Firmy na całym świecie inwestują ogromne środki w narzędzia sztucznej inteligencji, mając nadzieję na rewolucję produktywności. Okazuje się jednak, że te wydatki często idą na marne, ponieważ większość pracowników korzysta z zaawansowanych modeli językowych w sposób niezwykle podstawowy. Do takiego wniosku doszła Allie K. Miller, CEO Open Machine, podczas konferencji Fortune Brainstorm AI. Jej doświadczenie z firm takich jak IBM czy Amazon Web Services pozwala spojrzeć na problem adopcji tej technologii w korporacjach z wyjątkowo praktycznej perspektywy.
Cztery sposoby interakcji ze sztuczną inteligencją
Allie K. Miller, która wcześniej odpowiadała za uruchomienie pierwszego zespołu ds. multimodalnej AI w IBM, przedstawiła klarowną typologię. Według niej, interakcję człowieka z systemem AI można podzielić na cztery odrębne tryby, z których każdy kolejny oznacza wyższy poziom zaawansowania i przynosi większą wartość. Są to: mikro-zadaniowiec, towarzysz, delegat oraz członek zespołu. Niestety, jak wskazuje ekspertka, przeważająca większość użytkowników zatrzymuje się na tym pierwszym, najbardziej prymitywnym etapie.
Pułapka trybu „mikro-zadaniowca”
W tym podstawowym trybie sztuczna inteligencja jest traktowana jak nieco bardziej elastyczna wyszukiwarka internetowa. Pracownicy zadają jej proste, pojedyncze pytania lub prośby o wykonanie drobnej czynności, jak przepisanie tekstu czy poprawienie gramatyki. Miller podkreśla, że aż 90% osób w firmach funkcjonuje właśnie w ten sposób. Wielu z nich uważa się nawet za zaawansowanych użytkowników AI, podczas gdy w rzeczywistości ograniczają się do poleceń w stylu: „spraw, żeby ten mój ostry mail zabrzmiał bardziej uprzejmie”. To fundamentalne nieporozumienie co do natury nowych technologii.
„Dziewięćdziesiąt procent twoich pracowników utknęło w tym trybie. Twoje roczne subskrypcje stają się bezwartościowe, ponieważ ludzie nie wychodzą poza ten poziom” – mówi Allie K. Miller.
Klasyczne oprogramowanie, które Miller nazywa „Software 1.0”, wymagało precyzyjnych, jednoznacznych komend, aby uzyskać określony wynik. Nowoczesne modele językowe (LLM) działają inaczej – potrafią rozumować, dostosowywać się i generować kreatywne rozwiązania. Używanie ich jak starego software’u to marnowanie ich potencjału i firmowych pieniędzy.
Jak przejść na wyższy poziom: od towarzysza do członka zespołu
Aby wydobyć rzeczywistą wartość z inwestycji w AI, organizacje muszą zachęcić pracowników do eksploracji trzech bardziej zaawansowanych trybów interakcji. Każdy z nich oznacza głębszą integrację technologii z przepływem pracy.
AI jako towarzysz i delegat
Tryb „towarzysza” zakłada dłuższą, bardziej kontekstową współpracę. AI może pomagać w planowaniu projektu, generować pomysły podczas burzy mózgów czy służyć jako partner do dyskusji. Kolejny krok to „delegat”. Tutaj system otrzymuje konkretne, dłuższe zadanie do samodzielnego wykonania, na przykład zarządzanie skrzynką mailową przez 40 minut według ustalonych kryteriów. AI działa wtedy bardziej autonomicznie, choć wciąż w ramach wyraźnie zdefiniowanej transakcji.
Przełomowy tryb: AI jako członek zespołu
Najwyższy poziom zaawansowania to traktowanie sztucznej inteligencji jako pełnoprawnego „członka zespołu”. W tym ujęciu technologia przestaje być narzędziem reaktywnym, a staje się proaktywnym, ambientowym współpracownikiem. Może uczestniczyć w spotkaniach, analizować dyskusje, zadawać pytania i podejmować działania. Miller przytacza przykład inżynierów z OpenAI, którzy zintegrowali agenta Codex z komunikatoriem Slack i traktują go jak kolegę z zespołu.
„Kluczowa różnica dla AI jako członka zespołu polega na tym, że technologia podnosi wydajność całego systemu lub grupy, a nie pojedynczej osoby” – tłumaczy Miller.
W tej wizji przyszłości obecny model ulegnie odwróceniu. To nie ludzie będą nieustannie wydawać polecenia AI, ale AI – będąc osadzona w systemach – będzie inicjować działania i podpowiadać ludziom kolejne kroki. Dla firm niebędących bezpośrednio z branży tech, wdrożenie AI w ten sposób oznacza, że staje się ona fundamentem codziennych procesów, a nie ciekawostką do testowania.
Minimum Viable Autonomy i protokoły dla agentów
Aby bezpiecznie przejść od przepisywania maili do wdrażania autonomicznych systemów, Miller wprowadza koncepcję „Minimalnej Wykonalnej Autonomii” (Minimum Viable Autonomy – MVA). To nawiązanie do znanej w rozwoju produktu zasady MVP (Minimal Viable Product). Chodzi o to, by przestać traktować AI jak czatbota wymagającego idealnych, wielostronicowych promptów, a zacząć postrzegać ją jako oprogramowanie zorientowane na cel.
„Nie podajemy już doskonałych instrukcji krok po kroku… zamierzamy dostarczać cele, granice i reguły, a systemy AI będą pracować od celu wstecz” – wyjaśnia ekspertka. Aby to uregulować, rekomenduje wdrożenie „protokołów agentów” – ścisłych wytycznych dzielących zadania na kategorie: „zawsze rób”, „zapytaj najpierw” i „nigdy nie rób”. Proponuje także portfel dystrybucji ryzyka: 70% zadań niskiego ryzyka, 20% zadań złożonych, międzywydziałowych i 10% strategicznych, które mogą zmienić strukturę organizacji.
Ostrzeżenie i prognozy na najbliższą dekadę
Prezentacja Allie K. Miller zawierała także śmiałe prognozy na najbliższą przyszłość. Przewiduje ona, że w ciągu kilku miesięcy AI będzie zdolna do nieprzerwanej, autonomicznej pracy przez ponad osiem godzin. Ponadto, w miarę spadku kosztów obliczeniowych, firmy będą mogły przeprowadzać setki tysięcy symulacji dla każdego wprowadzenia produktu na rynek, zamiast polegać na pojedynczych zapytaniach.
Te zaawansowania niosą jednak ze sobą wyraźne ostrzeżenie dla przywódców przywiązanych do starych modeli. Ocena, czy AI działa „dobrze czy nie”, staje się nowym, kluczowym wymogiem. Podsumowując swoje wystąpienie, Miller stwierdziła, że sztuczna inteligencja to coś znacznie więcej niż tylko narzędzie. Organizacje, które wciąż będą ją tak traktować, mogą się za kilka lat obudzić z ręką w nocniku, zastanawiając się, co właściwie się stało i dlaczego tak bardzo zostali w tyle za konkurencją. Kluczem do sukcesu jest ewolucja myślenia – od automatyzacji mikro-zadań do budowania prawdziwej synergii między ludźmi a maszynami.
