Nem az informatika világából érkezett az AI világába. Ez hogyan formálta azt, ahogyan a mesterséges intelligenciáról gondolkodik?
Elsősorban felhasználóként érkeztem, nem tudósként, és különösen fontos, hogy az oktatás oldaláról. Harminc éve próbálok innovációt vinni az oktatásba, mindig kerestem az új eszközöket. Régebben ilyen volt a Mentimeter, a Google Scholar vagy akár az a kérdés, hogyan használjuk jól a Wikipédiát.
Számomra az AI ennek a folyamatnak a folytatása, ugyanakkor jelenleg sokkal megosztóbbnak tűnik, mint a korábbi technológiák. A helyesírás-ellenőrző Grammarly például segíthetett valakinek jobban írni, de nem nyúlt bele abba, ahogyan az ember gondolkodik. A mesterséges intelligencia viszont most pontosan ezt teszi.
Ma már tudományos szinten beszélünk arról is, amit kognitív feladásnak, kognitív kapitulációnak (cognitive surrender) nevezhetünk: arról, hogy bizonyos gondolkodási folyamatokat átadunk a technológiának. Ez nem újdonság, ezért óvatosan kell fogalmazni a félelmekkel kapcsolatban is: amikor a televízió elterjedt, attól is tartottak, hogy tönkreteszi az emberek gondolkodását, ha sok tévét néznek. Ez nagyrészt nem történt meg. Az AI azonban már közelebb kerül azokhoz a folyamatokhoz, ahogyan tanulunk és gondolkodunk, ezért valószínűleg mélyebb változást is fog okozni.
Hol van a határ az ember és az AI valódi együttműködése, illetve aközött, amikor egyszerűen kiszervezzük a gondolkodást a technológiának?
Nagyon fontos megvédenünk a co-intelligence, vagyis az ember és AI együttműködésének gondolatát. Nem delegálhatunk mindent teljesen a mesterséges intelligenciának. A kockázat egyik része attól függ, milyen feladatról van szó. Ha egy AI rosszul tervezi meg a hétvégi utazásomat, annak valószínűleg nincsenek igazán komoly következményei. De van egy másik kérdés is, mégpedig az, hogy eközben
én mennyire veszítem el a kontrollt az adott folyamat felett?
London jó példa erre, mert régen sokan papíralapú térképekkel közlekedtek, ha el akartak jutni a város egyik részéből a másikba. Ha pedig sokat használtad a térképet, előbb-utóbb összeálltak a fejedben bizonyos útvonalak. Ma viszont már mindenki Google vagy Apple térképet használ. Ezekkel gyorsan eljuthat bárki, például Chiswickbe, de ha megkérdezem tőle, hogy hol van Chiswick London egészéhez képest, valószínűleg nem fogja tudni. Elveszítettük a folyamat egy részét, ami jelen esetben a város egészének mentális térképe.
Ugyanez történhet az AI-jal is. Vannak folyamatok, amelyeket nyugodtan átadhatunk. Nem érzem veszteségnek, hogy már nem tudok papíron négyzetgyököt számolni, mert a számológép megteszi helyettem. De lehetnek olyan folyamatok, amelyeknél fontos, hogy továbbra is értsük, hogyan jutottunk el az eredményhez.
A számológép és a térkép jó példa, de hogyan működik ez a folyamat a mesterséges intelligenciával?
Például nem szeretném azt mondani a Claude-nak vagy a Copilotnak, hogy készítsen el helyettem egy teljes komplex táblázatot, amelyet utána nem vagyok képes teljes egészében ellenőrizni, átlátni. Ehelyett inkább megbeszélem az eszközzel, hogyan épüljön fel a táblázatom: közösen meghatározzuk a táblák tartalmát, a makrókat, függvényeket, aztán még mindig közösen megcsináljuk az elsőt. Pontosabban, az AI elkészíti, de én alaposan ellenőrzöm, közben pedig tanulok is valamit. Ezután mehetünk tovább. Így a végére lehet, hogy nagyon összetetté válik a munkafüzet, de mindvégig nálam marad a kontroll.
Lehet, hogy egyszer majd úgy bízom egy AI-ban, mint ma a számológépemben, de jelenleg még nem tartunk ott.
Vissza az oktatás témájához: ha az AI már képes esszét írni, adatot elemezni vagy üzleti tervet készíteni, mit kellene valójában számon kérni a hallgatókon?
A legfontosabb készség a kritikus gondolkodás, az AI által adott eredményekkel szemben abszolút szkeptikusnak kell lennünk. Viszont van ezzel kapcsolatban egy érdekes probléma: minél meggyőzőbbnek tűnik egy válasz, annál nehezebben hisszük el, hogy esetleg téves. Ezért kell először erős kritikai gondolkodást kialakítani, majd megtanítani az embereknek azokat a technikai készségeket is, amelyekkel ezt alkalmazni tudják. Nem elég azt mondani egy hallgatónak, hogy ellenőrizze az AI válaszát, mert az igazi kérdés az, hogyan tegye. Menjen vissza könyvekhez? Ellenőrizzen mindent kézzel? Akkor miért használ AI-t?
Inkább azt kell megtanítani, hogyan használhatja magát az AI-t is a kritikus ellenőrzés részeként. Például megadhatja a modellnek, hogy csak megbízható forrásokra támaszkodjon, mutassa meg, honnan származik az információ, majd ezeket a forrásokat ellenőrizze. Ugyanazt a kérdést fel lehet tenni több modellnek is, például a Claude-nak és a ChatGPT-nek is, majd összevetni a válaszokat.
A kritikus gondolkodás ugyanis önmagában filozófiai elv marad csupán, ha nem tanítjuk meg azt is, hogyan lehet a gyakorlatban alkalmazni.
Mi a helyzet az egyetemek hozzáállásával? Engedélyezzenek minden AI-használatot?
Az elején a brit egyetemek többsége egyszerűen megtiltotta a nagy nyelvi modellek használatát a vizsgákon. Aztán nagyon gyorsan megjelent az a hozzáállás, hogy bizonyos esetekben mégis engedélyezhető. Most pedig egyre inkább abba az irányba tartunk, hogy az AI használata szinte olyan elvárássá válik, mint a szövegszerkesztőé. De be kell tudni mutatni, hogyan és kellő kritikával használtad-e, milyen kontextust adtál neki, és betartottad-e a szabályokat. Azért sem praktikus egyszerűen megtiltani az AI-t, mert amikor a hallgatók kikerülnek a munkaerőpiacra, elvárják majd tőlük, hogy tudják használni ezeket az eszközöket.
Milyen emberi készségek értékelődnek fel, ahogy az AI egyre többre képes?
A kritikus gondolkodás mindenképpen az első, ezt már említettem. Emellett viszont az ember és ember közötti kapcsolat is egyre fontosabbá válik. A személyes kommunikáció sokkal több információt hordoz, mint pusztán a kimondott szavak. Most is, hogy videón beszélgetünk egymással, látjuk egymás mimikáját, gesztusait, halljuk a hanghordozását. De minél többet kommunikálunk a technológián keresztül, annál nagyobb a veszélye, hogy veszítünk abból a képességünkből, amellyel valódi bizalmat építhetünk két ember között.
Fontos, hogy ez nem azt jelenti, hogy minden online kapcsolatot elutasítok. Az emberek online játékokban, avatárokon keresztül vagy más digitális tereken keresztül is valódi kapcsolatokat alakíthatnak ki. Az üzleti életben azonban a végrehajtás sikere soha nem csak attól függ, hogy mennyire jó a terv, mennyire pontos a Gantt-diagram vagy mennyire kifinomultak a folyamatok.
Végül mindent emberek hajtanak végre, és ehhez elengedhetetlen a bizalom.
A karizmatikus vezetőket sem azért követik válsághelyzetben, mert jól megírt e-maileket küldenek vagy szép weboldaluk van. Hanem azért, mert személyesen képesek jelen lenni és bizalmat teremteni. Egy üzleti iskolában ezeket a készségeket is tudatosan fejlesztenünk kell.
A vállalatok rengeteget beszélnek átképzésről. Reálisan lehetséges olyan gyorsan új készségeket adni az embereknek, ahogyan az AI fejlődik?
Szeretném azt hinni, hogy igen, mert jelenleg az Imperial College munkatársaival éppen ezen dolgozunk a Zebrafish elnevezésű projekt keretein belül. Azt vizsgáljuk, hogyan lehet nagyobb, száz fő feletti szervezeteknél felismerni, melyik munkatársak szerepe kerülhet veszélybe, és hogyan lehet úgy fejleszteni a készségeiket, hogy továbbra is értékesek maradjanak a vállalat számára. Ehhez maga az AI is elengedhetetlen, hiszen több ezer ember képzését egyszerűen nem lehet megfelelően skálázni.
A cél az, hogy az évtizedek alatt kialakult pedagógiai módszereket összehozzuk az AI-jal és a co-intelligence szemlélettel. Ha ezt jól csináljuk, több ezer munkatárs tudja egyszerre fejleszteni azokat a készségeit, amelyekkel gyorsabban dolgozhat, több időt tölthet az ügyfelekkel, vagy egyszerűen hatékonyabbá válhat.
Fontos, hogy a munkavállalóknak közben önbizalmat is kell adnunk. Ha valaki felismeri, hogy a munkájának egy része elavult vagy automatizálható, az nem feltétlenül tragédia, de azt is szem előtt kell tartani, hogy a tanuláshoz visszatérni nem visszalépés, hanem valós, előremutató alternatíva.
Hol húzná meg a határt az önállóan dolgozó AI-ügynökök és azok között a döntések között, amelyeknél mindenképpen embernek kell a folyamatban maradnia?
Ez nagyon kontextusfüggő. Ha az orvosom AI segítségével állít fel egy diagnózist, amelytől az életem függ, örülök neki, ha a technológia gyorsabbá és pontosabbá teszi a folyamatot. De azt mindenképpen szeretném ezen felül, hogy az orvos ellenőrizze az eredményt.
Ha viszont az autóm navigációja AI segítségével talál egy két perccel gyorsabb útvonalat, nyugodtan rábízom magam. Tudom, hogy néha tévedhet, de azon a két percen valójában nem múlik semmi.
Nem hiszem, hogy ma lehetne olyan univerzális vonalat húzni, amely jövő héten is ugyanott lesz. Ugyanez történt a számológéppel, amire ma már gondolkodás nélkül rábízom a gyökvonást és sok más összetett számítást.
Az AI-t viszont még nem bíznám meg bizonyos komplex döntésekkel, különösen akkor, ha emberi kapcsolatok és megítélés is része a feladatnak.
Mi az, amire nyugodt szívvel használja?
Felkészülésre például fantasztikus. Tegyük fel, hogy egy hét múlva olyan befektetőkkel találkozom, akiknek különböző céljaik, kockázatvállalási hajlandóságuk és érdekeik vannak. Létrehozhatok öt különböző AI-ügynököt, amelyek ezeket a szereplőket szimulálják, majd megkérem őket, hogy úgy kérdezzenek és támadjanak engem, ahogyan várhatóan a valódi tárgyaláson fogják. Így amikor belépek a tárgyalóba, nem akkor találkozom először ezekkel az érvekkel. Szeretném, hogy egy AI-ügynök menjen el helyettem a találkozóra? Nem! Ott én akarok kontrollban maradni. De arra, hogy felkészüljek, nagyon szívesen használom.
Hogyan lehet jobb minőségű eredményt kapni az AI-tól, ha komplex feladatokról van szó?
M.M.: Az egyik kulcs a keretrendszer, vagy mondhatjuk állványzatnak is. Pont, mint egy házépítésnél: ha egyszer rosszul állítjuk fel, ezt később már nehéz korrigálni. Én ezért magát a struktúrát is közösen alakítom ki az AI-jal. Megbeszélem vele, hogyan érdemes felosztani egy feladatot, és csak akkor engedem tovább, amikor már elégedett vagyok a kerettel.
Vegyünk például egy hosszú jelentést. Megkérhetném a Claude-ot, hogy az összes rendelkezésre álló információból írja meg az egészet egyetlen lépésben. Én ehelyett inkább először csak az első részt készíttetem el, majd megbeszélem vele, ellenőrizöm, korrigálok, végül erre építenem a következőt részt.
Ha kisebb egységekre bontjuk a feladatot, a modell ugyanazt a kapacitást koncentráltabban tudja felhasználni, így pontosabb, jobb eredményt kaphatunk. A folyamat legvégén pedig az egész dokumentum belső konzisztenciáját is ellenőriztethetem.
Mire számíthatnak azok, akik az idei AI Talkson beülnek meghallgatni az ön előadását?
A végleges változat még alakul, de leginkább azt szeretném megvizsgálni, hogy a vállalatok mennyire gondolták végig valójában a munkavállalóik AI-korszakra való felkészítését. Nem egyszerűen a HR- vagy beruházási tervük érdekel, inkább az, hogyan gondolják újra a teljes működésüket.
Nagyon egyszerűen három csoportba osztanám a céges folyamatokat. Az elsőbe azok kerülnek, amelyeket megtartunk, csak AI-jal gyorsabban végzünk el. A másodikba azok, amelyeket megtartunk, de az AI miatt érdemben átalakítunk. A harmadikba pedig azok, amelyekhez egyáltalán nem akarjuk, hogy a mesterséges intelligencia hozzáférjen. Szerintem a három kategória együtt ad egészséges megközelítést.
Vannak folyamatok, amelyeket valóban jobbá tehetünk az AI-jal, és vannak olyanok is, amelyekhez egyszerűen nem szabad gépet engedni.
És egy dolgot megígérhetek az AI Talks közönségének: nem azt szeretném, hogy csak üljenek és végighallgassák az előadást: párbeszédet szeretnék kezdeményezni a témával kapcsolatban.
A 2026-os HVG AI Talks konferenciára lehet még jegyet vásárolni a https://aitalks.hu/ weboldalon.
