Badanie KPMG i Uniwersytetu Teksańskiego w Austin, opisane w Harvard Business Review, pokazuje, że dwoje pracowników o niemal identycznej wiedzy i umiejętnościach może osiągnąć skrajnie różne rezultaty, gdy do pracy dołącza AI.
Trzy profile, ten sam punkt startu
Zespół badawczy z McCombs School of Business, we współpracy z KPMG, przebadał 523 pracowników KPMG w USA na wczesnym etapie kariery (staż do 18 miesięcy), pracujących z agentem AI dopasowanym do zadań z ich obszaru. Punktem odniesienia był wynik, jaki AI osiągała samodzielnie, bez udziału człowieka.
Analiza wyłoniła trzy grupy. „Wzmacniacze AI” (50,1%) przewyższyli wynik samej AI. „Delegujący” (25,8%) uzyskali rezultat porównywalny z AI działającą solo. „Uczniowie AI” (24,1%) wypadli poniżej tego poziomu. Przynależności do grupy nie dało się przewidzieć na podstawie krytycznego myślenia, znajomości branży ani biegłości w obsłudze AI. Pracownicy o identycznych wynikach w tych kategoriach trafiali do skrajnie różnych grup. Badaczom nie chodziło o samą umiejętność posługiwania się narzędziem, lecz o zrozumienie, co sprawia, że część pracowników konsekwentnie tworzy wartość wykraczającą poza to, co AI generuje samodzielnie.
Trzy różne style pracy z AI
„Uczniowie” mieli kompetencje bazowe na poziomie „wzmacniaczy”, a mimo to lądowali poniżej wyniku AI. Krytykowali odpowiedzi modelu, ale ich uwagi rzadko trafiały w sedno problemu. Zamiast tego skupiali się na nieistotnych kwestiach albo kierowali AI w złą stronę. To ta grupa stanowi, zdaniem badaczy, największą niewykorzystaną rezerwę. „Delegujący” mieli najniższe wyniki w testach kompetencji bazowych, ale nie wypadli najgorzej. Przyjmowali gotowe odpowiedzi AI niemal bez weryfikacji, a te okazywały się wystarczająco dobre same w sobie. Podważa to sens oceniania pracy wyłącznie po jej efekcie końcowym. „Wzmacniacze” traktowali AI jak współpracownika wymagającego kierunku i nadzoru. Formułowali problem tak, by pokierować pracą modelu, osadzali zadanie w realiach branżowych i wielokrotnie dopracowywali wynik zamiast przyjmować pierwszą odpowiedź.
Konsekwencje dla pracodawców
Przedstawiciele KPMG zwracają uwagę, że skoro to najbardziej „natywne” pod względem AI pokolenie wchodzące na rynek pracy, a mimo to sama biegłość w obsłudze narzędzi nie odróżnia najlepszych, mówi to coś istotnego o całej sile roboczej, jednocześnie podkreślając, że różnicę między grupami da się wypracować.
Ale jest zastrzeżenie. To pomiar jednorazowy, nie eksperyment szkoleniowy. Nikogo nie przesunięto między grupami. Inne badania sugerują, że umiejętność trafnej oceny, kiedy AI się myli i dlaczego, jest bliższa stałej cesze osobowości (wiąże się m.in. z ugodowością, neurotyzmem, otwartością na doświadczenie) niż wyuczonej umiejętności technicznej. Badania nad uczeniem krytycznego myślenia pokazują też, że efekty przychodzą dopiero po długim, systematycznym rozwoju wplecionym w codzienną pracę, a nie po jednorazowym warsztacie.