Kad smo počeli razgovarati s Velikom četvorkom o AI-ju, razgovori su se iznenađujuće brzo zahuktali. Nije bilo dugog uvoda ni potrebe da objašnjavamo zašto je AI važan. Gotovo odmah partneri i viši konzultanti počeli su govoriti o tome na što im zapravo odlazi vrijeme. Ne na donošenje odluka ili stjecanje uvida, nego na pripremu. Prikupljanje podataka iz različitih sustava. Usklađivanje brojki. Provjeravanje jesu li analize u skladu s internim standardima prije nego što itko uopće može početi razmišljati o tome što rezultati znače.
Iznenadilo nas je što nijedan dio tog posla nije bio male vrijednosti. Bio je nužan. Ali i iscrpljujuć. Vrlo iskusni ljudi provodili su velik dio dana samo pokušavajući doći do točke u kojoj može početi pravo razmišljanje.
Kako su se razgovori nastavljali, identificirali su više od nekoliko desetaka procesa u kojima bi AI mogao imati ulogu. Izvještavanje, usklađenost s propisima, financijske kontrole, porezne analize, interne provjere. Na prvi pogled to je izgledalo kao klasičan problem automatizacije. Nije bilo tako.
Većina tih procesa već je imala alate, predloške i djelomičnu automatizaciju. Ono što je sve usporavalo nalazilo se između koraka. Prebacivanje iz jednog konteksta u drugi. Usklađivanje rezultata. Dosljedna primjena prosudbe na fragmentirane informacije. Pravi trošak nije bilo samo vrijeme, nego kognitivno opterećenje.
Tada smo problem počeli promatrati drukčije.
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. Što ako AI može preuzeti dijelove koji iscrpljuju, a da ljudima pritom ne oduzme kontrolu? Što ako može pripremiti strukturirane nacrte, istaknuti nedosljednosti i jasno prikazati svoje zaključivanje, kako bi se stručnjaci mogli usredotočiti na prosudbu umjesto na pripremu?
Kad je taj pristup zaživio u praksi, učinak je postao opipljiv.
U svim timovima vrijeme potrebno za ponavljajuće analitičke zadatke smanjilo se za 80 do 90 posto. Broj pogrešaka pri ručnom radu, osobito u procesima koji zahtijevaju mnogo usklađivanja, naglo je pao. Jednako važno, rezultati su postali ujednačeniji među timovima koji su prije istom poslu pristupali na pomalo različite načine. Konzultanti su u prosjeku oslobodili oko 40 do 50 sati mjesečno koje su sada mogli posvetiti razmišljanju koje donosi veću vrijednost.
No najzanimljivija promjena nije bila u brojkama.
Bila je u tome kako su ljudi govorili o svom radu. Provjere su postale mirnije. Rasprave usredotočenije. Viši stručnjaci zaduženi za provjeru trošili su manje vremena na provjeravanje je li sve točno, a više na raspravu o tome što rezultati zapravo znače.
S vremenom sustav više nije djelovao kao alat koji ljudi moraju koristiti. Počeo je djelovati kao zajednički način rada, neprimjetno usvajajući način na koji se donose odluke i odražavajući ga u budućim analizama.
To je iskustvo dodatno učvrstilo nešto u što već dugo vjerujemo. Napredak prema općenitijoj inteligenciji neće doći od sustava koji pokušavaju zamijeniti stručnjake u složenim područjima. Doći će od sustava koji uklanjaju prepreke stručnom razmišljanju i osnažuju ga.
U tim je projektima AI stvarao vrijednost suradnjom, a ne autonomnim djelovanjem. Nije donosio odluke umjesto ljudi. Pomagao im je da brže donose bolje odluke.
Ako postoji rani pokazatelj toga gdje će sustavi nalik AGI-ju prvo imati važnu ulogu, onda je to ovdje. Ne u potpunoj automatizaciji, nego u pružanju podrške ljudskoj prosudbi u velikim razmjerima.
Upravo je taj pomak, od automatizacije prema povećanju učinka, napravio razliku.
