Многие развитые страны сталкиваются с самым низким ростом производительности за последние 60 лет. Поэтому неудивительно, что некоторые видят в искусственном интеллекте (ИИ) спасение для производительности. СМИ анонсируют новую эру высокой производительности, обеспеченной ИИ, особенно генеративными ИИ-инструментами, такими как ChatGPT и DALL-E. Ведущие научные журналы полны примеров того, как ИИ позволил совершить прорывные открытия в исследованиях. Машинное обучение использовалось, например, для предсказания формы белков по информации о ДНК или для управления формой перегретой плазмы в ядерной фузионной реакции. Одна команда из CSIRO разработала автономную систему на основе ИИ, которая может изготавливать и тестировать 12 000 дизайнов солнечных элементов в течение 24 часов.
Значит ли это, что мы можем переключить выключатель, оставить его на автомате и отправиться на пляж? Не совсем.
Не панацея для производительности
Вышеупомянутые примеры внушают надежду, но также отвлекают от многих приложений ИИ, которые не сработали. Это те случаи, где использование ИИ было дорогостоящим и затратным по времени и не привело к желаемому результату. Они часто не фиксируются в журналах и СМИ.
В 2021 году сообщество ИИ пришлось сделать паузу, когда 62 опубликованных исследования, которые использовали машинное обучение для диагностики COVID-19 по рентгеновским снимкам грудной клетки, оказались ненадежными и непригодными для клинического применения, в основном из-за проблем с входными данными. Это было острым напоминанием о том, что ИИ ошибается.
Это не значит, что ИИ нельзя использовать для повышения производительности – просто это не готовое решение для наших проблем с производительностью. ИИ не может волшебным образом исправить проблемы, связанные с неэффективными процессами, плохим управлением и негативной культурой. Если вы бросите передовой ИИ в глупую организацию, искусственный мозг не сделает компанию умной. ИИ просто поможет организации делать глупые вещи более эффективно (то есть быстрее). Это вряд ли приведет к росту производительности.
Где работают приложения ИИ
Одно недавнее исследование Национального бюро экономических исследований США показало, что производительность сотрудников службы поддержки, которые использовали ИИ-инструмент для помощи в ведении разговоров, увеличилась на 14%. В Австралии Westpac заявляет, что ИИ обеспечил рост производительности программистов на 46% без потери качества работы.
Во многих отношениях эти примеры не удивительны. Очевидно, что ИИ может повысить производительность, если использовать его эффективно; Google Maps явно лучше, чем старый атлас дорог, когда нужно добраться из точки А в точку Б. Так что же общего у ситуаций, в которых ИИ работает хорошо?
Успешные приложения ИИ, как правило, характеризуются четкой потребностью и функцией для ИИ-системы. Они хорошо интегрированы в более широкие процессы бизнеса или организации и не мешают выполнению других задач сотрудниками.
Неудачи ИИ-приложений: причины и пути преодоления
Добиться выгод от повышения производительности с помощью ИИ во всей организации, не говоря уже об всей экономике, трудно. Многие организации все еще борются с более простым цифровым преобразованием.
Консалтинговая фирма Deloitte оценивает, что 70% усилий по цифровому преобразованию организаций терпят неудачу. Возможно, настоящее решение дилеммы производительности заключается не в использовании ИИ, а в устранении организационных неэффективностей, возникающих при внедрении новых технологий.
Современные офисы часто перегружены бесполезными электронными письмами, излишними встречами и бюрократией, истощающими энергию и мотивацию сотрудников. Рутинная работа и отвлечения снижают их продуктивность.
Навряд ли ИИ сможет решить эту проблему. В наше время внимание – это ценный ресурс; ИИ, призванный защитить нас от ненужной рутины, может стать навязчивым. Мы даже можем оказаться в ситуации, когда ИИ-инструменты конкурируют между собой за наше внимание.
Экономист Стюарт Миллс из Университета Лидса предполагает, что инструменты типа ChatGPT, автоматизирующие бюрократические процессы, не влияют на производительность.
Мы спросили у старшего менеджера в международной инженерной компании, – о том, использует ли он ChatGPT. “О да”, – воскликнул он, “я использую его для создания всех этих отчетов, которые менеджмент постоянно требует. Я уверен, что никто их не читает, поэтому они не обязаны быть высокого качества”.
Путь к долгосрочному росту производительности
Вероятно, на долгосрочной перспективе ИИ улучшит производительность на общественном уровне, привнеся трансформативные изменения.
По состоянию на сентябрь 2022 года 5,7% всех научных статей были посвящены ИИ – это больше, чем 3,1% в 2017 году и 1,2% в 2000 году.
Инноваторы во всем мире исследуют возможности ИИ для ускорения своей работы и открытий. Мы можем ожидать, что наиболее эффективные решения, решающие реальные проблемы, выделятся и займут свое место.
Успех внедрения ИИ требует понимания контекста применения технологии, выбора подходящего инструмента для конкретной задачи и его правильного использования. Кроме того, необходимо урегулировать вопросы процесса, управления, культуры и этики.