Mit tanultunk, amikor az AI-ról kezdtünk beszélgetni a Big Fourral

Muhammed Gider
3 perc olvasás • 
Amikor AI-t vezettünk be a Big Four banki munkafolyamataiban, rájöttünk, hogy az igazi szűk keresztmetszetet nem az eszközök, hanem a kognitív terhelés jelentette. Ez változott meg, amikor az automatizálás helyett az emberi ítélőképesség nagy léptékű támogatására kezdtünk építeni.

Amikor először kezdtünk az AI-ról beszélgetni a Big Fourral, a beszélgetések meglepően gyorsan haladtak. Nem volt szükség hosszú felvezetésre, és azt sem kellett elmagyarázni, miért fontos az AI. A partnerek és a vezető tanácsadók szinte azonnal arról kezdtek beszélni, valójában mire megy el az idejük. Nem döntéshozatalra vagy érdemi felismerésekre, hanem előkészítésre. Adatok összegyűjtésére különböző rendszerekből. Számok egyeztetésére. Annak biztosítására, hogy az elemzések megfeleljenek a belső követelményeknek, mielőtt bárki egyáltalán elkezdhetne azon gondolkodni, mit jelentenek az eredmények.

Az ragadta meg a figyelmünket, hogy ezek közül egyik feladat sem volt csekély értékű. Mindegyikre szükség volt. De kimerítőek is voltak. Nagy tapasztalatú szakemberek a napjuk jelentős részét azzal töltötték, hogy egyáltalán eljussanak oda, ahol az érdemi gondolkodás elkezdődhet.

Ahogy folytatódtak a beszélgetések, több tucat olyan folyamatot térképeztek fel, amelyben az AI szerepet kaphatott. Jelentéskészítés, megfelelőség, pénzügyi kontrollok, adóelemzés, belső felülvizsgálatok. Első ránézésre klasszikus automatizálási problémának tűnt. Nem az volt.

A legtöbb ilyen folyamatban már használtak eszközöket, sablonokat és részleges automatizálást. Ami mindent lelassított, az a lépések között húzódott meg. Kontextusváltás. Eredmények egyeztetése. A szakmai ítélőképesség következetes alkalmazása széttagolt információk alapján. Az igazi terhet nem pusztán az időráfordítás, hanem a kognitív terhelés jelentette.

Ekkor kezdtünk másképp tekinteni a problémára.

Ahelyett, hogy azt kérdeztük volna, hogyan végezhetné el az AI a munkát elejétől a végéig, azt kezdtük vizsgálni, hogyan támogathatná a munkát végző embereket. Mi lenne, ha az AI átvenné az energiát felemésztő feladatokat anélkül, hogy kivenné az irányítást az emberek kezéből? Mi lenne, ha jól strukturált tervezeteket készítene elő, feltárná az ellentmondásokat, és láthatóvá tenné az érvelését, hogy a szakértők az előkészítés helyett a szakmai mérlegelésre összpontosíthassanak?

Amint ezt a megközelítést élesben is alkalmaztuk, a hatása kézzelfoghatóvá vált.

A csapatoknál a rendszeresen ismétlődő elemzési munkák átfutási ideje 80–90 százalékkal csökkent. A kézi munkából eredő hibák száma jelentősen visszaesett, különösen a sok egyeztetést igénylő folyamatokban. Ugyanilyen fontos volt, hogy az eredmények egységesebbé váltak azoknál a csapatoknál is, amelyek korábban ugyanazt a munkát kissé eltérő módon végezték. A tanácsadók átlagosan havi 40–50 órát nyertek vissza, amelyet így nagyobb értéket teremtő gondolkodásra fordíthattak.

De a legérdekesebb változás nem a számokban mutatkozott meg.

Hanem abban, ahogyan az emberek a munkájukról beszéltek. A felülvizsgálatok nyugodtabbá váltak. A megbeszélések célzottabbak lettek. A vezető ellenőrzők kevesebb időt töltöttek annak vizsgálatával, hogy minden helyes-e, és többet annak megvitatásával, hogy mit jelentenek valójában az eredmények.

Idővel a rendszerre már nem úgy tekintettek, mint egy eszközre, amelyet használniuk kell. Inkább közös munkamódként élték meg: csendben magába építette a döntéshozatal módját, és ezt tükrözte vissza a későbbi elemzésekben.

Ez a tapasztalat egy régóta vallott meggyőződésünket is megerősítette. Az általánosabb intelligencia felé nem azok a rendszerek visznek majd előre, amelyek összetett szakterületeken próbálják helyettesíteni a szakértőket. Hanem azok, amelyek csökkentik a szakértői gondolkodást akadályozó nehézségeket, és felerősítik ezt a gondolkodást.

Ezekben az együttműködésekben az AI nem az önállóságával, hanem az együttműködésével teremtett értéket. Nem az emberek helyett hozott döntéseket. Abban segített nekik, hogy jobb döntéseket hozzanak, gyorsabban.

Ha van korai jele annak, hogy hol lesznek először igazán fontosak az AGI-szerű rendszerek, akkor itt találjuk meg. Nem a teljes automatizálásban, hanem az emberi ítélőképesség nagy léptékű támogatásában.

Ez a váltás hozta meg a különbséget: az automatizálásról a képességek felerősítésére került a hangsúly.

Csatlakozz a Dvina platformhoz

Regisztrálj ingyen, és használd az összes eszközödet egyetlen egyszerű munkaterületen.

Fedezz fel többet