AI v praxi: spokojenější klienti a vyšší produktivita, ale ne pro každého

AI v praxi: máme první studii (Erik Brynjolfsson, Danielle Li a Lindsey R. Raymond) nasazení AI, která jde za rámec laboratorního experimentu a hodnotí dopad na reálném pracovišti: firma z Fortune 5000, data od 5000 zaměstnanců zákaznické podpory, AI chatovací asistent = návrhy, jak reagovat v reálném čase. Jak to dopadlo?

1. AI zvýšilo produktivitu zaměstnanců o 14%. (měřeno počtem zákaznických problémů, které byli schopni zaměstnanci vyřešit). Zvýšení produktivity proběhlo poklesem času na vyřešení jednoho problému a mírným zvýšením úspěšně vyřešených problémů.

Poznámka: v tomto případě AI byl navržen tak, aby pracovníky spíše doplňoval než nahrazoval. Návrh viděl pouze zaměstnance a měl možnost volby návrh AI přijmout nebo odmítnout.

Průměrná míra přijet návrhu AI byla 38%. Zajímavé je, že v tomto případě vyšší nárůst produktivity měli ti, co se řídili větším podílem doporučení AI.

2. Tento nárůst produktivity připadá neúměrně na méně zkušené a méně kvalifikované pracovníky. Řekl bych, že toto zjištění bude hlavní důvod obav z AI.

AI například pomáhal novým pracovníkům rychleji se zaškolovat a získávat zkušenosti. Například pracovníci s dvouměsíční praxí dosáhli stejně dobrých výsledků jako pracovníci bez AI ale s praxí delší než šest měsíců. Tohle zásadně změní způsob zaškolování.

3. Proč méně kvalifikování získávají z AI více než ti vysoce kvalifikovaní? Jde o kumulaci znalostí. AI (ML) očividně dokáže zachytit jednání a chování nejproduktivnějších zaměstnanců a pak jej replikovat. Z toho logicky nejvíce těží v dané profesi ti méně kvalifikovaní.

Historicky počítače vynikaly v provádění předem naprogramovaných instrukcí. Proto byly velmi efektivní v úlohách, které lze standardizovat a redukovat na explicitní pravidla. Proto historicky byl dopad automatizace neúměrný na pracovní místa, která zahrnují rutinní úkoly, jako je zadávání dat, vedení účetnictví a práce na montážních linkách = snížila se poptávka po pracovnících vykonávajících "rutinní" úkoly.

Zároveň se zvýšila produktivita pracovníků, kteří prováděli doplňkové dovednosti, jako je programování, analýza dat a výzkum. To zvyšovalo nerovnost... Pokrok v AI, především generativní AI, umožňuje, aby LLM vykonávaly nerutinní úkoly => game changer

AI založena na ML se totiž může naučit provádět úkoly, i když neexistují žádné instrukce - včetně úkolů vyžadujících "tiché znalosti", které bylo dříve možné získat pouze na základě živé zkušenosti. AI může překonat Polanyiho paradox.

Tohle může zásadně změnit kariérní řád. Zkušenosti v dané doméně nebudou mít takovou hodnotu jako v minulosti. Proto z AI mohou mít větší obavy zaměstnanci s vyšší kvalifikací, kteří naopak v minulosti získávali z automatizace rutinních činností.

4. Zavedení AI ovlivňuje zkušenosti a organizaci práce: asistence AI výrazně zlepšila sentiment, jakým zákazníci vnímají zaměstnance. Zákazníci méně eskalují hovor k nadřízenému.

Snížila se fluktuace novějších pracovníků. V podpoře zákazníků je roční fluktuace obvykle 60%. Po zavedení AI se snížila pravděpodobnost odchodu pracovníky v daném měsíci o 9pb. Nejvýraznější snížení odchodů pracovníků byl u těch s praxí pod 6 měsíců.

Takže v prostřední zákaznické podpory nasazení AI zvýšilo produktivitu pracovníků, zvýšilo spokojenost klientů a snížilo fluktuaci zaměstnanců. Je potřeba zdůraznit, že zákaznická podpora v tomto případě má relativně stabilní produkt a soubor problémů.

V oblastech, kde se produkt nebo prostředí rychle mění, může být relativní hodnota AI odlišná. Neznáme dlouhodobé dopady, například na poptávku po dovednostech, jak změní tvorbu pracovních míst. Otázkou také je, zda a jak by měli být pracovníci odměňováni za údaje, které poskytují systémům umělé inteligence pro jejich zlepšování. Zejména vysoce kvalifikovaní pracovníci hrají důležitou roli při vývoji modelů, ale vidí menší přímé přínosy produktivity, respektive mohou cítit ohrožení AI.