Jak AI zvyšuje produktivitu a kde naopak může dělat problémy
Jak velké jazykové modely (LLM) pomáhají zvyšovat produktivitu? Máme další studii. Tentokrát nejde o customer care variace, ale o poradenský business. Boston Consulting Group zkoumala, jak umělá inteligence (AI) ovlivní výkonnost jejich konzultantů (758 zapojených do experimentu) při řešení realistických, komplexních a znalostně náročných úloh. A výsledky potvrzují transformační potenciál AI, a to i v oblastech s vysokým lidským kapitálem. Má to ale samozřejmě nějaké to “ale”.
Ukazuje se, že AI vytváří “zubatou technologickou hranici”. Některé úkoly umělá inteligence snadno zvládne (task inside the frontier), zatímco jiné, ačkoli jsou zdánlivě podobné úrovně obtížnosti, jsou mimo současné schopnosti umělé inteligence (task outside the frontier). Znalost, jak se tato zubatá technologická hranice vine jednotlivými doménami a typy úkolů, je klíčová pro pozitivní dopad využití AI.
Pokud úkoly byly pro AI snadno zvládnutelné (task inside the frontier), tak poradci, kteří mohli využívat AI byli výrazně produktivnější: v průměru dokončili o 12 % více úloh a výsledky byly lepší o 40 % ve srovnání s kontrolní skupinou, která AI používat nemohla.
Konzultanti tedy měli z rozšíření o AI významný prospěch. Výrazně vyšší ti, kteří byli podprůměrní. V jejich případě se zvýšila výkonnost o 43 %. U těch nadprůměrných to bylo “jen” o 17 %. Zatímco bez AI měli ti nadprůměrní lepší výsledky vyšší o 28 %, tak s AI už jen o 5 %. Z AI dokáží nejvíce profitovat ti méně zdatní. Ale musí umět AI využít. A taky poznat, kdy AI využít.
V případě úloh, které nejsou snadné pro AI (task outside the frontier) měli konzultanti využívající AI o 19 procentních bodů nižší pravděpodobnost, že vytvoří správné řešení, než konzultanti bez AI. To je velký rozdíl.
Jinými slovy, AI může dramaticky zvýšit produktivitu pokud je použita na úkoly, které je schopna zvládnout. To znamená, že je potřeba pochopit, jakým způsobem lze práci organizovat, aby bylo možné AI lépe integrovat.
Výsledky ukazují, že konzultanti, kteří měli při využívání AI negativní výsledky, měli tendenci slepě přejímat její výstupy, méně s AI diskutovat a ověřovat jejím prostřednictvím její výstupy. Jinými slovy, k pozitivnímu využití AI je potřeba pořád kriticky myslet.
Autoři studie také upozorňují na potenciální negativní dopady AI. Například existuje riziko, že lidé přestanou delegovat práci na mladší pracovníky, čímž mohou vzniknout dlouhodobé deficity v oblasti vzdělávání. Dále je rizikem snížená rozmanitost nápadů plynoucí z využívání AI. To podtrhuje význam zachování rozmanitého ekosystému AI. Optimální strategie AI se navíc může lišit v závislosti na výrobní funkci společnosti. Zatímco některé organizace mohou upřednostňovat trvale vysoké průměrné výstupy, jiné mohou oceňovat maximální výzkum a inovace.
A samozřejmě klíčovou dovedností zůstává schopnost rozeznat úkoly, kterou jsou tzv. tasks outside the frontier. Dokonce i pro zkušené profesionály, kteří se podobnými úkoly zabývají úkoly každý den, není hranice vždy zřejmá. Vzhledem k tomu, že se hranice schopností AI stále rozšiřují, často exponenciálně, tak budeme v budoucnosti neustále rekalibrovat tuto hranici.
Autoři uzavírají, že AI je připravena významně ovlivnit lidské poznávání a schopnost řešit problémy. Podobně jako internet a webové prohlížeče dramaticky snížily mezní náklady na sdílení informací, může i AI snižovat náklady spojené s lidským myšlením a uvažováním, což bude mít rozsáhlé a transformační dopady.