Përmbledhje:
- The Economist argumenton se për ta bërë AI më të dobishme në punë, kompanitë duhet t’i mësojnë jo vetëm çfarë thonë njerëzit, por edhe si lëvizin, vendosin, korrigjojnë dhe improvizojnë gjatë punës së përditshme.
- Problemi është se shumë nga ajo që e bën një punonjës të mirë nuk është e shkruar në manuale. Është njohuri e heshtur që vjen nga përvoja, konteksti, zakoni dhe kuptimi i situatave që ndryshojnë vazhdimisht.
- Rasti i Meta-s tregon se mbledhja e të dhënave të punës për trajnimin e AI mund të krijojë konflikt të madh mes produktivitetit, privatësisë dhe të drejtës së punonjësve për të mos u kthyer në material trajnimi pa kontroll të qartë.
Inteligjenca artificiale po bëhet gjithnjë e më e aftë për të shkruar, përmbledhur, analizuar dhe koduar. Por për kompanitë, hapi tjetër është më i vështirë. Ato nuk duan vetëm një AI që përgjigjet bukur në chat. Duan një AI që di të punojë si një njeri brenda programeve, dokumenteve, email-eve, spreadsheets dhe sistemeve të brendshme të një kompanie.
Këtu nis problemi që përshkruan The Economist. Puna reale nuk është vetëm një listë komandash. Një punonjës nuk klikon thjesht butona sipas manualit. Ai kupton kontekstin, njeh gabimet e zakonshme, di kur një dokument duket i dyshimtë, kur një shifër nuk ka kuptim, kur duhet të pyesë dikë tjetër dhe kur një procedurë zyrtare nuk mjafton për ta zgjidhur problemin.
Kjo quhet shpesh “njohuri e heshtur”. Është ajo pjesë e punës që njerëzit e dinë, por nuk e shpjegojnë lehtë. Një financier mund ta dallojë menjëherë kur një tabelë nuk është e besueshme. Një jurist mund ta kuptojë kur një formulim krijon rrezik. Një punonjës administrate mund ta dijë se cili hap realisht e zhbllokon një proces, edhe nëse ky hap nuk është shkruar askund. Këto gjëra janë të vështira për t’u kthyer në të dhëna trajnimi.
Prandaj disa kompani po përpiqen të mbledhin të dhëna shumë më të detajuara nga mënyra si njerëzit punojnë në kompjuter. Jo vetëm tekstin që shkruajnë, por edhe lëvizjet e mausit, klikimet, tastierën dhe përmbajtjen që shfaqet në ekran. Ideja është që AI të mësojë jo vetëm rezultatin final, por edhe rrugën që ndjek njeriu për të arritur aty.
Rasti i Meta-s e tregon qartë tensionin. Reuters raportoi në prill se Meta po instalonte software për punonjësit amerikanë për të mbledhur lëvizje mausi, klikime dhe tastiera, si pjesë e një nisme për të trajnuar agjentë AI që mund të kryejnë detyra pune në mënyrë autonome. Më pas, WIRED raportoi se Meta e pezulloi programin pas një problemi të brendshëm sigurie që i bëri të dhënat e ndjeshme të aksesueshme më gjerësisht brenda kompanisë.
Kjo ngre një pyetje të madhe. Nëse AI duhet të mësojë nga mënyra si punojmë, sa shumë duhet të lejohet kompania të shohë punën tonë. Sepse të dhënat e punës nuk janë neutrale. Ato mund të përfshijnë biseda private, gabime, ritëm pune, performancë, informacion konfidencial dhe zakone personale. Në emër të produktivitetit, punonjësi mund të kthehet në burim të vazhdueshëm të dhënash.
Ka edhe një problem tjetër. Edhe nëse mbledhja e të dhënave bëhet në mënyrë të sigurt, AI mund të mësojë sjellje të gabuara, shortcuts të pasigurta ose praktika që funksionojnë vetëm në një kontekst të caktuar. Njerëzit shpesh punojnë me përjashtime, marrëveshje të pashkruara dhe vendime që varen nga situata. Nëse AI i kopjon pa kuptuar arsyen, mund të prodhojë efikasitet në sipërfaqe, por gabime të rrezikshme në praktikë.
Në thelb, ky artikull tregon se puna e zyrës është shumë më komplekse sesa duket nga jashtë. Nuk mjafton t’i japësh AI dokumente, email-e dhe manuale. Për ta bërë vërtet të dobishme, duhet t’i mësosh mënyrën si njerëzit mendojnë dhe veprojnë në punë. Por pikërisht këtu nis konflikti.
Sepse sa më shumë AI mëson nga puna njerëzore, aq më shumë duhet të pyesim kush i kontrollon këto të dhëna, si përdoren dhe çfarë ndodh me njerëzit që po e trajnojnë sistemin.
AI mund të bëhet më e mirë duke parë si punojmë.
Por kjo nuk do të thotë se çdo pjesë e punës sonë duhet të bëhet e dukshme për të.
