რას კარგავს კომპანია, როცა AI თანამშრომლებს ყველაფერში ეთანხმება? | Marketer

ხელმძღვანელები ხშირად ამბობენ, რომ ხელოვნური ინტელექტის გამოყენებისას საბოლოო გადაწყვეტილება ადამიანს უნდა ეკუთვნოდეს. თუმცა მხოლოდ ეს პრინციპი ვერ უზრუნველყოფს, რომ თანამშრომელი საკუთარ განსჯას ნამდვილად დაეყრდნობა. მნიშვნელობა აქვს იმასაც, როგორ ესაუბრება მას AI: ამოწმებს მის ვარაუდებს, დამატებით კითხვებს სვამს თუ თითქმის ყველა იდეას მოწონებით ხვდება.

როცა თანამშრომელი AI-ს სტრატეგიის მოსამზადებლად, მიზნების დასასახად ან მნიშვნელოვანი გადაწყვეტილების შესაფასებლად იყენებს, მუდმივმა თანხმობამ შეიძლება თავდაჯერება გაუზარდოს ისე, რომ ნამუშევრის ხარისხი არ გაუმჯობესდეს. კარგად ჩამოყალიბებული პასუხი და გამამხნევებელი შეფასება ქმნის განცდას, რომ საკითხი საფუძვლიანად არის გააზრებული, მაშინაც კი, თუ მთავარი დაშვებები ჯერ არავის შეუმოწმებია.

AI-ის ამ მიდრეკილებას მაამებლობას უწოდებენ. ის მხოლოდ ზედმეტ კომპლიმენტებში არ გამოიხატება. პრობლემა ჩნდება მაშინ, როცა სისტემა მომხმარებლის პოზიციას ერგება და თანხმობას იქაც ამჯობინებს, სადაც წინააღმდეგობის გაწევა ან არგუმენტის გადამოწმება უფრო სასარგებლო იქნებოდა.

კომპანიებისთვის ამას რამდენიმე შესაძლო შედეგი აქვს. თანამშრომლებს შეუძლიათ ინდივიდუალურად უკეთესი ტექსტები ან იდეები შექმნან, მაგრამ ერთსა და იმავე სისტემებზე დაყრდნობით მათი ნამუშევრები ერთმანეთს დაემსგავსოს. ამავდროულად, თუ AI მუდმივად დამაჯერებელ პასუხებს იძლევა, ადამიანები შესაძლოა სულ უფრო იშვიათად ამოწმებდნენ მის მსჯელობას. შედეგად, ორგანიზაციაში, რომელიც დამოუკიდებელ აზროვნებასა და ინიციატივას აფასებს, ყოველდღიური სამუშაო ინსტრუმენტი საპირისპირო ჩვევებს ამკვიდრებდეს.

ამ საკითხის შესწავლა ბრიტანულმა სატელეკომუნიკაციო ჯგუფმა BT-მ მას შემდეგ გადაწყვიტა, რაც თავის 77 000 თანამშრომელს AI-ის სამუშაო პარტნიორად გამოყენებისკენ მოუწოდა. კომპანიამ ქცევითი მეცნიერებების კვლევით ორგანიზაცია MoreThanNow-სთან ერთად შეამოწმა, როგორ ცვლიდა AI-სთან საუბრის სტილი თანამშრომლების შედეგებს.

BT-ისთვის ეს საკითხი უშუალოდ უკავშირდებოდა მის კულტურას. კომპანია თანამშრომლებისგან ცნობისმოყვარეობას, ინოვაციურობასა და ამბიციური მიზნების დასახვას ელოდა. ამიტომ გაჩნდა კითხვა: ეხმარებოდა თუ არა ამაში სისტემა, რომელიც მათ შეთავაზებებს ძირითადად იწონებდა?

ექსპერიმენტისთვის წლიური სამუშაო მიზნების ჩამოყალიბება შეარჩიეს. ეს პროცესი ხშირად ფორმალურ ვალდებულებად იქცევა: თანამშრომელი წერს რამდენიმე ზოგად წინადადებას, ხელმძღვანელი ეთანხმება და დოკუმენტი ადამიანური რესურსების მართვის სისტემაში ინახება. AI ტექსტის მომზადებას ამარტივებს, თუმცა უფრო გამართული ფორმულირება თავისთავად უფრო ძლიერ მიზანს არ ნიშნავს.

კვლევაში 2400 ადამიანი მონაწილეობდა. ისინი შემთხვევითი წესით სამ ჯგუფში გაანაწილეს. პირველ ჯგუფს მიზნების დასაწერად ჩვეულებრივი ინსტრუქციები მისცეს, AI-ის გარეშე. მეორე ჯგუფმა გამოიყენა ინსტრუმენტი, რომლის პასუხებიც კომპანიებში გავრცელებულ AI-სთან ურთიერთობას ჰგავდა და მოწონებისკენ იყო მიდრეკილი. მესამე ჯგუფს კი შეხვდა სისტემა, რომელსაც თანამშრომლისთვის დამატებითი კითხვები უნდა დაესვა და უფრო კონკრეტული, ამბიციური მიზნის ჩამოყალიბებაში დახმარებოდა.

განსხვავება საუბრის გაგრძელებაში ჩანდა. ჩვეულებრივ სისტემას შეეძლო თანამშრომლის მონახაზისთვის ეპასუხა: „კარგი მიზანია. რას ნიშნავს ეს შენს ყოველდღიურ საქმიანობაში?“ დამატებითი განმარტების შემდეგ თანამშრომელი ტექსტს ასრულებდა.

უფრო მომთხოვნი ვერსია ამ ეტაპზე არ ჩერდებოდა. ის აზუსტებდა, კონკრეტულად რა მოქმედებები იქნებოდა საჭირო მიზნის მისაღწევად, რას გააკეთებდა თავად თანამშრომელი და შეიძლებოდა თუ არა მასშტაბის გაზრდა ან ვადის გადახედვა. საუბარი რამდენიმე წუთით მეტხანს გრძელდებოდა, მაგრამ ადამიანს საკუთარი განზრახვის უკეთ გააზრება უწევდა.

მკვლევრებმა მიღებული მიზნები კონკრეტულობისა და ამბიციურობის მიხედვით შეაფასეს. თავდაპირველი შეფასებისთვის AI ინსტრუმენტი გამოიყენეს, შემდეგ კი მისი შეფასებების სიზუსტე თავად გადაამოწმეს.

კვლევის მიხედვით, AI-ის ორივე ვერსიამ უკეთესი შედეგი გამოიღო, ვიდრე მის გარეშე მუშაობამ. თუმცა დამატებით კითხვებზე აგებულმა სისტემამ განსაკუთრებით ძლიერი შედეგი აჩვენა: ამ ჯგუფში „შესანიშნავად“ შეფასებული მიზნები სხვა ჯგუფებთან შედარებით 3,5-ჯერ მეტი იყო. ამასთან, შემცირდა სუსტი მიზნების ჩამოყალიბების ალბათობაც.

ნაკლები ქება მონაწილეთა გამოცდილებას არ გაუარესებია. ჯგუფებს შორის განსხვავება არ გამოვლენილა იმაში, რამდენად მოსწონდათ პროცესი, რამდენად უსაფრთხოდ გრძნობდნენ თავს ფსიქოლოგიურად და რამდენად სურდათ ტექნოლოგიის ხელახლა გამოყენება. ამ ექსპერიმენტში უფრო მომთხოვნი თანამოსაუბრე ნაკლებად სასიამოვნო თანამოსაუბრეს არ ნიშნავდა.

შედეგის შეფასებისას მისი ფარგლებიც გასათვალისწინებელია. კვლევამ აჩვენა, რომ საუბრის სტილის შეცვლით უკეთ ჩამოყალიბებული მიზნების მიღება შეიძლება. მას ჯერ არ დაუდგენია, რამდენად უკეთ შეასრულეს თანამშრომლებმა ეს მიზნები ან რა გავლენა ჰქონდა ცვლილებას კომპანიის ფინანსურ შედეგებზე. BT ახლა ამ მიდგომას მიზნების დასახვის პროცესში ნერგავს და შემდგომ შეისწავლის, როგორ მოქმედებს AI-ის უკუკავშირი სამუშაოს ხარისხსა და თანამშრომლებს შორის ურთიერთობებზე.

სხვა ორგანიზაციებისთვის ამ გამოცდილების გამოყენება საკუთარი შედეგების სწორად გაზომვით იწყება. აქტიური მომხმარებლების რაოდენობა, შეძენილი ლიცენზიები ან გავლილი ტრენინგები გვაჩვენებს, რამდენად გავრცელდა ტექნოლოგია, მაგრამ ვერ გვეტყვის, გაუმჯობესდა თუ არა სამუშაო. ამის გასაგებად საჭიროა თავად ნამუშევრის, გადაწყვეტილებებისა და მიღწეული შედეგების შეფასება.

ამასთან, ერთი ტიპის ურთიერთობა ყველა ამოცანას ვერ მოერგება. მიზნების დასახვისას დამატებითი მოთხოვნა და შეკითხვები შეიძლება სასარგებლო იყოს, ხოლო რთული სამუშაო კონფლიქტის ან შესრულების შეფასებისთვის მომზადებისას სხვა ბალანსი გახდეს საჭირო. ორგანიზაციამ უნდა შეამოწმოს, სად სჭირდება თანამშრომელს არგუმენტების კრიტიკული განხილვა, სად მეტი განმარტება და სად მხარდაჭერა.

მხოლოდ კომპანიის მონაცემების AI სისტემაში დამატებაც საკმარისი არ არის. ინსტრუმენტს შეიძლება ჰქონდეს ინფორმაცია ორგანიზაციის ღირებულებების შესახებ, მაგრამ თანამშრომელთან საუბრისას მათ საწინააღმდეგოდ მოქმედებდეს. ამიტომ მნიშვნელობა აქვს კონკრეტული ქცევების გამოცდას: ითხოვს თუ არა მტკიცებულებას, ამჩნევს თუ არა წინააღმდეგობას და ეხმარება თუ არა ადამიანს დამოუკიდებლად გააზრებულ გადაწყვეტილებამდე მისვლაში.

ამ სამუშაოს პარალელურად საჭიროა ხელმძღვანელების განვითარებაც. რთული საუბრის წარმართვა, კონსტრუქციული უკუკავშირი და გარემო, სადაც თანამშრომელს განსხვავებული აზრის გამოთქმა შეუძლია, ისევ ადამიანურ ურთიერთობებზეა დამოკიდებული. AI-ისგან უფრო მომთხოვნი პასუხების მიღება განსაკუთრებით სასარგებლო იქნება იქ, სადაც თავად ხელმძღვანელებიც მზად არიან, მათი გადაწყვეტილებები კითხვების გარეშე არ მიიღონ.

წყარო: HBR