Коли ми вперше почали говорити з Big Four про AI, розмови рухалися напрочуд швидко. Не було довгого вступу, не потрібно було пояснювати, чому AI має значення. Майже одразу партнери та старші консультанти почали говорити про те, куди насправді йде їхній час. Не на ухвалення рішень чи інсайти, а на підготовку. Витягування даних із різних систем. Узгодження цифр. Перевірку того, що аналізи відповідають внутрішнім стандартам, ще до того, як хтось узагалі міг почати думати про те, що означають результати.
Нас вразило те, що жодна з цих задач не була низькоцінною. Вона була необхідною. Але водночас виснажливою. Дуже досвідчені люди витрачали значну частину свого дня лише на те, щоб дійти до моменту, коли справжнє мислення взагалі могло початися.
У міру того як розмови тривали, вони окреслили понад десятки процесів, у яких AI міг відігравати роль. Звітність, комплаєнс, фінансовий контроль, податковий аналіз, внутрішні перевірки. На поверхні це виглядало як класична проблема автоматизації. Але це не було так.
У більшості з цих процесів уже були інструменти, шаблони та часткова автоматизація. Те, що все сповільнювало, жило між етапами. Перемикання контексту. Звіряння результатів. Послідовне застосування судження до фрагментованої інформації. Справжня ціна полягала не лише в часі, а й у когнітивному навантаженні.
Саме тоді змінилася рамка мислення.
Замість того щоб питати, як AI може виконувати роботу від початку до кінця, ми почали питати, як він може підтримувати людей, які цю роботу виконують. Що, якби AI міг брати на себе ті частини, що виснажують, не забираючи контроль? Що, якби він міг готувати структуровані чернетки, виявляти неузгодженості та робити свою логіку видимою, щоб експерти могли зосередитися на судженні, а не на підготовці?
Щойно цей підхід запрацював, вплив став відчутним.
У різних командах тривалість циклів для повторюваної аналітичної роботи скоротилася на 80–90 відсотків. Кількість ручних помилок, особливо в процесах із великою часткою звіряння, різко зменшилася. Не менш важливо й те, що результати стали більш послідовними між командами, які раніше підходили до однієї й тієї самої роботи трохи по-різному. У середньому консультанти повернули собі близько 40–50 годин на місяць, які тепер можна було витрачати на мислення вищої цінності.
Але найцікавіша зміна була не в цифрах.
Вона була в тому, як люди говорили про свою роботу. Перевірки стали спокійнішими. Обговорення — більш зосередженими. Старші рецензенти витрачали менше часу на перевірку того, чи все правильно, і більше — на обговорення того, що результати насправді означають.
З часом система перестала відчуватися як інструмент, яким люди змушені користуватися. Вона почала сприйматися як спільний спосіб роботи, що тихо вбирає в себе те, як ухвалюються рішення, і відображає це в майбутніх аналізах.
Цей досвід також укріпив те, у що ми давно віримо. Прогрес на шляху до більш загального інтелекту прийде не від систем, які намагаються замінити експертів у складних сферах. Він прийде від систем, які зменшують тертя навколо експертного мислення й підсилюють його.
У цих проєктах AI створював цінність не завдяки автономності, а завдяки співпраці. Він не ухвалював рішення за людей. Він допомагав їм ухвалювати кращі рішення — швидше.
Якщо й існує ранній сигнал того, де системи, подібні до AGI, матимуть значення насамперед, то він саме тут. Не в повній автоматизації, а в підтримці людського судження в масштабі.
Саме цей зсув — від автоматизації до посилення можливостей — і став вирішальним.
