ხელოვნური ინტელექტის სწრაფმა განვითარებამ ახალგაზრდა თანამშრომლების როლი ძირფესვიანად გარდაქმნა. ის ანალიტიკური და საინფორმაციო ამოცანები, რომლებიც ადრე ახალბედა თანამშრომლებს ინდუსტრიაში ფეხის მოკიდებასა და გამოცდილების დაგროვებაში ეხმარებოდა, დღეს სულ უფრო ხშირად AI სისტემების ხელში გადადის. მოდელების დახვეწასთან ერთად, ორგანიზაციებში მისაღები შედეგის სტანდარტიც საგრძნობლად იზრდება.
მაინც, რა აძლევს ახალბედა თანამშრომლებს საშუალებას, შექმნან რეალური ღირებულება AI პროცესებში და როგორ უნდა განავითარონ ორგანიზაციებმა ეს უნარები? ამ კითხვებზე პასუხის გარეშე, ბიზნესი რისკავს როგორც ტექნოლოგიებში ჩადებული ინვესტიციების უკუგებას, ისე ახალი ტალანტების ზრდის პოტენციალს.
პრობლემის სიღრმისეულად შესასწავლად, KPMG-მ და ოსტინის ტექსასის უნივერსიტეტმა მასშტაბური ექსპერიმენტი ჩაატარეს. კვლევაში მონაწილეობდა კომპანიის 523 ახალბედა პროფესიონალი, რომელთა სამუშაო გამოცდილებაც წელიწად-ნახევარს არ აღემატებოდა. მონაწილეებს სპეციალურად შექმნილი AI ასისტენტის დახმარებით უნდა შეესრულებინათ რეალურ კლიენტებთან მუშაობის სიმულირებული ამოცანები – ბიზნესინფორმაციის ანალიზი, პროფესიული მსჯელობა და სტრატეგიული რეკომენდაციების მომზადება.
შედეგები KPMG-ის ექსპერტებმა შეაფასეს და შეადარეს იმ საბაზისო ნიშნულს, რომელსაც ხელოვნური ინტელექტი ადამიანის ჩარევის გარეშე აღწევდა. პარალელურად შემოწმდა მონაწილეთა კრიტიკული აზროვნება, დარგობრივი ცოდნა და AI წიგნიერება.
მონაცემების ანალიზმა თანამშრომელთა სამი განსხვავებული ტიპი გამოკვეთა
პირველი ჯგუფი AI შეგირდები აღმოჩნდნენ. მონაწილეთა 24.1% სწორედ ამ კატეგორიაში მოხვდა და მათი შედეგი თავად AI-ის საბაზისო დონეზე დაბალი აღმოჩნდა. საინტერესოა, რომ ამ ადამიანებს საკმაოდ მაღალი კრიტიკული აზროვნება და დარგობრივი ცოდნა ჰქონდათ, თუმცა ალგორითმთან ურთიერთობისას ეს უნარები ეფექტურად ვერ გამოიყენეს. იმის ნაცვლად, რომ ტექნოლოგია საკუთარი აზროვნების შემოწმების ინსტრუმენტად ექციათ, ისინი დროს უმნიშვნელო დეტალების ჩასწორებასა და ტექსტის გადაწყობაში ხარჯავდნენ.
მეორე კატეგორია AI დელეგატები იყვნენ, რომლებმაც მონაწილეთა 25.8% შეადგინეს. მათ საბაზისო უნარების ყველაზე დაბალი ქულები ჰქონდათ, თუმცა საბოლოო შედეგით AI-ის დონეს მაინც გაუტოლდნენ. ეს თანამშრომლები პასიურად იღებდნენ ალგორითმის მიერ შეთავაზებულ პასუხებს, ნაკლებად სიღრმისეულად ამოწმებდნენ მათ და თითქმის არ ამატებდნენ საკუთარ ანალიტიკურ ღირებულებას.
მესამე და ყველაზე წარმატებული ჯგუფი კი AI გამაძლიერებლები აღმოჩნდნენ, რომლებმაც მონაწილეთა 50.1% შეადგინეს და AI-ის საბაზისო მაჩვენებლებს საგრძნობლად გადააჭარბეს. მათი მთავარი უპირატესობა არა განსაკუთრებულ თეორიულ ცოდნაში, არამედ AI-თან თანამშრომლობის სტილში გამოიხატა. ისინი ალგორითმს აღიქვამდნენ, როგორც იდეების გენერირების პარტნიორს – უსვამდნენ დამატებით კითხვებს, უმოწმებდნენ ლოგიკას და შედეგებს ეტაპობრივად აუმჯობესებდნენ.
თანამშრომლების შეფასებასა და განვითარების ახალი მიდგომა
კვლევის მთავარი მიგნება ის არის, რომ მხოლოდ კრიტიკული აზროვნება ან AI წიგნიერება ვერ განსაზღვრავს თანამშრომლის წარმატებას. გადამწყვეტია ის, თუ როგორ იყენებს ადამიანი ამ უნარებს უშუალოდ სამუშაო პროცესში.
ეს აღმოჩენა კომპანიებს აიძულებს, გადახედონ ახალგაზრდა თანამშრომლების შეფასების სისტემას. დღეს, როდესაც ხელოვნურ ინტელექტს შეუძლია მაღალი ხარისხის საბაზისო პასუხების მომზადება, ადამიანის მთავარი ფუნქცია მზა პასუხების შექმნიდან პროცესის მართვაზე, კრიტიკულ შეფასებასა და შედეგების გაღრმავებაზე გადადის.
სწორედ ამ მიდგომას ნერგავს KPMG თავის შიდა სასწავლო სისტემასა და სტაჟირების პროგრამებში, მათ შორის ყოველწლიურ სასწავლო პროექტ Lakehouse-ში. ცალკეული ტრენინგების ნაცვლად, კომპანიამ შექმნა პერსონალიზებული განვითარების მოდელი, სადაც თანამშრომლები რეალურ ბიზნესსცენარებზე დაყრდნობით სწავლობენ AI-თან მუშაობას. სიმულაციურ სავარჯიშოებში ხელოვნური ინტელექტი ქმნის პირველად ანალიზს, ხოლო ადამიანი განსაზღვრავს პრიორიტეტებს, ამოწმებს ლოგიკას და იღებს საბოლოო გადაწყვეტილებას.
კვლევის შედეგებიდან გამომდინარე, ორგანიზაციებისთვის სამი ძირითადი სტრატეგიული მიმართულება გამოიკვეთა
პირველი – ადამიანური ღირებულების გააზრება ხელახლა უნდა მოხდეს, სადაც მთავარი არა პასუხების გენერირება, არამედ AI-ის მუშაობის სწორი მიმართულებით წარმართვაა.
მეორე – ადრეული ეტაპიდანვე ხილვადი უნდა გახდეს პროფესიული მსჯელობის უნარი. თანამშრომლებმა უნდა დაასაბუთონ, თუ რატომ მიიღეს, შეცვალეს ან უარყვეს AI-ის მიერ შეთავაზებული ვარიანტი.
მესამე – შეფასების სისტემა საბოლოო შედეგიდან უშუალოდ სამუშაო პროცესზე უნდა გადავიდეს. მხოლოდ მზა დოკუმენტის ხარისხით შეფასება საკმარისი არ არის, როდესაც ალგორითმს დამოუკიდებლადაც შეუძლია კარგი ტექსტის დაწერა. მნიშვნელოვანია იმის დანახვა, თუ როგორ აზროვნებს თანამშრომელი AI-თან ერთად და როგორ გადაჰყავს ტექნოლოგიის პოტენციალი რეალურ ბიზნესშედეგში.
წყარო: HBR
