ตอนที่เราเริ่มคุยกับ Big Four เรื่อง AI ในช่วงแรก บทสนทนาเดินหน้าเร็วกว่าที่คาดไว้อย่างน่าประหลาดใจ ไม่มีการเกริ่นยาว ๆ และไม่จำเป็นต้องอธิบายว่าทำไม AI ถึงสำคัญ แทบจะในทันที พาร์ตเนอร์และที่ปรึกษาอาวุโสก็เริ่มพูดถึงว่าจริง ๆ แล้วเวลาของพวกเขาหมดไปกับอะไร ไม่ใช่การตัดสินใจหรือการสร้างอินไซต์ แต่เป็นการเตรียมงาน ดึงข้อมูลจากหลายระบบ ทำให้ตัวเลขสอดคล้องกัน และตรวจให้แน่ใจว่าการวิเคราะห์เป็นไปตามมาตรฐานภายใน ก่อนที่ใครจะเริ่มคิดได้ด้วยซ้ำว่าผลลัพธ์เหล่านั้นหมายความว่าอย่างไร
สิ่งที่สะดุดใจเราคือ งานเหล่านี้ไม่ใช่งานมูลค่าต่ำเลย มันจำเป็นทั้งหมด แต่ในขณะเดียวกันก็ทำให้หมดแรงอย่างมาก คนที่มีประสบการณ์สูงกำลังใช้เวลาส่วนใหญ่ของวันไปกับการพยายามไปให้ถึงจุดที่การคิดอย่างแท้จริงจะเริ่มต้นได้
เมื่อบทสนทนาดำเนินต่อไป พวกเขาช่วยกันระบุได้มากกว่าหลายสิบกระบวนการที่ AI สามารถเข้ามามีบทบาทได้ ทั้งการรายงาน การกำกับดูแล การควบคุมทางการเงิน การวิเคราะห์ภาษี และการทบทวนภายใน มองเผิน ๆ มันดูเหมือนปัญหาระบบอัตโนมัติแบบคลาสสิก แต่มันไม่ใช่
กระบวนการส่วนใหญ่เหล่านี้มีทั้งเครื่องมือ เทมเพลต และระบบอัตโนมัติบางส่วนอยู่แล้ว สิ่งที่ทำให้ทุกอย่างช้าลงคือสิ่งที่อยู่ระหว่างแต่ละขั้นตอน การสลับบริบท การกระทบยอดผลลัพธ์ และการใช้วิจารณญาณอย่างสม่ำเสมอกับข้อมูลที่กระจัดกระจาย ต้นทุนที่แท้จริงไม่ได้มีแค่เรื่องเวลา แต่มันคือภาระทางความคิด
นั่นคือจุดที่กรอบความคิดเปลี่ยนไป
แทนที่จะถามว่า AI จะทำงานทั้งหมดตั้งแต่ต้นจนจบได้อย่างไร เราเริ่มถามว่า AI จะสนับสนุนคนที่กำลังทำงานนั้นได้อย่างไร จะเป็นอย่างไรถ้า AI รับมือกับส่วนที่ดูดพลังงานไปมาก โดยไม่พรากการควบคุมไปจากคนทำงาน จะเป็นอย่างไรถ้ามันช่วยเตรียมร่างงานที่มีโครงสร้าง ชี้ให้เห็นความไม่สอดคล้อง และทำให้เหตุผลเบื้องหลังของมันมองเห็นได้ เพื่อให้ผู้เชี่ยวชาญโฟกัสกับการใช้วิจารณญาณแทนการตั้งต้นงาน
เมื่อแนวทางนี้เริ่มใช้งานจริง ผลลัพธ์ก็จับต้องได้ทันที
ในหลายทีม ระยะเวลาของงานวิเคราะห์ที่ทำซ้ำเป็นประจำลดลง 80 ถึง 90 เปอร์เซ็นต์ ข้อผิดพลาดจากงานแมนนวล โดยเฉพาะในกระบวนการที่เน้นการกระทบยอด ลดลงอย่างชัดเจน และที่สำคัญไม่แพ้กันคือ ผลลัพธ์มีความสม่ำเสมอมากขึ้นในทีมที่เคยทำงานเดียวกันด้วยวิธีที่ต่างกันเล็กน้อย โดยเฉลี่ยแล้ว ที่ปรึกษาได้เวลากลับคืนมาราว 40 ถึง 50 ชั่วโมงต่อเดือน ซึ่งตอนนี้สามารถนำไปใช้กับการคิดงานที่มีมูลค่าสูงกว่าได้
แต่การเปลี่ยนแปลงที่น่าสนใจที่สุดไม่ได้อยู่ที่ตัวเลข
มันอยู่ที่วิธีที่ผู้คนพูดถึงงานของตัวเอง การรีวิวงานเป็นไปอย่างสงบมากขึ้น การพูดคุยมีจุดโฟกัสมากขึ้น ผู้ตรวจทานอาวุโสใช้เวลาน้อยลงกับการเช็กว่าทุกอย่างถูกต้องหรือไม่ และใช้เวลามากขึ้นกับการถกกันว่าผลลัพธ์เหล่านั้นหมายความว่าอย่างไรจริง ๆ
เมื่อเวลาผ่านไป ระบบก็เลิกให้ความรู้สึกเหมือนเป็นเครื่องมือที่คนต้องใช้ แต่มันเริ่มให้ความรู้สึกเหมือนเป็นวิธีทำงานร่วมกันแบบหนึ่ง ที่ค่อย ๆ ซึมซับวิธีการตัดสินใจ และสะท้อนสิ่งนั้นกลับมาในการวิเคราะห์ครั้งต่อ ๆ ไป
ประสบการณ์นี้ยังตอกย้ำบางสิ่งที่เราเชื่อมานานด้วยว่า ความก้าวหน้าไปสู่ปัญญาที่มีลักษณะทั่วไปมากขึ้นจะไม่ได้มาจากระบบที่พยายามแทนที่ผู้เชี่ยวชาญในโดเมนที่ซับซ้อน แต่มันจะมาจากระบบที่ลดแรงเสียดทานรอบการคิดของผู้เชี่ยวชาญ และขยายพลังของมัน
ในการทำงานร่วมกันเหล่านี้ AI สร้างคุณค่าไม่ใช่ด้วยการทำงานอย่างอิสระ แต่ด้วยการทำงานร่วมกัน มันไม่ได้ตัดสินใจแทนผู้คน แต่มันช่วยให้พวกเขาตัดสินใจได้ดีขึ้น และเร็วขึ้น
หากมีสัญญาณตั้งต้นที่บอกได้ว่าระบบแบบ AGI จะเริ่มมีความสำคัญตรงไหนก่อน นั่นก็คือที่นี่ ไม่ใช่ในการทำงานอัตโนมัติทั้งหมด แต่คือการสนับสนุนวิจารณญาณของมนุษย์ในวงกว้าง
การเปลี่ยนผ่านนั้น จากระบบอัตโนมัติไปสู่การเพิ่มแรงทวีคูณ คือสิ่งที่สร้างความแตกต่าง
