మేము మొదట AI గురించి Big Fourతో మాట్లాడటం ప్రారంభించినప్పుడు, ఆ సంభాషణలు ఆశ్చర్యకరంగా వేగంగా ముందుకు సాగాయి. పెద్దగా పరిచయం అవసరం లేదు, AI ఎందుకు ముఖ్యమో వివరించాల్సిన పనీ లేదు. దాదాపు వెంటనే, భాగస్వాములు మరియు సీనియర్ కన్సల్టెంట్లు తమ సమయం నిజంగా ఎక్కడ వెళ్తోందో గురించి మాట్లాడటం ప్రారంభించారు. అది నిర్ణయాలు తీసుకోవడంలో గానీ, అంతర్దృష్టులు పొందడంలో గానీ కాదు—సిద్ధతలో. వేర్వేరు సిస్టమ్ల నుంచి డేటాను తీసుకురావడం. సంఖ్యలను సరిపోల్చడం. ఫలితాల అర్థం గురించి ఎవరైనా ఆలోచించడం ప్రారంభించేలోపే, విశ్లేషణలు అంతర్గత ప్రమాణాలకు సరిపోతున్నాయో లేదో నిర్ధారించుకోవడం.
మాకు బలంగా అనిపించిన విషయం ఏమిటంటే, ఈ పనిలో ఏదీ తక్కువ విలువైనది కాదు. అది అవసరమైనదే. కానీ అదే సమయంలో అది అలసట కలిగించేదీ. అత్యంత అనుభవజ్ఞులైన వ్యక్తులు తమ రోజులో పెద్ద భాగాన్ని నిజమైన ఆలోచన ప్రారంభమయ్యే స్థితికి చేరుకోవడానికే ఖర్చు చేస్తున్నారు.
సంభాషణలు కొనసాగుతున్న కొద్దీ, AI పాత్ర పోషించగల డజన్ల కొద్దీ ప్రక్రియలు స్పష్టమయ్యాయి. రిపోర్టింగ్, కంప్లయన్స్, ఫైనాన్షియల్ కంట్రోల్స్, పన్ను విశ్లేషణ, అంతర్గత సమీక్షలు. పైకి చూస్తే, ఇది ఒక సాంప్రదాయ ఆటోమేషన్ సమస్యలా కనిపించింది. అది కాదు.
ఈ ప్రక్రియలలో చాలా వాటికి ఇప్పటికే టూల్స్, టెంప్లేట్లు, మరియు భాగిక ఆటోమేషన్ ఉన్నాయి. కానీ ప్రతిదీ నెమ్మదించేది దశల మధ్యలో ఉన్నదే. సందర్భాలను మార్చడం. అవుట్పుట్లను సరిపోల్చడం. విభజిత సమాచారంపై నిర్ణయశక్తిని స్థిరంగా ప్రయోగించడం. అసలు ఖర్చు కేవలం సమయం మాత్రమే కాదు, అది cognitive load.
అప్పుడే సమస్యను చూసే కోణం మారింది.
AI పని మొత్తాన్ని మొదటి నుంచి చివరి వరకు ఎలా చేస్తుందో అడగడం బదులుగా, ఆ పని చేస్తున్న వారికి అది ఎలా తోడ్పడగలదో అడగడం ప్రారంభించాం. నియంత్రణను తీసివేయకుండా, శక్తిని హరించే భాగాలను AI నిర్వహించగలిగితే? నిర్మిత డ్రాఫ్ట్లను సిద్ధం చేసి, అసంగతతలను బయటపెట్టి, తన తర్కాన్ని కనిపించేలా చేసి, నిపుణులు సెటప్పై కాకుండా నిర్ణయశక్తిపై దృష్టి పెట్టేలా చేస్తే?
ఈ విధానం అమల్లోకి వచ్చిన తర్వాత, దాని ప్రభావం స్పష్టంగా కనిపించింది.
టీమ్ల అంతటా, పునరావృత విశ్లేషణాత్మక పనుల కోసం cycle times 80 నుంచి 90 శాతం వరకు తగ్గాయి. ముఖ్యంగా reconciliation ఎక్కువగా ఉండే ప్రక్రియల్లో, మాన్యువల్ తప్పులు గణనీయంగా తగ్గాయి. అంతే ముఖ్యంగా, ఒకే పనిని కొద్దిగా భిన్నంగా చేసే టీమ్ల మధ్య అవుట్పుట్లు మరింత స్థిరంగా మారాయి. సగటున, కన్సల్టెంట్లు నెలకు సుమారు 40 నుంచి 50 గంటలను తిరిగి పొందారు, వాటిని ఇప్పుడు మరింత అధిక విలువ కలిగిన ఆలోచనకు వినియోగించవచ్చు.
కానీ అత్యంత ఆసక్తికరమైన మార్పు సంఖ్యల్లో లేదు.
అది ప్రజలు తమ పని గురించి ఎలా మాట్లాడుతున్నారన్న దాంట్లో ఉంది. సమీక్షలు మరింత ప్రశాంతంగా మారాయి. చర్చలు మరింత కేంద్రీకృతమయ్యాయి. సీనియర్ సమీక్షకులు అన్నీ సరిగ్గా ఉన్నాయో లేదో తనిఖీ చేయడంలో తక్కువ సమయం గడిపి, ఫలితాల అసలు అర్థం ఏమిటో చర్చించడంలో ఎక్కువ సమయం గడిపారు.
కాలక్రమేణా, ఈ వ్యవస్థ ప్రజలు తప్పనిసరిగా ఉపయోగించాల్సిన ఒక టూల్లా అనిపించడం మానేసింది. నిర్ణయాలు ఎలా తీసుకోబడుతున్నాయో నిశ్శబ్దంగా గ్రహించి, భవిష్యత్ విశ్లేషణల్లో దానిని తిరిగి ప్రతిబింబించే ఒక పంచుకున్న పని విధానంలా అనిపించడం ప్రారంభించింది.
ఈ అనుభవం మేము చాలా కాలంగా నమ్ముతున్న ఒక విషయాన్ని కూడా మరింత బలపరిచింది. మరింత సాధారణ మేధస్సు వైపు పురోగతి, క్లిష్టమైన రంగాల్లో నిపుణులను భర్తీ చేయడానికి ప్రయత్నించే వ్యవస్థల నుంచి రాదు. నిపుణుల ఆలోచన చుట్టూ ఉన్న ఘర్షణను తగ్గించి, దాన్ని విస్తరించే వ్యవస్థల నుంచే వస్తుంది.
ఈ ఎంగేజ్మెంట్లలో, AI స్వయంప్రతిపత్తితో కాకుండా, సహకారాత్మకంగా ఉండడం ద్వారా విలువను సృష్టించింది. అది ప్రజల కోసం నిర్ణయాలు తీసుకోలేదు. వారు మరింత మెరుగైన నిర్ణయాలు, మరింత వేగంగా తీసుకునేలా సహాయపడింది.
AGI-లాంటి వ్యవస్థలు మొదట ఎక్కడ ప్రాధాన్యం సంతరించుకుంటాయో చెప్పే ప్రారంభ సంకేతం ఏదైనా ఉంటే, అది ఇక్కడే. సంపూర్ణ ఆటోమేషన్లో కాదు, పెద్ద స్థాయిలో మానవ నిర్ణయశక్తికి మద్దతు ఇవ్వడంలో.
ఆ మార్పే — ఆటోమేషన్ నుంచి సామర్థ్యవృద్ధి వైపు జరిగిన మార్పు — అసలు తేడాను తీసుకొచ్చింది.
