Μια γενετική τεχνητή νοημοσύνη αύξησε την παραγωγικότητα και την ικανοποίηση των εργαζομένων - και οι χαμηλότερες δεξιότητες επωφελήθηκαν περισσότερο

Από την κυκλοφορία του ChatGPT από το OpenAI τον περασμένο Νοέμβριο, ο θόρυβος γύρω από τη γενετική τεχνητή νοημοσύνη αυξάνεται σταθερά. Κάποιοι είναι ενθουσιασμένοι με αυτό δυνατότητα μεταμόρφωσης τον τρόπο που εργαζόμαστε, δημιουργούμε και ζούμε, ενώ άλλοι είναι επιφυλακτικοί με το κινδύνους που εγκυμονεί και τους κακούς τρόπους που μπορεί να χρησιμοποιηθεί. Γνωρίζουμε ότι προγράμματα όπως το Midjourney, DALL-E, και το GPT-3 επιτρέπουν σε εκατομμύρια ανθρώπους να δημιουργούν εικόνες και κείμενο, αλλά δεν υπάρχουν πολλές μελέτες που έχουν σκάψει στον αντίκτυπο που έχουν αυτά τα εργαλεία, είτε είναι θετικό είτε αρνητικό.

Μια τέτοια μελέτη κυκλοφόρησε αυτόν τον μήνα. Με τίτλο "Generative AI at Work», η δημοσίευση, από ομάδες από το Στάνφορντ και το Ινστιτούτο Τεχνολογίας της Μασαχουσέτης, είναι μια από τις πρώτες φορές που οι ερευνητές εξετάζουν με μικροσκόπιο τον τρόπο με τον οποίο η γενετική τεχνητή νοημοσύνη επηρεάζει πραγματικά τις δουλειές των ανθρώπων. Η ομάδα εξέτασε τον τρόπο με τον οποίο οι υπάλληλοι μιας εταιρείας του Fortune 500 επηρεάστηκαν από τη γενετική τεχνητή νοημοσύνη όταν άρχισαν να τη χρησιμοποιούν ως μέρος της καθημερινής τους εργασίας.

Πες μου τι να πω

Η μελέτη παρακολούθησε 5,179 πράκτορες εξυπηρέτησης πελατών σε μια μεγάλη εταιρεία λογισμικού (το όνομα της οποίας δεν αποκαλύφθηκε) κατά τη διάρκεια ενός έτους. Οι εργαζόμενοι, που εδρεύουν κυρίως στις Φιλιππίνες, χωρίστηκαν σε δύο ομάδες. Ο ένας είχε πρόσβαση σε μια τεχνητή νοημοσύνη, τη βοήθεια της οποίας μπορούσαν να επιλέξουν να ενσωματώσουν στην εργασία τους, ενώ ο άλλος συνέχισε ως συνήθως.

Το AI εκπαιδεύτηκε σε δεδομένα από περισσότερες από 5,000 επιτυχημένες αλληλεπιδράσεις εξυπηρέτησης πελατών, πιθανότατα με τη μορφή ηχογραφήσεων εργαζομένων υψηλής απόδοσης που συνομιλούν με πελάτες και επιλύουν τα προβλήματά τους. Στη συνέχεια, το AI παρακολουθούσε τις αλληλεπιδράσεις των πελατών σε πραγματικό χρόνο και έδωσε στους πράκτορες προτάσεις για το τι να πουν. Οι υπάλληλοι μπορούσαν να επιλέξουν να χρησιμοποιήσουν τις προτάσεις λέξη προς λέξη, να τις απορρίψουν εντελώς ή να χρησιμοποιήσουν μια τροποποιημένη έκδοση.

Οι ερευνητές εξέτασαν πόσο καιρό χρειάστηκαν οι πράκτορες για να λύσουν τα προβλήματα των πελατών και πόσο επιτυχώς το έκαναν. Τα αποτελέσματα? Καλά πράγματα τριγύρω.

Πρώτον, η τεχνητή νοημοσύνη επέτρεψε στους πράκτορες εξυπηρέτησης πελατών να διεκπεραιώνουν τις κλήσεις πιο γρήγορα, να επιλύουν με επιτυχία περισσότερα παράπονα πελατών και ακόμη και να χειρίζονται πολλές κλήσεις πελατών ταυτόχρονα. Οι πράκτορες που χρησιμοποιούν το AI επέλυαν 13.8 τοις εκατό περισσότερα ζητήματα ανά ώρα από ό,τι μπορούσαν χωρίς το AI.

Και δεν είναι μόνο αυτό. Δεδομένου ότι οι προτάσεις της τεχνητής νοημοσύνης στράφηκαν στο να βοηθήσουν τους πράκτορες να είναι υπομονετικοί και με ενσυναίσθηση με τους απογοητευμένους πελάτες, οι πελάτες συμπεριφέρθηκαν καλύτερα στους πράκτορες, χάνοντας την ψυχραιμία τους και υψώνοντας λιγότερο τη φωνή τους (δεν είναι όμορφο, αλλά ας είμαστε ειλικρινείς, ήμασταν όλοι εκεί). Ως αποτέλεσμα, οι πράκτορες ήταν πιο χαρούμενοι και πιο ικανοποιημένοι με τη δουλειά τους.

Κλείσιμο του χάσματος δεξιοτήτων;

Ίσως δεν αποτελεί έκπληξη το γεγονός ότι η τεχνητή νοημοσύνη ήταν η πιο χρήσιμη για τους λιγότερο ειδικευμένους εργαζομένους και αυτούς που ήταν στην εταιρεία για το μικρότερο χρονικό διάστημα. Εν τω μεταξύ, οι πιο εξειδικευμένοι και πιο έμπειροι πράκτορες δεν ωφελήθηκαν ιδιαίτερα από τη χρήση της τεχνητής νοημοσύνης. Αυτό είναι λογικό, καθώς το εργαλείο εκπαιδεύτηκε σε συνομιλίες από αυτούς τους εργαζόμενους. ξέρουν ήδη τι κάνουν.

«Οι εργαζόμενοι υψηλής ειδίκευσης μπορεί να έχουν λιγότερα κέρδη από τη βοήθεια της τεχνητής νοημοσύνης ακριβώς επειδή οι συστάσεις τεχνητής νοημοσύνης καταγράφουν τη γνώση που ενσωματώνεται στις δικές τους συμπεριφορές». είπε συγγραφέας της μελέτης Έρικ Μπρίνιολφσον, διευθυντής του Stanford Digital Economy Lab.

Η τεχνητή νοημοσύνη έδωσε τη δυνατότητα στους υπαλλήλους με μόνο δύο μήνες εμπειρίας να αποδώσουν εξίσου καλά με αυτούς που είχαν τους ρόλους τους για έξι μήνες. Αυτή είναι κάποια σοβαρή επιτάχυνση δεξιοτήτων. Είναι όμως «απάτη»; Μήπως οι εργαζόμενοι που χρησιμοποιούν την τεχνητή νοημοσύνη παρακάμπτουν την πολύτιμη εκπαίδευση από πρώτο χέρι, χάνουν τη δυνατότητα να μάθουν κάνοντας; Θα σταματούσαν οι δεξιότητές τους εάν αφαιρούνταν η τεχνητή νοημοσύνη, καθώς επαναλαμβάνουν τις προτάσεις της αντί να σκέφτονται μόνοι τους τις απαντήσεις;

Είναι πιθανό η υπερβολική εξάρτηση από το εργαλείο να είναι επιζήμια για την ικανότητα των εργαζομένων να αναπτύξουν και να διατηρήσουν δεξιότητες. Ιδανικά όμως αυτοί are μαθαίνουν κάνοντας, απλώς με πιο γρήγορο τρόπο, καθώς παρακάμπτουν την αγγαρεία πολλών δυσάρεστων αλληλεπιδράσεων με θυμωμένους πελάτες.

Πού αφήνει, όμως, αυτό υπαλλήλους υψηλής ειδίκευσης; Εάν η εργασία τους χρησιμοποιείται για την εκπαίδευση AI που στη συνέχεια παρέχουν ελεύθερα τις δεξιότητές τους σε άπειρους υπαλλήλους, αυτό θα μπορούσε να δημιουργήσει ζητήματα σχετικά με τη δικαιοσύνη και την αποζημίωση. Εάν ακονίζετε τα καταπραϋντικά one-liners σας για χρόνια, τότε ένας αρχάριος έρχεται να λέει τα ίδια πράγματα τον δεύτερο μήνα στη δουλειά, δεν πρόκειται να ενθουσιαστείτε—ειδικά αν δεν πληρώνεστε πολύ περισσότερο από τον αρχάριο.

Δημιουργώντας περισσότερα από λέξεις

Τέλος, δεδομένου ότι η τεχνητή νοημοσύνη ουσιαστικά εκπαίδευε νεότερους υπαλλήλους, οι διευθυντές τους δεν χρειαζόταν να αφιερώσουν τόσο πολύ χρόνο για να τους εκπαιδεύσουν - και έτσι απελευθερώθηκε περισσότερος από τον χρόνο τους. Αυτό σημαίνει ότι οι διευθυντές θα μπορούσαν να αναλάβουν μεγαλύτερες ομάδες, πράγμα που σημαίνει ότι η εταιρεία θα μπορούσε τελικά να προσλάβει περισσότερους υπαλλήλους (αν πουλά αρκετά από τα προϊόντα της) και να κάνει περισσότερες επιχειρήσεις. Φαίνεται ότι αυτή η συγκεκριμένη «γεννητική τεχνητή νοημοσύνη» δημιούργησε πολλά περισσότερα από απλές προτάσεις συνομιλίας: δημιούργησε ικανοποίηση των εργαζομένων, απόκτηση δεξιοτήτων και ελεύθερο χρόνο.

Θα ισχύει το ίδιο και για άλλα σενάρια όπου εφαρμόζονται αυτά τα εργαλεία; Θα μπορούσε να είναι, αλλά θα πρέπει ωστόσο να εισάγονται με προσοχή και επίβλεψη, καθώς είναι πιθανό να υπάρχουν πολλές δευτερεύουσες επιπτώσεις που θα μπορούσε να έχει η γενετική τεχνητή νοημοσύνη σε έναν χώρο εργασίας που δεν θα γίνουν εμφανείς αμέσως και μπορεί να μην είναι εντελώς θετικές.

«Χρειαζόμαστε πολύ περισσότερη έρευνα εδώ» είπε Brynjolfsson. «Ο αντίκτυπος της τεχνητής νοημοσύνης στην παραγωγικότητα μπορεί να ποικίλλει με την πάροδο του χρόνου και η προσθήκη αυτών των εργαλείων στο γραφείο θα μπορούσε να απαιτήσει συμπληρωματικές οργανωτικές επενδύσεις, ανάπτυξη δεξιοτήτων και επανασχεδιασμό επιχειρηματικών διαδικασιών. Και τα συστήματα τεχνητής νοημοσύνης μπορεί να επηρεάσουν την ικανοποίηση των εργαζομένων και των πελατών, τη φθορά και τα πρότυπα συμπεριφοράς. Υπάρχουν τόσα πολλά που δεν ξέρουμε».

Image Credit: Μοχάμεντ Χασάν από Pixabay

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
• πηγή: https://singularityhub.com/2023/04/26/a-generative-ai-upped-worker-productivity-and-satisfaction-and-the-lowest-skilled-benefited-most/