‘Universiteiten moeten investeren in Science, Technology, Engineering & Mathematics’
De strijd met de grote techbedrijven verlies je als universiteit sowieso, schrijft UvA-hoogleraar accounting Jan Bouwens. Nederlandse universiteiten kunnen beter extra investeren in de fundamenten: Science, Technology, Engineering & Mathematics, ofwel STEM.
Afgelopen week schreef NRC ‘Universiteiten zien met lede ogen aan hoe buitenlandse techbedrijven hun talent afromen’. Desgevraagd beamen achtergebleven vakgroepsleden deze praktijk. Het moet natuurlijk een zorg zijn dat talent uit de academie wordt weggekocht. Anderzijds moeten we er ook geen drama van maken. Universiteiten kunnen: (1) talentvolle studenten helpen ontwikkelen door in science te investeren, (2) posities en daarmee vrijheid bieden die bedrijven niet geven en (3) samenwerken met bedrijven.
Aan de basis van kunstmatige intelligentie ligt het talent van mensen binnen de vakgebieden die het acroniem STEM omvat: Science, Technology, Engineering & Mathematics. Zolang we voldoende basis weten te leggen om mensen in deze gebieden op te leiden hoeven we ons niet direct zorgen te maken omtrent de leegloop. Immers, toelevering van talent is dan nog altijd gegarandeerd, zij het dat deze groep dan nog onbeschreven de kunstmatige intelligentiewereld binnenstapt wanneer bedrijven en ondernemingen hen in dienst nemen.
Als universiteiten hun relevantie willen behouden doen ze er goed aan om in STEM te blijven investeren of deze investeringen zelfs op te voeren. Het is te voorzien dat data science, kunstmatige intelligentie, en aanverwante technologievakken de komende jaren revolutionaire bewegingen in gang zal zetten. Universiteiten zullen moeilijk kunnen concurreren met het bedrijfsleven als het gaat om de toepassing van data science and kunstmatige intelligentie. Waar zij het verschil kunnen maken is zich verder te ontwikkelen in de fundamenten van STEM.
Vrijheid
In gevallen dat universiteiten zich willen ontwikkelen op toegepaste kennis, moeten de universiteiten posities aanbieden die een groot bedrijf moeilijk of niet kan evenaren. Het ontwikkelen van een bepaald programma met de hulp van medewerkers kan een bedrijf makkelijk organiseren. Het heeft dan ook slechts in zeer beperkte mate zin om een beoogd hoogleraar een flinke groep promovendi te beloven: dat kan een bedrijf ook.
Het grote onderscheid zit hem in de academische vrijheid: de academicus kan zelf bepalen wat het onderwerp van onderzoek is; bij Tesla, Google, Apple of Uber is dat niet het geval. Voorts geldt voor deze bedrijven dat ze uiteindelijk winst moeten maken. Dit aspect zal altijd van invloed zijn op het type opdracht dat een medewerker (topper of geen topper) krijgt. Organisaties kunnen ook behoorlijk knellen in dat verband.
Leren van Microsoft
Steve Ballmer van Microsoft heeft 15 jaar weten te voorkomen dat de beste mensen binnen zijn bedrijf met elkaar samenwerkten. Dat werkte als volgt. Microsoft werkte aan innovaties in teams. Als dit team uit 10 mensen bestond, dan was de eis dat twee mensen een fantastische evaluatie zouden krijgen, zeven zouden een middelmatige evaluatie krijgen en een van de leden zou een zodanig slechte evaluatie krijgen dat zijn of haar vertrek nog slechts een kwestie van tijd was. Hierdoor was het jarenlang de gewoonte dat mensen trachtten in een team te komen met zwakke collega’s. Microsoft is deels hierdoor haar leidende positie verloren.
Op universiteiten bestaat een ranking die door publicaties wordt bepaald. Daarop heeft de wetenschapper invloed door in de betrokken bladen te publiceren, en niemand anders! De besten willen kunnen samenwerken met de besten en universiteiten doen er dan ook goed aan dat te blijven bevorderen, binnen en buiten de universiteit. Dat brengt me op mijn derde punt.
Het Ajax-syndroom
Universiteiten die zeker willen stellen dat zij directe aansluiting houden bij wat in de bedrijven gebeurt op het gebied van data science en kunstmatige intelligentie, hebben in het geweld van de zeer hoge salarissen die de bedrijven bieden geen andere mogelijkheid dan samenwerking te zoeken met die bedrijven. Alle bedrijven hebben graag de beste talenten en universiteiten zijn hun ticket naar toegang tot talent. Maar zelfs daarmee moeten universiteiten oppassen omdat de ervaring leert dat deze studenten vaak voor hun afstuderen worden weggekaapt. Het Ajax-syndroom ligt dan op de loer: de club weet het beste talent te scouten en op te leiden, maar dat talent verdwijnt voor de club er de vruchten van kan plukken.
Concluderend is het een zorg dat kunstmatige intelligentie-specialisten worden weggekocht bij de universiteiten. Echter, de universiteiten kunnen zich bij hun investeringen focussen op de STEM-vakken welke aan de basis staan van onder meer AI. Universiteiten maken zich kwetsbaar als zij investeren in AI-toepassingen omdat bedrijven hiervoor veel meer geld kunnen en willen uittrekken dan universiteiten kunnen. In de mate dat universiteiten toepassingsgericht onderwijs en onderzoek op het gebied van AI willen doen, kan de universiteit concurreren door unieke posities te creëren die bedrijven niet kunnen emuleren, en/of moet samenwerking worden gezocht met bedrijven.
Jan Bouwens is hoogleraar accounting aan de Universiteit van Amsterdam.
