Dėl dirbtinio intelekto naudojimo įmonėse darbo procesas ne pagreitėja, o sulėtėja

Šiuolaikinėse darbo vietose vis dažniau naudojamas dirbtinis intelektas, žadantis greitį, efektyvumą ir inovacijas. Tačiau praktikoje realybė dažnai yra sudėtingesnė. Daugelis įmonių jaučia spaudimą greitai įdiegti dirbtinį intelektą, nes bijo, kad to nepadariusios atsiliks nuo konkurentų. Tačiau dirbtinio intelekto atliktas darbas gali sukelti daugiau pataisymų ir painiavos nei sutaupyti laiko – šį reiškinį „Harvard Business Review“ (HBR) pavadino „workslop“.

„BetterUp Labs“ ir Stanfordo socialinės žiniasklaidos laboratorijos tyrimai rodo, kad dirbtinio intelekto sukurti dokumentai, kurie atrodo išbaigti, gali neturėti užduočiai atlikti reikalingos informacijos. Remiantis Stanfordo vykdomu tyrimu, kuriame dalyvavo JAV dirbantys visą darbo dieną darbuotojai, 40 procentų respondentų nurodė, kad per pastarąjį mėnesį gavo tokius dokumentus. Darbuotojai praleidžia beveik dvi valandas vienam atvejui juos taisydami ar interpretuodami, o tai įmonėms sukelia didelių paslėptų išlaidų. Dauginant iš didelių organizacijų skaičių, šios valandos virsta tūkstančiais prarastų darbo dienų per metus ir milijonais dolerių iššvaistytų pastangų.

„Harvard Business Review“ citavo vieną mažmeninės prekybos direktorių, kuris nebuvo sužavėtas savo įmonės AI automatizavimo įgyvendinimu.

„Turėjau gaišti daugiau laiko sekdamas informaciją ir tikrindamas ją savo tyrimais“, – sakė direktorius. „Tada turėjau praleisti dar daugiau laiko, rengdamas susitikimus su kitais vadovais, kad išspręstume šią problemą. Po to toliau švaisčiau savo laiką, turėdamas pats perdaryti darbą.“

To vadovo nusivylimas nėra pavienis atvejis. Socialinė ir emocinė žala yra reali. Daugiau nei pusė respondentų sakė, kad gavę žemos kokybės AI rezultatus jie jautėsi susierzinę (53 proc.), o beveik ketvirtadalis sakė, kad jautėsi įžeisti (22 proc.). Kolegos, kurie siuntė tokį darbą, dažnai buvo laikomi mažiau kompetentingais ar patikimais, o tai rodo, kaip AI klaidos gali paveikti komandos dinamiką.

Net ir sparčiai augant AI naudojimui – „Gallup“ praneša, kad JAV darbuotojų, kurie AI naudoja bent keletą kartų per metus, skaičius per pastaruosius metus beveik padvigubėjo – daugelis bandomųjų programų nesukuria matomų rezultatų. „MIT Media Lab“ tyrimas parodė, kad mažiau nei vienas iš dešimties AI projektų davė realių pajamų, ir įspėjo, kad „95 proc. organizacijų negauna jokios grąžos“ iš savo investicijų į AI

Iššūkis yra ne tik pati technologija, bet ir tai, kaip organizacijos ją diegia. Bendri įpareigojimai visur naudoti AI dažnai skatina beprotišką kopijavimo ir įklijavimo elgesį, o ne apgalvotą taikymą. Tyrėjai rekomenduoja aiškias apsaugos priemones, apgalvotus darbo srautus ir lyderius, kurie rodo pavyzdį, kaip veiksmingai naudoti AI. Tai gali reikšti ribų nustatymą, kur AI yra tinkamas, pavyzdžiui, pirminiuose projektuose ar įprastiniuose apibendrinimuose, tuo pačiu reikalaujant žmogaus priežiūros galutiniams rezultatams. Kai vadovybė modeliuoja selektyvų, tikslingą naudojimą, darbuotojai yra labiau linkę laikyti AI įrankiu, o ne trumpiniu.