Kuinka voit voittaa kielelliset ja kulttuuriset ennakkoluulot GenAI:n omaksumisessa

Vuonna 2025 ChatGPT ja AI-pohjaiset Google-haut dominovat, mutta on tärkeää muistaa erilaiset viestintätavat. Generatiivinen tekoäly (GenAI) on pääasiassa tekstipohjainen ja toimii englannin kielellä, mikä voi eristää sen käyttötapaukset ei-englanninkielisille.

Vaikka englanti on äidinkielenä vähemmän kuin 20 %:lla maailman väestöstä, se muodostaa 67,3 % verkkosivuista. Monet GenAI-alustat on koulutettu englannin kielellä, mikä tarkoittaa, että viestintä voidaan vääristää työympäristöissä, joissa on mukana useita kieliä tai kulttuureja.

Viestintä on paljon enemmän kuin kirjaimia näytöllä: se käsittää sävyn, kehonkielen, kasvojen ilmeet, rytmin ja kulttuurillisen nuansen, vain mainitaksemme muutamia avaintekijöitä. GenAI:a käyttävien organisaatioiden on varmistettava, että he myös lieventävät potentiaalisia kielellisiä ja kulttuurillisia ennakkoluuloja, erityisesti ottaen huomioon, että elämme globalisoituneessa maailmassa.

Miksi ääni on edelleen tärkeä

On useita teorioita, jotka laajentavat monimodaalisen viestinnän tärkeyttä, erityisesti monikulttuurisissa ja monikielisissä ympäristöissä.

Yksi näistä teorioista on Edward T. Hallin teoria korkean ja matalan kontekstin kulttuureista. Hall selittää erilaisia kulttuurien viestintätapoja. Korkean kontekstin kulttuurit, joita löytyy useista Aasian maista, luottavat epäsuoriin ja ei-sanallisiin vihjeisiin viestinnässä. Japani on korkean kontekstin kieli, jossa onomatopoeiat ja hienot ilmeiden muutokset vaikuttavat dramaattisesti aikomuksen ja viittauksen määrään.

Matalan kontekstin kulttuurit, toisaalta, kuten useat länsimaiset kulttuurit (Yhdysvallat ja useat Euroopan maat), luottavat suoriin ja sanallisiin viestintätapoihin. Koska matalan kontekstin kulttuurit ovat usein eksplisiittisempiä, digitaalinen tekstipohjainen viestintä sulautuu saumattomasti heidän viestintäkankaaseen. Kontekstualisoidessaan GenAI:n hallitsevia tekstipohjaisia ominaisuuksia tähän teoriaan, ei ole yllättävää, että korkean kontekstin kulttuureista olevat ihmiset, erityisesti ei-englanninkieliset, kamppailevat kommunikoimalla näiden työkalujen kanssa.

Kansainvälistyneessä liike-elämän ympäristössä, jossa ihmiset kaikista taustoista kohtaavat, kehonkielen, sävyn ja muiden hienojen vihjeiden puute voi tehdä kommunikoimisesta AI:n kanssa paljon vähemmän luotettavaa. Digitaalinen tai teknologiaan perustuva viestintä, erityisesti sellainen, jota kokemme GenAI-työkalujen kautta, on sisällytettävä muihin muotoihin tekstipohjaisen viestinnän lisäksi.

Englannin kielen ennakkoluulo GenAI:ssa

On myös ollut vakavia huolenaiheita AI-tunnistimien (joita ironisesti ohjaa AI) ennakkoluuloista ei-englanninkielisiä kirjoittajia vastaan. Lisäksi tieteellisessä maailmassa viimeaikaiset tutkimukset osoittavat, että jopa 38 % ei-englanninkielisistä kirjoittajista hylätään tieteen julkaisuissa kielellisen esteen vuoksi. Tutkimuksen kirjoittaja esittää, että kielellisten esteiden murtaminen on avain tietojen jakamiseen. He myös väittävät, että kielen laatu ei pitäisi määrätä siitä, onko tieto tarpeeksi arvokasta jaettavaksi.

Tutkijat hälyttävät LLM:n kielellisen monimuotoisuuden puutetta ja riskejä, jotka liittyvät siihen, että suuri osa maailman väestöstä, joka ei puhu englantia äidinkielenään, jää ulos. Tämä on syvään juurtunut ongelma, joka rajoittaa sitä, miten ihmiset voivat käyttää AI-työkaluja.

On myös ongelma, joka on ratkaistava mahdollisimman pian, ottaen huomioon, että 95 % Yhdysvaltain yrityksistä on omaksunut GenAI:n. Tämä teknologia on yhä enenevissä määrin sovellettu kiireisiin työympäristöihin, kuten valmistusympäristöihin. Ei-englanninkieliset puhujat jäävät usein ulos, kun keskustellaan AI:n käyttöstrategioista.

Tarkastellaan, miltä esteet onnistuneelle AI-omaksumiselle näyttävät käytännössä. Ei-englanninkieliset puhujat kamppailevat ohjelmointikielten kanssa, mikä johtaa vääristyneisiin tuloksiin ja riskeihin, jotka liittyvät väärin tulkitsemiin tietoihin tai ohjeisiin. Esimerkiksi vietnamilaiset valmistajat, joilla on rajoitettu englannin kielen taito, riippuvat englanninkielisistä käännöksistä GenAI:n kautta ohjeiden saamiseksi. Tämä aiheuttaa valtavan virheriskin, koska konteksti ja hienot vihjeet poistetaan.

Lisäksi luottamus ja itsevarmuus vähenevät. Tämä voi lisätä vastustusta teknologian käytölle työnkulussa, samalla heikentäen työntekijöiden moraalia ja motivaatiota.

Kuilun sulkeminen

Nämä esteet ja haasteet on ratkaistava mahdollisimman pian. Tasaamaan GenAI:n omaksumista kulttuurillisten ja kielellisten nuanssien on otettava huomioon. On useita strategioita, joita organisaatiot voivat käyttää kuilun sulkemiseksi ja GenAI:n omaksumisen rakentamiseksi monikieliseen tulevaisuuteen.

Kognitiivisten ja analyyttisten kehysten sisällyttäminen

Yksi erityisen hyödyllinen kognitiivinen kehys on OODA-kehys, jonka on kehittänyt kuuluisa hävittäjälentäjä, John Boyd. OODA-kehys koostuu viidestä osasta, jotka muodostavat yhden neljästä vaiheesta: suuntautuminen, joka koostuu geneettisestä perimästä, kulttuurisista perinteistä, aiemmista kokemuksista, uudesta tiedosta ja analyysistä/synteesistä. Nämä osat voidaan soveltaa yksilöiden päätöksentekoon vaikuttavien syötteiden ymmärtämiseen.

Suosittelen, että kieltä käsitellään osana “kulttuurisia perinteitä” ja kiinnitetään erityistä huomiota “geneettiseen perimään” ja “analyysiin/synteesiin” yksilöiden kohdalla. Tässä on selvitys siitä, miten kunkin osan rooli on koulutettaessa AI-malleja olemaan kielellisesti laajempia.

• Geneettinen perimä (ihmisen sisäänrakennetut piirteet): koulutetaan AI-järjestelmiä havaitsemaan universaaleja vihjeitä, kuten sävyä ja rytmiä, jotka ovat jaettuja kieli- ja kulttuurirajoja. Monimodaalinen lähestymistapa GenAI:hin, joka sisältää äänen, tekstin ja videovihjeet – ei vain tekstiä.

• Kulttuuriset perinteet: luodaan tietokantoja, jotka havaitsevat tiettyjä kielellisiä ominaisuuksia, kuten onomatopoeioita ja kontekstipohjaisia viestintätapoja. Kehitetään malleja alueittain eikä yleispohjaista mallia, joka ei ole yhtä kulttuurisesti ja kielellisesti joustavaa.

• Aiemmat kokemukset: ihmiset luottavat järjestelmiin, jotka heijastavat heidän elämäänsä. Esimerkiksi Vietnamin tai Japanin työntekijät käyttävät AI:ta toisin kuin Yhdysvaltojen työntekijät, riippuen heidän altistumisestaan ja luottamuksestaan näihin työkaluihin. Järjestetään työpajoja, joissa paikalliset tiimit voivat testata ja harjoitella GenAI:n käyttöä ja antaa palautetta siitä, miten hyvin se heijastaa heidän kielellistä ja kulttuurista kontekstiaan. Organisaatiot voivat sitten sopeuttaa ohjelmointikielipaketteja vastaavasti, ottaen huomioon näiden oppaiden käyttötavat (esim. tehdastyöntekijät suosivat yleensä visuaalisia oppaita).

• Uusi tieto: GenAI-työkalujen on päivitettävä jatkuvasti todellisilla maailman tietoja. Käytetään monikielistä tietojen syöttöä tietokantoihin, jotta integroitu järjestelmä oppii eri kielten ja viestintätapojen nuansseja.

• Analyysi/synteesi: tässä tapahtuu yhdenmukaisuus ihmisten ja AI:n välillä. Kielelliset tiedot ja signaalit ovat usein sirpaleisia, mikä ei ole yhteensopivaa GenAI-mallejen kanssa. Nämä tiedot on muunnettava AI:lle sopivaksi, jotta ne voidaan prosessoida ja analysoida kulttuurisesti ja kielellisesti joustavien tuloksien tuottamiseksi.

Käytännön koulutus parhaisiin käytäntöihin

Työntekijöiden on myös koulutettava parhaisiin käytäntöihin GenAI-alustojen ohjelmointiin, keskittyen selkeyteen. Ohjelmointikielipaketit voivat olla erittäin hyödyllisiä tutustuttaessa tiimejä parhaisiin ohjelmointitapoihin.

Tärkeää on myös keskittyä periaatteisiin, kuten reiluuteen ja avoimuuteen, AI-koulutusworkshopissa. Nämä ovat perustavia aspekteja ennakkoluulottoman AI:n käytölle, ja tiimien on myös oltava perillä havaitsemassa merkkejä harhaluuloista ja ennakkoluuloista, jotka voimistavat kielellisiä esteitä.

Lisäksi on vältettävä “kaikuvia kameroita” varmistamalla, että uusi tieto AI:sta ei tule vain yhdestä lähteestä, vaan laajasta lähteistöä. Kaikuvat kamerot ovat suuri ongelma teknologiassa, myös AI:ssa, vahvistaen olemassa olevia ennakkoluuloja ja vääristäen tuloksia. Työntekijät ovat alttiina riskeille, joista seuraa ennakkoluulon ansa ja seuraamisen epäasiallisten ohjeiden tai tietojen mukaista toimintaa.

Lopulta on tunnustettava, että mikä tahansa AI-työkalu, mukaan lukien GenAI, on käsiteltävä “konsulttina”, ei tiukkana ohjeistuksena. Tiimien on rohkaistava aina kiertämään ihmistä selventämään mahdollista sekaantumista vähentämään virhetietojen ja ohjeiden riskiä.

AI on muokkaamassa liiketoimintaprosesseja, mutta on tärkeää, ettei kukaan jää jälkeen matkalla. Nämä strategioiden integroiminen AI:n käyttöön antaa yrityksille mahdollisuuden navigoida kielelliset esteet, jotka muuten aiheuttavat ennakkoluuloja ja kasautuvia ongelmia.