L'analisi delle decisioni è un campo che sviluppa modelli analitici per un migliore processo decisionale. Una domanda interessante è se l'intelligenza artificiale può sostituire le persone come decisori e se, allora in quali circostanze.

Gli algoritmi di intelligenza artificiale che prendono le decisioni sono prevalenti. Scelgono contenuti e pubblicità appropriati per noi quando navighiamo in Internet; rispondono alle nostre domande come chatbot quando abbiamo bisogno di aiuto; approvano e rifiutano le richieste di prestito.

Al suo meglio, l'IA è un eccellente decisore. Tuttavia, le circostanze devono essere adatte a questo.

Per prendere buone decisioni, l'IA ha bisogno di grandi quantità di dati sulle decisioni precedenti e sulla loro qualità, oppure dell'opportunità di testare ampiamente diverse strategie decisionali. Quest'ultimo approccio, che deriva dall'apprendimento per rinforzo, funziona particolarmente bene quando le strategie possono essere testate in modo affidabile in un ambiente simulato, cioè distaccato dalla vita reale. Questo è chiaro quando pensiamo, ad esempio, al chatbot:un'azienda non sarebbe saggia lasciare che l'IA verifichi risposte casuali su clienti reali e ignari.

Inoltre, è importante definire una misura della performance (o, tecnicamente, una funzione di ricompensa) per valutare le decisioni dell'algoritmo. Nel caso del chatbot, i consigli che l'IA fornisce possono essere considerati validi quando risolve il problema del cliente; per un inserzionista, è fondamentale che venga presa una decisione di acquisto.

L'importanza delle persone nel processo decisionale viene enfatizzata quando non sono disponibili grandi set di dati di alta qualità, non è possibile testare ampiamente diverse strategie decisionali o se è difficile trovare una misura chiara delle prestazioni per valutare le decisioni dell'algoritmo. Il primo problema riguarda, ad esempio, le decisioni strategiche a lungo termine nelle aziende. Questo perché anche set di dati di grandi dimensioni non possono predire il futuro:i dati guardano sempre indietro, incapaci di anticipare eventi mai accaduti prima.

Una misura della performance, d'altra parte, può essere difficile da trovare quando sono coinvolti obiettivi diversi e possibilmente contrastanti. Ad esempio, il targeting dei contenuti in Facebook funziona in modo efficiente, nel senso che le persone sono felici di fare clic su collegamenti che supportano le loro visualizzazioni esistenti. Ma cosa accadrebbe se, invece di massimizzare il tempo su Facebook, l'obiettivo fosse ampliare la portata della discussione sociale o ridurre la discordia? Come potrebbero questi obiettivi essere misurati in un modo che un algoritmo possa comprendere?

In ogni caso, gli algoritmi di intelligenza artificiale vengono costantemente migliorati e, al meglio, ci semplificano notevolmente la vita. Con il loro aiuto, possiamo trovare connessioni interessanti da enormi quantità di dati a cui le persone altrimenti non penserebbero mai. Quindi, anche se l'IA finora non sta sostituendo le persone come decisori, può sicuramente aiutarci a prendere decisioni migliori.