Kada smo prvi put počeli da razgovaramo sa Big Four o AI, razgovori su se odvijali iznenađujuće brzo. Nije bilo dugog uvoda, niti potrebe da objašnjavamo zašto je AI važna. Gotovo odmah, partneri i viši konsultanti počeli su da govore o tome na šta im zapravo odlazi vreme. Ne na donošenje odluka ili uvide, već na pripremu. Izvlačenje podataka iz različitih sistema. Usklađivanje brojeva. Proveravanje da analize odgovaraju internim standardima pre nego što iko uopšte može da počne da razmišlja o tome šta rezultati znače.
Ono što nas je pogodilo bilo je to što nijedan deo tog posla nije bio male vrednosti. Bio je neophodan. Ali je ujedno bio i iscrpljujući. Ljudi sa velikim iskustvom provodili su veliki deo dana samo pokušavajući da dođu do tačke u kojoj pravo razmišljanje može da počne.
Kako su se razgovori nastavljali, mapirali su više od nekoliko desetina procesa u kojima bi AI mogla da ima ulogu. Izveštavanje, usklađenost, finansijske kontrole, poreske analize, interne revizije. Na prvi pogled, delovalo je kao klasičan problem automatizacije. Nije bio.
Većina tih procesa već je imala alate, šablone i delimičnu automatizaciju. Ono što je sve usporavalo nalazilo se između koraka. Prebacivanje između konteksta. Usklađivanje izlaza. Dosledna primena prosuđivanja nad fragmentisanim informacijama. Pravi trošak nije bio samo vreme, već kognitivno opterećenje.
Tada se promenio okvir razmišljanja.
Umesto da se pitamo kako AI može da obavi posao od početka do kraja, počeli smo da se pitamo kako može da podrži ljude koji taj posao rade. Šta ako AI može da preuzme delove koji iscrpljuju energiju, a da pritom ne oduzme kontrolu? Šta ako može da pripremi strukturisane nacrte, ukaže na nedoslednosti i učini svoje rezonovanje vidljivim, kako bi stručnjaci mogli da se usredsrede na prosuđivanje umesto na pripremu?
Kada je ovaj pristup zaživeo, uticaj je postao opipljiv.
U svim timovima, vreme trajanja ciklusa za ponavljajući analitički rad smanjilo se za 80 do 90 procenata. Broj ručnih grešaka, naročito u procesima sa mnogo usklađivanja, naglo je opao. Jednako važno, rezultati su postali ujednačeniji među timovima koji su ranije istom poslu pristupali na blago različite načine. U proseku, konsultanti su povratili oko 40 do 50 sati mesečno, koje su sada mogli da ulože u razmišljanje veće vrednosti.
Ali najzanimljivija promena nije bila u brojkama.
Bila je u tome kako su ljudi govorili o svom poslu. Revizije su postale mirnije. Diskusije su postale fokusiranije. Stariji recenzenti provodili su manje vremena proveravajući da li je sve tačno, a više vremena razgovarajući o tome šta rezultati zapravo znače.
Vremenom, sistem je prestao da deluje kao alat koji ljudi moraju da koriste. Počeo je da deluje kao zajednički način rada, koji tiho usvaja način na koji se odluke donose i to zatim odražava u budućim analizama.
Ovo iskustvo je takođe učvrstilo nešto u šta već dugo verujemo. Napredak ka opštijoj inteligenciji neće doći od sistema koji pokušavaju da zamene stručnjake u složenim domenima. Doći će od sistema koji smanjuju trenje oko stručnog razmišljanja i pojačavaju ga.
U ovim angažmanima, AI je stvarala vrednost ne time što je bila autonomna, već time što je bila saradnička. Nije donosila odluke umesto ljudi. Pomagala im je da donesu bolje odluke, brže.
Ako postoji rani signal gde će sistemi nalik AGI-ju prvo postati važni, onda je to ovde. Ne u potpunoj automatizaciji, već u podršci ljudskom rasuđivanju u velikim razmerama.
Upravo je taj pomak, od automatizacije ka povećanju učinka, napravio razliku.
