Κάθε εβδομάδα, ακούω έναν επιχειρηματία να ανακοινώνει ότι η εταιρεία του «χρησιμοποιεί ήδη τεχνητή νοημοσύνη». Σημαίνει σχεδόν πάντα το ίδιο πράγμα: αγοράζονται άδειες, μερικές εκπαιδευτικές συνεδρίες και μερικοί λάτρεις που συνομιλούν με διαφορετικά μοντέλα. Και μήνες αργότερα, το συμπέρασμα τείνει να είναι παρόμοιο: το εργαλείο ήταν εκεί, αλλά ο τρόπος που δούλευαν οι άνθρωποι μετά βίας άλλαξε.
Η πεποίθησή μου, μετά από περισσότερο από μια δεκαετία οικοδόμησης μιας εταιρείας ψηφιακής εφοδιαστικής στη Λατινική Αμερική, είναι ότι επιτιθέμεθα στο λάθος πρόβλημα. Η υιοθέτηση της τεχνητής νοημοσύνης δεν είναι πρωτίστως μια τεχνολογική πρόκληση. είναι πολιτιστικό.
Ο πρώτος λόγος είναι απλός: ο ορισμός της «καλής δουλειάς» έχει αλλάξει. Για δεκαετίες εκπαιδεύαμε επαγγελματίες να εκτελούν σωστά μια σειρά βημάτων. Αυτό εξακολουθεί να έχει σημασία, αλλά η πολύτιμη δουλειά σήμερα απαιτεί επίσης να γνωρίζουμε πώς να περιγράψουμε ακριβώς τι χρειάζεται, να αξιολογήσουμε με κρίση τι προσφέρει η τεχνολογία και να προχωρήσουμε περαιτέρω αυτό το αποτέλεσμα. Μια εργασία που διαρκούσε τρεις ημέρες μπορεί τώρα να διαρκέσει ώρες, αλλά μόνο εάν το άτομο ξέρει τι να ζητήσει, πώς να εργαστεί με το εργαλείο και, πάνω απ ‘όλα, πώς να επικυρώσει το αποτέλεσμα. Ο πιο πολύτιμος επαγγελματίας δεν είναι πλέον μόνο αυτός που γνωρίζει τα περισσότερα για τον τομέα του: είναι αυτός που ξέρει πώς να πολλαπλασιάζει αυτή τη γνώση με την τεχνολογία. Πρόκειται για αλλαγή συνηθειών και επαγγελματικής ταυτότητας, και οι αλλαγές ταυτότητας δεν μπορούν να καθοριστούν με υπόμνημα.
Σε βιομηχανίες όπως η εφοδιαστική, αυτό είναι ιδιαίτερα επείγον. Το εξωτερικό εμπόριο είναι, σε μεγάλο βαθμό, μια επιχείρηση πληροφοριών: έγγραφα, χρονοδιαγράμματα, τιμές, οδηγίες, εξαιρέσεις. Είναι ακριβώς το έδαφος όπου η τεχνητή νοημοσύνη μπορεί να δημιουργήσει τεράστιο αντίκτυπο. Το βλέπω καθημερινά από την Πόλη του Μεξικού, όπου μένω και από όπου συνοδεύω τη λειτουργία μας σε μια αγορά που, με γνώμονα την προσέλκυση, μεταφέρει περισσότερο φορτίο και περισσότερες πληροφορίες από ποτέ.
Για χρόνια στην KLog κρατάμε μια αρχή που είναι πιο λογική σήμερα από ποτέ: συστηματοποιήστε το προβλέψιμο για να εξανθρωπίσετε το εξαιρετικό. Η τεχνολογία θα πρέπει να εκτελεί όλο και περισσότερο τη ρουτίνα. Οι άνθρωποι πρέπει να επικεντρώνονται στην κρίση, τις σχέσεις, τη λήψη αποφάσεων και την εξαίρεση. Η τεχνητή νοημοσύνη δεν υποτιμά το ανθρώπινο ταλέντο. Το αναγκάζει να ανέβει σε υψηλότερο επίπεδο.
Τώρα, πώς μπορούμε να κάνουμε έναν ολόκληρο οργανισμό να κάνει αυτή τη μετάβαση, και όχι μόνο τους πρώτους χρήστες του;
Εδώ ο πολιτισμός παύει να είναι λόγος και γίνεται συμπεριφορά. Στο βιβλίο μου AFIRE, υποστηρίζω ότι ο πολιτισμός δεν είναι μια δήλωση φιλοδοξίας που κρεμιέται σε έναν τοίχο, αλλά ο τρόπος με τον οποίο ενεργεί ένας οργανισμός κάθε μέρα. Εφαρμόζεται στην τεχνητή νοημοσύνη, αυτό σημαίνει κάτι πολύ συγκεκριμένο: δεν έχει νόημα να παρακινούμε τους ανθρώπους, να τους εκπαιδεύουμε ή να τους δίνουμε πρόσβαση σε νέα εργαλεία, εάν οι διαδικασίες της εταιρείας συνεχίσουν να ανταμείβουν τον παλιό τρόπο εργασίας. Η αλλαγή συμβαίνει όταν ρωτάτε “μήπως κάποιος πρέπει να το κάνει ακόμα αυτό;” γίνεται μέρος της ρουτίνας κάθε ομάδας. όταν κάθε ανάλυση ή έργο εξετάζει από την αρχή πώς μπορεί να ενισχυθεί από την τεχνητή νοημοσύνη. και όταν η μάθηση έχει προστατεύσει τον χρόνο στο ημερολόγιο αντί να εξαρτάται αποκλειστικά από τη δύναμη της ατομικής θέλησης.
Δύο πυλώνες του πολιτισμού μας έχουν γίνει ιδιαίτερα επίκαιροι αυτή την εποχή.
Το πρώτο είναι η δυσφορία. Η εκμάθηση AI είναι άβολη. Εκθέτει ό,τι δεν ξέρουμε, αμφισβητεί τις ρουτίνες που είχαμε μάθει και μας επαναφέρει στην κατάσταση των αρχαρίων. Έχω δει λαμπρούς επαγγελματίες να αντιστέκονται επειδή πιστεύουν ότι η χρήση τεχνητής νοημοσύνης μειώνει την εμπειρία τους. Πιστεύω ακριβώς το αντίθετο. Η γνώση παραμένει θεμελιώδης, γιατί το να κάνεις καλές ερωτήσεις, να συλλαμβάνεις λάθη και να παίρνεις αποφάσεις όλα απαιτούν κρίση. Αλλά η τεχνογνωσία που δεν μαθαίνει να πολλαπλασιάζεται με νέα εργαλεία κινδυνεύει να χάσει τη συνάφεια. Έμαθα αυτό το μάθημα στα είκοσί μου, κόβοντας μαϊντανό δεκατέσσερις ώρες την ημέρα σε μια κουζίνα στη Ρώμη, απλήρωτος, γιατί ήξερα ότι η ταλαιπωρία ήταν το τίμημα του επόμενου επιπέδου μου. Σήμερα βρίσκομαι ξανά αρχάριος μπροστά σε αυτά τα εργαλεία και το γιορτάζω: η δυσφορία της μάθησης εξακολουθεί να είναι το τίμημα της συνέχισης της ανάπτυξης.
Το δεύτερο είναι η μελέτη. Το AI που χρησιμοποιούμε σήμερα είναι ίσως το πιο περιορισμένο με το οποίο θα δουλέψουμε ποτέ από εδώ και στο εξής. Αυτό που φαίνεται ασυνήθιστο σήμερα θα είναι φυσιολογικό αύριο. Γι’ αυτό δεν αρκεί μια ετήσια προπόνηση. Χρειαζόμαστε πολιτισμούς που μαθαίνουν συστηματικά, με αφιερωμένο χρόνο, ομάδες που μοιράζονται αυτά που ανακαλύπτουν και ανθρώπους που καταλαβαίνουν ότι η επιστροφή στη μελέτη είναι μέρος της δουλειάς. Στην KLog αποφασίσαμε από νωρίς να προσλάβουμε περίεργους ανθρώπους σε άτομα που ήδη γνώριζαν τα πάντα. αυτή η απόφαση αξίζει περισσότερο σήμερα από ποτέ.
Τίποτα από αυτά δεν λειτουργεί χωρίς εμπιστοσύνη και υπευθυνότητα. Το να βάλεις την τεχνητή νοημοσύνη στα χέρια μιας ολόκληρης ομάδας απαιτεί εμπιστοσύνη στην κρίση της, και ταυτόχρονα απαιτεί έναν πολύ απλό κανόνα: κάθε άτομο παραμένει υπεύθυνο για την παραγωγή των εργαλείων που χρησιμοποιεί. Δεν υπάρχει «αντιγραφή και επικόλληση» χωρίς κριτική. Η τεχνητή νοημοσύνη μπορεί να προτείνει, να αναλύσει ή να παράγει. η ανθρώπινη κρίση παραμένει απαραίτητη. Και όταν κάτι αποτυγχάνει, η απάντηση δεν πρέπει να είναι να απορρίψουμε το εργαλείο, αλλά να αναρωτηθούμε πώς να βελτιώσουμε τη διαδικασία, το πλαίσιο και τον τρόπο που το χρησιμοποιούμε. Έτσι χτίζετε, απόφαση με απόφαση, έναν οργανισμό όπου οι άνθρωποι και η τεχνολογία λειτουργούν ως ένα ενιαίο σύστημα.
Υπάρχει ένα παράθυρο σήμερα στο οποίο πολλές εταιρείες εξακολουθούν να σκέφτονται την τεχνητή νοημοσύνη ως αγορά τεχνολογίας. Το πραγματικό πλεονέκτημα χτίζεται κάπου αλλού: στην ικανότητα ενός οργανισμού να μαθαίνει, να αγκαλιάζει τη δυσφορία και να αλλάζει.
Η τεχνολογία μπορεί να αγοραστεί. Μπορεί να αντιγραφεί. Μπορεί να προσληφθεί. Ο πολιτισμός δεν μπορεί.
Και στον σημερινό κόσμο της τεχνητής νοημοσύνης, αυτό μπορεί να γίνει το ανταγωνιστικό πλεονέκτημα που είναι πιο δύσκολο να αναπαραχθεί.
