30 de date verificate despre AI și muncă

Se citează des fără context, drept dovadă că adopția merge greu și mai bine stăm potoliți. A doua cifră din același studiu e cea care ne arată, însă, imaginea integrală: organizațiile care își redesenează fluxurile de lucru raportează că au obținut plus-valoare de 5,3 ori mai des decât cele care doar instalează programe noi.

Scăderea e măsurată doar pe ocupațiile cele mai expuse, cum ar fi programarea sau relațiile cu clienții. Nu e o scădere a tuturor angajărilor de tineri, deși așa e citată de obicei.

Cifra pare să o contrazică pe cea de dinainte, dar cele 2 măsoară felii diferite ale aceleiași realități. Una se uită la ocupațiile expuse, cealaltă la companiile care investesc serios. Concluzia, de fapt, e că inteligența artificială nu șterge joburile entry-level, cu totul, dar le mută dinspre companiile care taie costuri spre companiile care construiesc.

Productivitatea crescută e citată ca dovadă a timpului câștigat. În același raport, însă, observăm că 45% dintre respondenți spun că muncesc mai mult decât înainte. Deci, viteza s-a transformat în așteptări mai mari, nu în timp liber.

Datele acestea se interpretează des ca o creștere nejustificată a așteptărilor angajatorilor, însă de fapt ele vorbesc despre cum munca de rutină prin care juniorii învățau meserie e preluată de inteligența artificială. Așadar, responsabilitățile joburilor entry-level sunt cele care se schimbă, uneori chiar radical.

Titlurile folosesc concedierile ca dovadă că rolurile profesionale din industria BPO/outsourcing dispar. Datele de comerț măsoară, însă, ce vinde industria, nu câți oameni angajează. Când vânzările cresc și angajații scad, asta se numește productivitate, iar cine citează doar concedierile spune jumătate de poveste.

Concedierile justificate de implementarea AI sunt foarte des doar o narativă, prin care managerii să evite să admită că au greșit când au supra-angajat în perioada pandemiei. Piața financiară a început să nu mai recompenseze această narativă.

Viteza resimțită se citează ca dovadă de viteză. Măsurătoarea din același studiu arată însă contrariul: aceiași programatori au lucrat, de fapt, cu 19% mai lent. Senzația că am prins viteză nu e, neapărat, o dovadă de viteză, aviz amatorilor.

Estimarea individuală se citează ca și cum s-ar aduna de la sine într-un câștig al firmei. Același studiu arată că doar 13% dintre organizații văd câștiguri semnificative la nivelul întregii firme: orele economisite se pierd pe drum, în coordonare, în așteptare și în muncă refăcută, dacă nimeni nu le direcționează spre un obiectiv clar.

Informațiile acestea sunt citate ca și cum inteligența artificială face în 15 minute munca zilnică a unui profesionist, deci jobul dispare. Testul măsoară însă sarcini individuale, date una câte una, cu cerințe formulate clar și specific la fiecare pas. Asta nu e nici pe departe un rol întreg. Iar cele 15 minute nu includ timpul în care cineva, un om, verifică și integrează rezultatul. Informația de reținut rămâne saltul de la 48% la 84% într-un an: viteza schimbării e evidentă și nu avem date care să indice o potențială încetinire.

Se presupune automat că fiecare instrument nou adaugă productivitate. De la un punct încolo, fiecare instrument nou adaugă în primul rând întreruperi în ritmul de lucru și în fluxurile mentale.

Cifrele se citează ca defect al oamenilor. De fapt descriu un mod de lucru care se instalează de la sine acolo unde nu există procese de potențare a agency-ului angajaților. Agency înseamnă să înțelegi în ce context operezi și cum te impactează el și să iei decizii și acțiuni care să te ducă spre un context mai dezirabil. Acest lucru se repară prin procese de lucru și prin implementarea unor acțiuni care să potențeze ownership-ul individual.

Pierderea de competențe e discutată ca fiind o problemă individuală, a angajatului comod și leneș, care de rău ce e nu vrea să se dezvolte. Dacă parcurgem studiul, însă, vedem că acesta o tratează ca pe o problemă de proiectare a muncii: dacă toate task-urile unde agency-ul e necesar se deleagă spre AI, cum s-ar mai putea antrena acești mușchi?

Interpretată fără context, informația pare să spună că experiența de lucru cu AI e nasoală, nu ajută. În realitate, ce se întâmplă e că experții sunt suficient de îndrăzneți încât experimentează cu sarcini de 2-3 ori mai complexe decât începătorii. Eșecul mai frecvent e semn de ambiție, nu de incompetență. Corelația =/= cauzalitate. E una dintre cele mai frumoase lecții de interpretare a unei informații în context.

Azi spunem că ne-a zis rezumatul de la Google cu siguranța cu care deunăzi spuneam că am văzut pe Google. Numai că rezumatul nu e un rezultat găsit, pe care să-l poți deschide și verifica, ci un text generat, iar 1 din 10 e greșit. Cât de reală e problema o arată justiția: o instanță din München a decis deja că Google răspunde legal pentru o defăimare produsă de un astfel de rezumat.

Cifra se citește ca un experiment de laborator, un atac exotic de care se ocupă specialiștii în securitate. Dar ce a expus experimentul nu e atacul, ci mecanismul din spatele lui, pe care-l putem vedea în activitățile zilnice: agenții AI tratează aproape la fel o sursă oficială și un comentariu anonim, la fiecare răspuns, nu doar când îi manipulează cineva. Așa că un răspuns cu surse citate nu e un răspuns verificat. E jobul omului să verifice și să se asigure de corectitudinea informațiilor.

Dacă fenomenul există în lucrări științifice verificate de specialiști, există cu siguranță și în rapoartele și prezentările care circulă pe la tine prin organizație. Orice sursă citată de un text generat merită măcar un click de verificare.

Cifra de 17,5% se interpretează ca dovadă că în România inteligența artificială nu e încă o treabă serioasă. Interpretarea pe care ți-o propun eu, însă, e fix invers: 1 din 6 oameni care lucrează o folosește deja, iar creșterea față de 15,3% în doar câteva luni ne indică o direcție foarte bine conturată. Organizațiile care așteaptă momentul potrivit, au deja angajați care folosesc AI, doar că fără reguli și responsabilități.

Diferența uriașă dintre cele 2 cifre nu înseamnă că una minte. Metodologia diferă: statistica oficială numără adopția declarată formal de firmă, sondajul numără ce folosesc oamenii în practică. Concluzia, practic, e că există adopție AI la un mod foarte real și extrem de nesupravegheat. Oamenii folosesc, organizația se face că nu vede.

Creșterea bugetului se citează ca dovadă că organizația investește în oameni, deci problema competențelor e pe cale să se rezolve. Același raport arată însă unde ajung banii: sub 9% dintre cursurile online asincrone începute sunt duse până la capăt. Bugetul măsoară intenția, finalizarea măsoară realitatea.

Nota autoarei: mă abțin să comentez aici despre motivele din spatele ratei reduse de finalizare. Spun doar că sunt 100% convinsă că ele nu țin de lipsa de dorință de dezvoltare a angajaților.

Infrastructura excelentă se citează des ca dovadă că România e pregătită. Același raport arată, însă, și că avem cele mai slabe competențe digitale de bază din UE: 31,8% dintre oameni, față de media europeană de 60,4%. Autostrada există, dar 2 din 3 oameni nu au învățat să conducă pe ea.

Cifra se citează singură, ca dovadă că adopția e rezolvată. Același studiu arată, însă, că 72,7% dintre cei care o folosesc zilnic rămân la un nivel de bază, în care adresează niște întrebări banale și rezolvă niște task-uri banale (mails, texte, imagini drăguțe, planificarea vacanțelor sau idei de rețete). Frecvența a crescut, complexitatea nu. A folosi zilnic =/= a folosi bine.

Informația asta este interpretată drept ieftinirea inteligenței artificiale, care înseamnă automat și ieftinirea implementării inteligenței artificiale. Dar aici vorbim doar de costul tehnologiei, exact partea care, după modelul 10-20-70 de la punctul 2, rezolvă doar 20% din problemă. Partea cu adevărat scumpă, adică oamenii, procesele și modul de lucru, nu s-a ieftinit deloc.

Informațiile se interpretează ca și cum ar descrie utilizatorul obișnuit, ceea ce ar însemna că un sfert din piață deleagă deja proiecte întregi. Nu-l descriu: e vorba de utilizatorii aflați în avangardă, de oamenii care adoptă primii instrumentele AI. De fapt, aceste informații ne arată încotro mergem și cu ce viteză ne îndreptăm spre încolo: am trecut de la conversații de tip Q&A la delegarea de proiecte întregi, într-o jumătate de an.

Măsurătoarea e făcută pe sarcini de programare bine definite și ia în calcul task-urile unde modelele AI au obținut o rată de succes de 50%. Deci nu înseamnă că un model lucrează autonom și fără greșeli o zi întreagă în orice domeniu. Înseamnă că suntem la începutul unei curbe exponențiale, iar în acest scenariu direcția contează mai mult decât valoarea exactă.