სხვადასხვა ინდუსტრიაში, AI-ით შესრულებული სამუშაო ვიზუალურად დახვეწილია და სწრაფად კეთდება, მაგრამ რთულია მისი ხარისხის შეფასება და იმის გადაწყვეტა, ღირს თუ არა მასზე დაყრდნობა. AI-თან მუშაობას მუდმივი შეფასება და იტერაცია სჭირდება – უნდა გაიაზრო, რას გაძლევს ის და მიმართულება მისცე. ისტორიულად, ასეთი განსჯის უნარი AI-ს გამოყენებით არ მოდის. ის მოდის იმ საქმის კეთებით, რასაც ახლა AI-ს ავალებთ, შეცდომებზე სწავლით, ნელი და არასრულყოფილი გამოცდილებით, სადაც პასუხისმგებლობა თქვენ გეკისრებათ. აქ ვაწყდებით პარადოქსს – AI ერთდროულად ზრდის განსჯის უნარის საჭიროებას და აქრობს იმ გამოცდილებას, რომელიც ამ უნარს აყალიბებს. განსჯის უნარს ლიდერები ხშირად ახსენებენ, მაგრამ იშვიათად განმარტავენ. ეს არის უნარი, იმოქმედო გონივრულად იქ, სადაც წესები საკმარისი არ არის – ამოიცნო მთავარი, აწონ-დაწონო პრიორიტეტები და გააცნობიერო შედეგები.
პრაქტიკაში ეს რამდენიმე ფორმით ვლინდება:
- შეფასებითი კარგია თუ ცუდი?
- კონტექსტური – როდის მოქმედებს წესი და როდის გვჭირდება გამონაკლისი?
- კომპრომისული – როგორ დავაბალანსოთ ურთიერთგამომრიცხავი მიზნები?
- პროგნოზული – რა მოჰყვება ამას გრძელვადიან პერსპექტივაში?
- პასუხისმგებლობის – როდის უნდა ავიღოთ საკუთარ თავზე რისკი?
მაგალითად, ორი ლიდერი ერთსა და იმავე მონაცემებს უყურებს ახალი პროდუქტის გაშვების შესახებ. ერთი წყვეტს გაშვებას, მეორე კი ყოყმანობს. განსხვავება მათ განსჯაშია: ერთი ხედავს კონკურენტულ რისკს დაგვიანებაში, მეორე კი – ბრენდის რეპუტაციის რისკს ხარისხის პრობლემის შემთხვევაში. არცერთი არაა მცდარი, ისინი უბრალოდ სხვადასხვა გამოცდილებას ეყრდნობიან.
როგორ ვითარდებოდა ეს უნარი აქამდე?
უმეტეს ორგანიზაციაში განსჯის უნარი სამუშაო სტრუქტურის თანმდევი პროდუქტი იყო. მაგალითად, უმცროსი კონსულტანტები აკეთებდნენ კვლევას, აგებდნენ მოდელებს და ამზადებდნენ პრეზენტაციებს. თავიდან ეს ყველაფერი არასრულყოფილი იყო, მაგრამ მენეჯერების უკუკავშირით ისინი სწავლობდნენ. ეს ციკლი მეორდებოდა კარიერული კიბის ყველა საფეხურზე.
დღეს სურათი იცვლება. პროდუქტის მენეჯერებს AI წუთებში უწერს პროდუქტის სპეციფიკაციებსა და საგზაო რუკებს. მარკეტერებისთვის AI ქმნის სარეკლამო ტექსტებსა და ვიზუალებს. ახალი თაობა ხშირად მხოლოდ ამოწმებს შედეგს და გამოტოვებს შექმნის იმ რთულ პროცესს, რომელიც ადრე განვითარების აუცილებელი ეტაპი იყო.
განსჯა გამოცდილების გარეშე
ორგანიზაციები რთული რეალობის წინაშე დგანან. AI-ს ეფექტურად გამოსაყენებლად ადამიანებს სჭირდებათ განსჯის უნარი, მაგრამ რაც უფრო მეტ საქმეს იღებს საკუთარ თავზე AI, მით უფრო ქრება ის გამოცდილება, საიდანაც ეს უნარი მოდიოდა.
შედეგად ვიღებთ ფენომენს, რომელსაც Workslop-ს უწოდებენ – ვიზუალურად დახვეწილ, მაგრამ შინაარსს მოკლებულ ნამუშევარს, რომელიც გადაწყვეტილების მიღებას ართულებს.
წარმოიდგინეთ გამოცდილი რედაქტორი, რომელიც ტექსტს მრავალი განზომილებით აფასებს – სტილით, არგუმენტებით, ტონით. ეს უნარი წლების განმავლობაში მონახაზებთან მუშაობით ჩამოყალიბდა. ახლა წარმოიდგინეთ გამოუცდელი ადამიანი იგივე ამოცანით. მას გაუჭირდება დანახვა, რა არის ნამდვილად მნიშვნელოვანი. დღეს AI-ის მომხმარებლები სწორედ ამ გამოუცდელი რედაქტორის პოზიციაში არიან – მათ უნდა შეაფასონ შედეგი, რომლის შექმნის გამოცდილებაც არ აქვთ.
კრიზისი
თუ ამ პროცესს სისტემურად შევხედავთ, დავინახავთ სერიოზულ რისკს მემკვიდრეობითობის კუთხით. ორგანიზაციებს სჭირდებათ ადამიანები, რომლებსაც გაურკვევლობაში გადაწყვეტილების მიღება შეუძლიათ. როცა AI „შავ სამუშაოს“ იღებს, მომავალი ლიდერები კარგავენ სავარჯიშო პოლიგონს. საბოლოოდ, განსჯის უნარი კონცენტრირდება უფროსი თაობის მცირე ჯგუფში, რომელთა გამოცდილებაც AI-მდელ ეპოქაში დაგროვდა.
გამოსავალი სამუშაო პროცესის ხელახალი დიზაინია. ორგანიზაციებმა უნდა დასვან კითხვები: ვინ იღებს რეალურ გადაწყვეტილებებს? სად გრძნობენ ადამიანები თავიანთი არჩევანის შედეგებს? სად დაიკარგა ის რუტინული ამოცანები, რომლებიც ადრე გამოცდილებას აგროვებდა?
შთაგონების წყაროდ შეიძლება გამოდგეს მედიცინა ან სამხედრო სფერო, სადაც რეალური გამოცდილება ზედმეტად სარისკოა და გამოიყენება სიმულაციები. AI-ს ეპოქის მთავარი გამოწვევაც სწორედ ესაა – როგორ გავზარდოთ ადამიანები, რომლებსაც ექნებათ განსჯის უნარი, როცა ტექნოლოგია მათ მაგივრად აზროვნებს?
წყარო: HBR
