Besluitanalyse is een vakgebied dat analytische modellen ontwikkelt voor betere besluitvorming. Een interessante vraag is of kunstmatige intelligentie mensen als besluitvormers kan vervangen - en zo ja, onder welke omstandigheden.

AI-algoritmen die beslissingen nemen, zijn gangbaar. Ze kiezen passende inhoud en advertenties voor ons wanneer we op internet surfen; ze beantwoorden onze vragen als chatbots wanneer we hulp nodig hebben; ze keuren leningaanvragen goed en weigeren.

Op zijn best is AI een uitstekende beslisser. De omstandigheden moeten er echter wel geschikt voor zijn.

Om goede beslissingen te nemen, heeft AI ofwel enorme hoeveelheden gegevens nodig over eerdere beslissingen en hun kwaliteit, ofwel de mogelijkheid om verschillende beslissingsstrategieën breed te testen. De laatste benadering, die voortkomt uit versterkend leren, werkt vooral goed wanneer de strategieën betrouwbaar kunnen worden getest in een gesimuleerde omgeving, dat wil zeggen los van het echte leven. Dit wordt duidelijk als we bijvoorbeeld aan de chatbot denken:een bedrijf zou onverstandig zijn om de AI willekeurige antwoorden te laten testen op echte, nietsvermoedende klanten.

Bovendien is het belangrijk dat een prestatiemaatstaf (of, technisch gezien, een beloningsfunctie) kan worden gedefinieerd om de beslissingen van het algoritme te evalueren. In het geval van de chatbot kan het advies dat de AI geeft als goed worden beschouwd als het het probleem van de klant oplost; voor een adverteerder staat centraal dat een aankoopbeslissing wordt genomen.

De relevantie van mensen in het besluitvormingsproces wordt benadrukt wanneer er geen grote datasets van hoge kwaliteit beschikbaar zijn, geen mogelijkheid om verschillende beslissingsstrategieën breed te testen, of als een duidelijke prestatiemaatstaf voor het evalueren van de beslissingen van het algoritme moeilijk te vinden is. Het eerste probleem geldt bijvoorbeeld voor strategische beslissingen op langere termijn in bedrijven. Dit komt omdat zelfs grote datasets de toekomst niet kunnen voorspellen:data kijkt altijd achteruit en kan niet anticiperen op gebeurtenissen die nooit eerder hebben plaatsgevonden.

Een prestatiemaatstaf kan daarentegen moeilijk te vinden zijn wanneer er verschillende en mogelijk tegenstrijdige doelstellingen zijn. Contenttargeting op Facebook werkt bijvoorbeeld efficiënt in die zin dat mensen graag op links klikken die hun bestaande opvattingen ondersteunen. Maar wat als, in plaats van het maximaliseren van de tijd op Facebook, het doel is om de reikwijdte van de maatschappelijke discussie te verbreden of onenigheid te verminderen? Hoe kunnen deze doelstellingen zelfs worden gemeten op een manier die een algoritme kan begrijpen?

In ieder geval worden AI-algoritmen voortdurend verbeterd en op hun best maken ze ons leven aanzienlijk gemakkelijker. Met hun hulp kunnen we interessante verbanden vinden uit massa's gegevens waar mensen anders nooit aan zouden denken. Dus zelfs als AI tot nu toe geen mensen vervangt als besluitvormers, kan het ons zeker helpen betere beslissingen te nemen.