המלצת קריאה: Co-Existence, על עבודה בעידן ה-AI

לפני שבוע התפרסם הספר Co-Existence של חוקר AI מפורסם מאוניברסיטת WHARTON. הספר מציג כל מני מחקרים על AI ומנתח איך עובדים (וחיים) בעידן שבו ה- AI טוב יותר מבני האדם בהרבה מאוד משימות.

בניגוד לכל סרטוני היוטיוב של משפיעני AI בסגנון "קלוד הרג את...", לפחות מבחינתי הספר מקבל ציון גבוה דווקא בעומק החשיבה בו ואיזון בין רעיונות פרקטיים לשאלות פילוסופיות (60% פילוסופי). הוא מתחיל מטריקים די טכניים לשיפור פרומטים שעבדו פעם (פעם זה לפני חצי שנה), דרך שאלות על למה ארגונים לא רואים ROI מהטמעות AI ועד לשאלות פילוסופיות על עתיד החברה והאנושות.

כמה נקודות מעניינות מהספר:

1. איך יכול להיות שברמה הפרסונלית כולנו מרגישים שה- AI משפר את הפרודוקטיביות שלנו (הוא מציג מחקר שמראה שהזמן הנדרש לביצוע "משימה ממוצעת" התקצר ב- 80%!), אך ברמה הארגונית שום דבר משמעותי לא באמת השתנה וארגונים לא מצליחים לייצר ROI משמעותי.

הוא מציג בספר כמה הסברים מעניינים מעולמות הניהול וסוציולוגיה של ארגונים. הנקודה שתפסה אותי היא - AI לא פותר צווארי בקבוק.

דמיינו שיש פלנר צעיר שהתחיל להשתמש ב- AI. במקום לייצר סקירה אחת בחודש, כיום הוא יודע לייצר 80 סקירות כאלה. והן אפילו טובות יותר מבעבר. הפלנר מבסוט אש. העניין הוא שהבוס שלו עדיין צריך לעבור על המצגות האלה ולאשר אותן.

עכשיו בואו נניח שהפלנר הבכיר בנה אייג'נט שיודע לעבור על המצגות האלה באופן עצמאי. אז עכשיו יש לנו 80 סקירות מאושרות. שני הפלנרים מבסוטים אש. העניין הוא שעדיין צריך לקבוע ישיבות עם הלקוח כדי להציג אותן.

כל פעם יש צוואר בקבוק חדש. כדי שבאמת נרגיש ROI משמעותי ברמה הארגונית לא מספיק לייצר "פתרונות נקודתיים" בתחומים שונים של הארגון. כל התשתית צריכה להשתנות. זה יקרה, אבל הרבה יותר לאט ממה שמשפיעני AI צועקים.

2. המודלים המודרניים דומים יותר לעובדים שכירים מאשר צ'טבוט חכם.

האנלוגיה הזו של ה- AI כעובד הפכה לקלישאה באשמת משפיעני ה- AI שצעקו שטויות כמו "יש לי 50 עובדים ב- 20$" כשהצאט עוד לא ידע לספור כמה r יש ב- strawberry.

אבל אם מסתכלים על המודלים המודרניים (לפחות כל דור ה- 5.5 בקלוד והמקבילות בצ'ט), אנחנו נוציא הרבה יותר ROI אם באמת נתייחס אליהם כעובדים.

וכעובדים, המשימות החשובות שלנו, בני האדם, הן ללמד אותם שיטות עבודה מסודרות, ובעיקר תהליך למידה ושיפור לאורך זמן.

3. רעיון לכאורה טקטי אך אחד שהפיל לי כמה אסימונים:

הם עשו ניסוי. נתנו לקלוד שורה וביקשו ממנו להמשיך את המשפט לחמשיר עם חרוזים.

הם גילו שה- AI קודם כל בוחר את המילים המתחרזות, ורק אז משלים את המשפטים של כל שורה לאחור.

מתברר שהמודלים חושבים מהסוף להתחלה - מביאים פתרון, ואז "מחרטטים" את דרכם אליו.

זוכרים שביקשתם מה- AI שלכם משהו בסגנון "תבנה לי מצגת אסטרטגיה ל..." וקיבלתם מצגת שנראית טוב, עם ניתוח שנראה עמוק, אך בסוף מסמך שיותר דומה לסטודנט שנה א לניהול? זאת הסיבה.

הדרך לפתור את זה היא באמצעות הגדרות WORKFLOWS מאוד מפורטים ומסודרים. במקרה של תהליך אסטרטגיה (לדעתי, לא מהספר) - קודם בריף טוב. ורק אז איסוף נתונים ממקורות פנימיים וחיצוניים איכותיים. ורק אז ניתוח. ורק אז פרשנות למקרה שלנו. ורק אז רעיונות לפתרונות. ורק אז תכנית. עדיף שכל אחד מהשלבים יעשה על ידי סשן נפרד.

יש בספר עוד הרבה רעיונות מעניינים, ושווה לקרוא אותו עד הסוף.

למי שמעוניין, קבוצת הווטסאפ של מדעי השיווק.