Generativní umělá inteligence by mohla přinést úspory nákladů a zvýšení efektivity, ale může tento nový nástroj vyřešit i problém s nedostatkem pracovníků? A jak brzy by umělá inteligence mohla nahradit lidské pracovníky?
Vedoucí pracovníci podniků různých zaměření chtějí vědět, jak mohou jejich společnosti vytvářet větší hodnoty s využitím menšího počtu lidských zdrojů. Důvodem je ChatGPT, chatbot vyvinutý společností OpenAI, který se náhle stal virálním a ukázal, že umělá inteligence dokáže generovat vlastní e-maily, eseje, recepty, finanční zprávy, články a nápady. Společnost Goldman Sachs odhaduje, že do deseti let bude 300 milionů pracovních míst buď zrušeno, nebo do značné míry sníženo kvůli generativní AI.
Už nyní začínáme pozorovat pohyby na trhu práce. Pracovní nabídky pro „inženýry podnětů“ (lidi, kteří umí v systému jako je ChatGPT generovat obsah), nabízejí roční platy 300 000 dolarů a více. GPT-4 společnosti OpenAI složil jednotnou advokátní zkoušku a naznačil, že v blízké budoucnosti možná nebudeme potřebovat právníky pro transakční práci. Společnost Walmart vyvíjí prototyp generativního systému umělé inteligence (nesouvisejícího s OpenAI) pro vyjednávání některých svých dodavatelských smluv. Navíc 75 % smluvních právníků a úředníků pro zadávání veřejných zakázek tvrdí, že dávají přednost vyjednávání s umělou inteligencí před svými kolegy z masa a kostí. Med-PaLM 2 společnosti Google, což je specializovaný model vyškolený na lékařské znalosti, nyní odpovídá na problémy při lékařských vyšetřeních na úrovni odborníka lékaře. A letos se začnou testovat aplikace, které se mohou podívat na rentgenový snímek a automaticky napsat zprávu např. o mamografii, bez účasti lidského lékaře.
Vzhledem k ohromujícímu tempu vývoje není divu, že mnoho vedoucích pracovníků dochází ke stejnému závěru, a to že během několika málo let budou výkonné systémy umělé inteligence vykonávat kognitivní práci na stejné (nebo dokonce vyšší) úrovni jako lidská pracovní síla. Vedoucí pracovníci podniků, kteří jsou zlákáni možnostmi AI, ale znepokojeni hledáním a udržením kvalifikovaných pracovníků si představují budoucnost práce bez lidí. Je to ale reálné?
Je příliš brzy na to, abychom předvídali přesnou budoucnost umělé inteligence, zejména vzhledem k tomu, že generativní umělá inteligence je jen jednou malou oblastí oboru s mnoha vzájemnými vazbami, z nichž každá je v různém stádiu vývoje. Která pracovní místa a kdy přesně AI odstraní, je jen odhad. Nestačí, aby systém AI provedl nějaký úkol, jeho výstup musí být prokazatelně důvěryhodný, integrovaný do stávajících pracovních procesů a řízený z hlediska shody s předpisy, rizik a regulací.
V tomto období nadšení z nových technologií se vedoucí pracovníci příliš úzce zaměřují na okamžité zisky, a ne na to, jak se jejich hodnotová síť promění v budoucnu. S rozvojem umělé inteligence bude nutné přehodnotit celé segmenty podnikání. Je jisté, že dnešní vedoucí pracovníci se musí rozhodovat v nejsložitějším operačním prostředí, jaké tu od počátku internetu je. Vedoucí pracovníci, kteří se pochopitelně obávají, aby nepropásli další vlnu technologií, nevědomky uzavírají riskantní sázky na budoucnost svých společností.
Zde jsou kroky, které by měl každý vedoucí pracovník podniknout, aby se připravil na nejistý svět, v němž vedle sebe existují generativní umělá inteligence a lidská pracovní síla, ale který se bude vyvíjet způsobem, který nelze předvídat.
Za prvé, zmírněte očekávání ohledně toho, co generativní AI může a bude dělat pro vaši firmu
Historicky prochází umělá inteligence fázemi, které zahrnují průlomové objevy, prudký nárůst financování a prchavé okamžiky hlavního zájmu, po nichž následuje zklamání očekávání a vrácení finančních prostředků.
V roce 1970 Marvin Minsky, vlivný počítačový vědec a jeden ze zakladatelů umělé inteligence, řekl časopisu Life, že umělá obecná inteligence (umělá inteligence s kognitivními schopnostmi nerozeznatelnými od člověka) je vzdálena pouhé tři roky. V 70. letech ještě neexistoval výpočetní výkon potřebný pro takovou umělou inteligenci. Superpočítače byly převážně teoretické a stejně tak osobní počítače. Datapoint 2200 a jeho procesor se nakonec staly základní architekturou pro to, co známe jako osobní počítače. Velkolepé ambice, které Minsky a jeho kolegové slibovali, se nikdy neuskutečnily, takže financování a zájem o ně opadly. To se opakovalo v roce 1987, kdy opět počítačoví vědci a firmy dávali smělé sliby o časovém plánu pro umělou inteligenci, který ale nebyl realizovatelný.
Dnešní mainstreamové nástroje generativní umělé inteligence – ChatGPT, Midjourney, DALL-E 2 – jsou sice výkonné, ale nejsou to hotové produkty. Zanedlouho lidé zatrpknou nad jejich novostí a uvědomí si, že AI sice dokáže vytvářet obsah, ale není dost dobrá na to, aby se skutečně používala. Stejně tak je ještě velmi brzy, pokud jde o nástroje AI pro specifické oblasti medicíny, klimatu a věd o živé přírodě. Aby generativní AI dokázala zázraky, které nám byly slibovány je třeba udělat ještě mnoho práce. Nezapomeňte, že tyto nástroje byly donedávna převážně teoretické.
Vedoucí pracovníci si dnes musí ujasnit, jaké praktické funkce bude generativní AI v jejich organizacích plnit. Měli by se také pragmaticky zabývat příležitostmi a riziky, které generativní AI nakonec uvolní. AI není monolit a jsme teprve na začátku velmi dlouhé trajektorie. Jen málo vedoucích pracovníků vytváří realistickou strategii, která propojuje dnešní provoz s vizí zítřka, socializuje ji v rámci svých manažerských týmů a reviduje podle ní své ukazatele výkonnosti.
Za druhé, vyhodnoťte, jaká data vaše společnost generuje a jak by je dnes a v budoucnu využila generativní AI
Firemní data jsou neocenitelná, protože jakmile je model AI jednou natrénován, může být nákladné a technicky obtížné přenést tato data do jiného systému. V současné době nejsou vznikající platformy AI snadno interoperabilní, a to je záměr. Generativní platformy AI se vyvíjejí v uzavřené celky, kde společnosti vytvářející technologii kontrolují všechny strany svých ekosystémů. Největší společnosti zabývající se umělou inteligencí soupeří o podíl na trhu a o obrovské množství dat, která potřebují k tomu, aby jejich modely byly co nejkonkurenceschopnější. Tím, že své platformy nabízejí firmám, chtějí je (a jejich data) uzamknout.
Dnešní systémy umělé inteligence jsou vytvářeny pomocí techniky známé jako posilování učení se zpětnou vazbou od člověka (reinforcement learning with human feedback, RHLF). Systémy AI v podstatě potřebují neustálou zpětnou vazbu od člověka, jinak hrozí, že se naučí a zapamatují si nesprávné informace. Čím více dat je přijímáno, tím více je zapotřebí anotací, označování a školení. V současné době je tato práce dávána dočasným pracovníkům v rozvíjejících se ekonomikách, jako je Keňa a Pákistán. S tím, jak bude umělá inteligence dospívat, budou zapotřebí odborníci se znalostmi na úrovni expertů. Mnoho vedoucích pracovníků podniků neplánuje budoucnost, která by zahrnovala interní útvar RHLF, jehož úkolem by bylo průběžně monitorovat, kontrolovat a vylepšovat systémy a nástroje AI.
I s vyškolenými lidmi musí podniky průběžně vytvářet scénáře, které odhalují rizika spolupráce s generativními systémy AI, zejména těmi, které provozují třetí strany. Je to proto, že systémy AI nejsou statické. V průběhu času se postupně zlepšují. S každým novým vývojem vznikají nová potenciální rizika a příležitosti. Nebylo by možné předem rozehrát všechny potenciální negativní důsledky, aniž by tyto předpovědi rychle zastaraly. Místo toho by měl být specializovaný tým pověřen sledováním generativních systémů umělé inteligence v průběhu jejich učení, jakož i souvisejících výzev v oblasti kybernetické bezpečnosti, a měl by vypracovat krátké scénáře „co kdyby“, které by představovaly způsoby, jak by se věci mohly pokazit.
Stejně tak se s vývojem umělé inteligence budou rozvíjet i příležitosti k odblokování nového růstu. Což znamená, že by podniky měly mít také specializovaný interní tým pro rozvoj podnikání, který by vypracovával krátkodobé a dlouhodobé scénáře pro nesčetné způsoby, jak nově vznikající nástroje zvýší produktivitu a efektivitu, povedou k vývoji produktů, podnítí inovace a další.
Zatřetí, pokud jde o umělou inteligenci, musí vedoucí pracovníci přesunout svou pozornost od spodní linie k horní
To se bude zdát kontraintuitivní, protože mnozí považují generativní AI za prostředek ke snížení provozních nákladů. Dnešní inteligentní chatboti brzy ustoupí multimodálním systémům, což jsou AI schopné řešit různé problémy a plnit různé cíle najednou. Představte si pojišťovnu majetku a úrazů, kde je každý pojistník spojen s AI. Zpočátku může upisovatel požádat AI o posouzení rizika spojeného s pojištěním nemovitosti, po předběžné analýze textu ji může požádat o upřesnění výsledků pomocí obrázků z inspekčních zpráv nebo zvukových rozhovorů s potenciálním pojistníkem. Může se několikrát vrátit tam a zpět a použít různé zdroje dat, dokud nezíská optimální nabídku pro pojišťovnu i zákazníka.
Klíčem k produktivnímu využití multimodální umělé inteligence je pochopení toho, jak a co delegovat na stroj, aby člověk i umělá inteligence dosáhli více díky spolupráci než při samostatné práci. Delegování je však něco, s čím profesionálové běžně bojují. Buď zadávají příliš mnoho, nebo málo, nebo ne ty správné úkoly. Práce s multimodální umělou inteligencí bude vyžadovat, aby pracovníci ovládali umění delegování. Jakmile pracovníci pochopí, jak správně delegovat, budou v organizacích působit jako multiplikátor síly. Jednotlivé týmy by mohly být ambicióznější při zvyšování nejvyššího příjmu společnosti prostřednictvím vymýšlení a simulování nových zdrojů příjmů, hledání a získávání nových zákazníků a hledání různých zlepšení celkového fungování společnosti.
To předznamenává budoucnost, která vyžaduje jiný přístup ke zvyšování kvalifikace. Většina pracovníků se nebude muset učit kódovat, jak často slýcháme na konferencích. Spíše se budou muset naučit, jak využívat multimodální umělou inteligenci, aby mohli vykonávat více a lepší práci. Stačí se podívat na Excel, který denně používá 750 milionů znalostních pracovníků. Tento software obsahuje více než 500 funkcí, ale naprostá většina lidí jich používá jen několik desítek, protože plně nerozumí tomu, jak obrovské množství funkcí, které Excel nabízí, přizpůsobit svým každodenním kognitivním úkolům. Nyní si představte budoucnost, ve které bude umělá inteligence (mnohem složitější a komplikovanější software) všudypřítomná. Kolik užitečnosti zůstane na stole jen proto, že vedoucí pracovníci podniků přistupovali ke zvyšování kvalifikace příliš úzce?
Rámec pro orientaci ve vývoji pracovní síly s umělou inteligencí
Změna pracovní síly je nevyhnutelným vedlejším efektem technologického vývoje a vedoucí pracovníci potřebují systematizovaný způsob, jak se podívat na to, jak bude vypadat budoucnost jejich organizací v návaznosti na vývoj generativní AI. Za tímto účelem pomůže jednoduchý rámec vedoucím pracovníkům jakékoli organizace předvídat, jak a kdy se bude muset jejich pracovní síla změnit, aby mohla využívat AI. Cílem není dělat dlouhodobé předpovědi, nebo dokonce být připraven na všechno, jde o to, aby organizace byly připraveny na cokoli, protože AI se stále zdokonaluje.
Diagram ukazuje kruhový čtyřstupňový přístup nazvaný rámec IDEA, což je zkratka, pro předvídání dynamiky toho, jak se budou pracovní síly transformovat. Dodržování kroků identifikace, určení, extrapolace a předvídání může vedoucím pracovníkům pomoci včas rozpoznat rizika a příležitosti, aby mohli jednat. Pravidelné používání tohoto rámce jim umožní jasněji vidět situaci, vyhodnotit nedostatky v rámci organizace a propojit nově vznikající technologie se stávající strategií, což jim umožní přijímat rozhodnutí s jistotou.
Tento rámec by měl být použit k vypracování scénářů budoucnosti podniku. Je navržen tak, aby vám pomohl včas rozpoznat rizika a příležitosti, abyste mohli jednat. Pravidelné používání tohoto rámce umožňuje vedoucím pracovníkům jasněji vidět situaci, vyhodnotit nedostatky v organizaci a propojit nově vznikající technologie se stávající strategií, což jim umožňuje přijímat rozhodnutí s jistotou. Důležité je, že od vedoucích pracovníků vyžaduje, aby o umělé inteligenci přemýšleli exponenciálně, ale aby v reakci na nový vývoj jednali postupně. Připraví vedoucí pracovníky na to, aby činili rozhodnutí s velkým předstihem před svými konkurenty.
Nejlepší věc, kterou mohou organizace udělat právě teď je metodicky plánovat budoucnost. To vyžaduje znát omezení generativní umělé inteligence i její silné stránky a přijmout kulturu neustálého hodnocení a zlepšování. Znamená to také přejít od chytrých produktových demonstrací k mnohem přízemnějším, pragmatickým rozhovorům o trajektorii vývoje, o tom, jak se využívají data, a o praktických způsobech, jak mohou společnosti využívat nově vznikající nástroje. Odolejte pokušení snížit počet zaměstnanců a místo toho využijte strategické předvídání k vytvoření budoucnosti, v níž bude umělá inteligence využívána vysoce kvalifikovanými pracovníky a v níž budou týmy lidí a umělé inteligence pracovat produktivněji, kreativněji a efektivněji společně než odděleně.
Zdroj: Amy Webb, https://hbr.org/2023/08/how-to-prepare-for-a-genai-future-you-cant-predict?ab=HP-latest-text-1