Când am început pentru prima dată să vorbim cu Big Four despre AI, discuțiile au avansat surprinzător de repede. Nu a fost nevoie de o introducere lungă, nici să explicăm de ce conta AI. Aproape imediat, partenerii și consultanții seniori au început să vorbească despre unde se ducea, de fapt, timpul lor. Nu în luarea deciziilor sau în generarea de insight-uri, ci în pregătire. Extragerea datelor din sisteme diferite. Alinierea cifrelor. Asigurarea faptului că analizele respectau standardele interne înainte ca cineva să poată începe măcar să se gândească la ce însemnau rezultatele.
Ceea ce ne-a frapat a fost că nimic din această muncă nu avea valoare scăzută. Era necesară. Dar era și epuizantă. Oameni cu foarte multă experiență își petreceau o mare parte din zi doar încercând să ajungă într-un punct din care putea începe gândirea reală.
Pe măsură ce discuțiile au continuat, au conturat mai mult de câteva zeci de procese în care AI putea juca un rol. Raportare, conformitate, controale financiare, analiză fiscală, revizuiri interne. La suprafață, părea o problemă clasică de automatizare. Nu era.
Majoritatea acestor procese aveau deja instrumente, șabloane și automatizare parțială. Ceea ce încetinea totul se afla între pași. Schimbarea contextului. Reconcilierea rezultatelor. Aplicarea consecventă a judecății asupra unor informații fragmentate. Costul real nu era doar timpul, ci încărcarea cognitivă.
Atunci s-a schimbat perspectiva.
În loc să ne întrebăm cum ar putea AI să facă munca de la un capăt la altul, am început să ne întrebăm cum i-ar putea sprijini pe oamenii care fac munca. Ce-ar fi dacă AI ar putea prelua părțile care consumă energie, fără să ia controlul? Ce-ar fi dacă ar putea pregăti versiuni preliminare structurate, să evidențieze inconsecvențele și să-și facă vizibil raționamentul, astfel încât experții să se poată concentra pe judecată, nu pe pregătire?
Odată ce această abordare a intrat în producție, impactul a devenit tangibil.
La nivelul echipelor, timpii de ciclu au scăzut cu 80 până la 90 la sută pentru activitatea analitică recurentă. Erorile manuale, mai ales în procesele cu multă reconciliere, au scăzut puternic. La fel de important, rezultatele au devenit mai consecvente între echipe care înainte abordau aceeași muncă în moduri ușor diferite. În medie, consultanții au recuperat aproximativ 40 până la 50 de ore pe lună, care puteau fi acum dedicate unei gândiri cu valoare mai mare.
Dar cea mai interesantă schimbare nu s-a văzut în cifre.
S-a văzut în felul în care oamenii vorbeau despre munca lor. Revizuirile au devenit mai calme. Discuțiile au devenit mai concentrate. Revizorii seniori au petrecut mai puțin timp verificând dacă totul era corect și mai mult timp discutând ce însemnau de fapt rezultatele.
În timp, sistemul a încetat să mai pară un instrument pe care oamenii trebuiau să-l folosească. A început să pară un mod comun de lucru, care absorbea discret felul în care se luau deciziile și reflecta asta în analizele viitoare.
Această experiență a întărit și ceva ce credem de mult timp. Progresul către o inteligență mai generală nu va veni din sisteme care încearcă să înlocuiască experții în domenii complexe. Va veni din sisteme care reduc fricțiunea din jurul gândirii experte și o amplifică.
În aceste colaborări, AI a creat valoare nu prin a fi autonom, ci prin a fi colaborativ. Nu a luat decizii în locul oamenilor. I-a ajutat să ia decizii mai bune, mai repede.
Dacă există un semnal timpuriu despre unde vor conta mai întâi sistemele de tip AGI, acesta este aici. Nu în automatizarea completă, ci în sprijinirea judecății umane la scară largă.
Acea schimbare, de la automatizare la amplificare, este cea care a făcut diferența.
