Коли штучний інтелект робить нас швидшими, але не розумнішими, та що керівники повинні зробити з цим

Багато хто вважає, що штучний інтелект пропонує рішення широкого спектра бізнес-викликів. Він може бути помічником у кодуванні, покращувати автоматизацію робочих процесів та служити асистентом у сфері аналітики. Але хоча організації рухаються швидше, вони також думають менше. Тому справжня загроза, яку становить штучний інтелект, не полягає у заміні робочих місць, а у викорінуванні знань.

Дослідження вже довели це. SBS Швейцарська бізнес-школа виявила, що підвищена залежність від штучного інтелекту пов’язана з зниженням критичного мислення.

Цей процес має серйозні наслідки, оскільки навички, які роблять людське судження цінним, погіршуються, оскільки команди спираються на машинний вивід без розуміння того, як він працює. Ослаблене мислення, некритичні припущення та погіршення моделі управління не дорівнюють ефективності штучного інтелекту, а посилюють крихкість бізнесу.

Недорозуміння компетенції штучного інтелекту

Організації святкують швидші виводи як доказ успішного впровадження штучного інтелекту. Але швидкість – це оманливий показник. Те, що багато команд називають компетенцією штучного інтелекту, все частіше плутається з промовистістю запиту. Але працівники повинні бути здатні довіряти відповідям, які їм даються.

Якщо вивід звучить правильно, багато людей припускають, що це так. Верифікація моделі забувається, а припущення залишаються некритичними. Робоча сила починає спиратися на штучний інтелект для висновків, які раніше потребували мислення.

Дослідження 2025 року підтримує цю тенденцію. Воно виявило “істотну негативну кореляцію між частим використанням інструментів штучного інтелекту та критичним мисленням, яке посилюється підвищеним когнітивним вивантаженням”. І молодші учасники, які були найбільш комфортні з інтерфейсами штучного інтелекту, показали нижчі результати критичного мислення, ніж старші учасники.

Ця точка зору також підтверджується висновками в The Economic Times, яке виявило, що фундаментальна компетенція штучного інтелекту не полягає у володінні запиту, а у людських навичках, які інтерпретують, критикують та контекстуалізують машинний вивід, а компетенція штучного інтелекту полягає у критичному мисленні, аналітичному мисленні, творчому вирішенні проблем та емоційному інтелекті. Без цих навичок користувачі стають пасивними споживачами змісту штучного інтелекту, а не активними приймаючими рішення.

Побоювання викликає те, що цей когнітивний вивантаження спостерігається на нейронному рівні. The Economic Times повідомило про дослідження MIT Media Lab та виявило, що учасники, які часто використовували ChatGPT, показали зниження пам’яті, нижчі результати та зниження мозкової активності під час виконання завдань без штучного інтелекту. Як зазначили дослідники, “Ця зручність мала когнітивну ціну”. Студенти, які використовували штучний інтелект, показали гірші результати “на всіх рівнях: нейронному, лінгвістичному та результативному”.

Ці результати допоможуть прояснити, що штучний інтелект підкрадається. Він ослаблює когнітивні навички, на які професіонали спираються щодня:

• Аналітичне мислення
• Тестування гіпотез
• Інстинкти відладки
• Доменна інтуїція

Ці недавні дослідження нарешті проливають світло на недоліки штучного інтелекту на людському рівні. І це стає великою проблемою у високих ставках рішень, таких як ризик, прогнозування та розподіл ресурсів, які всі вимагають контекстного розуміння. Чим менше люди розуміють логіку за проектуванням моделі, тим більш невизначеним стає прийняття рішень.

Чому слабкі навички людини в циклі штучного інтелекту створюють ризики рівня підприємства

Нова компетенційна пропасть ослаблює управління

Когда впровадження штучного інтелекту стає поширеним, у багатьох організаціях з’являється розрив. З одного боку – інспектори, які можуть поставити під сумнів, оскаржити, інтерпретувати та уточнити вивід. З іншого боку – оператори, які приймають результати як є та рухаються далі.

Цей розрив має велике значення, ніж багато керівників розуміють. Управління залежить від команд, які можуть поставити під сумнів припущення моделі, а не лише відповіді. Коли менше людей розуміють, як працює система, маленькі зміни можуть залишитися непоміченими, як перші ознаки дрейфу моделі та зміни якості даних.

Когда команди приймають вивід штучного інтелекту без питань, маленькі помилки рухаються вниз по потоку та швидко накопичуються. Надмірна залежність стає єдиною точкою відмови. Це піднімає питання, що відбувається, коли організація видаляє судження швидше, ніж будує розуміння?

Ця пропаст управління також блокує інновації. Команди, які не можуть поставити під сумнів штучний інтелект, не можуть уточнити запити чи визначити, коли висновок новий та оригінальний. Інновації стають централізованими навколо зменшуючої кількості експертів, що сповільнює здатність організації адаптуватися.

Інновації зупиняються, коли людська цікавість знижується

Штучний інтелект може прискорити та автоматизувати багато завдань, але він не може замінити людський інстинкт питання та руху за очевидні відповіді. Однак цей інстинкт людини поступово зникає. Це відомо як декаданс агентства. Чотирьохетапний прогрес у тому, як люди вивантажують мислення на машини:

1. Експериментування: Люди починають делегувати маленькі завдання штучному інтелекту з цікавості та зручності. Це ємпаверуюче та ефективне.
2. Інтеграція: Штучний інтелект стає частиною щоденних завдань. Люди все ще мають базові навички, але відчувають певний дискомфорт при роботі з допомогою.
3. Залежність: Штучний інтелект починає приймати складні рішення. Користувачі стають самозадоволеними, а когнітивні здібності починають атрофуватися, часто непомітно.
4. Залежність: Також відомо як вибрана сліпота. Люди не можуть функціонувати ефективно без штучного інтелекту, але залишаються переконані у своїй автономії.

Цей прогрес має значення, оскільки штучний інтелект підкрадається здатність визнавати, коли нам бракує знань та мислити про нові рішення нових проблем. Ці вищі навички вимагають постійного тренування. Однак зручність штучного інтелекту робить їх недбалістю.

Організації тоді стають ефективними, але некреативними. Дослідження та розвиток залежать від людської цікавості та скептицизму, які обидва знижуються, коли вивід залишається некритичним. Це зниження цікавості та агентства є стратегічним ризиком.

Втрата неявних знань робить організацію крихкою

У здорових, функціональних командах, експертиза тече горизонтально через з’єднання між колегами та вертикально від старших до молодших. Але коли працівники передають питання штучному інтелекту, а не людям, ці наставницькі цикли ослаблюються. Молодші працівники перестають вчитися у та поглинати експертні судження, а старші працівники поступово перестають документувати знання, оскільки штучний інтелект заповнює звичайні прогалини.

З часом, основна компетенція виснажується. Але цей ризик потребує часу, щоб проявитися, тому бізнес виглядає продуктивним, але його основа стає крихкою. Коли модель штучного інтелекту відмовляється або з’являються аномалії, команди вже не мають глибини знань, щоб відповісти з впевненістю.

Вивчення випадку бухгалтерської фірми, опубліковане в The Vicious Circles of Skill Erosion, виявило, що довгострокова залежність від когнітивної автоматизації створює значне зниження людської експертизи. Коли працівники довіряли автоматизованим функціям більше, їхнє усвідомлення діяльності, підтримка компетенції та оцінка виводу ослаблювалися. Дослідники зазначили, що ця ерозія навичок залишається непоміченою працівниками та менеджерами, залишаючи команди непідготовленими, коли системи відмовляються.

Що керівники повинні зробити, щоб відновити глибину та захиститися від надмірної залежності

Підприємства не можуть сповільнити впровадження штучного інтелекту, але вони можуть зміцнити людське судження, яке робить штучний інтелект більш надійним. Це починається з переозначення компетенції штучного інтелекту по всій організації, оскільки промовистість запиту не є професіоналізмом. Справжня здатність включає розуміння того, як працює модель, та знання того, коли перевершити машинний вивід.

Для цього працівники потребують тренування щодо того, як модель спрощує контекст, як дрейф проявляється у щоденній роботі, та різниці між впевненим виводом та добре обґрунтованим висновком. Як тільки ця основа буде закладена, керівники можуть відновити критичне мислення у щоденній роботі, нормалізуючи перевірки, такі як:

• Яка припущення робить ця модель?
• Що зробить цей вивід неправильним?
• Чи суперечить це чогось, що ми знаємо з досвіду?

Цей критичний аналіз займає лише кілька хвилин, але протидіє кризі когнітивного вивантаження, допомагаючи тримати працівників та вивід моделі штучного інтелекту під контролем.

Найкращий спосіб для бізнесу навчити працівників – це на реальних системах. Занадто часто тренування зосереджується на ідеальних сценаріях. Але бізнес не має таких сценаріїв; у нього є системи, де дані є неповними, контекст є двозначним, а людське судження має значення.

Наприклад, якщо логістична фірма тренувала свою команду маршрутизації лише на чистих наборах даних, де штучний інтелект працював ідеально, працівники були б величезно непідготовлені. Реальні умови, такі як порушення погодних умов, можуть змусити моделі штучного інтелекту виробляти неправильні інструкції. Якщо працівники ніколи не бачили, як система поводиться у невизначеному стані, вони не змогли б визначити перші ознаки дрейфу чи знати, коли втрутитися. У цьому випадку проблема не у моделі, а у недостатньому тренуванні. Це важливо тренувати працівників на штучному інтелекті, який у них є, включаючи сценарії дрейфу, двозначні виводи, часткові дані та відмови. Це місце, де людська здатність відновлюється.

Щоб тренування було практичним, керівники бізнесу повинні виміряти людську здатність, а не лише результати системи. Організації зазвичай відстежують точність моделі або метрики економії, але рідко контролюють поведінку, яка вказує на сильне людське управління. Чи документують працівники, чому вони довіряють виводу моделі? Чи ескалується незвичайні результати? Ці спостережувані дії показують, чи посилюється мислення чи слабшає. Коли керівники визнають та винагороджують людей, які покращують запити через глибоке мислення чи піднімають обґрунтовані сумніви щодо виводу штучного інтелекту, вони зміцнюють звички, які роблять розгортання штучного інтелекту стійким.

Штучний інтелект буде продовжувати прискорюватися. Ця частина не підлягає сумніву. Питання полягає в тому, чи збережуть команди навички, необхідні для питання, корекції та перенаправлення штучного інтелекту, коли справи йдуть неправильно. Це місце, де різниця буде показана. Організації, які інвестують у людське судження зараз, будуть тими, хто отримає справжню цінність від штучного інтелекту, а не крихку ефективність. Vš інші будують на піску.