U prethodnom članku, argumentirao sam da AI ne dolazi kao jednostavan produktivni dividend. Umjesto toga, dolazi kao šest kategorija novog posla: upravljanje i širenje alata, provjera, spremnost podataka, relevantnost i sigurnost, teret neuspjelih projekata i stalno učenje i ponavljanje. Ove kategorije su se pojavile iz razgovora s timovima koji već koriste AI u praksi, korisnici koji prebacuju između alata, usklade izlaze i čiste podatke umjesto da rade “viši posao” koji su im obećali.
Članak u Harvard Business Reviewu od Arune Ranganathan i Xingqi Maggie Ye pruža rijedak longitudinalni pogled na ovu stvarnost. Pratili su oko 200 zaposlenika u američkoj tech kompaniji tijekom osam mjeseci kako bi vidjeli kako AI stvarno mijenja njihov posao. Njihov zaključak je oštar: AI alati nisu smanjili rad; oni su “konzistentno pojačali” posao. Zaposlenici su radili brže, preuzeli širi opseg zadataka i produžili svoje radno vrijeme, često bez ikakvog zahtjeva svojih menadžera.
Tri načina na koje AI pojačava posao
Istraživanje u HBR-u identificira tri glavna obrasca pojačanja koja se javljaju kada AI alati prelaze iz demonstracije u svakodnevnu upotrebu.
Proširenje zadataka
Kad je AI dostupan, ljudi ne samo da rade isti posao brže; počinju raditi više vrsta poslova. Menadžeri proizvoda i istraživači počinju pisati i pregledavati kod; zaposlenici preuzimaju zadatke koji bi prije zahtijevali novi kadar; a pojedinci preuzimaju posao koji je ranije bio outsourcan, odgođen ili jednostavno izostavljen. Na jednom nivou, ovo se može shvatiti kao empovieranje. Duboko istraživanje otkriva inženjere koji se nalaze u ulozi mentoriranja kolega oko AI-pomoćenog koda, pregleda gomile parcijalnih pull requestova i popravljanja lošeg “radnog slopa” koji dolazi u njihov red obučen kao gotov posao.
Razmicanje granica između rada i nerada
AI olakšava “samo probaj nešto” u rubnim dijelovima dana: brz upit tijekom ručka, još jedan učinak prije sastanka, noćna ideja testirana u krevetu na telefonu. Ti mikro-sesiji ne osjećaju se kao dodatni rad, ali s vremenom erodiraju odmori i oporavak, stvarajući kontinuirano osjećaj kognitivnog angažmana. Zaposlenici u studiji su izjavili da, kako je prompiranje postalo njihovo zadano stanje tijekom slobodnih trenutaka, njihovi odmori više nisu osjećali se kao oporavak.
Povećani multitasking i kognitivni opterećenje
Zaposlenici pokreću više AI agenata i niti paralelno, dopuštaju AI-u da generira alternative dok pišu, i drže polovično oko na izlazima dok pokušavaju se usredotočiti na nešto drugo. Prisutnost “partnera” koji nikad ne umora podstiče stalno prebacivanje konteksta: provjeravanje, poticanje, ponovni prompt i uskladevanje. Rezultat je ambijentalno osjećanje da se uvijek nalaze iza, čak i dok je vidljiva proizvodnja povećana.
AI porez: Razumijevanje novog opterećenja poslova
U “AI porezu”, opisao sam šest načina na koje AI stvara više posla nego što štedi kada se implementira bez dizajna. Novo HBR istraživanje čvrsto se uklapa u taj okvir.
Upravljanje s AI-om: Multitasking, prebacivanje, širenje
Treći obrazac istraživanja, povećani multitasking, je ljudsko iskustvo upravljanja između AI alata, agenata i metafora interakcije. U mom prethodnom članku, pisao sam o širenju lanaca alata: jedan AI za zakazivanje, drugi u e-mailu, treći skriven u CRM-u, svaki s različitim sučeljem, skupom mogućnosti i kvrga. Rezultat je radni dan koji se osjeća kao vječna vježba uskladevanja, s pažnjom podijeljenom na desetak tanjih zadataka.
Provjera: Nadzor i problem halucinacija
Proširenje zadataka zvuči efikasno dok se ne zapamti da svaki AI-generirani nacrt, bilo to dokument, isječak koda ili marketing kampanja, zahtijeva provjeru. Istraživanje u HBR-u dokumentira inženjere koji počinju trošiti značajno vrijeme pregledavanju AI-pomoćenog rada koji proizvode kolege izvan njihove discipline, često putem neformalnih Slack razmjena i usluga. To je “shadow labor” AI poreza, stvarni posao bez stavke u planu projekta, apsorbiran od ljudi koji su već na kapacitetu.
Data science i spremnost podataka: Skriveni posao otkriven
AI čini probleme s podacima vidljivima. Kada zaposlenici entuzijastično proširuju svoj opseg: pisanja analiza, izvješća ili prototipa koje bi prije nikada nisu pokušali, brzo se sudaraju s rasutim, loše označivanim ili zastarjelim podacima. Taj sudar ih prisiljava u ad hoc data wrangling: uskladevanju formata, lovu na autoritativne izvore i učenju dovoljno o arhitekturi podataka organizacije kako bi odgovorili učinkovito.
AI porez: Poziv na akciju
AI porez nije samo teorijski koncept. To je stvarna stvarnost za mnoge profesionalce danas. Istraživanje u Harvard Business Reviewu pruža empirička dokaza da AI alati ne smanjuju rad; oni pojačavaju. Kako AI postaje sveprisutan, postaje sve važnije razumjeti ove promjene i prilagoditi se im. To ne znači da se odustane od AI alata, već da se koristi pametno, s jasnim ciljevima i planovima.
Česta pitanja
Kako AI alati stvaraju više posla nego što štede?
AI alati mogu ubrzati zadatke i omogućiti nove vrste poslova, ali također uvode nove vrste poslova poput vettinga, data wranglinga i upravljanja s više alata. Ovo može rezultirati uvećanjem ukupnog opterećenja poslova.
Kako se zaposlenici prilagođavaju povećanom opterećenju poslova uzrokovanom AI-om?
Zaposlenici mogu razviti strategije upravljanja vremenom, poput postavljanja granica za upotrebu AI alata i planiranja vremena za vetting i data wrangling. Također je važno razviti vještine poput kritičkog razmišljanja i vještina upravljanja podacima.
Kako organizacije mogu smanjiti AI porez?
Organizacije mogu investirati u obuku i razvoj za zaposlenike kako bi se upoznali s AI alatima i njihovim mogućnostima. Također je važno razviti jasne ciljeve i planove za upotrebu AI alata i osigurati da su podaci organizirani i dostupni.
Je li AI porez samo problem za tech industriju?
Ne, AI porez je problem za sve industrije koje koriste AI alate. Kako AI postaje sveprisutan, postaje sve važnije razumjeti ove promjene i prilagoditi se im.