Amikor először kezdtünk a Big Fourral beszélni az AI-ról, a beszélgetések meglepően gyorsan haladtak. Nem volt szükség hosszú bevezetésre, és arra sem, hogy elmagyarázzuk, miért fontos az AI. A partnerek és vezető tanácsadók szinte azonnal arról kezdtek beszélni, valójában mire megy el az idejük. Nem a döntéshozatalra vagy az elemzésre, hanem az előkészítésre. Adatok összegyűjtésére különböző rendszerekből. Számok összehangolására. Annak biztosítására, hogy az elemzések megfeleljenek a belső standardoknak, mielőtt bárki egyáltalán elkezdhetne azon gondolkodni, mit is jelentenek az eredmények.
Ami igazán szembetűnő volt számunkra, az az, hogy ezek közül egyik feladat sem volt alacsony értékű. Mindegyik szükséges volt. Ugyanakkor rendkívül kimerítőek is voltak. Nagy tapasztalattal rendelkező szakemberek a napjuk jelentős részét azzal töltötték, hogy egyáltalán eljussanak odáig, ahol az érdemi gondolkodás elkezdődhet.
Ahogy folytatódtak a beszélgetések, több mint tucatnyi folyamat rajzolódott ki, ahol az AI szerepet kaphatott. Jelentéskészítés, megfelelőség, pénzügyi kontrollok, adóelemzés, belső felülvizsgálatok. Első ránézésre ez klasszikus automatizálási problémának tűnt. Nem az volt.
A legtöbb ilyen folyamathoz már léteztek eszközök, sablonok és részleges automatizálás. Ami mindent lelassított, az a lépések közötti térben volt. Kontextusváltás. Kimenetek egyeztetése. Az ítélőképesség következetes alkalmazása széttagolt információk között. Az igazi költség nem pusztán az idő volt, hanem a kognitív terhelés.
Ekkor változott meg a keretezés.
Ahelyett, hogy azt kérdeztük volna, hogyan tudná az AI a munkát elejétől a végéig elvégezni, azt kezdtük kérdezni, hogyan tudná támogatni azokat az embereket, akik ezt a munkát végzik. Mi lenne, ha az AI át tudná venni azokat a részeket, amelyek elszívják az energiát, anélkül hogy elvenné az irányítást? Mi lenne, ha strukturált vázlatokat tudna előkészíteni, felszínre hozná az ellentmondásokat, és láthatóvá tenné a saját érvelését, hogy a szakértők az előkészítés helyett az ítélőképességre koncentrálhassanak?
Amint ez a megközelítés élesben elindult, a hatás kézzelfoghatóvá vált.
A csapatoknál a visszatérő elemzői munkák átfutási ideje 80–90 százalékkal csökkent. A manuális hibák, különösen az egyeztetésigényes folyamatokban, meredeken visszaestek. Ugyanilyen fontos, hogy az eredmények következetesebbé váltak azok között a csapatok között is, amelyek korábban ugyanazt a munkát kissé eltérő módon végezték. A tanácsadók átlagosan havi 40–50 órát nyertek vissza, amelyet így magasabb értékű gondolkodásra fordíthattak.
De a legérdekesebb változás nem a számokban mutatkozott meg.
Abban mutatkozott meg, ahogyan az emberek a munkájukról beszéltek. A felülvizsgálatok nyugodtabbá váltak. A megbeszélések fókuszáltabbak lettek. A vezető ellenőrzők kevesebb időt töltöttek annak vizsgálatával, hogy minden helyes-e, és többet azzal, hogy mit is jelentenek valójában az eredmények.
Idővel a rendszer már nem olyan eszköznek érződött, amelyet az embereknek használniuk kell. Inkább egy közös munkamóddá vált, amely csendben magába építette, hogyan születnek a döntések, és ezt tükrözte vissza a jövőbeli elemzésekben.
Ez a tapasztalat egy másik, régóta vallott meggyőződésünket is megerősítette. Az általánosabb intelligencia felé vezető előrelépés nem olyan rendszerekből fog jönni, amelyek megpróbálják helyettesíteni a szakértőket összetett területeken. Olyan rendszerekből fog jönni, amelyek csökkentik a szakértői gondolkodás körüli súrlódást, és felerősítik azt.
Ezekben az együttműködésekben az AI nem azzal teremtett értéket, hogy autonóm volt, hanem azzal, hogy együttműködő. Nem az emberek helyett hozott döntéseket. Hanem segített nekik jobb döntéseket hozni, gyorsabban.
Ha van korai jel arra, hogy az AGI-szerű rendszerek hol válnak először fontossá, akkor az itt van. Nem a teljes automatizálásban, hanem az emberi ítélőképesség nagy léptékű támogatásában.
Ezt a különbséget az a váltás hozta meg, amely az automatizálásról a tőkeáttételre helyezte át a hangsúlyt.
