Генеративный ИИ действительно способен помочь нам производить больше, быстрее и с меньшими усилиями. Тот, кто это отрицает — просто не хочет видеть очевидное. Но где «тонкий лёд»: когда мы сосредотачиваемся на ценности результата, который даёт ИИ, мы часто теряем из виду другие источники ценности. Где найти баланс?
Первоисточник: Recalculating the Costs and Benefits of Gen AI
Генеративный ИИ способен создавать огромную ценность — и для организаций, и для отдельных сотрудников.
Он может:
- автоматизировать сложные или рутинные задачи;
- освободить ресурсы для более значимой работы;
- улучшить качество решений за счёт анализа данных;
- ускорить инновации, моделируя и тестируя идеи быстрее, чем это доступно человеку;
- вдохновлять в режиме мозгового штурма, подкидывая бесконечное количество вариантов.
Руководители должны помнить обо всех этих плюсах — ведь они реально повышают качество и эффективность работы.
Но вот главный вопрос: что мы теряем, передавая задачу ИИ? Или иначе:
Откуда ещё берётся ценность?
Рассмотрим пять ключевых источников той самой ценности работы без ИИ.
Получение знаний и инсайтов
Когда мы ищем решение — мы учимся. Даже благодаря неудачным попыткам, случаются величайшие открытия (яркий пример — пенициллин). Когда мы анализируем информацию, мы можем видеть взаимосвязи и приходить к важным заключениям. Это важный навык не только для работы, но и для повседневной жизни. Сюнь Куан говорил: «Скажи мне, и я забуду. Научи меня, и я запомню. Вовлеки меня, и я научусь».
Оттачивание навыков
Только в процессе практики мы можем совершенствовать навыки. С ИИ мы получаем краткосрочную выгоду, но в долгосрочной перспективе проигрываем, теряя возможность прокачиваться самим.
Поддержание социальных связей
Так уж вышло исторически, что работа — процесс командный. С массовым внедрением ИИ ситуация меняется, поскольку один ИИ-агент может совмещать сразу несколько профессиональных ролей. Как следствие — взаимодействий становится меньше. Мы становимся более изолированными и менее счастливыми.
Вовлечённость
Давайте честно: мы и так стали меньше вовлекаться в то, что делаем, а ИИ ещё больше снижает желание погружаться во что-то глубоко. Легко сказать: «Я дочитаю и добавлю, если нужно, комментарии», но по факту пишем: «Да я уверен(а), что всё хорошо».
Понятно, что мы не можем быть вовлечены на 100% во все задачи, но передать «пульт управления» ИИ куда проще, чем самостоятельно собирать факты, интерпретировать, структурировать данные и развивать мысль. Хотя именно все эти процессы связывают нас с задачей, дают возможность почувствовать ценность и смысл работы.
Уникальность
Мы — продукт своего опыта, и это, в том числе, формирует нашу идентичность. То, как мы общаемся по почте, как составляем презентации или решаем проблемы — это наш стиль. А LLM (большие языковые модели) по своей природе — технологии с эффектом усреднения, в итоге мы получаем безликую массу, основанную на миллионах уже существующих данных.
Где баланс
Что же получается — не внедрять? Внедрять, просто взвешивать текущие плюсы и будущие потери.
Профессор HBS Эми Эдмондсон предлагает две важные оси, о которых должны помнить лидеры:
- Уровень воздействия: индивидуальный или коллективный (человек, команда или компания);
- Горизонт времени: краткосрочный или долгосрочный (что приобретаем сейчас, но потеряем потом).
Главное — помнить, что результат — это ещё не всё. Начните с вопроса о том, какие ценности создает задача.
Вторая важная мысль: мы пока не до конца понимаем ни влияние генеративного ИИ, ни что нас ждёт в будущем, поэтому нужен гибкий подход. Для этого идеально подходит метод «проверки молока» — каждое решение об использовании ИИ должно иметь «срок годности». Мы понимаем, что делать дальше, исходя из новых вводных — наше «молоко» прокисло или нет. Думайте как учёный: сформулируйте гипотезу, проверьте ее, соберите данные и придите к эмпирически обоснованным выводам.
И последнее — быть или не быть / использовать или нет — решают не только лидеры, но и сами сотрудники. Если ваши KPI и метрики завязаны только на результат и скорость, тем самым вы поощряете полную передачу задач ИИ в компании. Если это — всё, что для вас имеет значение, это нормально. Но если нет — посмотрите, за что вы на самом деле бьётесь в компании. Возможно, стоит добавить метрики, поддерживающие обучение, взаимодействие, креативность.
И ещё — говорите с людьми про ИИ. Обсуждайте не только плюсы, но и риски.