Când IA ne face mai rapizi, dar nu și mai deștepți și ce trebuie să facă liderii în acest sens

Pentru mulți, IA oferă soluția la o varietate de provocări de afaceri. Ea poate fi un copilot pentru cod, poate îmbunătăți automatizarea fluxului de lucru și poate servi ca asistent de analize. Dar, în timp ce organizațiile se deplasează mai repede, ele gândesc mai puțin. Așadar, riscul real pe care IA îl prezintă nu este înlocuirea locurilor de muncă, ci erodarea cunoștințelor.

Cercetările au demonstrat deja acest lucru. SBS Swiss Business School a constatat că creșterea dependenței de IA este legată de diminuarea capacităților de gândire critică.

Această erodare are consecințe grave, deoarece abilitățile care fac judecata umană valoroasă se deteriorează pe măsură ce echipele se sprijină pe output-ul mașinilor fără a înțelege cum funcționează. Raționamentul slăbit, ipotezele necontestate și guvernanța modelului deteriorat nu reprezintă eficiența IA, ci fragilitatea afacerii.

Neînțelegerea competenței IA

Organizațiile sărbătoresc ieșirile mai rapide ca dovadă a adoptării cu succes a IA. Dar viteza este un indicator înșelător. Ceea ce multe echipe numesc competență IA este, de fapt, fluency în prompturi. Dar lucrătorii trebuie să poată avea încredere în răspunsurile pe care le primesc.

Dacă un output sună bine, multe persoane presupun că este corect. Verificările modelului sunt uitate, iar ipotezele rămân necontestate. Forța de muncă începe apoi să se sprijine pe IA pentru concluzii care au necesitat anterior raționament.

Un studiu de cercetare din 2025 susține acest model. Acesta a constatat “o corelație negativă semnificativă între utilizarea frecventă a uneltelor IA și capacitățile de gândire critică, mediată de creșterea offloading-ului cognitiv.” Și participanții mai tineri, care sunt mai confortabili cu interfețele IA, au arătat scoruri de gândire critică mai scăzute decât participanții mai în vârstă.

Acest punct este susținut și de constatările din The Economic Times, care a constatat că proficiența fundamentală IA nu provine din stăpânirea prompturilor. Ea provine din abilitățile umane care interpretează, contestă și contextualizează output-ul mașinii, iar proficiența IA provine din gândirea critică, raționamentul analitic, rezolvarea creativă a problemelor și inteligența emoțională. Fără acestea, utilizatorii devin consumatori pasivi de conținut IA, în loc de decidenți activi.

Îngrijorător, acest offloading cognitiv a fost observat la nivelul neuronilor. The Economic Times a raportat despre un studiu al MIT Media Lab și a constatat că participanții care au utilizat frecvent ChatGPT au prezentat o retenție a memoriei redusă, scoruri de performanță mai scăzute și o activitate cerebrală diminuată atunci când au încercat să funcționeze fără asistență IA. Așa cum au spus cercetătorii, “Această comoditate a venit cu un cost cognitiv.” Studenții care au utilizat IA au performant mai slab “la toate nivelurile: neuronal, lingvistic și de scorare.”

Aceste rezultate ajută la clarificarea a ceea ce subminează scurtăturile IA. Ele slăbesc abilitățile cognitive pe care profesioniștii le folosesc în fiecare zi:

• Raționamentul analitic
• Testarea ipotezelor
• Instinctele de depanare
• Intuiția de domeniu

Această cercetare recentă aruncă, în sfârșit, lumină asupra dezavantajelor IA la nivel uman. Și aceasta devine o problemă tot mai mare în deciziile cu risc ridicat, cum ar fi risc, previziune și alocare de resurse, care toate necesită înțelegere contextuală. Cu cât oamenii înțeleg mai puțin logica din spatele proiectării unui model, cu atât deciziile devin mai incerte.

De ce abilitățile slabe ale oamenilor în bucla IA creează riscuri la nivel de întreprindere

Noua diviziune a competenței slăbește guvernanța

Pe măsură ce adoptarea IA devine mai răspândită, o diviziune apare în multe organizații. Pe de o parte sunt inspectorii, care pot contesta, interpreta și rafina output-urile. Pe de altă parte sunt operatorii care acceptă rezultatele la valoarea lor nominală și continuă.

Această diviziune contează mult mai mult decât majoritatea liderilor realizează. Guvernanța depinde de echipe care pot interoga ipotezele unui model, nu doar răspunsurile. Când mai puține persoane înțeleg cum funcționează un sistem, schimbări mici pot trece neobservate, cum ar fi semnele timpurii de drift al modelului și modificări ale calității datelor.

Când echipele acceptă output-urile IA fără a le contesta, erorile mici se deplasează în aval și se compun rapid. Dependența excesivă devine un punct de falie unic. Acest lucru ridică întrebarea, ce se întâmplă când o organizație externalizează judecata mai rapid decât construiește înțelegerea?

Acest gol de guvernanță împiedică, de asemenea, inovația. Echipele care nu pot interoga IA nu pot rafina prompturi sau recunoaște când o idee este nouă și inovatoare. Inovația devine centralizată în jurul unui grup tot mai mic de experți, încetinind capacitatea organizației de a se adapta.

Inovația se oprește când curiozitatea umană scade

IA poate accelera și automatiza multe sarcini, dar nu poate înlocui instinctul uman de a întreba și a depăși răspunsurile evidente. Și acest instinct inerent uman se deteriorează. Acesta este cunoscut sub numele de decădere a agenției. O progresie în patru etape în care oamenii externalizează gândirea către mașini:

1. Experimentarea: Din curiozitate și comoditate, oamenii încep să externalizeze sarcini mici către IA. Este empowerment și eficient.
2. Integrarea: IA devine parte a sarcinilor de zi cu zi. Oamenii încă au abilități subiacente, dar se simt într-o oarecare măsură inconfortabili lucrând cu asistență.
3. Dependența: IA începe să ia decizii complexe. Utilizatorii cresc în complacere, iar abilitățile cognitive încep să se atrofieze, adesea neobservate.
4. Dependența: Cunoscută și sub numele de orbire aleasă. Oamenii nu pot funcționa eficient fără IA, dar rămân convinși de autonomia lor.

Această progresie contează, deoarece IA subminează capacitatea de a recunoaște când lipsește cunoașterea și de a gândi soluții inovatoare la probleme noi. Aceste abilități de nivel superior necesită exercițiu constant. Însă comoditatea IA face neglijarea lor lipsită de efort.

Organizațiile devin, apoi, eficiente, dar lipsite de creativitate. Cercetarea și dezvoltarea depind de curiozitatea și scepticismul uman, ambele scad pe măsură ce output-urile rămân necontestate. Pierderea curiozității și a agenției este un risc strategic.

Pierderea cunoașterii tacite face organizația fragilă

În echipe sănătoase și funcționale, expertiza curge orizontal prin conexiuni peer-to-peer și vertical de la seniori la juniori. Dar, pe măsură ce lucrătorii transmit întrebări către IA, în loc de oameni, buclele de mentorat se slăbesc. Juniorii încetează să învețe de la și să absoarbă judecata expertă, iar seniorii încetează treptat să documenteze cunoașterea, deoarece IA umple golurile rutiniere.

În timp, cunoașterea de bază se golește. Dar acest risc necesită timp pentru a se manifesta, astfel încât afacerile par productive, dar fundația lor devine fragilă. Când un model eșuează sau apar anomalii, echipele nu mai au adâncimea de domeniu pentru a răspunde cu încredere.

Un studiu de caz al unei firme de contabilitate publicat în The Vicious Circles of Skill Erosion a constatat că dependența pe termen lung de automatizarea cognitivă creează o scădere semnificativă a expertizei umane. Pe măsură ce lucrătorii au încredere mai mult în funcțiile automate, conștientizarea activităților, menținerea competenței și evaluarea output-ului s-au slăbit. Cercetătorii notează că această erodare a abilităților rămâne neobservată de angajați și manageri, lăsând echipele nepregătite atunci când sistemele eșuează.

Ce trebuie să facă liderii pentru a reface adâncimea și a se proteja împotriva dependenței excesive

Întreprinderile nu pot încetini adoptarea IA, dar pot consolida judecata umană a angajaților, ceea ce face IA mai fiabilă. Acest lucru începe cu redefinirea competenței IA în întreaga organizație, deoarece fluency în prompturi nu este proficiență. Capabilitatea reală include înțelegerea raționamentului unui model și știind când să anulezi output-ul mașinii.

Pentru a înțelege acest lucru, angajații au nevoie de instruire despre modul în care modelul simplifică contextul, despre modul în care driftul apare în munca de zi cu zi și despre diferența dintre un output care sună încrezător și unul bine motivat. Odată ce această bază este stabilită, liderii pot reconstrui gândirea critică în fluxurile de lucru zilnice, normalizând verificările, cum ar fi:

• Care este ipoteza pe care o face acest model?
• Ce ar face ca acest output să fie greșit?
• Contrazice acest lucru ceva din experiența noastră?

Această analiză critică necesită doar câteva minute, dar combate criza offloading-ului cognitiv, ajutând la menținerea angajaților și a output-urilor modelului IA sub control.

Cel mai bun mod în care afacerile pot învăța angajații este pe sisteme reale. Prea des, instruirea se concentrează pe scenarii ideale. Dar afacerile nu au astfel de scenarii; au sisteme în care datele sunt incomplete, contextul este ambiguu, iar judecata umană contează.

De exemplu, dacă o firmă de logistică și-a instruit echipa de rutare doar pe seturi de date curate în care IA a funcționat perfect, lucrătorii ar fi vast nepregătiți. Condițiile din lumea reală, cum ar fi perturbările meteorologice, pot face ca modelele IA să producă instrucțiuni incorecte. Dacă angajații nu au văzut niciodată sistemul comportându-se într-un mod incert, nu ar recunoaște semnele timpurii de drift sau nu ar ști când să intervină. În acest caz, problema nu este modelul, ci instruirea inadecvată. Este esențial să se instruiască angajații pe IA pe care o au, inclusiv scenarii de drift, output-uri ambigue, date parțiale și eșecuri. Acolo se reconstruirește capabilitatea umană.

Pentru a se asigura că instruirea este practică, liderii de afaceri trebuie să măsoare capabilitatea umană, nu doar rezultatele sistemului. Organizațiile urmăresc, de obicei, acuratețea modelului sau metricile de economisire a costurilor, dar rareori monitorizează comportamentele care indică o supraveghere umană puternică. Documentează angajații de ce au încredere în output-ul unui model? Escaladează ei rezultate neobișnuite? Aceste acțiuni observabile arată dacă raționamentul se întărește sau scade. Când liderii recunosc și recompensează oamenii care îmbunătățesc prompturi prin raționament profund sau ridică îndoieli valabile despre output-urile IA, ei întăresc obiceiurile care fac implementarea IA rezilientă.

IA va continua să se accelereze. Acest lucru nu este supus dezbaterii. Întrebarea este dacă echipele păstrează abilitățile necesare pentru a contesta, corecta și redirecționa IA atunci când lucrurile merg prost. Acolo va apărea diferența. Organizațiile care investesc în judecata umană acum vor fi cele care vor obține valoarea reală din IA, nu doar eficiență fragilă. Toată lumea construiește pe nisip.