Eksperymentowanie jako metakompetencja

Autor: Paweł Szczęsny

Współpraca AI-człowiek

Erik Brynjolfsson opublikował 10 lat temu razem z Andrew McAfee książkę “Drugi wiek maszyny”, w której argumentował, że jesteśmy świadkami drugiej ery maszyn (rewolucji przemysłowej), a technologia cyfrowa odgrywa kluczową rolę w przekształcaniu gospodarki i społeczeństwa (analogicznie do silników parowych i elektryczności pierwszej rewolucji przemysłowej). Opisywał to, czego dzisiaj jesteśmy świadkami: zmiany w strukturze zatrudnienia, odchodzące i przychodzące zawody, konieczność inwestowania w rozwijanie umiejętności, które są trudne do zastąpienia przez maszyny: kreatywność, czy umiejętności społeczne.

Widząc początki tego, co potrafi generatywna sztuczna inteligencja, dwa lata temu opublikował bardzo ważny artykuł nt. efektu, który nazwał pułapką Turinga.

Wprawdzie celem badaczy i technologów od dekad było stworzenie sztucznej inteligencji przypominającej ludzką, to Brynjolfsson zauważa, że nadmierna koncentracja na automatyzacji zadań z pomocą AI jest ryzykowna – zarówno społecznie, jak i biznesowo. Argumentuje, że AI wspomagająca i zwiększająca produktywność ludzi zmniejsza szansę nadmiernej koncentracji władzy i pieniędzy.

Innymi słowy, uważa, że jeśli firmy za bardzo skupią się na automatyzacji swoich pracowników i na przykład zwolnią większość swojej kadry, krótkookresowo mogą zyskać, ale w dłuższym okresie czasu znikną z rynku, bo udowodnią, że mogą zostać zastąpione w całości przez algorytmy gigantów technologicznych.

Tego rodzaju podejście stawia człowieka z powrotem w centrum, zamiast traktować go jako chwilowo konieczny bagaż w oczekiwaniu na dostarczenie przez rynek rozwiązań pozwalających na pozbycie się go z firmy.

Dobrze to brzmi, ale nie daje nam żadnych wskazówek “co dalej”. Chcemy postawić na współpracę AI-człowiek, ale potrzebujemy dalszych instrukcji.

Nikt nic nie wie

Pod koniec lipca, czyli jakiś tydzień temu, firma Microsoft wypuściła obszerny raport z własnych wewnętrznych badań dotyczących wpływu generatywnej sztucznej inteligencji na produktywność. Można by się spodziewać bezkrytycznej promocji własnych produktów, ale na szczęście prowadzone badania były zrobione rzetelnie i obejmowały cały szereg różnych aspektów. I tak:

• programiści mogli skrócić czas wykonania pewnych zadań, o ile komponenty czy biblioteki, na których pracowali były znane i dobrze udokumentowane – jeśli nie, AI nie przyspieszało pracy
• specjaliści od bezpieczeństwa pisali bardziej szczegółowe raporty (i ciut szybciej) z incydentów używając AI, ale precyzja w klasyfikacji w zasadzie była bez zmian
• sprzedawcy korzystający z podpowiedzi AI mieli lepsze wyniki w testach wiedzy o produkcie niż ci, którzy mieli dostęp do dokumentacji
• niewiele się zmieniła analiza spotkań na podstawie treści nagrania (z użyciem AI i bez użycia AI było dość podobnie, z nieznacznym wskazaniem na AI)
• poprawiła się ocena pracowników dotycząca obciążenia psychicznego (użycie AI spowodowało, że pracownicy uznawali zadanie za mniej stresujące), ale obciążenie poznawcze pozostało bez zmian

Część z tych wyników była nieoczywista. I autorzy raportu konkludują, że (tłumaczenie moje):

„Zakładając, że generatywna AI podąża ścieżką większości technologii ogólnego przeznaczenia (jak opisano w książce “Drugi wiek maszyn”), procesy w firmach będą w przyszłości mocno przeprojektowane pod kątem integracji AI. Narzędzia wykorzystujące generatywną AI szybko się rozwijają. Oznacza to, że długoterminowe efekty AI na produktywność będą różnić się od tych obserwowanych w krótkim okresie, a lokalne efekty będą różnić się od globalnych efektów produktywności. Badania powinny uwzględniać zmiany w przepływach pracy, projektowaniu zadań i procesach biznesowych, oprócz efektów produktywności dla stałych zadań.”

I pisze to firma, która ma dostęp do tej technologii dłużej niż większość innych firm.

Jeśli nie wiesz jak w 100% wykorzystać dostęp do generatywnej sztucznej inteligencji w swojej firmie – odetchnij spokojnie, Microsoft też nie wie. A jest dalej od Ciebie w adopcji AI tylko dlatego, że zrobił więcej eksperymentów.

Eksperymentowanie jako konieczność

Nie każdy ma tysiące pracowników i możliwość robienia dziesiątek eksperymentów, tak aby lepiej zrozumieć szanse, które daje im GenAI. Natomiast każdy może mieć podejście “sprawdźmy, jak by to działało, gdyby wrzucić to w ChatGPT (lub ekwiwalent)”.

Z moich doświadczeń, naprawdę niewiele potrzeba, żeby pracownicy odkryli zupełnie nowe zastosowania GenAI (np. w sensie takim, że nie słyszałem, żeby ktoś coś takiego robił w innych firmach) – często takie perełki pojawiają się już na naszym pierwszym spotkaniu. Natomiast początkowy entuzjazm zazwyczaj znika wkrótce po warsztatach. Między innymi dlatego, że w zasadzie nikt nie traktuje poważnie konieczności eksperymentowania we własnym zakresie.

Rozwiązać to można na wiele sposobów.

Metodą przez nas polecaną jest zrozumienie, że nie wszyscy w firmie chcą angażować się w takie z pozoru nieproduktywne działania jak “eksperymentowanie”. I wtedy ćwiczenie tej metakompetencji pozostaje domeną czempiona lub czempionów AI – osób najbardziej entuzjastycznie nastawionych do technologii, które przecierają szlaki dla reszty zespołu. Ma to swoje zalety, ma też wady – ale w polskiej kulturze biznesowej wydaje się działać najlepiej.

W firmach o dobrej kulturze organizacyjnej sprawdza się również robienie regularnych warsztatów z AI, na których cały zespół (albo dział, albo komórka organizacyjna) wspólnie testuje nowe zastosowania i dzieli się doświadczeniami. Wciąż to wymaga kogoś, kto będzie dostarczał wiedzę merytoryczną (czempion AI, zewnętrzny konsultant), ale takie podejście podnosi poziom metakompetencji w całym zespole.

Żadna z tych aktywności nie musi zajmować dużo czasu – 1-2 godziny w tygodniu w zupełności wystarczą, żeby po miesiącu zebrać bardzo dobry materiał do analiz. Może się okazać, że AI sprawdza się świetnie w zadaniu, które zespół ma do zrobienia raz w miesiącu, lub raz na kwartał (i oszczędza np. 5h), a nikt nie sądzi, że codzienna pomoc w pisaniu maili (których na przykład i tak nie ma dużo) jest taka fajna. Mimo tego, że na początku to był najlepszy pomysł.

Bez eksperymentów się nie obejdzie – alternatywą jest albo nie robić nic (czyli opóźniać budowę kompetencji AI) albo kupować jedno po drugim rozwiązania z rynku (wydając w konsekwencji więcej, zarówno w gotówce jak i w poświęconym czasie).

A, i trzeba pamiętać, że ten czy inny sposób wymaga od zarządu: 1.) zrobienia przestrzeni na podnoszenie kompetencji i 2.) grania od strony biznesowej w długofalową grę.

Eksperymentowanie jako metakompetencja

Eksperymentowanie jest metakompetencją, bo dotyczy nie tylko bieżących potrzeb firmy związanych np. z szukaniem oszczędności albo wzrostów produktywności. Dotyczy również długofalowego kształtu firm, zachodzących w nich procesów, oraz leżących u ich podstaw modeli biznesowych. Generatywna sztuczna inteligencja postawi wszystkich przed koniecznością ewolucji, niezależnie od branży.

Zapraszamy do eksperymentowania z nami. Wkrótce rozpoczynamy szkolenie AI w HR.

Zobacz szczegóły: https://bizyou.pl/wydarzenia/doskonalosc-ai-w-hr-strategie-dla-liderow-organizacji/