เมื่อเราเริ่มคุยกับ Big Four เรื่อง AI บทสนทนาก็เดินหน้าเร็วจนน่าประหลาดใจ ไม่มีการเกริ่นนำยืดยาว ไม่จำเป็นต้องอธิบายว่าทำไม AI จึงสำคัญ แทบจะทันทีที่เริ่มคุย หุ้นส่วนและที่ปรึกษาอาวุโสก็เริ่มเล่าว่าเวลาของพวกเขาหมดไปกับอะไรจริง ๆ ไม่ใช่การตัดสินใจหรือการค้นหาข้อค้นพบเชิงลึก แต่เป็นการเตรียมงาน ดึงข้อมูลจากระบบต่าง ๆ ทำให้ตัวเลขสอดคล้องกัน ตรวจให้แน่ใจว่าการวิเคราะห์ตรงตามมาตรฐานภายใน ก่อนที่ใครจะได้เริ่มคิดด้วยซ้ำว่าผลลัพธ์เหล่านั้นหมายความว่าอย่างไร
สิ่งที่สะดุดใจเราคือ งานเหล่านี้ไม่มีส่วนไหนที่มีคุณค่าต่ำ ทุกอย่างล้วนจำเป็น แต่ก็ทำให้เหนื่อยล้าเช่นกัน คนที่มีประสบการณ์สูงใช้เวลาส่วนใหญ่ของวันเพียงเพื่อไปให้ถึงจุดที่จะเริ่มใช้ความคิดได้อย่างแท้จริง
เมื่อคุยกันต่อ พวกเขาก็ระบุกระบวนการที่ AI สามารถเข้ามามีบทบาทได้มากกว่าหลายสิบกระบวนการ ทั้งการจัดทำรายงาน การปฏิบัติตามกฎระเบียบ การควบคุมทางการเงิน การวิเคราะห์ภาษี และการตรวจทานภายใน มองเผิน ๆ นี่ดูเหมือนปัญหาทั่วไปที่แก้ได้ด้วยระบบอัตโนมัติ แต่ไม่ใช่เลย
กระบวนการเหล่านี้ส่วนใหญ่มีเครื่องมือ เทมเพลต และระบบอัตโนมัติบางส่วนอยู่แล้ว สิ่งที่ทำให้ทุกอย่างช้าลงอยู่ระหว่างขั้นตอนต่าง ๆ การสลับบริบท การกระทบยอดผลลัพธ์ การใช้วิจารณญาณอย่างสม่ำเสมอกับข้อมูลที่กระจัดกระจาย ต้นทุนที่แท้จริงไม่ได้มีแค่เวลา แต่เป็นภาระทางความคิด
นั่นคือจุดที่วิธีมองปัญหาเปลี่ยนไป
แทนที่จะถามว่า AI จะทำงานตั้งแต่ต้นจนจบได้อย่างไร เราเริ่มถามว่า AI จะช่วยสนับสนุนคนที่ทำงานนั้นได้อย่างไร จะเป็นอย่างไรถ้า AI จัดการส่วนที่ทำให้เหนื่อยล้าได้ โดยที่คนทำงานยังคงเป็นผู้ควบคุม จะเป็นอย่างไรถ้า AI เตรียมร่างงานที่มีโครงสร้าง ชี้ให้เห็นความไม่สอดคล้อง และแสดงเหตุผลเบื้องหลังให้เห็น เพื่อให้ผู้เชี่ยวชาญมุ่งใช้วิจารณญาณแทนที่จะเสียเวลาเตรียมงาน
เมื่อเริ่มนำแนวทางนี้ไปใช้งานจริง ผลที่เกิดขึ้นก็จับต้องได้
ระยะเวลาที่ใช้ทำงานวิเคราะห์ที่เกิดขึ้นเป็นประจำลดลง 80 ถึง 90 เปอร์เซ็นต์ในทีมต่าง ๆ ข้อผิดพลาดจากการทำงานด้วยมือลดลงอย่างมาก โดยเฉพาะในกระบวนการที่ต้องกระทบยอดข้อมูลจำนวนมาก สิ่งที่สำคัญไม่แพ้กันคือ ผลลัพธ์จากแต่ละทีมสอดคล้องกันมากขึ้น แม้ก่อนหน้านี้แต่ละทีมจะทำงานเดียวกันด้วยวิธีที่ต่างกันเล็กน้อย โดยเฉลี่ยแล้ว ที่ปรึกษาได้เวลากลับคืนมาราว 40 ถึง 50 ชั่วโมงต่อเดือน ซึ่งนำไปใช้กับงานที่ต้องใช้ความคิดและสร้างคุณค่าได้มากกว่า
แต่การเปลี่ยนแปลงที่น่าสนใจที่สุดไม่ได้อยู่ที่ตัวเลข
มันอยู่ที่วิธีที่ผู้คนพูดถึงงานของตัวเอง การตรวจทานงานมีบรรยากาศที่ผ่อนคลายขึ้น การพูดคุยมีประเด็นชัดเจนขึ้น ผู้ตรวจทานอาวุโสใช้เวลาน้อยลงกับการตรวจว่าทุกอย่างถูกต้องหรือไม่ และใช้เวลามากขึ้นกับการหารือว่าผลลัพธ์เหล่านั้นหมายความว่าอย่างไรจริง ๆ
เมื่อเวลาผ่านไป ระบบก็ไม่รู้สึกเหมือนเครื่องมือที่ผู้คนต้องใช้อีกต่อไป แต่เริ่มรู้สึกเหมือนวิธีทำงานร่วมกันที่ค่อย ๆ ซึมซับวิธีการตัดสินใจอยู่เบื้องหลัง แล้วสะท้อนสิ่งนั้นกลับมาในการวิเคราะห์ครั้งต่อ ๆ ไป
ประสบการณ์นี้ยังตอกย้ำสิ่งที่เราเชื่อมานานว่า ความก้าวหน้าไปสู่ปัญญาที่ทำงานได้ทั่วไปมากขึ้นจะไม่ได้มาจากระบบที่พยายามแทนที่ผู้เชี่ยวชาญในสาขาที่ซับซ้อน แต่จะมาจากระบบที่ลดอุปสรรคในการใช้ความคิดของผู้เชี่ยวชาญและเสริมพลังให้ความคิดนั้น
ในการทำงานร่วมกันเหล่านี้ AI สร้างคุณค่าไม่ใช่ด้วยการทำงานด้วยตัวเอง แต่ด้วยการทำงานร่วมกับมนุษย์ AI ไม่ได้ตัดสินใจแทนผู้คน แต่ช่วยให้พวกเขาตัดสินใจได้ดีขึ้นและเร็วขึ้น
หากมีสัญญาณแรก ๆ ที่บอกว่าระบบที่คล้าย AGI จะมีบทบาทสำคัญที่ใดก่อน ก็คือที่นี่ ไม่ใช่การทำงานอัตโนมัติเต็มรูปแบบ แต่เป็นการสนับสนุนวิจารณญาณของมนุษย์ในวงกว้าง
การเปลี่ยนจากการทำงานอัตโนมัติมาเป็นการเสริมศักยภาพนี้เองที่สร้างความแตกต่าง
