विचार नेता

एआई और मानव निर्णय: एआई-आकारित कार्य में साझा अर्थ को बनाए रखना

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

जब उत्तर पूरे हो जाते हैं और सोच मंच से बाहर चली जाती है

एआई के दैनिक कार्य में एम्बेड होने के साथ, उत्तर तेजी से और अधिक पूर्ण रूप में आ रहे हैं।

यह बहुत उपयोगी हो सकता है, लेकिन यह यह भी बदलता है कि मानव निर्णय कैसे और कहाँ दिखाई देता है। जब एआई आकार देता है, तो गंदी सोच और पॉलिश्ड आउटपुट के बीच की दूरी कम हो सकती है, जिससे यह बताना मुश्किल हो जाता है कि वास्तव में काम किया गया है या नहीं।

पारंपरिक कार्य में, निर्णय प्रक्रिया के माध्यम से खुद को प्रकट करता था – समस्या को फ्रेम करने के तरीके में, विकल्पों पर चर्चा करने के तरीके में, या यह सुनिश्चित करने के लिए कि क्या धारणाएं सामने आ रही थीं। आप संदर्भ को स्थापित होते हुए सुन सकते थे, इरादे को स्पष्ट करते हुए, और धारणाओं को परीक्षण के माध्यम से काम करते हुए। एआई कार्य को आकार देने में अधिक शामिल होने के साथ, कुछ सोच अदृश्य हो जाती है। जो बचा है वह एक आश्वस्त आउटपुट है, लेकिन यह बताने के लिए कम संकेत हैं कि यह किस पर आधारित है – या यह खड़ा होगा या नहीं यदि आप इसके नीचे देखते हैं।

साझा अर्थ को स्पष्ट रूप से बनाने के बिना, नेता आउटपुट से कार्रवाई तक सीधे जा सकते हैं, जो उत्पन्न की गई चीज़ के साथ जुड़ रहे हैं chứ इसके नीचे क्या है इसकी खोज नहीं कर रहे हैं।

एक परिचित परिदृश्य लें। एक प्रबंधक एक छोटे से प्रस्ताव के लिए कहता है जो एक खिंची हुई टीम के कार्यभार में सुधार के लिए विकल्पों को रेखांकित करता है। जो वापस आता है वह स्पष्ट, संरचित और आश्वस्त है। यह एक समझदार दिशा का नाम देता है और अगले कदमों को भी रेखांकित करता है। सतह पर, इसके साथ कुछ भी गलत नहीं है। लेकिन जब बातचीत सीधे अनुमोदन या निष्पादन में चली जाती है, तो कुछ महत्वपूर्ण चूक सकता है। टीम पर दबाव को चलाने वाली चीजों की साझा खोज नहीं हुई है, इस स्थिति में सफलता को क्या दिखना चाहिए, इसके बारे में कोई स्पष्ट बातचीत नहीं हुई है, और प्रस्ताव पर निर्भर धारणाओं का परीक्षण करने का कोई मौका नहीं है। काम पूरा दिखता है। लेकिन जब तक कोई इसके नीचे नहीं देखता, यह बताना मुश्किल है कि इसे देने वाली सोच वास्तव में हुई है या नहीं।

मंच पर सोच वापस लाना

इसके नीचे देखना आउटपुट की जांच करने या छिपी हुई खामियों की तलाश करने के बारे में नहीं है। यह कुछ सोच को मंच पर वापस लाने के बारे में है – आउटपुट को इसके संदर्भ से जोड़ना, इरादे को स्पष्ट करना, और धारणाओं को सामने लाना जो पहले जोर से चर्चा की जाती थीं। इसमें से कोई भी उत्तर के मूल्य को नहीं छूता है। यह सिर्फ संभावित उत्तरों को कुछ ठोस देता है।

जब यह मानव कार्य नहीं होता है, तो प्रभाव अक्सर बाद में दिखाई देते हैं chứ तुरंत नहीं। निर्णय आगे बढ़ते हैं, लेकिन वे पतली समझ पर आधारित होते हैं। टीमें निष्पादित करती हैं, लेकिन सफलता के वास्तव में क्या दिखती है इसके विभिन्न व्याख्याओं के साथ। समस्याएं थोड़े बदले हुए रूप में पुनः प्रकट होती हैं क्योंकि उनके नीचे धारणाएं कभी भी सामने नहीं आईं या परीक्षण नहीं किया गया। समय के साथ, काम खोखला महसूस करना शुरू कर सकता है – यह तेजी से चलता है, लेकिन यह अच्छी तरह से अनुकूल नहीं होता है जब स्थितियाँ बदलती हैं। जो गायब है वह प्रयास या बुद्धिमत्ता नहीं है। यह साझा अर्थ है। जोखिम तेजी से आगे बढ़ने का नहीं है जब एआई लूप में है। यह उन निर्णयों पर आगे बढ़ने का जोखिम है जिन्हें लोगों द्वारा ठीक से समझा नहीं गया है जिन्हें उन्हें लागू करना है।

समय के साथ, यह बदलाव यह भी बदलता है कि क्या पुरस्कृत किया जाता है। जब पॉलिश्ड आउटपुट आंशिक रूप से बनी सोच की तुलना में अधिक आसानी से आगे बढ़ते हैं, तो लोग अनुकूलन करते हैं। वे सीखते हैं कि स्पष्टता जिज्ञासा से अधिक मायने रखती है, और यह कि निश्चितता परीक्षित निर्णय से अधिक दूर तक यात्रा करती है – न कि इसलिए कि नेता इसके लिए स्पष्ट रूप से कहते हैं, बल्कि इसलिए कि यह वही है जो लगता है कि काम करता है। उन परिस्थितियों में, सोच गायब नहीं होती है, यह सिर्फ मंच से दूर चली जाती है, जहां यह कम साझा करने योग्य है और दूसरों के लिए इसका निर्माण करना मुश्किल है।

यह बिंदु है जहां नेतृत्व अंतर बनाता है – बदलाव को उलटाकर नहीं, बल्कि इसके भीतर कार्य को आगे बढ़ाने के तरीके को आकार देकर।

नेता ऐसा करके अपनी टीमों को अर्थ बनाने में सक्रिय रूप से शामिल करते हैं – एआई आउटपुट को आकार देने से पहले साझा निर्णय की स्थिति बनाते हैं।

पिछले उदाहरण पर लौटते हुए, अंतर प्रस्ताव में नहीं है, बल्कि नेता की प्रतिक्रिया में है। अनुमोदन की ओर सीधे बढ़ने के बजाय, नेता कुछ सोच को वापस बातचीत में लाता है – जो टीम का सामना करने वाली चुनौतियों के पीछे क्या है, और किसी भी अंतर्निहित विचारों को सामने लाना। काम अभी भी आगे बढ़ता है, लेकिन अब यह साझा समझ पर आधारित है, न कि अनुमानित समझ पर।

व्यावहारिक रूप से यह क्या दिखता है

  1. संदर्भ समाधानों को आकार देने से पहले सामूहिक रूप से स्थापित किया जाता है।

नेता टीमों के लिए जगह बनाते हैं ताकि वे वास्तव में क्या हो रहा है इसका नाम दे सकें – दबाव, प्रतिबंध, इतिहास और वास्तविकताएं जो मायने रखती हैं, ताकि कोई भी एआई-सक्षम आउटपुट स्थिति की साझा तस्वीर के खिलाफ माना जा सके।

  1. इरादा事実 के बाद अनुमानित नहीं है, बल्कि एक साथ सहमत है।

नेता सुनिश्चित करते हैं कि टीमें इस स्थिति में सबसे ज्यादा मायने रखने वाली चीजों पर काम करती हैं – विशिष्ट परिवर्तन जो आवश्यक हैं, कौन से व्यापार बंद हैं और क्या “अच्छा” वास्तव में मतलब है – काम आकार लेने से पहले।

  1. धारणाएं एक समूह के रूप में सामने आती हैं और काम की जाती हैं।

नेता यह सामान्य बनाते हैं कि टीमें यह जांचती हैं कि क्या सच माना जा रहा है, क्या उन धारणाओं पर निर्भर करता है और जहां अभी भी अनिश्चितता है, ताकि निर्णय साझा निर्णय बन जाएं।

  1. एआई-आकारित आउटपुट निर्णय के लिए साझा सामग्री के रूप में माना जाता है।

एक स्पष्ट, सुसंगत उत्तर बातचीत को समाप्त नहीं करता है। नेता सुनिश्चित करते हैं कि आउटपुट को वापस समूह में लाया जाता है ताकि यह व्याख्या की जा सके, परीक्षण किया जा सके और अनुकूलित किया जा सके – ताकि अर्थ बनाना कमरे में हो, एआई-सक्षम आउटपुट से अनुमानित होने के बजाय।

एक साथ लिया गया, ये चार कदम एक व्यापक बदलाव की ओर इशारा करते हैं कि नेतृत्व निर्णय अब कैसे काम करने की आवश्यकता है।

अंततः, यह नेताओं के लिए अधिक सोच करने के बारे में नहीं है। यह यह पहचानने के बारे में है कि जब काम तेजी से आकार लेता है, तो इसे देने वाली सोच – काम के नीचे – डिफ़ॉल्ट रूप से सामने नहीं आती है। इसका अधिकांश हिस्सा मंच से दूर, पूर्ण आउटपुट के पीछे छिप जाता है।

इस सोच को जल्दी से मंच पर वापस लाने से, एआई अधिकांश आकार देने से पहले, नेता यह सुनिश्चित कर सकते हैं कि प्रगति समझ पर आधारित है, न कि गति पर। यहीं वास्तविक मानव निर्णय का मूल्य है: एआई की गति के साथ प्रतिस्पर्धा करने में नहीं, बल्कि इसके आउटपुट को अर्थ, दिशा और वास्तविक दुनिया में लंबी अवधि देने वाला काम करने में है।

मैगी पियर्स इम्पैक्ट में एक वैश्विक भूमिका निभाती हैं, जहां वह इम्पैक्ट की लर्निंग प्रैक्टिस के विकास और साझा करने का नेतृत्व करती हैं, जबकि इसके सबसे जटिल क्लाइंट समाधानों में से कुछ को डिज़ाइन और डिलीवर करती हैं। वह सॉल्यूशन मैपिंग की रचनाकार और अग्रणी है, इम्पैक्ट की परामर्श फ्रेमवर्क, और मूल्यांकन रणनीतियों, नेतृत्व सिमुलेशन, और नवाचार समाधान डिज़ाइन में गहरी विशेषज्ञता लाती है।