(Kiemelt kép: Unsplash)
1950-ben Alan Turing, a számítástechnika úttörője azt jósolta, hogy néhány évtizeden belül a számítógépek meggyőzően utánozzák majd az emberi intelligenciát – ez a teljesítmény a Turing-teszt néven ismert. Ahogy az olyan mesterséges intelligencia-technológiák, mint a természetes nyelvfeldolgozás, a gépi tanulás és a mélytanulás rohamosan fejlődnek, úgy terjed az az elképzelés is, hogy az ember utánzásától az ember feleslegessé válásáig eljutnak: Elon Musk arra figyelmeztetett, hogy egy szuperintelligens gép „átveheti az uralmat a világ felett”. Az a fantázia – vagy rémálom -, hogy az emberek és a mesterséges intelligencia versenyre kényszerülnek egymással, figyelemre méltóan tartós. Emellett elvonja a figyelmünket az MI valódi potenciáljáról. Erik Brynjolfsson, a Stanford Graduate School of Business közgazdaságtan professzora „A Turing-csapda” című, nemrégiben megjelent tanulmányában azt állítja, hogy túl sok figyelmet fordítunk arra az elképzelésre, hogy az algoritmusok vagy robotok az embereket helyettesíteni fogják. Ehelyett úgy vélekedik, hogy ha a hangsúlyt arra helyezzük át, hogy elképzeljük, hogyan tud az MI az emberekkel együtt dolgozni, az ösztönözni fogja az innovációt és a termelékenységet, miközben mindenki számára gazdasági előnyökkel is jár(hat). Az emberi intelligencia és munka automatizálása az MI segítségével hihetetlenül erőteljes és szuggesztív, de nagyon korlátozó elképzelés. Az alternatíva az augmentáció: a mesterséges intelligencia használata az emberek kiegészítésére azáltal, hogy új dolgok elvégzésére teszi képessé őket. Mind az automatizálás, mind az augmentáció előnyökkel járhat, és mindkettő nyereséges lehet. De jelenleg sok technológiai menedzser és vállalkozó túl nagy hangsúlyt fektet az automatizálásra még. Az emberek által elvégezhető feladatokon és az automatizálható feladatok korlátozott körén túl sokkal több olyan munka létezik, melyet gépek segítségével végezhetünk el – ez az augmentáció univerzuma lenne. A mesterséges intelligencia fejlődésével egyszerűen minden eddiginél jobban utánozhatnánk az embert. Vagy az emberek tágabban értelmezhetik az MI-t, ahol sokkal több dologra lesznek képesek.
Nincs kétség afelől, hogy ezek az új generatív MI-termékek, melyeket az OpenAI, a Google és mások modelljei hajtanak, lehetővé fogják tenni az első lépést tevő cégek számára, hogy hatalmas termelékenységnövekedést érjenek el, és egyesek még a munkaerő egy részét is leépíthetik azáltal, hogy az alacsonyabb szintű kognitív munkákat, melyeket korábban emberek végeztek, MI-val helyettesítik. De a legtöbb esetben, legalábbis rövid távon, a munkájukat elveszítő embereket nem közvetlenül az MI fogja helyettesíteni, hanem egy olyan ember – talán egy hatékonyabb versenytársnál, vagy akár a szemközti iróasztalnál ülő, hatékonyabb munkatárs –, aki az MI-t használja. Röviden, az új MI „copilot szoftvert” használó emberek két, három vagy esetleg még több nem MI-képes alkalmazott munkáját végezhetik el. Az üzletágak költségtermelő részein ez munkahelyek leépítéséhez vezethet. Azonban, az üzlet bevételtermelő részein, ahol a több az erőforrás és a képesség több bevételt jelent, ez a vállalatok méretnövelésével valójában több munkahelyet eredményezhet. Egy másik nézőpontból, amint azt Arvind Krishna, az IBM vezérigazgatója is megemlít, hogy könnyen elképzelhető, hogy a következő öt évben a vállalat nem ügyfélkapcsolati szerepeinek közel egyharmadát felváltja az MI. Egyes szakértők attól tartanak, hogy ez tömeges elbocsátásokhoz vezethet a korábban „biztonságos”, jellemzően középosztálybeli munkahelyeken. A probléma nem annyira az, hogy a technológia átalakítja a munkahelyeket, hanem az, hogy az átalakulás üteme valószínűleg túl gyorsan fog történni ahhoz, hogy a megszűnő munkahelyeket új, az MI-hez igazodó és ellenálló szerepekkel lehessen pótolni, ami rögvest húsba vágó foglalkoztatási hiányt okoz(hat).
A másik dolog, ami megkülönbözteti az MI-t a korábbi technológiai fejlődésektől, hogy az MI az első olyan technológia, mely képes önállóan döntéseket hozni és új ötleteket létrehozni. Ha olyan iparágban dolgozunk, mely közel száz százalékban kognitív jellegű, például a marketing, a pénzügy, a jog, a számvitel vagy a számítástechnika területén, akkor valószínűleg sokkal hamarabb fogjuk látni az MI hatását, mint azokban az iparágakban, ahol a munka egy része valamilyen fizikai formát igényel. Az olyan kékgalléros foglalkozásokra, mint a vízvezeték-szerelők, villanyszerelők és kertészek, a közeljövőben valószínűleg kevésbé lesz közvetlen hatással a mesterséges intelligencia. Az ezekben az iparágakban dolgozóknak azonban nem szabad elbizakodottnak lenniük. Ha a középosztálybeli munkahelyek jelentős része valóban elavulttá válik az MI fejlődése miatt, akkor az ilyen „MI-ellenálló szolgáltatások” iránti kereslet is csökkenhet, mivel egyre kevesebben engedhetik meg maguknak. A jövő egyszerre hangzik izgalmasnak és rémisztőnek, és kétségtelenül lesznek nyertesek és vesztesek rövid távon, ahogy a generatív MI első hulláma eléri az egyes iparágakat.
Felkészülés az első mesterséges intelligencia hullámra
Hogyan készüljünk fel a mesterséges intelligencia közelgő hullámára? A felkészültség az egyik módja annak, hogy csökkentsük a bizonytalan jövő miatti aggodalmunkat.
Készítsük fel vállalkozásunkat az MI-ra
Az MI bevezetése nem egyik napról a másikra történő folyamat. Az új MI-termékek gyors ütemben jelennek meg, ami azt jelenti, hogy ha azt hisszük, hogy ez egy „kész és dobozos” típusú bevezetés, akkor csalódnunk kell. Így hasznosabb, ha szervezetünknek „MI-képes szervezetté” történő átalakítását egy dinamikusan változó folyamatnak tekintjük. Ennek oka, hogy az MI-termékek és -eszközök hatóköre és képességei várhatóan robbanásszerűen növekedni fognak az elkövetkező hónapokban. Kezdetben segíthet, ha tisztában vagyunk azzal, hogy hol vannak az MI automatizálásának prioritásai. Kisebb vállalkozások esetében egy egyszerű módszer, melyet használhatunk, egy „MI prioritási mátrix” létrehozása.
Kezdjük a szervezet funkcióinak feltérképezésével
A fő termék- vagy szolgáltatás kínálatán kívül ezek valószínűleg kisebb-nagyobb mértékben a következő funkciókat foglalják magukban: jogi, értékesítés, marketing, pénzügyek, HR, IT, ügyfélszolgálat. Érdemes meghatározni azon célok listáját, melyeket a mesterséges intelligencia alkalmazásával szeretnénk elérni. Bár ezek mindenképpen iránymutatóak lehetnek, jó ötlet konkrétabbnak lenni, és túllépni az olyan magas szintű célokon, mint a „költségmegtakarítás” és a „nagyobb termelékenység”. Íme néhány alacsonyabb szintű példa, melyet az MI-hez használhatunk, bátran bővíthetjük tovább a listát: ismétlődő vagy unalmas feladatok és funkciók eltávolítása, folyamatok automatizálása a hibák csökkentése és a minőség javítása érdekében, az ügyfélkiszolgálás javítása a személyre szabás révén, jobb adatvezérelt döntéshozatal ösztönzése, több bevételi ötlet és lehetőség generálása, a belső vállalati dokumentumok és információk tudásmegosztása. Valószínűleg e célok kombinációját vagy mindegyikét szeretnénk elérni több feladatkörben. Ezután rendezzük az üzleti funkciókat és célkitűzéseket különböző tengelyekre egy táblázatban, és rangsoroljuk az egyes üzleti funkciókat és célkitűzéseket 1-5 közötti prioritási sorrendbe, ahol az 5-ös a legmagasabb lesz. Végül összegezzük a funkciósor egyes oszlopainak prioritási pontszámait, hogy megkapjuk az automatizálás általános pontszámát. A legmagasabb prioritási pontszámmal rendelkező funkciósorok azok, ahol az automatizálás útját megkezdhetjük. Ha van ilyen, osszuk meg a csapatunk többi tagjával, hogy konszenzusra jussunk az eredményekkel kapcsolatban.
A jelenlegi technológiai infrastruktúra és ütemterv felmérése
Miután ismerjük az automatizálni kívánt üzleti funkciók fontossági sorrendjét, elkezdhetjük feltérképezni a jelenleg használt technológiai infrastruktúrát és a mesterséges intelligencia-alapú szervezet kialakításához szükséges ütemtervet. Ha egy kis vállalat vagyunk (vagy KKV), ez elég egyszerű lehet, nagyobb vállalatok esetében ez egy egész projektet jelenthet. Sok nagyobb vállalat még mindig a saját nyilvános vagy privát felhőhálózatán hosztolja az általa használt szoftvert, mivel általában nem akarják kiszervezni a márkára vonatkozó költségeket és az üzletmenet-folytonossági kockázatot egy másik szervezetnek. Ennek hátránya azonban a magas karbantartási és támogatási költsége. A kisvállalatok viszont általában szívesen használják például a nagy technológiai cégek olcsó, szakértelemmel karbantartott, felhőben hosztolt, SaaS-alapú termékeit. Ilyenek az céges email, például a Microsoft vagy a Google irodai termékek, szövegszerkesztés, táblázatkezelés és prezentációk. Az irodai és kommunikációs alapú termékek mellett érdemes más speciális alkalmazásokat is a cég üzleti területétől függően, például képszerkesztő szoftvereket, kódszerkesztőket, projektmenedzsment- vagy jogi dokumentumkezelő szoftvereket, valamint házon belül fejlesztett egyedi alkalmazásokat is feltérképezni. Ezután kutassuk fel a gyártók mesterséges intelligencia-útiterveit.
Miután elkészült a szervezet által használt összes szoftver listája, és azonosítottuk a hiányosságokat, kutassuk fel a gyártók mesterséges intelligencia-ütem és útitervét. Ha nincs MI-útitervük, vagy nem vagyunk elégedett azzal, amit látunk, akkor itt az ideje, hogy szolgáltatókat váltsunk és egy MI-központúbb szervezethez térjünk át. A Microsoft Office-alkalmazásait, például a Wordöt, az Excelt és a Powerpointot, vagy a Google megfelelőit használó szervezetek számára jó hír, hogy ezek a termékek 2023-ban valószínűleg mindegyike megkapja a hatékony, generatív MI-frissítéseket, így nem kell mást tenni, mint továbbra is fizetni az előfizetési díjat (és megtanulnia, hogyan kell hatékonyan használni majd őket). Ennek viszont az a hátránya, hogy mindenki más ugyanolyan termelékenységi előnyökhöz jut, mint a mi szervezetünk, mivel a termékeket ugyanolyan széles körben használják.
Arra számíthatunk, hogy a GPT-4-gyel felszerelt ChatGPT, akár alapértelmezett beállításokkal, akár webböngészőben, akár bővítmények használatával, értékes eszköz marad sok szervezet MI-technológiai csomagjában, mivel az emberek hozzászoktak a szövegek összegzéséhez, dokumentumtervezetek készítéséhez és az adatok elemzéséhez. A generatív MI funkciók megjelenése az olyan platformokon, mint a Microsoft Office és a Google megfelelői, azonban kihívást jelenthet a széles körű használatára nézve. Ha a ChatGPT nem vezet be innovatív funkciókat, népszerűségét ezek a kényelmesebb lehetőségek befolyásolhatják. Ez nem jelent problémát az OpenAI számára, mivel ugyanazok a modellek, melyek a ChatGPT-t működtetik, támogatják a Microsoft jelenlegi generatív MI-ajánlatait is. Végezetül, fedezzük fel az MI-munkafolyamatok vezérlését és összekapcsolását olyan kód nélküli platformok segítségével is, mint például a Zapier.
