Убедить сотрудников в том, что это так, - другой вопрос. Возможно, организации могут предложить гарантии того, что ни один сотрудник не будет уволен в результате использования ИИ, или пообещать, что работники смогут использовать освободившееся при использовании ИИ время для работы над более интересными проектами, или даже досрочно завершить работу. Но в ранних исследованиях ИИ есть намеки на то, что есть путь вперед, к другой рабочей среде. Работники, хотя и обеспокоены ИИ, обычно любят его использовать, потому что он устраняет самые утомительные и раздражающие части их работы, оставляя им самые интересные задачи. Таким образом, даже если ИИ убирает из работы некоторые ранее ценные задачи, оставшаяся работа может быть более значимой и более ценной. Разумеется, это не неизбежно, поэтому руководители и лидеры должны решить, стоит ли и как стоит реорганизовывать работу вокруг ИИ таким образом, чтобы помочь, а не навредить своим работникам. Вы должны спросить: каково ваше видение того, как ИИ сделает работу лучше, а не хуже? И здесь преимущество будет у организаций с высокой степенью доверия и хорошей культурой. Если ваши сотрудники не верят, что вы заботитесь о них, они будут скрывать использование ИИ.
В-третьих, организациям следует всячески поощрять пользователей ИИ и расширять число людей, использующих ИИ в целом. Это значит не только разрешить использование ИИ, но и предложить существенное вознаграждение людям, нашедшим значительные возможности для использования ИИ. Подумайте о денежных призах, покрывающих годовую зарплату. Продвижение по службе. Угловые офисы. Возможность всегда работать из дома. Учитывая потенциальный рост производительности за счет LLM, это небольшая цена за действительно прорывные инновации. К тому же крупные стимулы показывают, что организация серьезно относится к этому вопросу.
Наконец, компаниям необходимо задуматься о другом компоненте эффективного использования ИИ: о системах. Давление на организации, вынуждающее их занять позицию в отношении технологии, которая затрагивает их наиболее высокооплачиваемых работников, будет огромным, как и ценность того, что эти работники станут более продуктивными. Без фундаментальной перестройки методов работы организаций преимущества ИИ никогда не будут признаны.
От задач к системам
Мы часто принимаем как должное системы, которые используются для структурирования и координации работы в наших организациях. Мы полагаем, что они являются естественными способами выполнения работы. Но на самом деле они являются историческими артефактами, сформированными технологическими и социальными условиями своего времени. Например, организационная схема была изначально создана для управления железными дорогами в 1850-х годах. Разработанная ранними железнодорожными баронами, она создала иерархическую систему полномочий, ответственности и коммуникаций, которая позволяла им контролировать и отслеживать работу своей железнодорожной империи. Благодаря телеграфу они объединили людей в четкую иерархию, где боссы отдавали приказы, которые по рельсам и телеграфным линиям поступали к рабочим, находящимся в самом низу таблицы . Система оказалась настолько успешной, что вскоре ее переняли другие отрасли и организации, став стандартной моделью бюрократии в двадцатом веке.
Другая система возникла на основе иного сочетания человеческих ограничений и технологий: сборочный конвейер. Эта система, созданная Генри Фордом в начале двадцатого века, позволила его компании наладить массовое производство автомобилей с меньшими затратами и большей скоростью. Он понял, что люди не очень хороши в выполнении сложных и разнообразных задач, но очень хороши в выполнении простой и повторяющейся работы. Он также заметил, что технологии могут помочь ему синхронизировать и оптимизировать рабочий процесс, используя стандартизированные инструменты и детали, а также новые технологии, такие как конвейерные ленты и таймеры. Он разделил производственный процесс на небольшие и простые задачи и поручил их рабочим, которые выполняли их многократно и эффективно. Его система была настолько успешной, что произвела революцию в обрабатывающей промышленности, создав экономию на масштабе и объеме производства и обеспечив массовое потребление и персонализацию.
Интернет ознаменовал собой еще один новый набор технологий для организации и контроля работы, поэтому в последние десятилетия мы наблюдаем появление новых систем организации труда и управления, таких как гибкая разработка программного обеспечения, бережливое производство, холакратия и самоуправляемые команды. Эти тенденции в управлении, вызванные волнами инструментов, начиная от электронной почты и заканчивая сложным корпоративным программным обеспечением, приняли новые, основанные на данных подходы к организации работы. Но, как и все предыдущие, они по-прежнему опираются на человеческие возможности и ограничения. Человеческое внимание по-прежнему ограничено, наши эмоции по-прежнему важны, а работникам по-прежнему нужны перерывы на туалет. Технологии меняются, но работники и менеджеры остаются людьми.
Именно это может изменить ИИ. Выступая в роли коинтеллекта, управляющего работой или, по крайней мере, помогающего менеджерам управлять работой, расширенные возможности ИИ могут радикально изменить отношение к работе. Один ИИ может общаться с сотнями работников, предлагая советы и контролируя производительность. Он может наставлять, а может манипулировать. Они могут направлять решения, как тонко, так и открыто.
Компании экспериментировали с формами компьютеризированного контроля над работниками задолго до появления этого поколения ИИ. Часы, камеры и другие формы контроля были распространены уже более века, но эти подходы набрали обороты с появлением ИИ, предшествующего LLM, и особенно с использованием алгоритмов для контроля над работой и работниками. Вспомните гиг-работника, который надеется, что Uber обеспечит ему хороший поток клиентов, несмотря на низкий рейтинг от разгневанного пассажира, или водителя UPS, каждую минуту работы которого алгоритм проверяет на предмет того, был ли он достаточно эффективен, чтобы сохранить свою работу. Кэтрин Келлог из Массачусетского технологического института, а также Мелисса Валентайн и Анжель Кристин из Стэнфорда рассказали, чем эти новые виды контроля отличаются от прежних форм управления. Если раньше менеджеры располагали ограниченной информацией о том, чем занимаются работники, то алгоритмы всесторонне и мгновенно, используя огромные массивы данных из многих источников, отслеживают работников. Алгоритмы также работают в интерактивном режиме, направляя работников в реальном времени на выполнение любой задачи, поставленной компанией. Кроме того, они непрозрачны - их предвзятость и даже способ принятия решений скрыты от работников.
Профессор Уортона Линдси Кэмерон убедилась в этом на собственном опыте, когда в течение шести лет подрабатывала гиг-драйвером в рамках интенсивного этнографического исследования того, как работники справляются с алгоритмическим управлением. Вынужденные зависеть от алгоритмов Uber или Lyft при поиске работы, они прибегают к скрытым формам сопротивления, чтобы получить хоть какой-то контроль над своей судьбой. Например, водители могут опасаться, что конкретный водитель может поставить им более низкий рейтинг (тем самым снизив их будущий заработок), поэтому они убеждают водителя отменить поездку до того, как его заберут, возможно, утверждая, что водитель не видит потенциального места встречи. Но даже такие формы сопротивления не освобождают водителей от алгоритма, который контролирует, куда они едут, сколько зарабатывают и как проводят время.
Мы можем представить, как LLM могут усилить этот процесс, создав еще более всеобъемлющий паноптикон: в этой системе каждый аспект работы отслеживается и контролируется ИИ. ИИ отслеживает деятельность, поведение, результаты и итоги работы работников и менеджеров. ИИ ставит перед ними цели и задачи, распределяет задания и роли, оценивает их эффективность и соответствующим образом вознаграждает. Но, в отличие от холодного, безличного алгоритма Lyft или Uber, LLM может также предоставлять обратную связь и коучинг, чтобы помочь работникам улучшить свои навыки и производительность. Способность ИИ выступать в роли дружелюбного советчика может сгладить грани алгоритмического контроля, прикрыв коробку Скиннера яркой оберточной бумагой. Но главным все равно останется алгоритм. Если история прецедентна, то это вероятный путь для многих компаний.
Но существуют и другие, более утопичные возможности. Нам не нужно подчинять огромное количество людей машинным владыкам. Напротив, LLM могли бы помочь нам процветать, сделав невозможным игнорировать правду: большая часть работы действительно скучна и не имеет особого смысла. Если мы признаем это, то сможем обратить внимание на улучшение человеческого опыта работы.
В ходе опросов люди сообщают, что скучают на работе около 10 часов в неделю, что является шокирующе большим процентом времени. Хотя не вся работа должна быть захватывающей, огромная ее часть скучна без причины, и это, похоже, большая проблема. Мало того, что скука является одной из главных причин ухода людей из компаний, мы еще и совершаем безумные поступки, когда нам скучно. Одно небольшое исследование, проведенное среди студентов, показало, что 66 % мужчин и 25 % женщин предпочитают подвергнуть себя болезненному шоку, чем сидеть в тишине и от нечего делать в течение 15 минут. Скука заставляет нас причинять боль не только себе: 18 процентов скучающих людей убивали червей, когда им предоставлялась такая возможность (среди нескучающих людей таких было всего 2 процента). Скучающие родители и солдаты ведут себя более садистски. Скука - это не просто скука, она по-своему опасна.