Kad smo prvi put počeli razgovarati s Velikom četvorkom o AI-ju, razgovori su se iznenađujuće brzo pokrenuli. Nije bilo dugog uvoda ni potrebe da objašnjavamo zašto je AI važan. Gotovo odmah partneri i viši konzultanti počeli su govoriti o tome kamo im zapravo odlazi vrijeme. Ne na donošenje odluka ili uvide, nego na pripremu. Izvlačenje podataka iz različitih sustava. Usklađivanje brojki. Provjeravanje da analize odgovaraju internim standardima prije nego što itko uopće može početi razmišljati o tome što rezultati znače.
Ono što nas je pogodilo bilo je to da nijedan dio tog posla nije bio niske vrijednosti. Bio je nužan. Ali bio je i iscrpljujuć. Vrlo iskusni ljudi provodili su velik dio dana samo pokušavajući doći do točke u kojoj pravo razmišljanje može početi.
Kako su se razgovori nastavljali, mapirali su više od nekoliko desetaka procesa u kojima bi AI mogao imati ulogu. Izvještavanje, usklađenost, financijske kontrole, porezna analiza, interne revizije. Na površini je to izgledalo kao klasičan problem automatizacije. Nije bio.
Većina tih procesa već je imala alate, predloške i djelomičnu automatizaciju. Ono što je sve usporavalo živjelo je između koraka. Prebacivanje konteksta. Usklađivanje izlaza. Dosljedna primjena prosudbe na fragmentirane informacije. Pravi trošak nije bilo samo vrijeme, nego kognitivno opterećenje.
Tada se promijenio okvir razmišljanja.
Umjesto da pitamo kako AI može obaviti posao od početka do kraja, počeli smo pitati kako može podržati ljude koji taj posao rade. Što ako AI može preuzeti dijelove koji iscrpljuju energiju, a da pritom ne oduzme kontrolu? Što ako može pripremiti strukturirane nacrte, istaknuti nedosljednosti i učiniti svoje zaključivanje vidljivim, kako bi se stručnjaci mogli usredotočiti na prosudbu umjesto na pripremu?
Kad je ovaj pristup zaživio, učinak je postao opipljiv.
U svim timovima, vrijeme ciklusa za ponavljajući analitički rad smanjilo se za 80 do 90 posto. Ručne pogreške, osobito u procesima koji se uvelike oslanjaju na usklađivanje, naglo su pale. Jednako važno, rezultati su postali dosljedniji među timovima koji su istom poslu prije pristupali na malo različite načine. U prosjeku su konzultanti ponovno dobili oko 40 do 50 sati mjesečno koje su sada mogli posvetiti razmišljanju veće vrijednosti.
Ali najzanimljivija promjena nije bila u brojkama.
Bila je u tome kako su ljudi govorili o svom radu. Revizije su postale mirnije. Rasprave su postale fokusiranije. Viši recenzenti trošili su manje vremena na provjeru je li sve točno, a više na raspravu o tome što rezultati zapravo znače.
S vremenom je sustav prestao djelovati kao alat koji ljudi moraju koristiti. Počeo je djelovati kao zajednički način rada, koji tiho upija način na koji se odluke donose i to zatim odražava u budućim analizama.
Ovo iskustvo također je potvrdilo nešto u što već dugo vjerujemo. Napredak prema općenitijoj inteligenciji neće doći od sustava koji pokušavaju zamijeniti stručnjake u složenim domenama. Doći će od sustava koji smanjuju trenje oko stručnog razmišljanja i pojačavaju ga.
U tim angažmanima AI je stvarao vrijednost ne tako što je bio autonoman, nego tako što je bio suradnički. Nije donosio odluke umjesto ljudi. Pomagao im je da donesu bolje odluke, brže.
Ako postoji rani signal gdje će sustavi nalik AGI-ju prvo postati važni, onda je to ovdje. Ne u potpunoj automatizaciji, nego u podržavanju ljudske prosudbe u velikom opsegu.
Upravo je taj pomak, od automatizacije prema povećanju učinka, napravio razliku.
