Kada smo počeli razgovarati s Big Four o AI-u, razgovori su napredovali iznenađujuće brzo. Nije bilo dugih uvoda ni potrebe da objašnjavamo zašto je AI važan. Partneri i viši konsultanti gotovo odmah su počeli govoriti o tome na šta im vrijeme zapravo odlazi. Ne na donošenje odluka ili sticanje uvida, već na pripremu. Prikupljanje podataka iz različitih sistema. Usklađivanje brojki. Provjeru da li analize zadovoljavaju interne standarde prije nego što iko uopće može početi razmišljati o tome šta rezultati znače.
Posebno nam je upalo u oči da nijedan dio tog posla nije bio od male vrijednosti. Bio je neophodan. Ali i iscrpljujući. Ljudi s mnogo iskustva provodili su veliki dio dana samo pokušavajući doći do tačke u kojoj pravo razmišljanje može početi.
Kako su razgovori odmicali, identificirali su više desetina procesa u kojima bi AI mogao imati ulogu. Izvještavanje, usklađenost s propisima, finansijske kontrole, porezne analize, interne provjere. Na prvi pogled, izgledalo je kao klasičan problem automatizacije. Ali nije bio.
Većina tih procesa već je imala alate, predloške i djelimičnu automatizaciju. Ono što je sve usporavalo nalazilo se između koraka. Prebacivanje s jednog konteksta na drugi. Usklađivanje rezultata. Dosljedno prosuđivanje na osnovu rasutih informacija. Prava cijena nije bila samo utrošeno vrijeme, već i kognitivno opterećenje.
Tada se promijenio način na koji smo posmatrali problem.
Umjesto da se pitamo kako AI može obaviti posao od početka do kraja, počeli smo se pitati kako može pomoći ljudima koji taj posao rade. Šta ako AI može preuzeti dijelove koji crpe energiju, a da ljudima ne oduzme kontrolu? Šta ako može pripremiti strukturirane nacrte, ukazati na nedosljednosti i jasno prikazati svoje obrazloženje, kako bi se stručnjaci mogli usredotočiti na prosuđivanje umjesto na pripremu?
Kada je ovaj pristup zaživio u praksi, njegov učinak postao je opipljiv.
U svim timovima vrijeme potrebno za ponavljajuće analitičke zadatke skraćeno je za 80 do 90 posto. Broj grešaka pri ručnom radu, posebno u procesima koji zahtijevaju mnogo usklađivanja, naglo je opao. Jednako važno, rezultati su postali ujednačeniji među timovima koji su ranije istom poslu pristupali na donekle različite načine. Konsultanti su u prosjeku dobili nazad oko 40 do 50 sati mjesečno, koje su sada mogli posvetiti razmišljanju koje donosi veću vrijednost.
Ali najzanimljivija promjena nije bila u brojkama.
Bila je u načinu na koji su ljudi govorili o svom poslu. Provjere su postale smirenije. Rasprave su bile usmjerenije. Viši stručnjaci zaduženi za provjeru provodili su manje vremena provjeravajući je li sve tačno, a više razgovarajući o tome šta rezultati zapravo znače.
S vremenom je sistem prestao djelovati kao alat koji ljudi moraju koristiti. Počeo je djelovati kao zajednički način rada, nenametljivo usvajajući način na koji se donose odluke i odražavajući ga u budućim analizama.
Ovo iskustvo dodatno je učvrstilo nešto u šta već dugo vjerujemo. Napredak prema općenitijoj inteligenciji neće doći od sistema koji pokušavaju zamijeniti stručnjake u složenim oblastima. Doći će od sistema koji uklanjaju prepreke stručnom razmišljanju i osnažuju ga.
U ovim angažmanima AI je stvarao vrijednost ne samostalnim djelovanjem, već saradnjom. Nije donosio odluke umjesto ljudi. Pomagao im je da brže donose bolje odluke.
Ako postoji rani nagovještaj gdje će sistemi nalik AGI-ju prvo imati značajnu ulogu, onda je to ovdje. Ne u potpunoj automatizaciji, već u podršci ljudskom prosuđivanju u velikim razmjerama.
Upravo je taj pomak, od automatizacije ka povećanju učinka, napravio razliku.
