Μία από τις πιο συχνές υποσχέσεις γύρω από το AI είναι η παραγωγικότητα.

Το AI μπορεί να μας βοηθήσει να γράφουμε πιο γρήγορα, να αναλύουμε πιο γρήγορα, να κάνουμε έρευνα πιο γρήγορα, να προγραμματίζουμε πιο γρήγορα και να ολοκληρώνουμε εργασίες που κάποτε απαιτούσαν ώρες, μέσα σε λίγα λεπτά.

Και αυτό είναι αναμφίβολα πολύτιμο.

Υπάρχει όμως ένα πιο ενδιαφέρον ερώτημα που αξίζει να θέσουμε:

Μπορεί το AI να μας βοηθήσει να σκεφτόμαστε καλύτερα;

Για μένα, εδώ βρίσκεται ένα από τα πιο συναρπαστικά πεδία της τεχνολογικής καινοτομίας.

Η πραγματική αξία του AI δεν βρίσκεται μόνο στο ότι μπορεί να ολοκληρώνει εργασίες πιο γρήγορα. Βρίσκεται και στην ικανότητά του να μας βοηθά να εντοπίζουμε μοτίβα, να συνδέουμε ιδέες, να εξετάζουμε εναλλακτικές και να συνδυάζουμε γνώσεις από διαφορετικές πηγές — διαδικασίες που μέχρι πρόσφατα απαιτούσαν πολύ περισσότερο χρόνο και προσπάθεια.

Και αυτό αλλάζει τη σχέση μας με την τεχνολογία.

Από την αναζήτηση πληροφοριών στην αναζήτηση συνδέσεων

Ας πάρουμε κάτι τόσο απλό όσο η έρευνα.

Παραδοσιακά, θα διαβάζαμε ξεχωριστά διάφορες αναφορές, άρθρα, datasets ή έγγραφα. Θα κρατούσαμε σημειώσεις, θα συγκρίναμε τις πληροφορίες, θα αναζητούσαμε κοινά θέματα και, στο τέλος, θα προσπαθούσαμε να συνθέσουμε μια συνολική εικόνα.

Σήμερα, το AI μπορεί να υποστηρίξει μεγάλο μέρος αυτής της διαδικασίας.

Μπορούμε να του ζητήσουμε να συγκρίνει διαφορετικές πηγές, να εντοπίσει επαναλαμβανόμενα μοτίβα, να αναδείξει αντιφάσεις, να βρει σχέσεις ανάμεσα σε ιδέες ή ακόμη και να προτείνει ερωτήματα που δεν είχαμε σκεφτεί.

Η αξία, επομένως, δεν βρίσκεται απαραίτητα στο να αποδεχτούμε την απάντηση που μας δίνει.

Βρίσκεται συχνά στο ότι μας βοηθά να δούμε κάτι που δεν είχαμε παρατηρήσει.

Όταν το AI γίνεται εργαλείο εξερεύνησης δεδομένων

Αυτό γίνεται ακόμη πιο ενδιαφέρον όταν μιλάμε για δεδομένα.

Οι data scientists αναζητούσαν ανέκαθεν μοτίβα: σχέσεις μεταξύ μεταβλητών, ασυνήθιστες συμπεριφορές, ομάδες, τάσεις, ανωμαλίες και σήματα που κρύβονται μέσα σε τεράστιους όγκους πληροφορίας.

Το AI μας δίνει έναν ακόμη τρόπο να εξερευνήσουμε αυτόν τον κόσμο.

Φανταστείτε ότι συνδυάζουμε σχόλια πελατών, δεδομένα πωλήσεων, έρευνα αγοράς, tickets υποστήριξης και εσωτερικές αναφορές.

Στο παρελθόν, αυτές οι πληροφορίες μπορεί να αναλύονταν ξεχωριστά, επειδή βρίσκονταν σε διαφορετικά συστήματα, διαφορετικές μορφές και διαφορετικά τμήματα ενός οργανισμού.

Με το AI μπορούμε πλέον να φέρουμε αυτές τις πηγές πιο κοντά και να αρχίσουμε να θέτουμε πολύ ευρύτερα ερωτήματα.

Μήπως τα παράπονα που εμφανίζονται στα σχόλια των πελατών συνδέονται με την πτώση πωλήσεων σε μια συγκεκριμένη κατηγορία προϊόντων;

Μήπως συγκεκριμένα θέματα εμφανίζονται στις συνομιλίες με την υποστήριξη πελατών πολύ πριν γίνουν ορατά στους μηνιαίους δείκτες απόδοσης;

Μήπως διαφορετικά τμήματα του ίδιου οργανισμού περιγράφουν ουσιαστικά το ίδιο πρόβλημα, χρησιμοποιώντας όμως εντελώς διαφορετική γλώσσα;

Αυτά δεν είναι απλώς ερωτήματα παραγωγικότητας.

Είναι ερωτήματα σκέψης.

Και εδώ, κατά τη γνώμη μου, το AI γίνεται πραγματικά ενδιαφέρον.

Πέρα από το εργαλείο

Στη Big Blue Data Academy ενθαρρύνουμε συνεχώς τους μαθητές μας να κοιτούν πέρα από το εργαλείο.

Η εκμάθηση της Python, της SQL, του Power BI, του machine learning ή του AI είναι σημαντική.

Όμως το να γνωρίζεις ποιο κουμπί να πατήσεις ή ποια γραμμή κώδικα να γράψεις δεν ήταν ποτέ ο τελικός στόχος.

Ο στόχος είναι η κατανόηση.

• Ποιο είναι πραγματικά το πρόβλημα;
• Τι μας λένε τα δεδομένα;
• Τι θα μπορούσε να εξηγεί αυτό που παρατηρούμε;
• Τι μπορεί να μας διαφεύγει;
• Ποιες άλλες πληροφορίες θα μπορούσαν να αλλάξουν το συμπέρασμά μας;

Το AI δεν κάνει αυτά τα ερωτήματα λιγότερο σημαντικά.

Αντίθετα, τα κάνει ακόμη πιο σημαντικά.

Σήμερα έχουμε πρόσβαση σε συστήματα που μπορούν να επεξεργάζονται τεράστιες ποσότητες πληροφορίας και να εντοπίζουν σχέσεις που θα ήταν εξαιρετικά δύσκολο —ή και αδύνατο να αναγνωρίσει ένας άνθρωπος χειροκίνητα.

Όμως ένα μοτίβο δεν αποτελεί αυτόματα insight.

Και ένα insight δεν οδηγεί αυτόματα σε μια σωστή απόφαση.

Το ανθρώπινο στοιχείο παραμένει κρίσιμο

Εδώ ακριβώς βρίσκεται ο ρόλος του ανθρώπου.

Χρειαζόμαστε το πλαίσιο και την κρίση μας για να καταλάβουμε αν μια σχέση έχει πραγματικό νόημα. Πρέπει να αναγνωρίζουμε πότε δύο πράγματα συσχετίζονται χωρίς να υπάρχει ουσιαστική σύνδεση μεταξύ τους.

Πρέπει να λαμβάνουμε υπόψη την επιχειρηματική πραγματικότητα, την ανθρώπινη συμπεριφορά, την ηθική, την ελλιπή πληροφόρηση και όλα εκείνα τα στοιχεία που μπορεί να μην αποτυπώνονται ποτέ μέσα στα δεδομένα.

Γι’ αυτό δεν βλέπω το AI ως αντικαταστάτη της αναλυτικής σκέψης.

Το βλέπω ως ευκαιρία να διευρύνουμε την αναλυτική μας σκέψη.

Ίσως ένας από τους καλύτερους τρόπους για να αντιληφθούμε το AI είναι να το δούμε ως έναν πνευματικό συνομιλητή που μας προκαλεί να σκεφτούμε περισσότερο.

• Μπορούμε να του δώσουμε μια ιδέα και να του ζητήσουμε να την αμφισβητήσει.
• Μπορούμε να ζητήσουμε εναλλακτικές εξηγήσεις.
• Μπορούμε να ρωτήσουμε ποιες παραδοχές κάνουμε χωρίς να το αντιλαμβανόμαστε.
• Μπορούμε να του δώσουμε πληροφορίες από διαφορετικές οπτικές και να ζητήσουμε να εντοπίσει πού συμφωνούν και πού διαφωνούν.
• Μπορούμε να του ζητήσουμε να εντοπίσει ένα μοτίβο και στη συνέχεια να εξετάσουμε αν αυτό το μοτίβο εξακολουθεί να ισχύει όταν το αναλύσουμε πιο προσεκτικά.

Με αυτόν τον τρόπο, το AI γίνεται κάτι πολύ περισσότερο από ένα εργαλείο παραγωγής απαντήσεων.

Γίνεται εργαλείο παραγωγής ερωτήσεων.

Και μερικές φορές, η σωστή ερώτηση είναι πολύ πιο πολύτιμη από την πρώτη απάντηση.

Υπάρχει όμως και η άλλη πλευρά

Υπάρχει, βέβαια, και ένα διαφορετικό μέλλον που πρέπει να μας προβληματίσει.

Θα μπορούσαμε να χρησιμοποιήσουμε το AI απλώς για να αποφεύγουμε τη σκέψη.

Να του ζητάμε να γράφει κάθε μήνυμα, να ολοκληρώνει κάθε εργασία, να συνοψίζει όσα θα έπρεπε να έχουμε διαβάσει, να δημιουργεί κάθε ανάλυση και να κάνει κάθε σύσταση για εμάς.

Αναμφίβολα θα γινόμασταν πιο γρήγοροι.

Δεν είμαι όμως βέβαιος ότι θα γινόμασταν καλύτεροι.

Αυτό είναι ιδιαίτερα σημαντικό στην εκπαίδευση.

Οι μαθητές πρέπει οπωσδήποτε να μάθουν να χρησιμοποιούν το AI. Το να αγνοήσουμε αυτά τα εργαλεία θα σήμαινε ότι αγνοούμε μία από τις σημαντικότερες τεχνολογικές εξελίξεις της εποχής μας.

Όμως χρειάζονται επίσης την ευκαιρία να δυσκολευτούν με ένα πρόβλημα, να διατυπώσουν υποθέσεις, να κάνουν λάθη, να υπερασπιστούν τη σκέψη τους και να ανακαλύψουν λύσεις οι ίδιοι.

Η εκπαίδευση δεν μπορεί να μετατραπεί σε έναν διαγωνισμό για το ποιος θα παράγει την ταχύτερη απάντηση.

Να μάθουμε όχι μόνο να χρησιμοποιούμε AI, αλλά να σκεφτόμαστε μαζί του

Στη Big Blue Data Academy, λοιπόν, η ευθύνη μας δεν είναι απλώς να διδάσκουμε στους ανθρώπους πώς να χρησιμοποιούν το AI.

Είναι να τους διδάσκουμε πώς να σκέφτονται μαζί με το AI.

Να αξιοποιούν την εκπληκτική του ικανότητα να εντοπίζει μοτίβα, να συνθέτει πληροφορίες, να επιταχύνει την εξερεύνηση και να μας φέρνει σε επαφή με διαφορετικές οπτικές, χωρίς να παραχωρούμε σε αυτό την ανθρώπινη κρίση.

Οι επαγγελματίες που θα αξιοποιήσουν περισσότερο το AI δεν θα είναι απαραίτητα εκείνοι που θα αυτοματοποιήσουν τον μεγαλύτερο αριθμό εργασιών.

Ίσως είναι εκείνοι που θα μάθουν να κάνουν καλύτερες ερωτήσεις, να συνδυάζουν περισσότερες πηγές γνώσης, να αμφισβητούν τις παραδοχές τους και να αναγνωρίζουν μοτίβα που προηγουμένως δεν μπορούσαν να δουν.

Η ταχύτητα έχει αξία.

Η καλύτερη σκέψη, όμως, μπορεί να αλλάξει τα πάντα.

Και αν χρησιμοποιήσουμε σωστά το AI, ίσως τελικά να μη χρειάζεται να επιλέξουμε ανάμεσα στα δύο.