อนาคตของ AI คือสิ่งที่ถูกปรับให้เหมาะสม ไม่ใช่แบบใช้ได้กับทุกคน

ในช่วง 50 ปีที่ผ่านมา ซอฟต์แวร์ส่วนใหญ่ถูกสร้างขึ้นสำหรับคนในสำนักงาน แพลตฟอร์มแบบดั้งเดิมเป็นฐานข้อมูลที่มีインタ์เฟซหุ้มอยู่ ซึ่งนั่นไม่เคลื่อนไหวและต้องการให้คนทำงานรอบๆ มัน เพื่อเลี้ยงข้อมูลให้มัน เพื่อเข้าข้อมูลในมัน และเพื่อสำรวจตรรกะที่กำหนดไว้ล่วงหน้า ในการเตรียมการนี้ มนุษย์ได้กลายเป็นกาวที่เป็นมนุษย์โดยไม่คิด โดยใช้เวลาทำงานในการเชื่อมช่องว่างระหว่างเครื่องมือที่กระจัดกระจาย

ภาษีในการดำเนินงานนี้เจ็บปวดที่สุดในชีวิตบนมือถือ ลองนึกภาพการจองการประชุมอย่างง่ายๆ ในขณะที่คุณเดินไปมา คุณเปิดแอปพลิเคชันปฏิทิน กด ทาป ซ้ำ แล้วคุณกระโดดไปที่อีเมลเพื่อค้นหาคำที่ไม่ชัดเจนของคำหลักๆ ค้นหาที่อยู่ที่ถูกต้อง คัดลอก และกระโดดกลับไปที่ปฏิทิน มันเป็นประสบการณ์ที่ทำให้คนรู้สึกไม่ใช่มนุษย์ ผู้ใช้ถูกบังคับให้ทำตามตรรกะของซอฟต์แวร์แทนการทำตามเจตนาของผู้ใช้ โดยถือบริบทที่ไม่สมบูรณ์ในหัวและเย็บมันกลับด้วยมือ

มนุษย์เป็นกาวที่เป็นมนุษย์

เรามองเห็นสิ่งนี้อย่างชัดเจนในขณะที่สร้างสำหรับมือถือที่ Google โลกได้ทำให้ปัญหานี้คมชัดขึ้นตั้งแต่นั้นมา การทำงานที่มีคุณค่าสูงมากขึ้นเกิดขึ้นในโลกแห่งความเป็นจริงมากกว่าในสำนักงานที่มีการตั้งค่าแบบคงที่ มันเกิดขึ้นในคอฟฟี่ช็อป ในการแนะนำภายนอก ในการเป็นหุ้นส่วน และหน่วยการทำงานกำลังลดลงจากองค์กรไปสู่ทีมและบุคคล

ข้อมูลสนับสนุนสิ่งนี้ ตาม สำนักงานสำรวจสำมะโนประชากรของสหรัฐอเมริกา จำนวนธุรกิจที่ไม่มีพนักงานในสหรัฐอเมริกาเติบโตเฉลี่ย 2.7% ต่อปีระหว่างปี 2012 ถึง 2023 ซึ่งมากกว่า 1.1% ของธุรกิจที่มีพนักงาน และตอนนี้ธุรกิจเหล่านี้คิดเป็นส่วนใหญ่ของธุรกิจอเมริกันทั้งหมด เรากำลังเข้าสู่ยุคที่เรียกว่า “ซูเปอร์ บุคคล” ซึ่งเป็นผู้ดำเนินธุรกิจทั่วโลกด้วยตัวแทนเล็กๆ ที่ทำงาน เมื่อหน่วยการทำงานลดลงเหลือบุคคล การออกแบบเครื่องมือของเราต้องกลับหัว เมื่อคนไม่ต้องตามซอฟต์แวร์ ซอฟต์แวร์ต้องตามคน

ไมล์สุดท้ายของ AI

ผู้ช่วยทั่วไป เช่น ChatGPT และ Gemini เป็นขั้นตอนที่แท้จริง พวกเขาทำให้ผู้คนสามารถทำได้มากขึ้นเร็วขึ้นในงานที่หลากหลาย แต่มีช่องว่างระหว่างโมเดลที่มีความสามารถทั่วไปและเครื่องมือที่เหมาะสมกับชีวิตของคุณ และใน AI ช่องว่างนั้นคือไมล์สุดท้าย ซึ่งเป็นที่ที่มีคุณค่าจริงๆ และเป็นส่วนที่แทบไม่มีใครแก้ไขได้

โมเดลทั่วไปมาถึงเหมือนกับพนักงานใหม่ที่มีพรสวรรค์ในวันแรก มันคล่องแคล่ว ว่องไว และอ่านกว้าง แต่ไม่ทราบลูกค้าของคุณ ความชอบของคุณ ภาษาเฉพาะที่คุณใช้ หรือวิธีที่คุณชอบให้ทำสิ่งต่างๆ มันแข็งแกร่งไม่เหมือนกับเป็นของคุณ โมเดลทั่วไปโดยการออกแบบเป็นแบบเดียวกันสำหรับทุกคนที่เปิดมัน สิ่งที่ผู้คนต้องการจริงๆ คือสิ่งที่ตรงกันข้าม: สิ่งที่ถูกสร้างขึ้นสำหรับคนหนึ่งๆ ซึ่งจะเติบโตมากขึ้นเมื่อใช้งาน

ในประวัติศาสตร์ ไมล์สุดท้ายนี้มีราคาแพง การปรับให้เหมาะสมสำหรับคนหนึ่งหมายถึงการ雇พนักงานผู้ช่วยหรือหัวหน้าพนักงาน หรือการสร้างซอฟต์แวร์แบบกำหนดเอง ซึ่งเป็นตัวเลือกที่สงวนไว้สำหรับบริษัทขนาดใหญ่และคนรวย ดังนั้นคนอื่นๆ จึงตั้งใจใช้เครื่องมือทั่วไปและฝึกตัวเองให้เข้ากับมัน ค่าใช้จ่ายของการปรับให้เหมาะสมเป็นเหตุผลที่คนส่วนใหญ่ไม่เคยได้รับมาก่อน สิ่งที่เปลี่ยนแปลงอยู่ตอนนี้คือต้นทุน เมื่อมันลดลง สิ่งที่คนต้องการเงียบๆ ก็เป็นไปได้ที่ระดับของคนหนึ่งคน ผู้คนไม่ได้ปรารถนาในความสามารถทั่วไปมากขึ้น พวกเขาต้องการสิ่งที่เป็นของพวกเขา

สิ่งนี้ไม่ใช่เรื่องของรสชาติ และหลักฐานมีคมชัดกว่าที่ดูเหมือน คุณค่าของ AI ไม่ได้กระจายเท่าๆ กันไปในงานต่างๆ ในการทดลองขนาดใหญ่ที่ดำเนินการโดย Harvard Business School ร่วมกับ Boston Consulting Group ผู้ให้คำปรึกษาที่ใช้ GPT-4 จำนวน 758 คนสามารถทำงานได้มากกว่า 12% เร็วขึ้นประมาณ 25% ด้วยคุณภาพที่สูงขึ้น แต่เฉพาะสำหรับงานที่อยู่ภายในสิ่งที่นักวิจัยเรียกว่า “จุดหน้าด้านเทคโนโลยีที่ไม่สม่ำเสมอ” ในงานที่เลือกอย่างเจาะจงให้อยู่นอกจุดหน้าด้านนั้น ผู้ที่ใช้ AI มีโอกาสน้อยลง 19% ที่จะถึงคำตอบที่ถูกต้อง เมื่อเครื่องมือถูกปรับให้เหมาะสมกับงานจริงๆ คุณค่าจะปรากฏขึ้น และคุณค่านั้นจะจางหายหรือแม้กระทั่งกลับกันเมื่อไม่เหมาะสม การปรับให้เหมาะสมไม่ใช่การตกแต่งสุดท้าย มันคือที่ที่คุณค่าอยู่

มีการเพิ่มขีดความสามารถสองประเภทที่ควรแยกออกจากกัน สิ่งหนึ่งช่วยให้คุณทำสิ่งที่คุณไม่สามารถทำได้ก่อนหน้านี้ อีกสิ่งหนึ่งปลดปล่อยคุณจากสิ่งที่เวลาของคุณมีค่ามากเกินไปที่จะใช้จ่ายไปกับมัน โมเดลทั่วไปดีมากในเรื่องแรก สิ่งที่สองเป็นเรื่องของการปรับให้เหมาะสม และการปรับให้เหมาะสมต้องเป็นแบบปรับให้เหมาะสม

จากจุดหมายถึงรถข้าง

ถ้าการปรับให้เหมาะสมคือคุณสมบัติ รูปแบบจะเป็นอย่างไร? ที่นี่มันช่วยให้เรายืมคำศัพท์จากสถาปัตยกรรมซอฟต์แวร์ ในระบบที่กระจาย รูปแบบรถข้าง ติดกระบวนการช่วยเหลือเข้ากับบริการหลักเพื่อจัดการงานข้ามส่วน: การบันทึก การกำหนดค่า เครือข่าย ความสามารถในการสังเกตุ บริการหลักสามารถมุ่งเน้นไปที่งานจริงๆ ในขณะที่รถข้างดูดซับความซับซ้อนทางการดำเนินงานข้างๆ

ฉันเชื่อว่าแบบเดียวกันนี้กำลังจะเกิดขึ้นสำหรับคน ไม่ใช่เครื่องมือที่คุณไปเยี่ยม แต่ซอฟต์แวร์ส่วนบุคคลรุ่นต่อไปจะทำงานเหมือนรถข้างที่ผูกกับคุณ ทำงานอย่างกระตือรือร้นภายในแอปที่คุณอาศัยอยู่ ไม่ใช่จุดหมายปลายทาง แต่เป็นเพื่อนที่ขี่ข้างๆ และเป็นของที่ปรับให้เหมาะสมโดยธรรมชาติ เพราะมันผูกกับคนๆ หนึ่งและเรียนรู้เฉพาะเขาเท่านั้น รถข้างที่มีประโยชน์ ไม่ใช่แชทบอทที่คุณกระตุ้นทุกเช้า จะพักบนสามเสา

สามเสาของรถข้างส่วนบุคคล

การเรียนรู้และความจำที่คงอยู่ รถข้างไม่ใช่เครื่องมือที่คุณอธิบายทุกวัน มันเป็นสิ่งที่คุณสอนครั้งเดียว เมื่อคุณอธิบความชอบหรือการทำงาน มันจะจำไว้ โดยสร้างร้านค้าความจำส่วนตัวที่เดินทางไปกับคุณและจับประเด็นของวิธีการทำงานของคุณโดยเฉพาะ นี่คือไมล์สุดท้ายที่สะสม

การสังเกตและหน่วยงาน รถข้างสังเกต คิด และกระทำ มันเปลี่ยนจากความรู้สิ่งหนึ่งไปสู่การกระทำ: การกรองเสียงรบกวน การเชื่อมต่อจุด การเขียนตอบ การถือเส้นของโครงการเพื่อให้คุณไม่ต้อง

การสำรวจและการทำธุรกรรม เมื่อเวลาผ่านไป เพื่อนร่วมทางนี้จะพาบริบทและความสัมพันธ์ของคุณข้ามซอฟต์แวร์ต่างๆ มันช่วยคุณค้นหาการแนะนำที่ถูกต้อง พื้นที่โอกาส และในที่สุดก็ทำธุรกรรมแทนคุณ

จากความรู้สู่การกระทำ

การเปลี่ยนแปลงทางเทคนิคที่ลึกกว่าซึ่งอยู่ภายใต้ทุกสิ่งนี้คือการเปลี่ยนจากการดึงข้อมูลไปสู่การกระทำ การสร้างแบบเสริมด้วยการดึงข้อมูล เทคนิคที่ทำให้ผลลัพธ์ของโมเดลมีพื้นฐานมาจากเอกสารที่เกี่ยวข้องที่มันค้นหาได้ขณะนั้น ทำให้ผู้ช่วยในปัจจุบันดีในการรู้สิ่งต่างๆ การกระโดดต่อไปคือความสม่ำเสมอและหน่วยงาน: เพื่อนที่ออกแบบมาไม่เพียงแต่เพื่อตอบคำถาม แต่ยังเพื่อกระทำการ

อุตสาหกรรมกำลังหันเหในทิศทางนี้แล้ว Gartner คาดการณ์ ว่าภายในสิ้นปี 2026 40% ของแอปพลิเคชันระดับองค์กรจะรวมตัวแทน AI ที่เฉพาะเจาะจงสำหรับงาน ซึ่งเพิ่มขึ้นจากน้อยกว่า 5% ในปี 2025 ซึ่งเป็นการเปลี่ยนแปลงที่อธิบายว่าเป็นการเปลี่ยนจากผู้ช่วยที่ตอบกลับไปสู่ตัวแทนการกระทำ

มีประโยชน์ที่เงียบๆ อีกอย่างหนึ่งด้วย ซึ่งองค์กรมักจะประเมินต่ำเกินไป: ความจำของสถาบัน ในโลกที่มีการเปลี่ยนแปลงสูงและความร่วมมือที่คล่องแคล่ว มีบริบทจำนวนมากที่เดินออกไปทุกครั้งที่ใครสักคนออกจากบทบาท เพื่อนที่ผูกกับบุคคลจะจับความรู้ความสามารถและความสัมพันธ์ที่จะสูญเสียไปและเก็บบริบทนั้นไว้ให้สมบูรณ์และใช้ได้

แต่ความอุดมสมบูรณ์นี้ก็สร้างกับดัก เมื่อตัวแทนให้ผู้คนรับงานมากขึ้น ผู้คนก็รับงานมากขึ้น: มากขึ้นที่จะจำ มากขึ้นที่จะกระทำ มากขึ้นที่จะเปลี่ยน และมากขึ้นที่จะถือในหัวพร้อมๆ กัน จุดของรถข้างคือการนั่งอยู่ใต้เพดานชีววิทยานี้และดูดซับภาระ ไม่ใช่เพิ่มภาระให้มากขึ้น

การทำให้ทำงานของมนุษย์กลับมาอีกครั้ง

เป้าหมายที่แท้จริงไม่ใช่การขจัดคนออกไป มันคือการนำคนออกจากซอฟต์แวร์และกลับเข้าไปในห้อง การวิจัยของ McKinsey เกี่ยวกับงานความรู้พบว่าคนงานอินเทอร์แอคชันเฉลี่ยใช้เวลาประมาณ 28% ของสัปดาห์ในการอีเมลและเกือบ 20% ในการค้นหาข้อมูลภายในหรือติดตามเพื่อนร่วมงานที่ถูกต้อง ก่อนที่จะเพิ่มการประชุมภายในและประสานงาน นั่นคือส่วนใหญ่ของสัปดาห์ที่ใช้ไปกับภาษีในการดำเนินงานมากกว่าการทำงานเอง

ถ้าเพื่อนร่วมทางสามารถดูดซับชั้นการบริหารที่นิ่งๆ ได้ เวลาไม่ต้องกลับเข้าไปในเครื่องจักร มันสามารถกลับเข้าไปในคอฟฟี่ช็อป การเป็นหุ้นส่วน และการตัดสินใจที่มีมูลค่าจริงที่สร้างขึ้น นี่ไม่ใช่เรื่องของการแทนที่คนในวงจร มันคือการเอาคนออกจากส่วนที่ไม่เคยเป็นการใช้คนอย่างมีประสิทธิภาพ

อนาคตของ AI อาจไม่ใช่กล่องที่คุณพูดด้วย และไม่ใช่แบบหนึ่งที่ให้บริการทุกคนเหมือนกัน มันอาจเป็นเพื่อนที่ไม่สับสนกับของคุณ: สิ่งที่เดินข้างๆ คุณ เรียนรู้วิธีการทำงานของคุณ และจัดการส่วนที่คุณไม่ควรต้องจัดการ

ดังนั้น คำถามที่คุ้มค่าที่จะนั่งพิจารณาไม่ใช่ว่า AI ของคุณสามารถพูดได้ฉลาดแค่ไหน มันง่ายกว่านั้น: คุณใช้เวลาสัปดาห์ไปกับการเป็นกาวมากแค่ไหน และคุณจะทำอะไรกับเวลานั้นหากคุณได้รับเวลานั้นคืน?