Co jsme zjistili, když jsme s Big Four začali mluvit o AI

Muhammed Gider
Čtení na 3 min • 
Když jsme nasadili AI do bankovních pracovních postupů v Big Four, zjistili jsme, že skutečnou překážkou nejsou nástroje, ale kognitivní zátěž. Co se změnilo, když jsme přestali vyvíjet řešení pro automatizaci a začali podporovat lidský úsudek ve velkém měřítku?

Když jsme s Big Four poprvé začali mluvit o AI, rozhovory se překvapivě rychle posunuly k věci. Nebyl potřeba dlouhý úvod ani vysvětlování, proč na AI záleží. Partneři a seniorní konzultanti téměř okamžitě začali mluvit o tom, čemu ve skutečnosti věnují svůj čas. Ne rozhodování nebo hledání poznatků, ale přípravě. Získávání dat z různých systémů. Slaďování čísel. Ověřování, že analýzy odpovídají interním standardům, ještě než vůbec někdo mohl začít přemýšlet o tom, co výsledky znamenají.

Zaujalo nás, že žádná z těchto činností nebyla málo hodnotná. Byla to nezbytná práce. Zároveň ale vyčerpávající. Velmi zkušení lidé trávili velkou část dne jen snahou dostat se do bodu, kdy mohlo začít skutečné přemýšlení.

Jak rozhovory pokračovaly, zmapovali více než desítky procesů, v nichž by AI mohla hrát roli. Reporting, zajišťování souladu s předpisy, finanční kontroly, daňové analýzy, interní přezkumy. Na první pohled to vypadalo jako klasický problém, který vyřeší automatizace. Jenže nebyl.

Většina těchto procesů už využívala nástroje, šablony i částečnou automatizaci. To, co všechno zpomalovalo, se odehrávalo mezi jednotlivými kroky. Přepínání mezi kontexty. Slaďování výstupů. Důsledné uplatňování úsudku při práci s roztříštěnými informacemi. Skutečnou zátěží nebyl jen čas, ale i nároky na myšlení.

Právě tehdy jsme se na problém začali dívat jinak.

Místo otázky, jak by AI mohla odvést práci od začátku do konce, jsme se začali ptát, jak může podpořit lidi, kteří ji dělají. Co kdyby AI dokázala zvládnout části, které vyčerpávají, aniž by lidem brala kontrolu? Co kdyby uměla připravit strukturované návrhy, upozornit na nesrovnalosti a ukázat své uvažování, aby se odborníci mohli soustředit na úsudek místo na přípravu?

Jakmile jsme tento přístup zavedli do praxe, jeho dopad byl hmatatelný.

Napříč týmy se doba zpracování opakované analytické práce zkrátila o 80 až 90 procent. Počet chyb při ručním zpracování prudce klesl, zejména v procesech vyžadujících rozsáhlé porovnávání a odsouhlasování údajů. Stejně důležité bylo, že výstupy byly jednotnější 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. Kontroly probíhaly klidněji. Diskuse byly soustředěnější. Zkušení posuzovatelé trávili méně času ověřováním, 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 společný způsob práce, který nenápadně vstřebává, jak se rozhoduje, a promítá to do budoucích analýz.

Tato zkušenost také posílila naše dlouhodobé přesvědčení. Pokrok směrem k obecnější inteligenci nepřinesou systémy, které se snaží nahradit odborníky ve složitých oborech. Přinesou ho systémy, které odstraňují překážky odbornému myšlení a posilují ho.

Při těchto spolupracích AI vytvářela hodnotu ne svou samostatností, ale schopností spolupracovat. Nerozhodovala za lidi. Pomáhala jim dělat lepší rozhodnutí, a to rychleji.

Pokud už se rýsuje, kde systémy podobné AGI sehrají důležitou roli nejdříve, je to právě tady. Ne v úplné automatizaci, ale v podpoře lidského úsudku ve velkém měřítku.

Rozhodující byl právě tento posun od automatizace k posílení lidských schopností.

Přidejte se k Dvina

Zaregistrujte se zdarma a propojte všechny své nástroje v jednom jednoduchém pracovním prostoru.

Objevte další