Co mylimy w kwestii sztucznej inteligencji i produktywności

No więc tak — wasze pulpity wyglądają świetnie. Wasz zespół dostarcza szybciej, więcej podsumowuje, „zyskuje przewagę” dzięki AI… a przez cały ten czas możecie po cichu oddawać w zamian jedyny zasób, którego nie da się odkupić w ramach abonamentu: ludzki osąd.

W tym odcinku dołącza do mnie dr Vivienne Ming — neurobiolożka, przedsiębiorczyni i „realistka AI”, która nie ma za grosz cierpliwości ani do utopijnego hype’u, ani do fanfików o Skynet. Vivienne przedstawia jasny wybór: automatyzacja poznawcza (AI myśli za ciebie) kontra wspomaganie poznawcze (AI sprawia, że myślisz lepiej — często przez to, że czyni pracę trudniejszą). Jeśli wasza strategia AI opiera się głównie na wygodzie, oto wasze delikatne, no, względnie delikatne ostrzeżenie: wygoda nie jest strategią. To środek uspokajający.

Czego się dowiesz

  • Dlaczego „AI ułatwia życie” to jedna z najniebezpieczniejszych obietnic we współczesnym biznesie
  • Jak dane niskiej jakości mogą wykoleić systemy AI — i dlaczego ludzie mają zdolność filtrowania informacji, której wciąż brakuje modelom LLM
  • Różnica między AI, które zastępuje myślenie, a AI, które rozwija myślenie
  • Dlaczego najlepsi nauczyciele AI nie podają odpowiedzi (i co to oznacza dla AI w miejscu pracy)
  • Jak „hybrydowa inteligencja zbiorowa” może przewyższać samych ludzi lub samo AI — ale tylko przy wystarczającym kapitale ludzkim
  • Dlaczego wskaźniki efektywności pomijają rzeczywiste czynniki napędzające produktywność w organizacjach

Najważniejsze wnioski

  • Jeśli AI wykonuje „nudne części”, nie zakładaj, że ludziom przypadną „części kreatywne”. Vivienne stawia sprawę jasno: im więcej nudnej pracy wykonuje AI, tym częściej nudna praca się rozrasta (witajcie w nieskończonych pętlach e-mailowych, w których boty wysyłają spam innym botom). „Wzrost efektywności” może zamienić się w kokainę produktywności — świetną na krótką metę, fatalną w dłuższej perspektywie.
  • Automatyzacja oznacza, że otrzymujesz wynik. Wspomaganie oznacza, że stajesz się lepszy. Jeśli jesteś lepszy, gdy narzędzie działa, ale gorszy, gdy jest wyłączone, to nie jest postęp — to zależność. Vivienne posługuje się przykładami z medycyny (diagnostyka wspomagana przez AI), aby podkreślić ryzyko: zanik umiejętności jest realny i nie jest „problemem szkoleniowym”. Tak po prostu działają mózgi.
  • Twórz (lub konfiguruj) AI tak, aby było „lojalną opozycją”, a nie bezkrytycznym potakiwaczem. Najlepszym przykładem jest jej „prompt nemezis”: sama pisze rozdział, a następnie każe AI go rozebrać na części — znaleźć to, co jest nie tak, co jest słabe, co łatwo obalić i jak to poprawić. To właśnie wspomaganie: używanie AI, aby wymuszać głębię, a nie jej unikać.
  • Wasza firma to sieć neuronowa złożona z 500 000 osób — a wy mierzycie niewłaściwe wyniki. Vivienne opisuje badania, w których stosunkowo niewielka część pracowników odpowiadała za ogromną część produktywności, której nie uwzględniały indywidualne wskaźniki. Osoby, które miały największe znaczenie, nie zawsze były „gwiazdami”. Były to osoby, które pomagały — czasem „nieefektywnie” — i sprawiały, że wszyscy wokół nich stawali się lepsi. Większość systemów produktywności nie ma nawet pola, w którym można by to zaznaczyć.
  • Praca na początku kariery to nie tylko tania siła robocza; to ścieżka od wiedzy do rozumienia. Jej stwierdzenie zapada w pamięć: świeżo upieczeni absolwenci często „wiedzą wszystko i niczego nie rozumieją”. To na wczesnych stanowiskach ludzie uczą się, co robić z wiedzą — jak korzystać z osądu, etyki, kompromisów i kontekstu. Jeśli AI całkowicie usunie pracę polegającą na „zdobywaniu wiedzy”, nie zdziwcie się, gdy skończycie z kadrą, która potrafi tworzyć wyniki, ale nie umie wyjaśniać, bronić ani ulepszać decyzji.
  • Liderzy decydują, czy stanie się to rewolucją rozwijającą umiejętności, czy zdeprofesjonalizowaną „gospodarką Jiffy Lube”. Koszmarnym scenariuszem Vivienne nie jest masowe bezrobocie — są nim stanowiska wydrążone i przekształcone w role o niskich wymaganiach, będące otoczką dla AI, bo tak jest taniej i „wystarczająco dobrze”. Świetna perspektywa dla wizerunku CFO. Fatalna dla kompetencji, zaufania i społeczeństwa.

Rozdziały

  • 00:00 – Wzrost produktywności, spadek umiejętności
  • 01:48 – „Zgnilizna mózgu” AI i złe dane
  • 04:57 – Czym jest AI (a czym nie jest)
  • 07:00 – Niebezpieczeństwo „łatwej” pracy
  • 10:30 – Wykorzystanie AI do utrudniania pracy
  • 12:38 – Dlaczego to nie jest rewolucja przemysłowa
  • 17:03 – Ludzie + AI: kiedy to naprawdę działa
  • 22:04 – Mit efektywności w pracy
  • 27:29 – Ludzie, którzy sprawiają, że wszyscy stają się lepsi
  • 30:22 – Co tracimy bez pracy na poziomie podstawowym
  • 39:51 – Dlaczego udzielanie odpowiedzi zabija naukę
  • 43:25 – Deprofesjonalizacja i przyszłość w stylu „Jiffy Lube”
  • 46:18 – Automatyzacja a rozszerzanie możliwości
  • 47:50 – GPS, wygoda i utrata zdolności poznawczych
  • 53:57 – Decyzja przywódcza, która ma znaczenie

Poznaj naszą gościnię

Dr Vivienne Ming jest wizjonerską teoretyczną neurobiolożką, przedsiębiorczynią, autorką i samozwańczą „zawodową szaloną naukowczynią”, której prace obejmują potencjał człowieka, sztuczną inteligencję i transformację społeczną. Jest założycielką i przewodniczącą zarządu Socos Labs oraz współzałożycielką i główną naukowczynią przedsięwzięć takich jak The Human Trust i Dionysus Health, w których wykorzystuje najnowocześniejsze metody uczenia maszynowego i neuronauki w edukacji, ochronie zdrowia, obszarze inkluzji oraz rozwoju człowieka. Znana z angażujących wystąpień i opiniotwórczych wypowiedzi na temat roli technologii we wzmacnianiu ludzkich możliwości, Vivienne pojawiała się w BBC 100 Women, Financial Times, The Atlantic i Quartz, a także nadal inspiruje odbiorców na całym świecie do ponownego przemyślenia tego, w jaki sposób ludzie i inteligentne systemy mogą wspólnie tworzyć bardziej sprawiedliwą przyszłość.

You may also like