Grow VC Group – Nyheter

Människor lever och arbetar mer och mer i digitala miljöer. COVID-19 har påskyndat övergången till mer virtuella och digitala interaktioner. Säkerhet är ett problem i många tjänster. Men en del av problemet är att säkerhetsexperter, företag som tar itu med kunders problem och till och med regeringar fokuserar på negativa budskap och vill erbjuda begränsningar och svåranvända verktyg istället för att fokusera på möjligheter och göra internet till en mer pålitlig miljö. Tänket är ofta för tekniskt och teoretiskt, inte baserat på mänskligt beteende eller användarupplevelse.

Förtroende är en grundläggande grund för samhällen och företag. Länder där människor litar på varandra fungerar vanligtvis bättre än länder med ytligt förtroende. Det är svårt att göra ett land eller stad säkrare bara genom att lägga till fler poliser eller restriktioner. Om affärsparter inte kan lita på varandra försöker de bara fokusera på kortsiktiga snabba vinster och vill inte skapa långsiktiga åtaganden och investeringar. 

Vi har samma situation i den digitala miljön, men många parter tror fortfarande att ytterligare restriktioner, fler polisverktyg och trendiga, förtroendelösa transaktionslösningar skulle göra det bättre. Vi kan se detta på många plan. I många företag berättar säkerhetsansvariga och experter vad som inte får göras, hur riskabelt allt är och skapar alla möjliga regler för organisationen. Regeringar antar också ibland mycket förenklade modeller att använda. Vissa länder begränsar till och med vad människor kan se och göra på internet. Men även USA och Storbritannien vill gå över till mer populistiska modeller som att förbjuda end-to-end-kryptering i kampen mot terrorism eller att skydda barn. Naturligtvis är det en helt orealistisk begäran och gör inte mycket för att göra internet till en säkrare eller bättre plats.

Vi vet alla hur komplext det kan vara att använda digitala bankappar, identifierings- och signeringstjänster. Dessa är vanligtvis byggda utifrån ett mycket tekniskt perspektiv, vilket gör något tekniskt skottsäkert. Ändå är de inte lat-användarsäkra när användare inte använder tjänsten eller glömmer säkerhetsrekommendationerna när de använder tjänsten. 

Financial Times anordnade sitt årliga European Financial Forum i början av februari, och ett avgörande ämne var digitala ekonomitjänster. Flera talare betonade digitalt förtroende som en kritisk komponent för att utveckla digitala tjänster. Nuförtiden görs många saker online, med e-post- och meddelandetjänster, videosamtal och digitala signaturer. Om parter inte kan lita på varandra är det ganska omöjligt att bedriva digitala affärer.

Facebook raderar miljarder falska profiler årligen, vi får alla massor av misstänkta e-postmeddelanden dagligen och företag skapar bots och falska profiler på LinkedIn bara för att generera kontakter för att sälja mer. Företag använder lösningar för att säkra kommunikation och informationsdelning internt. Ändå görs fler och fler affärer mellan organisationer, och oftast är e-post, Zoom och WhatsApp de typiska verktygen, helt enkelt för att de är enklast att använda. 

Det är helt uppenbart att det behövs bättre förtroendelösningar. Men de borde bygga på naturligt mänskligt beteende och på något sätt skapa förtroende som byggts upp under generationer i samhällen och samhällen. Kryptografiexperter kan inte skapa digitalt förtroende.

Vanligtvis byggs förtroende upp steg för steg med mänsklig interaktion. Ni kanske går i samma klass i skolan, studerar tillsammans på ett universitet, arbetar tillsammans eller bor i samma stadsdel eller har samma hobbyer. Eller så känner du någon du litar på, och de introducerar dig för någon annan, och du litar omedelbart på dem genom slutledning. Förtroende är inte svart och vitt. Du bygger det över tid, det beror på sammanhanget, och du kan snabbt tappa förtroendet. Och tillit bygger inte på en uppsättning regler och restriktioner; den bygger främst på positiva erfarenheter med någon.

Vi går in i en ny era av digitalt förtroende. Sedan har pandemin accelererat behovet av att göra detta. Vi behöver nya lösningar för att bygga och hantera digitalt förtroende, och de kommer att behöva inkludera både sociala och tekniska innovationer. Och de kommer också att behöva arbeta med våra dagliga digitala verktyg, som e-post, chatt, videosamtal och datadelning. Eftersom tillit i samhället bygger på positiva erfarenheter och möjligheter behöver vi digitala tillitsverktyg baserade på positiva erfarenheter, ömsesidigt lärande och att hitta fler möjligheter.

Artikeln visades först på Störande. Asien.

Företag har samlat in data i flera år. Användbar data kan erbjuda konkurrensfördelar och ligga till grund för många tjänster och bättre kundupplevelse. Det har också funnits många företag som har velat bli dataaggregatorer, samla in och sälja data. Men framgångshistorierna för big data ligger inte i att sälja data. Ibland är data nästan en giftig tillgång. Vad kan vi lära oss av hur data har använts och tjänat pengar på bästa sätt? Vi har nu samma fråga med personuppgifter och många parter vill upprepa samma gamla misstag.

För femton år sedan, i en av mina tidigare startups, utvecklade vi en marknadsföringsslogan: Data – 21-talets svarta guld. Det var och är fortfarande en relevant jämförelse, men att tjäna pengar på data skiljer sig väldigt mycket från oljebranschen. Där har man separata affärslinjer för att borra och förädla olja och sedan sälja förädlade produkter. Vi kan se något liknande i databranschen, men att tjäna stora pengar i värdekedjan är väldigt annorlunda i olje- och databranschen.

Google, Facebook och Amazon är datamarknadens supermakter. De samlar i första hand in och bygger sedan tjänster som använder data. De kanske köper data från tredje part, men det är inte deras primära sätt att få data, och de säljer faktiskt inte data. Ryktet för företag som fokuserar på handelsdata är numera ganska skakigt. Som en person som driver dataverksamhet för en Silicon Valley-jätte en gång sa till mig, de är mer och mer skeptiska till att köpa data när de inte känner till dess källor, hur korrekt den är, hur de företag som säljer den fick tag i det och hur de bedriver sina verksamheter.

Missförstå mig inte, vissa företag tjänar betydande intäkter genom att sälja data, och vissa företag spenderar hundratals miljoner på att köpa data. Men det har inte varit ett område att bygga enhörningar och företag som formar världen som förväntades för kanske 10 eller 15 år sedan. Sedan fanns det många förväntningar på datautbyten och andra kreativa affärsmodeller för datahandel.

Idag handlas data mer som en vara än som en unik källa till mervärde. Företag köper extern data för att berika sin data och hjälpa sina lösningar att utnyttja data bättre. Det verkliga värdet uppnås när företag bygger lösningar för att använda data i marknadsföring, försäljning och drift. Man kan till och med hävda att vinnaren inte har mest data, men de bästa verktygen för att använda data. Naturligtvis har internetjättarna massor av data. Fortfarande har banker, teleoperatörer och återförsäljare massor också (och möjlighet att samla in mer), men de har generellt sett varit långsamma med att utnyttja det. Dessa framgångsrika företag erbjuder också datas värde till sina användare, som Google-sökning, kartor och andra tjänster, och Amazons bättre kundupplevelse.

Vi ser nu tidiga dagar med personuppgifter, det vill säga hur människor kan använda sin egen data. Vissa initiativ och företag vill bygga lösningar baserade på ideologiska åsikter; människor har moraliska rättigheter att äga och kontrollera sin data. De har inte gått så bra; endast en liten grupp människor är intresserade av dessa ideologiska projekt. 

Sedan finns det de företag som vill hjälpa människor att samla in sin data och sälja den. Detta har många praktiska utmaningar, inklusive hur man får en datamarknad att fungera med tillräckligt med efterfrågan och utbud. Prissättning är också en komplex utmaning, liksom de tillhörande villkoren, oavsett om du säljer din data för ett ändamål och hur man spårar användningen. Det är inte lätt att få denna personuppgiftsmarknad att fungera korrekt. Löftet om användarvärde är ofta en besvikelse, som att få betalt några dollar varje månad för att se annonser. 

Det mest uppenbara alternativet som har arbetat med big data-företagen i över tio år är bortglömt. Varför inte erbjuda människor bättre verktyg för att samla in och använda deras data. När vissa företag vill hjälpa människor att kontrollera och använda sin data genom att sälja den, liknar det att rekommendera Google, Amazon och Facebook att sälja all data de samlar in. Dessa företag har uppnått sin nuvarande position och makt genom att ha toppverktyg för att använda den data de får. Det är samma sak med individer. Om du vill ge dem makten med deras data måste du erbjuda de bästa verktygen för att använda dessa uppgifter personligen.

Att använda personuppgifter kommer att innefatta många begrepp, och vi känner inte till dem alla än. Vi behöver en öppen marknad för att förnya och utveckla dessa verktyg. Men den kan till exempel ha verktyg för att planera bättre privatekonomi, hitta de bästa priserna, hantera bättre hälsa och välbefinnande och få hjälp med alla typer av dagliga behov och aktiviteter. Den långsiktiga visionen är att bygga personlig AI som erbjuder en instrumentpanel för att styra alla dagliga aktiviteter.

Precis som för dataföretag kan personuppgifter också berikas med externa datakällor. Till exempel offentlig data som prisjämförelse, trafik, folkhälsa och kartdata i kombination med personuppgifter gör den mer kraftfull. Datamodellutbildning för maskininlärning och AI förbättras när den kan använda data från många användare. 

På många sätt liknar det bästa sättet att använda personuppgifter vad de ledande dataföretagen har gjort i flera år. Men det verkar som att med en ny affärsmöjlighet går många parter först till mycket komplexa modeller, som att motivera data med ideologiska tankar eller att vilja bygga ett blockkedjebaserat datautbyte med system för hantering av digitala rättigheter. Ofta är den enklaste och bästa lösningen att kopiera en som har fungerat tidigare någon annanstans.

Artikeln visades först på Störande. Asien.

Artificiell intelligens (AI) dyker upp överallt, åtminstone i diskussioner. Intelligenta system används på många ställen och de blir smartare. Men den verkliga flaskhalsen är inte systemens intelligens eller 'hjärnor'; det är att AI också behöver "händer" för att göra saker.

AI har blivit ett mycket populärt sökord under de senaste fem åren. De flesta företagsledningsgrupper och styrelser vill se viss AI-utveckling i sina organisationer. Tyvärr är verkligheten och faktiska användningsfall och förväntningar inte alltid i linje. Det största problemet är att inte ha tillräckligt smarta maskininlärning (ML) eller AI-modeller för att analysera data, hantera uppgifter och fatta beslut.

Låt oss ta en förenklad AI-uppgift. Ett system samlar in data, analyserar data, gör nödvändiga slutsatser och beslut och skickar resultaten för operativt bruk. Om ett helt system är byggt för att arbeta runt AI, som en självkörande bil, kan förmågan att analysera data och fatta beslut vara flaskhalsen. Men de flesta system är olika.

Vi kan ta ett annat exempel med användning av AI – automatisering av försäkringsskadehantering. Vi har samma faser, men data och interaktioner med andra system är mycket mer komplexa:

1. En försäkringstagare fyller i en skadeanmälan, troligen ett webbformulär, men i vissa fall kan det fortfarande vara ett pappersformulär. De har även en del andra handlingar, t.ex. kvitton, en anmälan om brott eller en läkarrapport. För att få allt till ett digitalt format kan t.ex. OCR (Optical Character Recognition) och NLP (Natural Language Processing) behövas.
2. Försäkringsbolaget samlar in uppgifter från andra källor. De kan till exempel använda en persons försäkringshistorik från en nationell databas, kreditvärderingsdata, kriminalregister, data från andra liknande incidenter. Alla typer av data som kan användas för att se att informationen i påståendet är vettig, är i linje med andra datakällor, inom en statistisk marginal av förväntat beteende och är inte bedrägliga.
3. Sedan analyserar systemet data och fattar ett beslut. Beslutet kan vara att betala en viss summa, inte betala, eller skicka ärendet vidare för vidare utredning.
4. När beslutet har fattats måste systemet skicka ett brev eller e-postmeddelande till försäkringstagaren, lagra beslutet och alla dokument, starta betalningsprocessen och informera tredje part (till exempel folkförsäkringsdatabasen, vårdgivare, andra parter i händelsen, polisen). 
5. Efter detta kanske försäkringstagaren inte är nöjd med beslutet och kan starta en ny process.

I det här exemplet kan vi se att dataanalysen och beslutsfattandet är en liten del av det övergripande processflödet. Det finns många andra delar, särskilt att hämta data från flera källor, formatera data, lägga in beslutsdata till andra system och utlösa åtgärder i olika system. Och det som gör detta ännu mer komplext är att uppgifterna vanligtvis finns i många olika format och att en del av informationen saknas eller är felaktig (tänk bara på att skadeformuläret försäkringstagaren fyller i och lägg till bilagor). Även fallet med ett datavärde som är "null" måste hanteras, "null" är inte "noll" och beroende på datamängden kan det ha betydelse eller inte. Det behövs många hanterare.

Ett av mina företag implementerade den här typen av system för flera år sedan. Även om det var ett ganska digitalt avancerat försäkringsbolag och miljö (Skandinavien), fanns det fortfarande mycket arbete kvar att göra. En typisk tumregel inom databranschen är att 60 % till 80 % av arbetet är att förbearbeta datan. Detta är verkligheten när du försöker implementera AI i alla företag med många befintliga system, och vissa av dem kan vara ganska gammaldags. Tänk bara SAP, Netsuite och länkar till banksystem.

Vi kan till och med tänka oss en modernare lösning för att få data från flera bärbara enheter (Apple Watch, Fitbit, Withings, Garmin, Oura, etc.) till ett ställe och föra det till ett format som du kan bygga ML/AI-lösningar ovanpå . Inte ens att samla in all denna data är så enkelt som man kan tro, även när folk pratar om öppna API:er. API:er är fortfarande inte så vanliga, och även om ett API kommer att vara strukturerat, kan kvaliteten på inkluderade data variera från en källa till en annan.

En term som jag har börjat gilla är 'AI-händer'. Det innebär lösningar, hur man får data insamlad från många gamla och nya system, formaterar dem på ett ställe och sedan får bearbetningsresultaten till operativ användning i andra system. Företag glömmer eller ignorerar ofta utvecklingen av "händer" när det är finare att prata om de senaste innovationerna för "hjärnorna". Som alltid räcker det sällan med bra tänkande; du måste samla in och organisera information först och sedan få saker gjorda utifrån dina tankar.

I verkligheten är dessa "händer" som mjukvarurobotar (RPA) som kan fungera med olika system och enheter. Dessa inkluderar ytterligare mjukvarukomponenter (t.ex. OCR, NLP, datarensning, API:er) för att hämta data och utlösa åtgärder (t.ex. skicka e-post, påbörja betalning, påbörja leverans). Andra användbara verktyg är webhooks som kan utlösa bakgrundsuppgifter, till exempel i den serverlösa miljön och som att verifiera data och köra NLP. Detta innebär möjligheten att arbeta med ett stort antal olika system och format. 

Öppen källa är ofta det bästa sättet att stödja många typer av behov från små och sällsynta system till stora system. Det finns många dataformat och till och med oformaterad data som inget företag kan implementera i sitt proprietära system. Här är öppen källkod det enda alternativet. Dessa "händer" och "hjärnor" bör baseras på vanligt använda och allmänt tillgängliga programmeringsspråk (t.ex. Python) som hjälper till att få "hjärnor" och "händer" att arbeta tillsammans med hjälp av komponenter med öppen källkod.

För att få mer AI och ML användning behöver vi fler och bättre "händer" för AI. Ledningsgrupper måste också investera i dessa förmågor om de vill implementera och använda AI. Och det är samma sak med konsumenttjänster, någon måste erbjuda lösningarna där data finns tillgänglig i ett användbart format, och det finns verktyg för att få resultat i verklig användning. I förra årets Gartner Hype Cycle var många AI-lösningar på topp. AI "händer" behövs för att förbättra produktiviteten.

Artikeln visades först på Störande Asien.

Automatisering och digitalisering ska öka produktiviteten i arbetet. Men produktivitetstillväxten har varit oförändrad eller minskat i de flesta utvecklade länder under de senaste 20 åren. Detta har varit synligt i länder där de flesta jobb, och särskilt nya jobb, inte finns inom tillverkning, utan inom service och informationsarbete. Så det skulle vara rättvist att anta att teknik och digitalisering inte bidrar till att förbättra produktiviteten. Henry Ford, Jeff Bezos och Larry Page vann inte stort eftersom de optimerade gamla operationer; det beror på att de skapade helt nya driftsmodeller. Möjlighet ligger i att utveckla nya sätt att göra saker på, inte att optimera gamla.

Världsberömda ekonomer, som Daron Acemoglu, Greg Mankiw och rådgivare från många regeringar, försöker förstå orsakerna till en långsammare produktivitetstillväxt. Jag ska inte försöka förstå alla makroekonomiska faktorer, utan fokusera på små praktiska frågor som vad som kan vara flaskhalsarna med digitalisering och automatisering av informationsarbete.

Jag skrev tidigare om hur vi behöver riktig digitalisering, inte konsultprojekt. Problemet med många automations- och digitaliseringsprojekt är att de bara försöker optimera de befintliga processerna och implementera dem i äldre IT-system. Både dessa processer och system utvecklades innan de nuvarande möjligheterna med digitala tjänster var lättillgängliga. Den optimala modellen skulle vara att bygga nya processer med den senaste tekniken med fokus på företagets verkliga värde för sina kunder. Om du automatiserar gamla processer som är onödiga för att erbjuda kunderna värde, förbättrar det inte produktiviteten. Det är därför genuint digitala företag som Amazon, Facebook, Google, Netflix, Alibaba och många startups vinner affärer från gamla företag.

Det krävs ganska mycket mod från ledning och investerare för att störa gamla modeller istället för att bara försöka 'optimera' dem. Verkligheten är att att finjustera gamla modeller med gammal IT kan ge dig en liten procentuell förbättring av produktiviteten, men om du vill uppnå mycket mer, kanske 100 eller 1,000 XNUMX procents vinst, måste du skapa nya modeller för att arbeta med den senaste teknologi.

Jag skrev också tidigare om trenden med låg kod och medborgarutveckling, och hur det sällan kan hjälpa till att implementera robusta välplanerade lösningar. Detta är ytterligare ett exempel på varför automatisering av processer inte alltid ger ett betydande värde när medborgarutveckling är trendmässigt inom automatisering. Anta att ett företag måste skapa nya modeller för att fungera så att kunderna kan kommunicera digitalt med det, och att de digitaliserar alla interna och leverantörsinteraktioner. I så fall fungerar det inte om varje anställd (dvs medborgarutvecklare) börjar automatisera sina rutiner från den fördigitala eran.

Det är ett tråkigt faktum att riktig automatisering också gör en del arbete onödigt. Om man bara låter anställda automatisera något de inte gillar gör det inte ett företag nämnvärt mer effektivt. Genom att bli av med tråkiga rutiner kan förstås varje individ och avdelning bli effektivare. Men i verkligheten behöver betydande förändringar mycket mer grundläggande förändringar. En skivaffär blir inte en ny Spotify bara för att anställda automatiserar en del av sitt rutinarbete. Och en fysisk återförsäljare blir inte en ny Amazon när anställda automatiserar sina rutiner. Dessa företag behöver ett nytt sätt att arbeta med nya processer och nya roller för sina anställda. Att avslöja befintliga processer och automatisera dem kan ge vissa besparingar, men om du skapar nya sätt att arbeta baserat på nya verktyg kan du skapa en helt ny verksamhet.

AI, digitalisering och automatisering (inklusive RPA, robotprocessautomation) är kärnan i dessa förändringar. De är hypetermer nuförtiden, och det är lätt att göra narr av dem. Deras rykte lider om dessa tekniker inte används på rätt sätt; de blir fönsterputsande, som läppstift på en gris. Anta att du lägger lite AI och lite automation ovanpå dina gamla processer och system. I så fall gör det dem inte mer digitala eller intelligenta, och det lägger bara till ytterligare ett lager av komplexitet och utan tvekan tekniska problem. Vissa företag skulle vilja använda maskiner för att observera människor och använda AI för att skapa automatisering för att utföra samma uppgifter. Det låter som en spännande teknisk vision, men det är en märklig idé att den optimala modellen för maskiner skulle vara att kopiera hur människor har gjort något traditionellt.

Henry Ford byggde inte en bil för alla genom att be gamla verkstadsbilbyggare att automatisera några av sina rutiner. Jeff Bezos digitaliserade inte detaljhandeln genom att be killar som tar emot telefonbeställningar och fyller i pappersbeställningsformulär att använda VoIP-samtal och skanna beställningspapper. Googles grundare revolutionerade inte annonsbranschen online genom att göra en onlinekopia av gula sidorna. De skapade nya modeller från grunden, hur de kunde erbjuda det bästa värdet till sina kunder med den senaste tekniken. Men många företag försöker fortfarande utveckla sin verksamhet genom att lägga till nya knep till gamla modeller.

Automatisering, AI och digitalisering kommer att förändra de flesta företag, och de kommer avsevärt att förändra hur information fungerar. Att förbättra befintliga processer är en möjlighet för flera miljarder dollar, men att skapa nya, mer effektiva modeller för att fungera i hundratals miljarder eller biljoner. Förbättringar ger kortsiktiga vinster; nya verksamhets- och affärsmodeller skapar företag som råder i framtiden.

Allt detta kräver mod från ledning och investerare. De måste vara modiga nog att kassera gamla modeller för att fungera och gamla system. Det är trevligt att lova varje anställd att ingenting kommer att förändras eller lova två procent stabil tillväxt till investerare. Ändå, som vi har sett inom detaljhandeln, leder denna modell till enorma kollapser, avsevärt när konkurrenter ändrar affärs- och marknadsreglerna. De ledare som vill skapa stora framgångar bör börja bygga sin verksamhet baserat på mjukvarurobotar, AI och digitala processer, inte bara hoppas att de gamla modellerna kan göras lite bättre. Och de borde börja idag.

Artikeln publicerades först på Störande Asien.

En personlig tränare ger dig instruktioner om vad du ska göra på gymmet. I de flesta fall ber hon eller han bara grundläggande saker från dig, som ditt mål, för att antingen gå ner i vikt eller växa muskler, och kanske hur ofta du har besökt gymmet tidigare. En växande grupp av välbefinnande konsulter berättar för dig hur du ska sova, äta och arbeta bättre. De kanske ber dig att föra en sömn- och matdagbok. Nuförtiden har människor fler och fler bärbara enheter för att mäta dagliga aktiviteter, hjärtslag, sömn, blodsocker och många andra saker. Men det finns fortfarande en mycket svag koppling mellan data, välbefinnande och utbildningstjänster. Detta kommer dock att förändras.

Jag har läst om sömnkonsulter vars primära uppgift är att lära folk att upprepa några ord när de försöker sova. De säger att det hjälper dig att slappna av och sova bättre. Men nuförtiden har människor flera apparater som mäter deras sömn, puls när de ska sova, sömnintervall, till och med kroppstemperatur och hur tuff dag har varit. Skulle det inte vara bättre om dessa sömnkonsulter kunde använda din data och inte bara lära ut mantran?

Under covid-låsningen stängdes många fitnesscenter. De började erbjuda onlinetjänster, inklusive virtuella personliga tränare, träningslektioner online och videor om hur man tränar hemma. Men detta är främst envägskommunikation. Fitnesscentret tar inte dina data för att skapa en mer personlig plan för dig. Varför inte? Tekniskt sett skulle det vara ganska genomförbart, men de skulle behöva utveckla nya tjänster för denna modell. Många kunder skulle vara beredda att betala mer för personliga tjänster än standardklasser.

Världen är full av tjänster för att gå ner i vikt. Människor betalar för onlinetjänster för att få instruktioner för att äta och träna dagligen. Vissa tjänster hjälper till att spåra dina kalorier när du registrerar dina dagliga matinmatningar. De flesta tjänster är fortfarande elementära och använder inte data tillgänglig från bärbara enheter. Nuförtiden kan du till och med spåra blodsocker i realtid. Det skulle vara ganska användbart med träning, hjärtfrekvens och sömndata för personliga viktkontrolltjänster.

Den bärbara marknaden ökar. Speciellt smartwatchmarknaden växer stadigt, cirka 20% årligen baserat på marknadsundersökningar och förväntas nå nästan 100 miljarder dollar år 2027 från 150 miljarder dollar i år. Smartwatches tar marknadsandelar från några andra tidiga enheter som bara mätte steg och pulsdata, grundläggande saker. Samtidigt växer nya kategorier, som smarta ringar (t.ex Oura) och appar för blodsocker, metabolisk hälsa (t.ex Nivåer och Veri). Withingsvar en del av Nokia under några år, men Nokia sålde tillbaka det till sina grundare och skrev av det, precis när marknaden började växa. Det är ett företag som har ett mer omfattande utbud av produkter från klockor till digitalt blodtryck och utrustning för sömnspårning under madrass.

Så, människor är börjar samla in mycket personuppgifter. Men många människor är fortfarande förvirrade, hur man använder denna information. Apple Health är en tjänst som hjälper till att kombinera data från flera enheter om du har en iPhone. Men det är förmodligen den mest förvirrande och sämsta UX-produkten Apple har. Precis som med affärsdata behöver människor verktyg för att använda datan, och rådata är svåra att förstå.

Det finns även andra hälsodatakällor. DNA-tester ger information om personliga genetiska profiler. Digitala sjukvårdsjournaler börjar bli tillgängliga i vissa länder. Dessa data kan också kombineras med bärbara data.
Det här låter som en perfekt match. Välbefinnandetjänster bör börja bli mer personliga och baserade på verklig data, inte bara några standardinstruktioner, eftersom människor i själva verket är individer och olika. Bärbara enheter ger fler och fler datapunkter som är svåra att tolka. Båda dessa parter skulle kunna förbättra sina verksamheter om de lärde sig att utnyttja den andra partens tjänster bättre.

Hur kan detta hända i praktiken? Det finns åtminstone tre sätt att göra detta:

1. Tillverkare av bärbara enheter kan börja erbjuda fler appar och tjänster för att använda data i det dagliga livet. De kommer förmodligen att göra något inom det här området, men det är inte deras kärnverksamhet, och människor borde kunna kombinera data från många källor, inte bara använda data från enhetsspecifika silos.
2. Välbefinnandetjänster kan börja erbjuda tjänster för att samla in data från olika källor och utveckla sätt att använda dem. Men de flesta av dessa tjänsteleverantörer (gym, personliga tränare eller välbefinnande konsulter) är inte datateknikexperter.
3. Det kommer att finnas spelare som hjälper till att samla in data från många enheter och källor och erbjuder det i ett enkelt format. Tredje parter kan göra ansökningar för människor och leverantörer av välbefinnande för att använda data. Detta är den mest framkomliga vägen att arbeta med många datakällor, ha datateknikkompetens och arbeta med många leverantörer av välbefinnandetjänster. Detta är också den bästa lösningen för att garantera sekretessen för data.

Varje professionell affärskonsult analyserar vanligtvis ett företags siffror och processer innan de börjar ge instruktioner. Det skulle vara bisarrt att ha en konsult som skulle försöka få ett företag till bättre hälsa, utan att titta på befintliga data. Men inom välbefinnanderådgivning är det fortfarande väldigt typiskt. Detta kommer att förändras under de närmaste åren, och vi kommer att se välmåendetjänster baserade på faktiska personuppgifter. Och denna marknad kommer att växa snabbt; människor är redo att betala för bättre allmän hälsa och välbefinnande.

Artikeln visades först på Störande Asien.

När jag började min karriär på 1990-talet arbetade jag som mjukvaruutvecklare för ett företag som tillverkade spelautomater och casinosystem. En dag dök en grupp konsulter upp till vår avdelning. De kom för att berätta att vår mjukvaruutveckling inte var särskilt effektiv och att med nya visuella verktyg kunde samma arbete utföras mycket mer effektivt. De lovade att göra om mjukvaran för vår senaste spelplattform om sex månader med ett par utvecklare. Vi hade tidigare tagit två år med nästan 20 personer för att göra samma sak. Vår ledning köpte deras historia. Så de började skriva om programvaran, och från och med då var vi alla tvungna att anpassa oss till dra-och-släpp visuella utvecklingsverktyg för tillståndsmaskiner. 

Samma sak händer igen. Lågkod och medborgarutveckling trender igen, och företag säljer aktivt sina dyra verktyg så att vem som helst kan designa mjukvara eller automatisera uppgifter. Varför ha dyra utvecklare när du kan lära dina anställda att hantera sina dagliga behov med enkla dra-och-släpp-verktyg? Hela mjukvarubranschen kommer att förändras igen!

Office arbetsautomation (t.ex. RPA-verktyg) är ett fashionabelt område som medborgarutvecklare har tagit sig an. Så också med dataapplikationer. Varför ha dyra dataforskare när man bara kan erbjuda lågkodsverktyg till vem som helst för att få information och insikt från rådata? Jag har till och med hört talas om samma lågkodsverktyg som gör det möjligt för individer att skapa appar med deras personliga hälsodata. Låter trevligt?

Tre månader senare kom dessa konsulter tillbaka till oss. De sa till oss att det inte var meningsfullt att utveckla hela spelplattformens mjukvara, men de kunde skapa en mindre del för att bevisa sin sak. Så man kom överens om att de bara skulle utveckla ny mjukvara med sin modell och verktyg i små komponenter, till att börja med en enhet som kände igen mynt när spelarna skrev in dem.

Men är det så enkelt? Varför betalar världens ledande mjukvaruföretag i Silicon Valley $250,000 XNUMX årligen för bra utvecklare, om de bara kan ta slumpmässiga killar från gatorna (eller åtminstone kontor) och få dem att göra mjukvara med lågkodsverktyg? Eller varför klaga på en brist på datavetare, om du kan få vilken kontorsassistent som helst att hitta relevans från data med lågkodsverktyg.

Två månader till (total tid nu fem månader) och konsulterna kom tillbaka till oss. Den här gången sa de att det inte var vettigt så de skulle skriva om koden vi redan hade gjort. De kunde skriva en manual om att designa mjukvara av bättre kvalitet, och de kunde också sälja sitt designverktyg till oss så att vi kunde använda det för att förbättra vår programvaruplanering. 

Vissa bygger sitt eget hem, och andra använder färdiga designritningar. Men skulle du vilja åka till en skyskrapa eller en bro designad av en "medborgare civilingenjör"? Eller skulle du vilja flyga medborgarpilot med ett automatiserat flygplan? Varför är det nödvändigt att ha dyrare yrkespiloter?

Jag menar inte att vi ska ha officiell ackreditering för att vara mjukvaruutvecklare, men det är ett faktum att de mest komplexa systemen i världen nuförtiden är byggda med mjukvara. Det är inte enkelt att bygga komplexa kritiska system. Det är mycket mer komplicerat än att designa en skyskrapa eller en bro. För konstruktion har du exakta formler för att göra beräkningar, men många strukturer av mjukvarulösningar är så komplexa att du inte kan ha formler eller enkla modeller för att bevisa att de fungerar. Jag har personligen sett människor utan erfarenhet eller utbildning som försöker förstå hur man utvecklar mjukvara, särskilt robust programvara. Det fungerar inte korrekt; en studie visar att elva av tolv projekt för medborgarutvecklare misslyckas.

Det finns uppgifter som folk enkelt kan programmera. Vissa människor gör Excel-makron för sina egna syften. Människor gör några enkla verktyg för att hjälpa dem i dagliga uppgifter; de vet hur man använder dem, utan att behöva hantera felaktiga datainmatningar eller speciella situationer. Samtidigt är det inte idealiskt att överlåta mer komplex mjukvaruutveckling till medborgarutvecklare med dessa förenklade verktyg.

Det är också bra att vara tydlig med definitioner. Ibland använder lågkodsmarknadsföring exempel, som designverktyg, som inte behöver någon kod alls. Lågkod är ett tillvägagångssätt för mjukvaruutveckling som kräver lite eller förenklad kodning för att bygga applikationer och processer. Så, ett dra-och-släpp-grafikdesignverktyg för slutanvändare är inte ett utvecklingsverktyg med låg kod förrän du vill övertyga din publik om att det är ett bra exempel på lågkod.

Jag lyssnade precis på en organisation som har investerat i verktyg för medborgarutveckling och använt hundratals timmar för att lära tusentals av sina anställda hur man använder dessa verktyg. Men de kan fortfarande bara göra grundläggande saker. Ledningen medgav att de inte skulle låta dem göra några uppdragskritiska eller viktiga lösningar och processer eller implementera mer komplex programvara.

Slutligen, efter sex månader i mitt tidiga karriärfall, kunde konsulterna inte implementera någon programvara med sitt visuella verktyg. De kom till oss med en manual för bättre kodning och anordnade en halvdagsworkshop. För att vara ärlig, efter alla dessa år minns jag inte så mycket från den sessionen, men ett av deras påståenden var att visuella verktyg är bättre än mjukvarukod, eftersom människor är naturligt visuella. Våra utvecklare höll inte med dem eftersom de inte tyckte att dessa visuella verktyg fungerade för allvarliga programmeringsbehov. Efter workshopen hörde vi aldrig från de konsulterna och vi fortsatte att tillverka maskiner med professionella programmeringsspråk.

Dessa konsulter fick betalt för de sex månaderna och deras designverktyg, sedan hittade de nästa kund (offer). Samma sak pågår igen; företag köper mjukvarulicenser och utbildning för att få alla sina anställda att göra mjukvara. Missförstå mig inte; Jag tror att verktyg och metoder för mjukvaruutveckling håller på att utvecklas, och många verktyg kan hjälpa. Men det är avgörande att förstå skillnaden mellan personliga verktyg för att automatisera något eller göra Excel-makron och att göra pålitlig programvara som kan köra många viktiga system och processer. Verkligheten är att världen behöver mer professionella mjukvaruutvecklare och mer pålitlig programvara. Vi får inte blanda professionell mjukvaruutveckling och dess verktyg. Med några förenklade verktyg kan varje kontorsanställd göra några makron eller automatisera sina egna enkla uppgifter; de är helt olika domäner.

Artikeln visades först på Störande Asien.

Detta är normalt tiden att göra förutsägelser för det kommande året. Vanligtvis ligger fokus på teknik- och affärstrender och utvärdera vilka som kan få nästa års timing rätt. Den här gången är det annorlunda. 2020 var pandemin en störning av normala trender. Det stoppade vissa företag, förändrade vissa och påskyndade andra. Så vad kan vi förvänta oss att se när vacciner förhoppningsvis vänder pandemin?

Om vi ​​kort sammanfattar 2020, accelererade det digitala företag med några år, stoppade rese- och gästfrihetsföretag, flyttade många aktiviteter från tegel och murbruk till online och lärde människor att använda många nya tekniska verktyg. Under 2021 är frågorna vilka av dessa trender som kommer att fortsätta, vilka som kommer att vrida tillbaka tiden till pre-pandemi och vilka företag som har förändrats för alltid.

Ett eller två år kommer inte att förändra människor i grunden. Människor kan lära sig att använda nya tjänster och produkter, men grundläggande behov förändras inte. Låt oss ta till exempel hur människor har anpassat sig till matleveranstjänster, men de vill ändå träffa andra människor. Människor letar också efter enkla lösningar men tvekar vanligtvis att göra saker de inte förstår eller inte har testat. Men hemleverans och Zoom-möten, eftersom de måste antas, blev vardagliga alternativ som vi snabbt lärde oss att använda effektivt. 

Så, vad är utsikterna för 2021? Vi måste tänka på vad människor har lärt sig under 2020 och även vad de missade 2020. Sedan måste vi också överväga vilka teknologier och tjänster som tog ett steg 2020. Vi kan också utvärdera vilka trender som startade före pandemin, och vilka som pandemin har accelererat. Utifrån detta kan vi bedöma lite mer exakt vad vi kan förvänta oss att se.

Digitala tjänster hjälper människor i många situationer. Virtuella möten hjälper oss att spara tid och pengar. Digitala signaturer gör det lättare att hantera avtal och använda juridiska tjänster. Hemleverans gör matinköp enklare och snabbare. Ibland är det mer effektivt att arbeta hemifrån. Det har varit uppenbara förändringar under 2020, men de är fortfarande goda exempel på trender som kommer att fortsätta efter pandemin.

Flygbolag, hotell, restauranger och många andra besöksnäringstjänster fick en hel del stryk under 2020. Många människor har ändrat syn på resor och att äta ute och ifrågasätter om de behöver ta så många flyg i framtiden. Den här delen är förmodligen mycket mer komplicerad. Människor vill fortfarande se nya platser, se andra människor och bryta från dagliga rutiner och miljö. Men samtidigt många företag har förmodligen andra tankar om värdet av affärsresor och fysiska möten.

Människor ser nu värdet av fysiska möten och gästfrihetstjänster i ett nytt ljus, efter att ha levt utan dem så länge. Människor har också märkt att de kan arbeta lika effektivt hemifrån eller avlägsna platser. Ändå indikerar data att flygbokningarna för slutet av 2021 är starka och att nya affärsmodeller, som månadsabonnemang för flyg, håller på att växa fram.

Detaljhandelsföretag har drabbats mest av nedstängningar och restriktioner. Många återförsäljare, även välkända, anrika varuhus och kedjor, lägger ner. Men det skulle det vara ett misstag att tro att pandemin har varit den enda anledningen för detta. Detaljhandeln med tegel och murbruk har varit i problem i flera år, och överraskande varför det har tagit så lång tid för vissa kunder att ta till sig onlineshopping och använda hemleveranstjänster.

COVID-situationen har inte bara påverkat konsumentföretag. B2B-verksamheten har också förändrats. Vi har inte haft mässor, konferenser och träffar för att hitta nya produkter, tjänster och kontakter. Detta har drivit på antagandet av "självbetjäning" onlineförsäljningskanaler, men samtidigt är traditionell "ansikte mot ansikte"-försäljning avgörande för de flesta B2B-företag. Det råder ingen tvekan om att även B2B-företag har drabbats, och det kommer säkerligen att bli konkurser efter pandemin när företag tvingas göra en reality check.

Baserat på ovanstående, här är några av mina förutsägelser för 2021:

1. Rese-, gästfrihets- och serviceföretagen kommer att öka när pandemins restriktioner och risker är över. Det betyder inte att alla företag i sektorn kommer att överleva eller att tjänsterna kommer att vara desamma som före 2020. Ändå kommer det att vara ett utmärkt tillfälle för nya företag att komma in i sektorn, förvärva några befintliga verksamheter och förnya nya affärsmodeller.
2. Mer detaljhandel kommer att gå online, och stora butiker kommer att fortsätta att misslyckas. 
3. Fler tjänster kommer att bli digitala och online, men det betyder inte att alla nya digitala tjänster kommer att vara lönsamma. Konkurrensen kommer att vara hård på många områden och företag kommer att behöva uppnå betydande volymer för att överleva. Många kommer att behöva gå globalt för att uppnå detta. 
4. En viktigare möjlighet än digitala konsumenttjänster kommer att vara att möjliggöra komponenter som gör det enklare, säkrare och mer effektivt för konsumenter att använda tjänster. Dessa kommer att omfatta bättre utnyttjande av data för konsumenter, bättre förtroende för tjänster och tredje part, och lösningar för att förbättra kundupplevelser (t.ex. VR/AR för shopping, bättre plattformar för distansutbildning och bättre lösningar för att hantera hemleveranser).
5. Kommersiell fastighetsverksamhet kommer att genomgå betydande förändringar. Många butiker kommer att försvinna, kontorsbehoven kommer att förändras och nya krav kommer att dyka upp. Till exempel kommer företag att behöva nya typer av kontorsutrymmen för att ta emot människor som jobbar hemifrån och ibland kommer till kontoret, något som liknar "hot desks" än skåp.
6. E-handelsverksamheten kan behöva förbättra kundupplevelsen och marknadsföringen genom att använda ställen i form av showroom, där kunderna fysiskt kan se produkterna och göra beställningar, och där företag kan marknadsföra sina varumärken. Kaféer och restauranger kommer också att behöva mer utrymme för att rymma social distans.
7. Människor kommer att bli mer medvetna om hälso- och välbefinnande, och bärbara enheter för att ge dem mer data. Detta kommer att skapa många nya digitala tjänster för att förbättra välbefinnandet och övervaka hälsan och få sjukvård på distans när det behövs.

Det här är bara några exempel på vad vi förväntar oss, men de illustrerar de förändringar och trender vi kommer att se efter pandemin. Naturligtvis är den största frågan om massvaccination kommer att påskynda återgången till någon normalitet eller om vi kommer att möta några nya överraskningar. Hur som helst, vi måste alltid förbereda oss för nästa fas i verksamheten och vara redo när den kommer.

Artikeln visades först på Störande Asien.

TikTok är en stor framgångssaga men också en stor politisk fråga. En mindre känd del är hur TikTok stör den sociala nätverksmodellen i sin viralitet. Det påminner mig om den gamla debatten, som är viktigare, personliga intressen eller sociala nätverk.
Är det möjligt att det traditionella sociala nätverkskonceptet har nått sina gränser? Förändrar TikTok-modellen hela det sociala plattformslandskapet?

För över 15 år sedan startade ett litet team och jag det som förmodligen var det första företaget för dataanalys för sociala nätverk i världen (Xtract). Detta var långt före framgångarna med Facebook, LinkedIn eller Twitter. Vi började arbeta med olika typer av företag som hade vissa sociala anslutningsdata, inklusive telekomtjänster och onlinetjänster. Vi skapade verktyg för att analysera data med avsikten att rikta marknadsföringsaktiviteter.

Vår programvara analyserade miljarder, till och med biljoner datapunkter, och vi undersökte också hur inflytande i sociala nätverk fungerar. Varför skulle människor påverkas av andra människor att köpa något, churna eller bli aktiva användare? Resultatet blev att det inte bara var influencern eller det sociala nätverket som gällde. Det berodde också på sammanhanget, till exempel vilken produkt det var fråga om. Det är ganska naturligt att förstå hur en person kan påverka dig på vilken bil du ska köpa, och en annan person vilka böcker du läser, och ibland kan din egen åsikt ha större betydelse än ditt sociala nätverks.

Det finns många sätt att analysera konsumentbeteende för att förstå preferenser och hur man bäst profilerar dem. Profilering kan baseras på alla typer av tillgänglig data, men vi kan dela in den i fyra huvudkategorier:

1. Demografi (t.ex. ålder, kön, bostadsområde, utbildning)
2. Beteende (produkter du använder och köper, tidningar du läser, musik och filmer du gillar, hobbyer, etc.)
3. Socialt nätverk (vem du är ansluten till och hur starkt)
4. Psykometri (t.ex. personlighetstyper).

Sociala nätverkstjänster har varit en stor framgångssaga under de senaste 15 åren eftersom de har kunnat fånga användarnas tid och även annonsörer. Sociala grafer spelar en viktig roll i dessa tjänster, dvs människor delar innehåll med sina kontakter och hur saker sprids bland användarna.

Nu kommer vi tillbaka till TikToks modell. Det har snöat, med över 500 miljoner användare globalt. Men TikTok är egentligen inte en social nätverkstjänst, även om viralitet är kärnan. Människor delar videor, inte främst till deras sociala nätverk, utan istället baserat på kategorier och hashtags. Användare har utmärkta verktyg för att göra sina videor, och de kan använda befintliga idéer och material, t.ex. duetter med andra videor, och sedan dela dem. De kan också se hur olika kategorier och hashtags får visningar och även rikta in sina videor utifrån detta och på det sättet använda 'trender".

Denna modell ger också mycket fler möjligheter för nya användare att locka många tittare. I det traditionella sociala nätverket tar det tid att få kontakter och följare. Och i de konventionella videotjänsterna (som YouTube) gynnar algoritmerna de som har publicerat länge och samlat på sig ett stort antal visningar. Det sägs ibland att den kinesiska affärsmodellen med mindre respekt för immateriella rättigheter och upphovsrätt tillåter alla att varje dag ta de senaste idéerna och produkterna och försöka göra dem bättre för morgondagen. TikTok följer på ett sätt den principen, alla kan se trendinnehållet och använda det för att bygga sin egen framgång.

Detta är inte bara relevant för TikTok och videor. I en diskussion nyligen med chefsforskarna från vårt tidigare dataanalysföretag kom vi tillbaka till de gamla teorierna om hur personliga intressen och sociala nätverk driver beteende och kunde vi se TikTok-fenomen i vissa andra tjänster också.

Vi drog slutsatsen att vi faktiskt ser gränser i sociala nätverk i att ha diskussioner om intressanta ämnen. Till exempel på Facebook har dina diskussioner begränsats främst till personer som är dina kontakter. Har man ett specialintresseområde, efter några år med samma vänner, är det inte så fruktbart att diskutera där längre. Hashtags fungerar inte på Facebook. Det är samma problem i många sociala nätverkstjänster, inklusive LinkedIn. På Twitter kan du bättre följa specifika ämnen. Ändå har den så många budskap att du också där vanligtvis måste fokusera på de mest populära meddelandena från de som har många följare.

Sedan kommer vi till ett annat problem med sociala nätverk. De har många falska profiler, och folks nätverk har blivit urvattnade när de har accepterat för många vänner. Så sociala nätverkstjänster har ett dubbelt problem: de begränsar dina diskussioner och tillgängligt innehåll, och de representerar faktiskt inte ditt riktiga nätverk. Till exempel, om du tillfrågas av var och en av dina LinkedIn-kontakter om du skulle göra en introduktion till en nära kontakt för var och en av dem? Jag kunde inte göra det eftersom mitt nätverk är så omfattande, och jag känner inte alla mina kontakter tillräckligt bra. När vi bara kan ha ett nätverk i en tjänst innehåller det för många anslutningar för flera syften, som att bygga verkligt förtroende, men för få kontakter för ämnen med specialintresse.

Kan detta betyda att TikTok inte är den enda videoplattformen som är ett problem för många politiker, utan det första tecknet på att en ny typ av internettjänst kommer? Skulle vi kunna börja se fler tjänster som kan kombinera människors olika intressen bättre, hjälpa till att uppmärksamma intressant innehåll utan en enorm anhängarbas och göra det möjligt för oss att skapa sociala nätverk kring olika intresseområden och syften? Vi skulle också behöva tjänster där man kan bygga förtroendenätverk för olika ändamål. Vilka är personer du kan rekommendera, vilka du litar på för att få företagsintroduktioner, vem du vill nätverka med för ditt arbete och vad är ditt riktiga personliga förtroendenätverk?

Kanske kommer vi snart att kliva in i en post-social-nätverkstid som försöker att bättre kombinera naturligt beteende med personliga intressen och olika nätverk för olika syften. Detta kan innebära att vi ser två typer av nätverk: 1) de som gör att du kan fokusera på dina intressen oavsett om det är musik, litteratur, vetenskap, speciell hobby eller vad som helst; 2) verkliga förtroendenätverk för olika ändamål, för affärer, privatliv, hobbyer och personliga intressen. De nuvarande sociala nätverken är nu för mycket av allt och för lite av något.

Artikeln visades först på Störande Asien.

Ordboken definierar tillit som "att tro att någon är bra och ärlig och inte kommer att skada dig, eller att något är säkert och pålitligt." Förtroende kan vara en svår sak för människor att förstå, men i den digitala miljön kan det vara ännu mer komplext. Vi behöver förtroende i de flesta dagliga situationer, men med digitala, virtuella och cybertjänster så viktiga delar av våra liv måste vi bättre tänka på vad digitalt förtroende egentligen är.

Covid-19-situationen har påskyndat användningen av många virtuella och digitala tjänster. I början av mars fick jag veta att jag måste resa fysiskt för att skriva på en bouppteckning inför ett möte med andra arvingar. I april fick jag veta att jag inte får komma fysiskt och att jag måste skriva under dokument online. För mig är detta ett bra exempel, hur snabbt saker och ting kan förändras, när det annars kan ta 10 år att godkänna denna typ av förändring för lagar och regler.

Även grundläggande saker, hur man signerar dokument online är en hel röra idag. DocuSign har en bra position globalt för att signera dokument, men det är inte "officiellt" i alla länder eller situationer. Den har stor användbarhet, men den inkluderar kompromisser mellan användbarhet och säkerhet. I vissa länder erbjuder myndigheter, banker eller andra tjänsteleverantörer säkrare signeringslösningar, t.ex. baserade på e-ID-kort eller mobila identitetskort, men de är svårare att använda.

Den kanske märkligaste dokumentsigneringen var en officiell tjänst i USA, där undertecknandet var att skriva mitt namn mellan snedstrecksymboler (seriöst, detta var instruktionen: "Lämplig person måste elektroniskt underteckna formuläret genom att personligen skriva in valfri kombination av alfanumeriska tecken föregås och följt av framåtsnedstrecksymbolen (/); t.ex. /mike miller/, /efr/ eller /374/). Denna elektroniska signatur bör inte skrivas in av någon annan på uppdrag av vederbörande undertecknare.”). En annan ytterlighet är min Hong Kong-baserade bank som jämför dokument jag skickar med ett prov av min signatur och varannan gång jag misslyckas med att skriva min signatur på samma sätt.

Signering är bara ett mycket enkelt exempel på förtroende, men vi har mer komplexa saker. Är personen jag möter verkligen den de utger sig för att vara? Kommer de att hålla sitt löfte? Om jag pratar konfidentiellt, kommer de att hålla denna information för sig själva? Om de köper något av mig, ska de betala, eller har de pengar att betala? Dessa och många andra frågor i affärs- och privatliv dyker upp.

I det fysiska livet har vi lösningar för att hantera flera tillitsfrågor. Människor har ID-kort för att styrka sin identitet. Det finns system som kreditpoäng, lönebesked och bokslut för att bevisa förmågan och historien att betala. Människor har också lärt sig alla typer av tecken (hur människor beter sig, ansiktsuttryck, personlig historia och många andra saker) för att göra uppskattningar, vem och vad de litar på eller inte litar på. Ofta är förtroendet också överlåtbart. Om jag litar på någon och han rekommenderar att jag litar på någon han litar på, kommer jag förmodligen att lita på dem.

I den online och digitala världen har vi fler komponenter och variabler att utvärdera och det gör det mer komplext att utvärdera förtroende. Kanske ser vi inte den andre personen alls, bara hans telefonnummer eller mailadress. Om vi ​​ser någon på nätet, hur vet du att personen verkligen är den de utger sig för att vara. När vi träffas fysiskt bygger människor förtroende med varandra över tid, men hur kan detta fungera i den digitala miljön. Om jag delar vissa dokument och information online med en person, hur kan jag då veta om och hur den andra personen använder och delar dem?

Vi har också lösningar för att hantera dessa saker virtuellt. Till exempel behöver vi säkerhetsenheter och appar för att komma till våra bankkonton; företag har åtkomstkontroller till sina tjänster och nätverk för att använda sina virtuella verktyg. För många av dessa tjänster behöver du fortfarande göra något fysiskt, t.ex. besöka någonstans eller skicka några dokument via post. Men att göra något fysiskt först är verkligen en användbarhetsutmaning för många onlinetjänster, och COVID-19 har nu försatt oss i många situationer där det inte ens är möjligt.

Det är just därför vi har lägre säkerhet i tjänster där användbarheten är bättre och det inte är alltför svårt att börja använda dem. DocuSign räcker till många signaturer; Zoom är tillräckligt säkert för att hantera möten; WhatsApp är den enkla lösningen för daglig chatt och e-post är det enklaste sättet att skicka många dokument. Men vi har sett tillräckligt många fall för att dessa lösningar också har sina risker, ibland betydande. Vi vet att de räcker för de flesta behov, men många behov går också utöver den förtroendenivå de kan erbjuda.

Detta har på ett mycket praktiskt sätt visat att vi behöver nya lösningar för att hantera digitalt förtroende i dagliga situationer. Dessa lösningar måste ha god användbarhet och erbjuda rätt nivå av förtroende för varje behov. Diskussionen om cybersäkerhet blir lätt väldigt polariserad. Vi har cybersäkerhetsfreaks som hävdar att inget system är tillräckligt säkert och att inget system med normal användbarhet kan vara säkert. Sedan har vi de okunniga människorna som är redo att använda vilket system som helst som bara är en enkel lösning. Vi har många typer av lösningar för digital identitet och säkerhet, men som helhet är det här området fortfarande ganska rörigt.

En anledning är att tankeprocessen för att utveckla dem ofta är mycket teknisk och fokuserar på en specifik aspekt av säkerhet. Vi kanske borde fundera mer på vad tillit egentligen betyder i olika situationer, och hur människor har hanterat det i tusentals år. Ett enkelt exempel är överförbart förtroende eller hur ditt personliga förtroendenätverk skulle kunna hjälpa dig i digitala tjänster. Kanske på det sättet kan vi hitta koncept och teknologier för att skapa verkligt digitalt förtroende mellan människor och enheter.

Artikeln visades först på Störande Asien.

Människors nätverk formar världen. Niall Fergusons bok Torget och tornet ger en utmärkt introduktion till deras historia. Nätverk har spelat en viktig roll i politiken, näringslivet och det dagliga livet. De kan vara mycket offentliga och transparenta nätverk, eller hemliga sällskap, eller till och med fiktiva delar av Illuminati-nätverket. 

Officiella organisationer kan skilja sig mycket från riktiga nätverk. Vi känner alla till företag där organisationsschemat berättar en historia om vem som fattar beslut och det faktiska nätverket av människor som fattar beslut är väldigt olika. Nätverk kan också vara mer dynamiska än officiella organisationer, och de kan överleva förändringar.

Företag försöker bli mer dynamiska och smidiga. Ofta skapar organisationsstrukturer friktion för att vara dynamiska, reagera snabbt eller vara proaktiv i affärer. Organisationer själva kunde vara mer dynamisk men sedan kommer IT. Processer tillämpas på komplexa IT-system, men det är svårt att snabbt byta verktyg och IT-lösningar. Vi har hört historier om hur en VD kan använda sitt nätverk inom organisationen på olika nivåer när det behövs några snabba förändringar eller nya aktiviteter och organisationen är för långsam med att implementera dem.

Många organisationsstrukturer och ledningsmetoder har sin historia i militära organisationer. Nuförtiden är det många som tvekar med militära ledarstilar i affärer, eftersom de ses som gammaldags, kommando-och-kontrollmodeller. Men det är viktigt att komma ihåg att militär- och säkerhetsmiljöer fortfarande kan erbjuda exempel och lärdomar till mycket moderna organisationer.

Till exempel har militära organisationer traditionellt opererat med mycket formella modeller. När arméer slåss mot varandra har de frontlinjer, koncentrerar trupperna på punkter där de kan göra genombrott och försvara gränser. Detta är inte längre verkligheten. Gerillasoldater, terrorister, aktivistceller, inofficiella trupper (som i Ukraina) och dynamiska nätverk är en större risk för många länder än traditionella styrkor. Grundläggande nya modeller krävs nu för att driva och hantera militära och säkerhetsorganisationer. 

Krig i Afghanistan, Irak, Ukraina och Syrien har inte handlat om strider mellan officiella arméer, och många länder har sett attacker från lokala terrorister och oberoende celler eller individer som ofta är förknippade med globala nätverk. Detta har tvingat militär- och säkerhetsorganisationer att hitta nya modeller för att slåss mot dessa fiender. Det betyder också att deras egna organisationer måste vara mer dynamiska. 

Militära organisationer har traditionellt haft mycket hierarkiska strukturer. Deras verksamhet och teknik byggdes för att stödja dessa modeller; ledningskedjor, rättigheter baserade på organisatorisk position och begränsad kommunikation mellan parallella organisationer. Nu har de tvingats tänka om sina befintliga modeller. Samtidigt kommer konsumtionen också till arméer; människor använder mobiltelefoner, sociala nätverk och meddelandeappar under verksamheten. Militära organisationer kan antingen ignorera eller förbjuda dessa verktyg eller börja använda dem. Vissa har redan tagit den senare vägen. Det förändras också, hur organisationer fungerar, och särskilt hur de kan bli mer dynamiska nätverk baserat på situationer, behov och resurser.

Många företag har liknande behov av att hitta mer dynamiska modeller att driva, anpassa processer utifrån behov och använda resurser snabbt där det behövs. Detta står lätt i konflikt med organisationsscheman, fasta rutiner och IT-system som stödjer processer, informationsdelning och kommunikation. Dessa behov finns inte bara inom organisationer utan även hos kunder, partners, leverantörer och andra parter. Det är mer utmanande att skapa och underhålla dynamiska nätverk inom traditionella organisationer och deras kontaktpunkter. Nätverk kan ibland vara annorlunda, vissa mer hierarkiska, vissa baserade på andra förtroendeartefakter. 

Allt detta skapar nya behov med IKT-teknik för att stödja dessa nätverk. I praktiken använder de informella arbetssätt, som videosamtal, gruppmail och WhatsApp-grupper. Men de inofficiella metoderna inkluderar inte riktigt sätt att hantera nätverk, säkerhet eller systematisk användning av olika verktyg. De används för att hantera specifika behov, inte för att hantera nätverk. De flesta affärsverktyg har designats för att fungera i traditionella organisationer, med hierarkier, formella strukturer och stabilitet.

Nätverk är en traditionell modell för människor att samarbeta. Digital teknik erbjuder fler verktyg för att arbeta globalt och skapa alla typer av nätverk för allmänna eller specifika behov. Men vi har ännu inte verktygen för att driva dessa digitala nätverk på samma sätt som människor har lärt sig att hantera nätverk i det fysiska livet. De bygger på förtroende som du tjänar och förlorar, och de är anpassade till dagliga behov. Vi kommer att se nya lösningar växa fram inom detta område och hur militär, företag och privatpersoner bättre kan skapa och hantera digitala nätverk.

Artikeln visades först på Störande. Asien. 

Bild artighet Avexer – lokala förtroendenätverk inom krishantering.