetstyper).

Sosiale nettverkstjenester har vært en stor suksesshistorie i løpet av de siste 15 årene fordi de har vært i stand til å fange brukerens tid og også annonsørene. Sosiale grafer spiller en viktig rolle i disse tjenestene, det vil si at folk deler innhold med kontaktene sine og hvordan ting spres blant brukerne.

Nå kommer vi tilbake til TikToks modell. Det har snøballt, med over 500 millioner brukere globalt. Men TikTok er egentlig ikke en sosial nettverkstjeneste, selv om viralitet er i kjernen. Folk deler videoer, ikke først og fremst til deres sosiale nettverk, men i stedet basert på kategorier og hashtags. Brukerne har utmerkede verktøy for å lage videoene sine, og de kan utnytte eksisterende ideer og materialer, f.eks. duetter med andre videoer, og del dem deretter. De kan også se hvordan ulike kategorier og hashtags får visninger og også målrette videoene sine basert på dette og på den måten bruke "trender'.

Denne modellen gir også mye flere muligheter til nye brukere for å tiltrekke seg mange seere. I det tradisjonelle sosiale nettverket tar det tid å få kontakter og følgere. Og i de konvensjonelle videotjenestene (som YouTube) favoriserer algoritmene de som har publisert lenge og samlet et stort antall visninger. Noen ganger sies det at den kinesiske forretningsmodellen med mindre respekt for IPR og opphavsrett lar alle, hver dag, ta de nyeste ideene og produktene og prøve å gjøre dem bedre for morgendagen. TikTok følger på en måte det prinsippet, alle kan se trendinnholdet og bruke det til å bygge sin egen suksess.

Dette er ikke bare relevant for TikTok og videoer. I en nylig diskusjon med sjefsforskerne i vårt tidligere dataanalyseselskap, kom vi tilbake til de gamle teoriene om hvordan personlige interesser og sosiale nettverk driver oppførsel og kunne vi se TikTok-fenomener i noen andre tjenester også.

Vi konkluderte med at vi faktisk ser grenser i sosiale nettverk i å ha diskusjoner om interessante emner. For eksempel, på Facebook, har diskusjonene dine vært begrenset hovedsakelig til personer som er kontaktene dine. Har du et spesielt interesseområde, etter noen år med de samme vennene, er det ikke så fruktbart å diskutere der lenger. Hashtags fungerer ikke på Facebook. Det er det samme problemet i mange sosiale nettverkstjenester, inkludert LinkedIn. På Twitter kan du bedre følge spesifikke emner. Likevel har den så mange meldinger at også der må du typisk fokusere på de mest populære meldingene fra de som har mange følgere.

Så kommer vi til et annet problem med sosiale nettverk. De har mange falske profiler, og folks nettverk har blitt utvannet når de har akseptert for mange venner. Så sosiale nettverkstjenester har et dobbelt problem: de begrenser diskusjonene og tilgjengelig innhold, og de representerer faktisk ikke ditt virkelige nettverk. For eksempel, hvis du blir spurt av hver av LinkedIn-kontaktene dine om du vil gi en introduksjon til en nær kontakt for hver av dem? Jeg kunne ikke gjøre det fordi nettverket mitt er så omfattende, og jeg kjenner ikke alle kontaktene mine godt nok. Når vi bare kan ha ett nettverk i en tjeneste, inkluderer det for mange tilkoblinger for flere formål, som å bygge ekte tillit, men for få kontakter for temaer med spesialinteresser.

Kan dette bety at TikTok ikke er den eneste videoplattformen som er et problem for mange politikere, men det første tegnet på en ny type internetttjeneste som kommer? Kan vi begynne å se flere tjenester som kan kombinere folks ulike interesser bedre, bidra til å få oppmerksomhet til interessant innhold uten en enorm tilhengerbase og gjøre oss i stand til å skape sosiale nettverk rundt ulike interesseområder og formål? Vi vil også trenge tjenester der man kan bygge tillitsnettverk til ulike formål. Hvem er folk du kan anbefale, hvem du stoler på for å få bedriftsintroduksjoner, hvem du vil bygge nettverk med for arbeidet ditt, og hva er ditt virkelige personlige tillitsnettverk?

Kanskje vil vi snart gå inn i en post-sosial-nettverk-tid som prøver å bedre kombinere naturlig atferd med personlige interesser og ulike nettverk for ulike formål. Dette kan bety at vi ser to typer nettverk: 1) de som gjør deg i stand til å fokusere på dine interesser, enten det er musikk, litteratur, vitenskap, spesiell hobby eller hva som helst; 2) ekte tillitsnettverk for ulike formål, for virksomhet, privatliv, hobbyer og personlige interesser. De nåværende sosiale nettverkene er nå for mye av alt og for lite av noe.

Artikkelen dukket først opp Forstyrrende Asia.

Ordboken definerer tillit som "å tro at noen er gode og ærlige og ikke vil skade deg, eller at noe er trygt og pålitelig." Tillit kan være vanskelig for folk å forstå, men i det digitale miljøet kan det være enda mer komplekst. Vi trenger tillit i de fleste daglige situasjoner, men med digitale, virtuelle og cybertjenester som er så viktige deler av livene våre, må vi tenke bedre på hva digital tillit egentlig er.

Covid-19-situasjonen har akselerert bruken av mange virtuelle og digitale tjenester. I begynnelsen av mars fikk jeg beskjed om at jeg må reise fysisk for å signere en boopptegning for et møte med andre arvinger. I april ble jeg fortalt at jeg ikke måtte komme fysisk, og jeg må signere dokumenter på nettet. For meg er dette et godt eksempel, hvor raskt ting kan endre seg, når det ellers kan ta 10 år å godkjenne denne typen endringer for lover og regler.

Selv grunnleggende ting, hvordan signere dokumenter på nettet er ganske rot i dag. DocuSign har en god posisjon globalt for å signere dokumenter, men det er ikke "offisielt" i alle land eller situasjoner. Den har stor brukervennlighet, men den inkluderer kompromisser mellom brukervennlighet og sikkerhet. I noen land tilbyr myndigheter, banker eller andre tjenesteleverandører sikrere signeringsløsninger, f.eks. basert på e-ID-kort eller mobile identitetskort, men de er vanskeligere å bruke.

Kanskje den merkeligste dokumentsigneringen var en offisiell tjeneste i USA, der signering var å skrive navnet mitt mellom skråstreksymboler (seriøst, dette var instruksjonen: «Den rette personen må signere skjemaet elektronisk ved personlig å skrive inn en hvilken som helst kombinasjon av alfanumeriske tegn foran og etterfulgt av skråstreksymbolet (/); f.eks. /mike miller/, /efr/ eller /374/). Denne elektroniske signaturen skal ikke skrives inn av noen andre på vegne av den rette signaturen.»). Et annet ytterpunkt er min Hong Kong-baserte bank som sammenligner dokumenter jeg sender med en prøve av signaturen min og annenhver gang jeg ikke klarer å skrive signaturen min på samme måte.

Signering er bare ett veldig enkelt eksempel på tillit, men vi har mer komplekse ting. Er personen jeg møter virkelig den de utgir seg for å være? Kommer de til å holde løftet sitt? Hvis jeg snakker konfidensielt, kommer de til å holde denne informasjonen for seg selv? Hvis de kjøper noe av meg, skal de betale, eller har de penger å betale? Disse og mange andre spørsmål i forretnings- og privatliv dukker opp.

I det fysiske livet har vi løsninger for å håndtere flere tillitsspørsmål. Folk har ID-kort for å bevise sin identitet. Det finnes systemer som kredittscore, lønnsslipper og regnskap for å bevise evnen og historien til å betale. Mennesker har også lært alle slags tegn (hvordan folk oppfører seg, ansiktsuttrykk, personlig historie og mange andre ting) for å gjøre estimater, hvem og hva de stoler på eller ikke stoler på. Ofte er tilliten også overførbar. Hvis jeg stoler på noen og han anbefaler at jeg stoler på noen han stoler på, vil jeg sannsynligvis stole på dem.

I den elektroniske og digitale verden har vi flere komponenter og variabler å evaluere, og det gjør det mer komplekst å evaluere tillit. Kanskje ser vi ikke den andre personen i det hele tatt, bare telefonnummeret eller e-postadressen hans. Hvis vi ser noen på nettet, hvordan vet du at personen virkelig er den de utgir seg for å være. Når vi fysisk møtes, bygger folk tillit til hverandre over tid, men hvordan kan dette fungere i det digitale miljøet. Hvis jeg deler noen dokumenter og informasjon på nettet med en person, hvordan kan jeg da vite om og hvordan den andre personen bruker og deler dem?

Vi har også løsninger for å håndtere disse tingene virtuelt. For eksempel trenger vi sikkerhetsenheter og apper for å komme til bankkontoene våre; selskaper har tilgangskontroller til sine tjenester og nettverk for å bruke deres virtuelle verktøy. For mange av disse tjenestene må du fortsatt gjøre noe fysisk, f.eks. besøk et sted eller send noen dokumenter per post. Men å gjøre noe fysisk først er virkelig en brukervennlighetsutfordring for mange netttjenester, og COVID-19 har nå satt oss i mange situasjoner der det ikke en gang er mulig.

Dette er nettopp grunnen til at vi har lavere sikkerhet i tjenester der brukervennligheten er bedre og det ikke er for vanskelig å begynne å bruke dem. DocuSign er nok til mange signaturer; Zoom er sikkert nok til å håndtere møter; WhatsApp er den enkle løsningen for daglig chatting, og e-post er den enkleste måten å sende mange dokumenter på. Men vi har sett nok tilfeller til at disse løsningene også har sine risikoer, noen ganger betydelige. Vi vet at de er nok til de fleste behov, men mange behov går også utover det tillitsnivået de kan tilby.

Dette har på en veldig praktisk måte vist at vi trenger nye løsninger for å håndtere digital tillit i daglige situasjoner. Disse løsningene må ha god brukervennlighet og tilby riktig grad av tillit for hvert behov. Nettsikkerhetsdiskusjonen blir lett veldig polarisert. Vi har cybersikkerhetsfreaks som hevder at ingen systemer er sikre nok og at ingen systemer med vanlig brukervennlighet kan være sikre. Så har vi de uvitende menneskene som er klare til å bruke et hvilket som helst system som bare er en enkel løsning. Vi har mange typer løsninger for digital identitet og sikkerhet, men som helhet er dette området fortsatt ganske rotete.

En grunn er at tankeprosessen for å utvikle dem ofte er veldig teknisk og fokuserer på ett spesifikt aspekt ved sikkerhet. Kanskje vi burde tenke mer over hva tillit egentlig betyr i ulike situasjoner, og hvordan folk har håndtert det i tusenvis av år. Et enkelt eksempel er overførbar tillit eller hvordan ditt personlige tillitsnettverk kan hjelpe deg med digitale tjenester. Kanskje på den måten kan vi finne konsepter og teknologier for å skape ekte digital tillit mellom mennesker og enheter.

Artikkelen dukket først opp Forstyrrende Asia.

Folkenettverk former verden. Niall Fergusons bok The Square and the Tower gir en utmerket introduksjon til deres historie. Nettverk har spilt en viktig rolle i politikk, næringsliv og dagligliv. De kan være svært offentlige og transparente nettverk, eller hemmelige samfunn, eller til og med fiktive deler av Illuminati-nettverket. 

Offisielle organisasjoner kan være svært forskjellige fra ekte nettverk. Vi kjenner alle selskaper hvor organisasjonskartet forteller én historie om hvem som tar beslutninger og det faktiske nettverket av mennesker som tar beslutninger er svært forskjellige. Nettverk kan også være mer dynamiske enn offisielle organisasjoner, og de kan overleve endringer.

Bedrifter prøver å bli mer dynamiske og smidige. Ofte skaper organisasjonsstrukturer friksjon for å være dynamisk, reagere raskt eller være proaktiv i virksomheten. Organisasjonene selv kunne vært mer dynamisk, men så kommer IT. Prosesser brukes på komplekse IT-systemer, men det er vanskelig å endre verktøy og IT-løsninger raskt. Vi har hørt historier om hvordan en administrerende direktør kan bruke nettverket sitt i organisasjonen på ulike nivåer når det er behov for noen raske endringer eller nye aktiviteter, og organisasjonen er for treg til å implementere dem.

Mange organisasjonsstrukturer og ledelsespraksis har sin historie i militære organisasjoner. I dag er det mange som nøler med militære lederstiler i næringslivet, fordi de blir sett på som gammeldagse kommando-og-kontroll-modeller. Men det er viktig å huske at militære og sikkerhetsmiljøer fortsatt også kan tilby eksempler og lærdom til svært moderne organisasjoner.

For eksempel har militære organisasjoner tradisjonelt operert med svært formelle modeller. Når hærer kjemper mot hverandre, har de frontlinjer, konsentrerer tropper på punkter hvor de kan gjøre gjennombrudd og forsvare grenser. Dette er ikke lenger realiteten. Geriljaer, terrorister, aktivistceller, uoffisielle tropper (som i Ukraina) og dynamiske nettverk er en større risiko for mange land enn tradisjonelle styrker. Det kreves nå grunnleggende nye modeller for å drive og administrere militære og sikkerhetsorganisasjoner. 

Kriger i Afghanistan, Irak, Ukraina og Syria har ikke handlet om kamp mellom offisielle hærer, og mange land har sett angrep fra lokale terrorister, og uavhengige celler eller individer som ofte er knyttet til globale nettverk. Dette har tvunget militære og sikkerhetsorganisasjoner til å finne nye modeller for å kjempe mot disse fiendene. Det betyr også at deres egne organisasjoner må være mer dynamiske. 

Militære organisasjoner har tradisjonelt hatt svært hierarkiske strukturer. Deres operasjoner og teknologier ble bygget for å støtte disse modellene; kommandokjeder, rettigheter basert på organisatorisk posisjon og begrenset kommunikasjon mellom parallelle organisasjoner. Nå har de blitt tvunget til å revurdere sine eksisterende modeller. Samtidig kommer forbrukerisering til hærene også; folk bruker mobiltelefoner, sosiale nettverk og meldingsapper under operasjoner. Militære organisasjoner kan enten ignorere eller forby disse verktøyene eller begynne å bruke dem. Noen har allerede tatt den siste veien. Det endrer seg også, hvordan organisasjoner opererer, og spesielt hvordan de kan bli mer dynamiske nettverk basert på situasjoner, behov og ressurser.

Mange bedrifter har lignende behov for å finne mer dynamiske modeller å operere, justere prosesser basert på behov og bruke ressurser raskt der det trengs. Dette er lett i konflikt med organisasjonskart, faste prosedyrer og IT-systemer som støtter prosesser, informasjonsdeling og kommunikasjon. Disse behovene er ikke bare inne i organisasjoner, men også hos kunder, partnere, leverandører og andre parter. Det er mer utfordrende å skape og vedlikeholde dynamiske nettverk innenfor tradisjonelle organisasjoner og deres kontaktpunkter. Nettverk kan noen ganger være forskjellige, noen mer hierarkiske, noen basert på andre tillitsartefakter. 

Alt dette skaper nye behov med IKT-teknologi for å støtte disse nettverkene. I praksis bruker de uformelle måter å jobbe på, som videotelefonsamtaler, gruppe-e-poster og WhatsApp-grupper. Men disse uoffisielle metodene inkluderer egentlig ikke måter å administrere nettverk, sikkerhet eller systematisk bruk av forskjellige verktøy på. De brukes til å håndtere spesifikke behov, ikke til å administrere nettverk. De fleste forretningsverktøy er utviklet for å fungere i tradisjonelle organisasjoner, med hierarkier, formelle strukturer og stabilitet.

Nettverk er en tradisjonell modell for mennesker til å samarbeide. Digital teknologi tilbyr flere verktøy for å jobbe globalt og skape alle slags nettverk for generelle eller spesifikke behov. Men vi har ennå ikke verktøyene til å drive disse digitale nettverkene på samme måte som folk har lært å administrere nettverk i det fysiske livet. De er basert på tillit til at du tjener og taper, og de er tilpasset daglige behov. Vi vil se nye løsninger dukke opp på dette området og hvordan militæret, bedrifter og enkeltpersoner bedre kan skape og administrere digitale nettverk.

Artikkelen dukket først opp Forstyrrende. Asia. 

Bilde med høflighet Avexer – lokale tillitsnettverk i krisehåndtering.