Nagyvállalatok már elkezdtek felkészülni a kritikus emberi készségek megőrzésére

Az Üzleti intelligencia hírlevelünk előző részében a Boston Consulting Group (BCG) egy friss kutatását mutattuk be az ún. „kognitív adósság” jelenségéről, vagyis arról, hogy az AI rendszeres használata nyomán sokaknál leépül a kritikus gondolkodásra, az ítélőképességre, a kíváncsiságra való képesség.

Ez különösen kockázatos amikor a vállatoknál a képességek eróziója egyszerre több száz vagy akár több ezer embernél jelentkezik. Ezt a jelenséget a BCG szakértői „elosztott de-skillingnek” (distributed de-skilling) nevezik: az emberi kompetenciák kollektív leépülésének, ami idővel aláássa a vállalat szervezeti intelligenciáját és alkalmazkodóképességét.

Az első részt azzal zártuk, hogy a helyzet nem reménytelen, vannak ugyanis eredményes stratégiák a képesség-erózió kockázatának mérséklésére. A probléma inkább az, hogy – a BCG adatai szerint – bár egyre több vállalat kezd kísérletezni az emberi képességeket megóvó megoldásokkal és a döntéshozók többsége is tisztában van a veszéllyel, a cégek közel harmadánál a kérdés még vezetői szinten sem került napirendre.

A vállatoknak mindössze csak a tizede rendelkezik átfogó, szervezeti szintű stratégiával a de-skilling kezelésére. Ezen a héten az ő megoldásaikat mutatjuk be.

AI-mentes zónák

A hatékony AI-használat szabályozása nem merülhet ki abban, hogy meghatározza, mit nem szabad tenni. Ennél fontosabb feladata, hogy olyan kereteket szabjon, ami elősegíti, hogy az AI használata erősítse, és ne gyengítse az emberi képességeket.

Pontosan meg kell határozni, hogy mely AI-rendszereket szabad használni a szervezetben, hogyan kell ellenőrizni a generált eredményeket, illetve mely esetekben kötelező az eredmények ember általi felülvizsgálata. Ugyanilyen fontos a helyes használati minták rögzítése: konkrét útmutatók kidolgozása arról, hogy az alkalmazottak milyen helyzetekben és milyen módon támaszkodhatnak a mesterséges intelligenciára. Ezeknek tartalmaznia kell

„AI-mentes zónákat”, vagyis olyan feladatokat vagy döntési helyzeteket, ahol az eredetiség, az etikai mérlegelés vagy az összetett, szintetizáló gondolkodás különösen nagy jelentőséggel bír.

A vállalati belső kommunikációnak folyamatosan emlékeztetnie kell az alkalmazottakat arra, hogy a felelősség továbbra is őket terheli, függetlenül attól, milyen eszközt használnak a munkájuk során. A vezetőknek pedig tudatosan kell formálniuk az AI körüli belső narratívát, figyelve arra, hogy komoly hiba, ha a szervezet önmagában az AI-használatot jutalmazza, nem pedig az általa létrehozott üzleti értéket.

Emberi folyamatok

A mesterséges intelligencia korában az egyik legfontosabb vezetői kérdés a munkamegosztás újragondolása. Mit érdemes az AI-ra bízni, mit kell továbbra is embereknek végezniük és hol lehet a leghatékonyabb az úgynevezett ensemble megközelítés, amikor az ember és a gép egymástól függetlenül dolgozik egy problémán, majd az eredményeket összeveti és kombinálja?

A vezetőknek fel kell tenniük a kérdést: mely feladatokban szükséges fenntartani az emberi részvételt, és pontosan miért? Több vezető is hangsúlyozta, hogy azok a munkafolyamatok, amelyek építik az ítélőképességet, illetve mély kontextuális megértést igényelnek továbbra is emberi irányítás alatt kell maradniuk, még akkor is, ha a kapcsolódó részfeladatok automatizálhatóak.

Különösen fontossá válik a munkafolyamatok sorrendjének kontrollja. Az egyre fejlettebb AI-ügynökök ma már képesek teljes, több lépésből álló folyamatokat végig vinni, ami jelentősen lerövidítheti azokat a gondolkodási ciklusokat, amelyek korábban a szakmai fejlődés alapját jelentették.

A gyakorlatban ez azt jelenti, hogy a végső szakmai ítéletet és az eredményekért viselt felelősséget továbbra is embereknek kell megtartaniuk.

Legalább ilyen fontos a szenior és junior munkatársak közötti tudásátadás megőrzése, ugyanis ezen a csatornán keresztül öröklődik tovább az a hallgatólagos tudás, szakmai érzék és mesterségbeli tapasztalat, amelyet nem lehet kézikönyvekből vagy AI-válaszokból elsajátítani. Tudatosan védeni, vagy újraépíteni kell ezeket a kapcsolatokat strukturált gyakornoki és mentorprogramokkal, coaching-megoldásokkal, illetve olyan csapatstruktúrákkal, amelyek kifejezetten ösztönzik az ember-ember közötti tudásátadást.

A Shell például úgy alakította át folyamatait, hogy az értelmezés, a validálás és a végső döntéshozatal egyértelműen emberi felelősség maradjon. A jelentősebb elemzéseknél kötelező a szakmai peer review, míg a döntési folyamatokba beépített emberi kontrollpontok megkövetelik, hogy a munkatársak a jóváhagyás előtt kritikusan vizsgálják meg az AI által generált eredményeket és azok feltételezéseit.

A vállalat emellett a juniorok fejlődési útját is újratervezte. Az elv egyszerű: a fiatal szakembereknek először önállóan kell meghatározniuk a problémát, ellenőrizniük a kiinduló feltételezéseket és elkészíteniük egy alapvető elemzést. Csak ezt követően vonhatják be a mesterséges intelligenciát a munka finomhangolásába.

A mentorálási dinamika megőrzésére a Salesforce egy másik megközelítést alkalmaz. A vállalat a szoftverfejlesztésből ismert pair programming koncepcióját ültette át az AI-használat világába. Olyan kisebb csapatokat hoznak létre, amelyekben együtt dolgoznak a mesterséges intelligencia eszközeit magabiztosan használó kollégák azokkal, akik még kevésbé rutinosak ezen a területen.

A modell alapja a pozitív kortárs hatás és a közvetlen megfigyelés. A tapasztalatok szerint a munkatársak gyakran többet tanulnak egy ügyes kolléga munkájának megfigyelésével, mint a formális képzéseken. Különösen azok számára értékes ez a támogatás, akik ugyan hozzáférnek az eszközökhöz, de nem tudják, hogyan kezdjék el azok hatékony használatát.

A mesterséges intelligencia korában a tudásátadás egyre kevésbé technológiai, és egyre inkább szervezeti kérdéssé válik.

Emberként értékelve

A vezetők szerint az egyik legnehezebben megvalósítható, ugyanakkor a leghosszabb távú hatással bíró beavatkozás az emberi készségek tudatos beemelése a teljesítménymenedzsment-rendszerekbe.

A mesterséges intelligencia kiegyenlíti az eddig látható teljesítménykülönbségeket, és ezért a vezetők számára egyre nehezebbé válik a valódi tehetségek és szakmai képességek beazonosítása. Amikor szinte mindenki képes gyorsan jó minőségű prezentációt, elemzést vagy jelentést előállítani AI-eszközök segítségével, akkor egyre kevésbé egyértelmű, ki rendelkezik valóban kiemelkedő kompetenciákkal.

Hasonló a probléma a képzés és fejlesztés területén is. A tanúsítványok, képzési igazolások és elvégzett kurzusok száma nőhet, miközben a tényleges tudás vagy képességfejlődés nem feltétlenül követi ezt. A teljesítményértékelési rendszereknek ezért képesnek kell lenniük átlátni a ködön.

Azokat az emberi képességeket, amelyek a vállalat hosszú távú sikerének alapját jelentik, a teljesítményértékelésekben, az előléptetési kritériumokban és a karrierfejlesztési programokban is explicit módon meg kell jeleníteni. Ez mérési kérdés, de egyben világos üzenet is arról, hogy a szervezet mit tart valódi értéknek, és mely kompetenciákat kívánja megőrizni a mesterséges intelligencia korában.

Jó példa erre a francia adatvédelmi hatóság, a CNIL gyakorlata. Az intézménynél a vezetők nem pusztán azt vizsgálják, hogy a munkatársak képesek-e használni az AI-eszközöket, hanem azt is, mennyire tudják megkérdőjelezni és kritikusan értékelni azok eredményeit. Az AI-jal szembeni kritikus hozzáállás így a teljesítmény egyik hivatalosan értékelt dimenziójává vált. Ez a szemlélet erősítette az egyéni felelősségvállalást, és segített fenntartani azt a kritikus gondolkodást, amelyet önmagukban a szabályozási és irányítási mechanizmusok nem képesek garantálni.

A Salesforce ugyanakkor arra is rámutatott, hogy az ilyen változtatások bevezetése komoly szervezeti érzékenységet követel meg. A vezetők azt tapasztalták, hogy amikor az új technológiák bevezetésével párhuzamosan módosították az értékelési rendszereket is, az bizonytalanságot és szorongást váltott ki a munkatársak körében, ami rövid távon torzította a teljesítményt. A negatív hatások mérséklése érdekében a cég nem az értékelések gyakoriságán vagy folyamatán változtattak, hanem az ösztönzőrendszert alakították át.

Nagyobb elismerést kaptak azok a munkatársak, akik a saját munkaköri feladataikon túlmutató felismerésekkel járultak hozzá a szervezet működéséhez, illetve aktívan támogatták a tudásmegosztást ahelyett, hogy azt saját versenyelőnyükként védték volna. A megközelítés mögött egyszerű felismerés áll:

az AI korszakában értékessé válik, mikor valaki új tudást hoz létre, azt meg is osztja másokkal, és ezzel a szervezet egészének tanulását gyorsítja.

Csak rutinosan

Ha a mesterséges intelligencia fokozatosan átveszi a gondolkodási feladatok egy részét, akkor a vezetőknek tudatosan kell gondoskodniuk arról, hogy a munkatársak továbbra is rendszeresen edzésben tartsák kognitív és kreatív képességeiket.

A kutatás szerint ehhez nem elegendők az alkalmi tréningek vagy workshopok. Olyan mindennapi rutinokra van szükség, amelyek a működés szerves részévé válnak. Ahogy a vállalatok kialakították a különböző értekezletek és döntési folyamatok bevett szabályait, ugyanúgy szükség van olyan új munkarutinokra is, amelyek célzottan fejlesztik az emberi képességeket.

Egy vezető indiai bank például minden hónap első péntekén AI-mentes munkanapot tart valamennyi üzleti és támogató területen. A program strukturált esettanulmány-elemzéseket, design thinking feladatokat, csapatos visszatekintéseket és iparági helyzetértékeléseket kombinál. A tematika tudatosan váltogatja az elemző, kreatív és reflektív munkamódokat annak érdekében, hogy a résztvevők a lehető legtöbb emberi képességet gyakorolják.

Egy amerikai telekommunikációs vállalat évente úgynevezett „AI-mentes hackathonokat” szervez, ahol a csapatok három nap alatt működő prototípusokat vagy üzleti koncepciókat fejlesztenek anélkül, hogy AI-t vennének vagy vehetnének igénybe. A cél nem a technológia elutasítása, hanem a problémamegoldó készség, a kreativitás és a fejlődési szemlélet tudatos gyakorlása. A vezetők szerint ugyanakkor nem feltétlenül szükséges új programokat létrehozni. Sok esetben elegendő a meglévő munkafolyamatokba beépíteni azokat a pontokat, ahol az emberi mérlegelés és vita megkerülhetetlenné válik.

Egy vezető ipari technológiai vállalatnál az új projektek tervezési szakaszait használják fel erre a célra. A csapatoknak kötelező több lehetséges forgatókönyvet kidolgozniuk, meghatározott álláspontokat képviselniük és egymás érvelését kritikusan megvizsgálniuk, mielőtt a vállalat egy adott irány mellett döntene.

Az AI természetesen ebben a folyamatban is szerepet kap: segíthet alternatív forgatókönyvek kidolgozásában vagy kockázatok feltérképezésében. A végső mérlegelés és az egymással versengő lehetőségek közötti választás azonban továbbra is emberi feladat marad. A mesterséges intelligencia korában a kompetenciafejlesztés egyre kevésbé különálló HR-feladat, hanem egyre inkább a napi munkavégzés szerves része.

A megoldás nem lineáris

A legtöbb ember ma meglehetősen egyszerű módon használja a mesterséges intelligenciát: leírja a feladatot, választ kér, majd a kapott eredményt finomítja vagy szerkeszti. Ez a lineáris rutin ugyan gyors és kényelmes, de könnyen hozzájárulhat a gondolkodási feladatok kiszervezéséhez, miközben egyre inkább uniformizálja a gondolkodást. A felhasználó ugyanis közvetlenül a válaszhoz jut, kihagyva azt a mentális folyamatot, amely valójában fejlesztené az ítélőképességét.

Az egyik leghatékonyabb megközelítés így az úgynevezett nem lineáris munkamódszer, amely nem a kiinduló feltételezésekből halad előre a megoldás felé, hanem a lehetséges hibákból, ellenérvekből vagy kudarcforgatókönyvekből indul ki.

Már ma is számos iparág alkalmaz ilyen technikákat. A designképzésben például régóta ismert gyakorlat az ellentétes irányú promptolás. Ahelyett, hogy a felhasználó azt kérdezné az AI-tól, hogyan lehetne egy ötletet tovább javítani, inkább azt kéri: mutasson olyan megoldást, amely biztosan nem működik.

Elsőre talán szokatlan lehet ez a módszer, de éppen ez adja az erejét. Az AI ilyenkor kénytelen felszínre hozni a lehetséges hibaforrásokat, váratlan szélsőséges eseteket és olyan alternatív megközelítéseket, amelyek egy hagyományos kérdésfeltevés során rejtve maradnának. Ezek az eredmények pedig értékes kiindulópontot jelenthetnek az eredetibb és kreatívabb gondolkodáshoz.

A jogi és szabályozási területen hasonló logika mentén működik az úgynevezett adversarial red teaming. Ebben a megközelítésben az AI nem tanácsadó vagy válaszadó, hanem szkeptikus vitapartner. A rendszer feladata, hogy a legrosszabb lehetséges forgatókönyvekből kiindulva feltárja a gyenge pontokat és a potenciális kockázatokat – még azelőtt, hogy azok a gyakorlatban problémát okoznának.

A termékfejlesztésben az Amazon által ismertté tett working backwards módszer képviseli ugyanezt a szemléletet. A folyamat teljesen megfordítja a hagyományos logikát: a csapatok még a fejlesztés megkezdése előtt elkészítik a termék sajtóközleményét és a várható ügyfélkérdésekre adott válaszokat tartalmazó dokumentumot – ez pedig arra kényszeríti a szervezetet, hogy már a kezdetektől világosan meghatározza a termék célját, értékajánlatát és korlátait.

Az eltérő területekről származó módszerek ugyanarra az alapelvre épülnek. A mesterséges intelligencia nem elsősorban azért értékes, mert gyors válaszokat ad, hanem azért, mert képes jobb kérdések feltevésére ösztönözni az embert. A BCG kutatása szerint azok a vezetők járnak majd előnyben, akik épp erre tanítják meg munkatársaikat. Az AI-jal támogatott gondolkodás minőségét ugyanis végső soron nem a technológia határozza meg, hanem az a szellemi munka, amelyet a felhasználó még a prompt megfogalmazása előtt elvégez.

Másképpen fogalmazva: a mesterséges intelligencia akkor hozza a legnagyobb értéket, ha nem kiváltja, hanem provokálja az emberi gondolkodást.

Nyitókép: Shutterstock