Η generative AI μεταμορφώνει την εργασία και τις κοινωνικές δομές, δημιουργώντας νέες ευκαιρίες παράλληλα με προκλήσεις. Ο Dan Sack, παγκόσμιος επικεφαλής του Center for Responsible Generative AI της BCG, εξηγεί στα «ΝΕΑ» τις δυνατότητες και τους κινδύνους που συνεπάγεται η ταχεία υιοθέτηση αυτής της τεχνολογίας. Κατά τη διάρκεια της συνέντευξης, αποδομεί μύθους, όπως ότι η πρόοδος έχει σταματήσει, και αναλύει πώς η νέα γενιά AI μπορεί να λειτουργεί αυτόνομα. Η συζήτηση εστιάζει επίσης στη σημασία της εκμάθησης μηχανών και της κριτικής σκέψης, οι οποίες γίνονται πιο κρίσιμες από ποτέ, καθώς οι νέες δεξιότητες είναι απαραίτητες για την διαμόρφωση του μέλλοντος της εργασίας.
Τι είναι η generative AI;
Με απλά λόγια, η generative AI είναι μια υποκατηγορία της τεχνητής νοημοσύνης που έχει τη δυνατότητα να δημιουργεί νέο περιεχόμενο — όπως κείμενα, εικόνες, ήχους και βίντεο — με βάση δεδομένα και προτροπές που παρέχονται από τον χρήστη. Αυτή η τεχνολογία είναι η βάση για εφαρμογές όπως το ChatGPT και το Gemini της Google, που χρησιμοποιούνται για τη συγγραφή κειμένων και την παροχή πληροφοριών. Επιπλέον, η generative AI βρίσκει εφαρμογή στη σχεδίαση και την ανάπτυξη προϊόντων, καθώς και στην ανάλυση δεδομένων, ενώ στην υγειονομική περίθαλψη συμβάλλει στην ανάλυση κλινικών δοκιμών και την ανακάλυψη νέων φαρμάκων.
Γιατί η «υπεύθυνη τεχνητή νοημοσύνη» είναι επίκαιρη;
Η generative AI και τα ολοένα και πιο αυτόνομα συστήματα που την υποστηρίζουν είναι από τις ταχύτερα υιοθετούμενες τεχνολογίες στην πρόσφατη ιστορία. Η ικανότητά τους να ανατρέπουν κλάδους και να μετασχηματίζουν την εργασία έχει προκαλέσει έντονες συζητήσεις. Όμως, υπάρχουν και βαθύτερα ζητήματα που σχετίζονται με τις αξίες και τον σκοπό των οργανισμών. Ποιες είναι οι αξίες που προάγουμε και ποιος είναι ο τελικός μας στόχος; Όταν η τεχνολογία αναλαμβάνει ανθρώπινους ρόλους, όπως η συνεργασία και η ανάθεση καθηκόντων, ανακύπτουν ηθικά ερωτήματα.
Επιπλέον, τα θεμελιώδη μοντέλα της AI διαφέρουν από προηγούμενες τεχνολογίες. Παρόλο που έχουμε θεωρητική κατανόηση του κώδικα και των μαθηματικών, στην πράξη, τα μοντέλα είναι τόσο μεγάλα και περίπλοκα που ακόμη και οι δημιουργοί τους δεν μπορούν να εξηγήσουν πλήρως τα αποτελέσματά τους. Αυτό καθιστά τη συμπεριφορά τους πιο «ανθρώπινη». Όπως αναλύουμε τις ανθρώπινες αποφάσεις, έτσι πρέπει να κάνουμε και για την AI, με τη διακυβέρνηση αυτής της τεχνολογίας να πλησιάζει περισσότερο στις κοινωνικές επιστήμες παρά στην επιστήμη υπολογιστών.
Ο Dan Sack
Ποιες είναι οι μεγαλύτερες παρανοήσεις σχετικά με την τεχνητή νοημοσύνη;
Υπάρχουν τρεις βασικές παρανοήσεις: Πρώτον, η άποψη ότι «η πρόοδος έχει σταματήσει». Αν και το αρχικό ενδιαφέρον για την AI μπορεί να έχει μειωθεί, τα νέα συστήματα που αναπτύσσονται είναι εντυπωσιακά και θα επιτρέπουν στην AI να ενεργεί αυτόνομα, χρησιμοποιώντας εργαλεία και συντονιζόμενη με άλλους ενδιάμεσους. Σε εφαρμογές όπως ο σχεδιασμός εφοδιαστικής αλυσίδας, ακόμη και αρχάριοι χρήστες μπορούν να λαμβάνουν γρήγορες και ποιοτικές αποφάσεις.
Δεύτερον, η πεποίθηση ότι «πρέπει να εκπαιδεύσουμε τα μοντέλα με τα δεδομένα μας». Σήμερα, αυτό δεν είναι απαραίτητο. Τα μοντέλα μπορούν να είναι αποτελεσματικά από την αρχή, όπως ένας νέος αλλά έμπειρος υπάλληλος, χωρίς να απαιτείται εκπαίδευση ή προσαρμογή. Η παροχή του κατάλληλου πλαισίου στο μοντέλο είναι πιο σημαντική από την εκπαίδευση με τα δεδομένα μας. Τρίτον, η άποψη ότι «garbage in, garbage out», δηλαδή αν βάζεις σκουπίδια, παίρνεις σκουπίδια. Αν προσπαθήσετε να τελειοποιήσετε την πλατφόρμα δεδομένων σας πριν χρησιμοποιήσετε την AI, πιθανόν να χάσετε πολύτιμο χρόνο. Αντί να επιδιώκετε την τελειότητα, εστιάστε σε αποτελέσματα υψηλής αξίας και προσαρμόστε την πορεία σας αναλόγως.
Πώς θα επηρεάσει η τεχνητή νοημοσύνη την αγορά εργασίας;
Το BCG Henderson Institute έχει διεξάγει εκτενή πειράματα σχετικά με τη χρήση της generative AI στην εργασία, αποκαλύπτοντας ότι αυτή η τεχνολογία αυξάνει την αποδοτικότητα και διευρύνει τις δεξιότητες των εργαζομένων πέρα από την παραδοσιακή εκπαίδευση. Η AI μειώνει την ανάγκη για στενές δεξαμενές ταλέντων και προσφέρει ευκολότερη πρόσβαση σε νέους ρόλους, ενισχύοντας την επαγγελματική κινητικότητα.
Μια ενδιαφέρουσα παρατήρηση είναι ότι όσοι γνωρίζουν κώδικα συνεργάζονται καλύτερα με την AI, ακόμα και όταν δεν απαιτείται κωδικοποίηση. Η εκμάθηση κώδικα φαίνεται να ενισχύει τη λογική σκέψη, που είναι πολύτιμη στην αλληλεπίδραση με την AI. Είναι απαραίτητο να επενδύσουμε στην εκπαίδευση που ενισχύει την κριτική σκέψη και την προσαρμοστικότητα, προκειμένου να εξασφαλίσουμε ένα βιώσιμο μέλλον στην εργασία.
