Když jsme s Big Four poprvé začali mluvit o AI, rozhovory se překvapivě rychle posunuly kupředu. Nebylo potřeba dlouhého úvodu ani vysvětlování, proč je AI důležitá. Partneři a seniorní konzultanti téměř okamžitě začali mluvit o tom, kam jejich čas ve skutečnosti mizí. Ne do rozhodování nebo získávání insightů, ale do přípravy. Vytahování dat z různých systémů. Slaďování čísel. Ověřování, že analýzy odpovídají interním standardům, ještě než se vůbec může začít přemýšlet o tom, co výsledky znamenají.
Zaujalo nás, že žádná z těchto činností neměla nízkou hodnotu. Byly nezbytné. Zároveň ale byly vyčerpávající. Velmi zkušení lidé trávili velkou část dne jen tím, aby se dostali do bodu, kdy může začít skutečné přemýšlení.
Jak rozhovory pokračovaly, zmapovaly více než desítky procesů, v nichž by AI mohla hrát roli. Reporting, compliance, finanční kontroly, daňové analýzy, interní přezkumy. Na první pohled to vypadalo jako klasický problém automatizace. Nebylo tomu tak.
Většina těchto procesů už měla k dispozici nástroje, šablony i částečnou automatizaci. To, co všechno zpomalovalo, se odehrávalo mezi jednotlivými kroky. Přepínání kontextu. Slaďování výstupů. Konzistentní uplatňování úsudku napříč roztříštěnými informacemi. Skutečným nákladem nebyl jen čas, ale kognitivní zátěž.
Právě tehdy se změnilo celé rámování problému.
Místo otázky, jak by AI mohla vykonat práci od začátku do konce, jsme se začali ptát, jak může podpořit lidi, kteří tu práci dělají. Co kdyby AI dokázala převzít části, které berou energii, aniž by lidem brala kontrolu? Co kdyby uměla připravit strukturované návrhy, upozornit na nesrovnalosti a zpřístupnit své uvažování, aby se experti mohli soustředit na úsudek místo na přípravu?
Jakmile se tento přístup spustil do provozu, dopad byl hmatatelný.
Napříč týmy se doba zpracování opakující se analytické práce zkrátila o 80 až 90 procent. Počet manuálních chyb, zejména v procesech náročných na odsouhlasování, prudce klesl. Stejně důležité bylo, že výstupy se staly konzistentnějšími napříč týmy, které dříve ke stejné práci přistupovaly mírně odlišně. Konzultanti v průměru získali zpět přibližně 40 až 50 hodin měsíčně, které teď mohli věnovat přemýšlení s vyšší přidanou hodnotou.
Nejzajímavější změna ale nebyla v číslech.
Byla v tom, jak lidé o své práci mluvili. Revize byly klidnější. Diskuse byly soustředěnější. Seniorní hodnotitelé trávili méně času kontrolou, zda je všechno správně, a více času debatou o tom, co výsledky skutečně znamenají.
Postupem času systém přestal působit jako nástroj, který lidé musí používat. Začal působit jako sdílený způsob práce, který tiše vstřebává, jak se rozhodnutí dělají, a promítá to zpět do budoucích analýz.
Tato zkušenost také posílila něco, čemu už dlouho věříme. Pokrok směrem k obecnější inteligenci nepřijde od systémů, které se snaží nahradit experty ve složitých doménách. Přijde od systémů, které snižují tření kolem expertního myšlení a zesilují jeho dopad.
V těchto spolupracích AI vytvářela hodnotu ne tím, že byla autonomní, ale tím, že byla kolaborativní. Nerozhodovala za lidi. Pomáhala jim dělat lepší rozhodnutí, rychleji.
Pokud existuje raný signál toho, kde budou systémy podobné AGI důležité jako první, je to právě tady. Ne v plné automatizaci, ale v podpoře lidského úsudku ve velkém měřítku.
Právě tento posun od automatizace k posílení účinku byl tím, co rozhodlo.
