Már rengeteg cikket olvashattunk arról, hogy a Generatív Mesterséges Intelligencia – GenAI – növeli a termelékenységet. Arról viszont kevesebbet hallottunk, hogy olyan képességekkel is felruházhat, amelyekkel addig nem rendelkeztünk, és olyan feladatokat is elvégezhetünk a segítségével, amikhez eddig nem volt meg a tudásunk. Mint amikor Harry Potter magára ölti a láthatatlanná tévő köpenyt, vagy amikor Vasember egy gombnyomással felveszi a páncélzatát. Ennek a jelentősége óriási, hiszen így olyan emberek is elvégezhetnek bizonyos feladatokat, akik eddig távol álltak ezektől a területektől.
A BCG Henderson Institute – a Boston Consulting Group think tankje – legújabb kutatásában, amelyet a Boston University és az OpenAI gazdasági hatásokat vizsgáló kutatócsoportjával együttműködve készített, tudományos alapossággal mérte ezt fel. Az eredményeket a GenAI nem csak növeli a termelékenységet, hanem új képességekkel is felruház című tanulmányban foglalták össze.
A BCG Henderson Intézet már tavaly is elvégzett egy kísérletet, amiben azt vizsgálták, hogy hogyan működhet együtt az ember és a GenAI a munkahelyen. Az első kísérlet arra kereste a választ, hogyan támogatja a GenAI a dolgozókat abban, hogy olyan feladatokat végezzenek el, amelyekhez már rendelkeznek a megfelelő készségekkel. A mostani kísérlet egy lépéssel tovább ment és azt kutatta, hogy a GenAI hogyan segíthet a munkavállalóknak olyan feladatok elvégzésében, amelyek hagyományosan speciális szaktudást igényelnének.
Miközben az üzleti világ a GenAI megfelelő alkalmazásával birkózik, a vezetők számára egyértelmű az üzenet: a GenAI-t nemcsak termelékenységnövelő eszközként kell elfogadni, hanem olyan technológiaként is, amely elősegítheti, hogy a dolgozók sikeresen alkalmazkodjanak a változó munkaerőpiaci igényekhez.
A kísérlet
A kísérletben 480 BCG tanácsadó vett részt, és olyan feladatok elvégzésére kérték őket, amelyek általában fejlett adatelemzési készségeket igényelnének. Ezek közé a feladatok közé tartozott Python-kód írása adatkészletek egyesítésére; prediktív modellek építése; valamint a ChatGPT által generált statisztikai eredmények ellenőrzése. Egyik feladat sem volt a GenAI által teljesen automatizálható, így az emberi közreműködés elengedhetetlen volt. A tanácsadók teljesítményét 44 tapasztalt BCG adatszakértő eredményeivel hasonlították össze.
A tanulmány egyik legszembetűnőbb eredménye az volt, hogy a GenAI-t használó tanácsadók feladatmegoldó képességei azonnal javultak. Még azoknál is így volt ez, akiknek semmilyen tapasztalatuk nem volt a kódolásban vagy a gépi tanulásban, ugyanis ők is magas szinten tudtak teljesíteni. A GenAI segítségével a résztvevők képesek voltak kódot írni, gépi tanulási technikákat alkalmazni, valamint statisztikai hibákat javítani.
Átlagos teljesítményük elérte a profi adatkutatók benchmarkjának 86 százalékát.
Ez 49 százalékponttal jobb, mint a GenAI-t nem használó tanácsadók eredményei. Ráadásul a GenAI által támogatott résztvevők körülbelül 10 százalékkal gyorsabban végezték el a feladataikat, mint az adatkutatók!
„A GenAI lehetővé teszi a munkavállalók számára, hogy túllépjenek jelenlegi képességeiken” – mondta Dan Sack, a BCG egyik ügyvezető igazgatója és a tanulmány társszerzője. „A vezetők számára ez alapvető változást jelent abban, hogyan tekintsenek a tehetségekre és a munkahelyi képességekre. A GenAI nem csupán egy eszköz a termelékenység növelésére, hanem egy módja annak, hogy bővítsük a dolgozók által elvégezhető feladatok típusait.”
Színre lép a GenAI által támogatott munkavállaló
A kutatás eredményei azt jelzik, hogy egy újfajta tudásmunkás jelenik meg: olyan, aki a GenAI segítségével képes olyan feladatokat ellátni, amelyekre addig nem volt képes.
Ennek a változásnak a hatása túlmutat az azonnali termelékenységnövekedésen.
Teljesen új lehetőségeket kínál a szervezetek számára, hogy átgondolják a munkaerő-tervezést, a toborzást és a dolgozók fejlesztését.
Például amikor a résztvevők Python-kód írásával foglalkoztak, azok, akik soha nem írtak kódot, elérték a profi adatkutatók benchmarkjának 84 százalékát. Azok, akik nem használták a GenAI-t, gyakran már a feladat elkezdésével is küszködtek, és csak a benchmark 29 százalékát érték el. A GenAI szerepe egyértelmű volt: lehetővé tette, hogy a résztvevők azonnal megbirkózzanak összetett feladatokkal, és képzett programozókká változtatta őket, legalábbis akkor és addig, amíg a GenAI segítségével dolgoztak.
Ugyanakkor a tanulmány rávilágított arra is, hogy a GenAI felügyelet nélküli túlzott használata kockázatokat is hordozhat. Azok az alkalmazottak, akiknek nincs meg a megfelelő háttértudásuk ahhoz, hogy ellenőrizzék az AI által létrehozott eredményeket, nehezen ismerik fel az esetleges hibákat. Ezért elengedhetetlen a minőségellenőrzés.
A GenAI mint ötletelő partner
A technikai készségek bővítése mellett a GenAI értékes eszközként szolgál az ötletelésben is. A résztvevőktől azt kérték, hogy építsenek egy prediktív modellt nemzetközi futballmeccsek adatai alapján sportbefektetésekhez. Ez egy olyan feladat volt, amelyben ők, de a GenAI sem volt különösebben jártas. A GenAI-t használó résztvevők képesek voltak új befektetési modelleket és technikákat kitalálni. A saját tudásukat kombinálták az AI tudásával, így végül jobb eredményeket értek el, mint azok, akik nem használták a GenAI-t.
Annak ellenére, hogy a GenAI segített az ötletelésben, a prediktív elemzés volt az, ahol a konzultánsok a legkevésbé tudták utolérni a tapasztalt adattudósokat. Azonban így is: a GenAI-t használó csoport 15 százalékponttal nagyobb valószínűséggel választotta ki és alkalmazta megfelelő módon a gépi tanulási módszereket, mint azok, akik nem használtak AI-t.
Mint a Vasember páncélja
A tanulmány egyik legérdekesebb megállapítása az volt, hogy bár a GenAI segíthet a munkavállalóknak olyan feladatok elvégzésében, amelyekhez korábban nem rendelkeztek a szükséges készségekkel, ez azonban nem azonos a hagyományos átképzéssel!
Ez annak során derült ki, hogy a feladatok elvégzése után kaptak egy teszt kérdéssort, hogy teszteljék, mennyit tanultak valójában. Például feltettek egy kódolási szintaxis kérdést, bár nem mindenki végezte el a kódolási feladatot – és ezért nem mindenkinek volt lehetősége „megtanulni” a szintaxist. Ám azok, akik teljesítették a kódolási feladatot, ugyanolyan teszt eredményt értek el, mint azok, akik nem végezték el azt.
Vagyis bár sikeresen megoldották a feladatot a GenAI segitségével, a feladat teljesítése nem növelte a tudásuk.
Ugyanakkor azok a résztvevők, akik korábban már rendelkeztek némi kódolási tapasztalattal, jelentősen jobban teljesítettek minden feladatban, ami arra utal, hogy bizonyos alapvető ismeretek még mindig számítanak az AI eszközök használata során.
Az átképzés általában új képességek vagy ismeretek megszerzését jelenti, amelyek lehetővé teszik a munkavállaló számára, hogy új munkakörbe vagy iparágba lépjen.
A GenAI azonban inkább egy mesterséges vázként működik, ami lehetővé teszi a munkavállalók számára, hogy többre legyenek képesek anélkül, hogy feltétlenül megtanulnák, hogyan kell ezt önállóan megtenni.
Vagyis a GenAI használat pont úgy működik, mint Harry Potter láthatatlanná tévő köpenye, vagy Vasember páncélja – ha nem használjuk, a képességeink visszatérnek a szokásos szintre.
Mit jelent ez a vezetőknek?
A kísérlet eredményeinek mélyreható következményei vannak a vezetők számára. Ezért javasoljuk, hogy erre az 5 területre kimondottan figyeljenek:
Tehetségtoborzás és belső mobilitás: Építsük be a GenAI-t a toborzási folyamatba, hogy ne csak a jelenlegi készségeket mérjük fel, hanem azt is, hogy hogyan teljesítenek a jelöltek, amikor AI-val dolgoznak. Továbbá – lehet, hogy meglepő, de lesznek olyan jelenlegi alkalmazottak, akik új szerepkörökben tudnak majd jól teljesíteni.
Tanulás és fejlesztés: Bátorítsuk a munkavállalókat, hogy tanuljanak és fejlesszék magukat különösen olyan területeken, amelyek javítják az AI-val való hatékony együttműködés képességét.
Csapatmunka és teljesítmény-menedzsment: Úgy tervezzük meg a csapatokat, hogy egyensúlyt teremtsünk a generalisták és a specialista munkavállalók között, hogy kihasználjuk az AI támogatást mindkét típusú dolgozó munkájában.
Stratégiai munkaerő-tervezés: Gondoljuk át, hogyan fogja a GenAI befolyásolni a munkaerő- struktúrát, különösen az olyan iparágakban, ahol a munkakörök folyamatosan fejlődnek.
Szakmai identitás: Támogassuk a munkavállalót a munka változó természetében való eligazodásban. Biztosítsuk, hogy megbecsültnek érezzék magukat a szerepükben, még akkor is, ha az AI egyre több feladatot vesz át.
Eredeti cikk: GenAI Doesn’t Just Increase Productivity. It Expands Capabilities (Dan Sack, Lisa Krayer, Emma Wiles, François Candelon, Mohamed Abbadi, Urvi Awasthi, Ryan Kennedy és Cristian Arnolds)
