Η υπόθεση ότι το προβάδισμα γνώσης σας παραμένει: ακόμη έγκυρη ή σιωπηλά ληγμένη

Από πού προέρχεται η υπόθεση

Μια στρατηγική σπάνια στηρίζεται σε όλα τα διαθέσιμα γεγονότα. Στηρίζεται σε έναν επιλεγμένο αριθμό υποθέσεων που τη στιγμή της σύνταξής τους ήταν λογικές και έκτοτε δεν έχουν επανεξεταστεί. Μία από αυτές είναι συχνά: το προβάδισμα γνώσης μας παραμένει, επειδή βρισκόμαστε περισσότερο καιρό σε αυτό το επάγγελμα, έχουμε δει περισσότερους πελάτες, έχουμε λύσει περισσότερες ειδικές περιπτώσεις από όποιον μπαίνει τώρα στον κλάδο. Αυτή η υπόθεση προήλθε από κάπου. Πολύχρονη εμπειρία ειδικών, φάκελοι και προηγούμενα που δεν μπορούσαν να αντιγραφούν σε μισό χρόνο, μια καμπύλη εκμάθησης που οι νεοεισερχόμενοι έπρεπε απλά να διανύσουν. Αυτό δεν ήταν υπερβολική αυτοπεποίθηση. Ήταν μια λογική ανάγνωση του πώς οικοδομούνταν η γνώση: αργά, μέσα σε ανθρώπους, μέσα σε χρόνια.

Γιατί ίσχυε

Η υπόθεση ίσχυε επειδή η γνώση και το άτομο που την κατείχε δεν μπορούσαν πρακτικά να διαχωριστούν. Αν ένας ανταγωνιστής ήθελε να ισοφαρίσει το προβάδισμά σας, έπρεπε να προσλάβει ανθρώπους με τα ίδια χρόνια εμπειρίας, ή να επενδύσει ο ίδιος αυτά τα χρόνια. Και τα δύο ήταν αργά και ορατά. Βλέπατε έναν ανταγωνιστή να προσλαμβάνει ή να οικοδομεί, και είχατε χρόνο να αντιδράσετε. Το προβάδισμα δεν ήταν λοιπόν μόνο ουσιαστικό, ήταν επίσης μια διαφορά ρυθμού που μπορούσατε να παρακολουθήσετε.

Τι έχει αλλάξει

Η AI αναλαμβάνει εργασίες, και αυτό δεν συμβαίνει παντού στην ίδια κατηγορία. Σε ένα μέρος των εργασιών γνώσης, ένα γλωσσικό ή αναλυτικό μοντέλο μπορεί να κάνει το πρώτο πέρασμα μόνο του: να αναγνωρίσει μοτίβα σε φακέλους, να συντάξει μια συμβουλή βάσει προηγούμενων, να συνοψίσει μια ανάλυση που παλαιότερα κόστιζε σε έναν senior μια ολόκληρη μέρα. Σε ένα άλλο μέρος, η διαδικασία γίνεται με ανθρώπινη επίβλεψη: το μοντέλο κάνει την πρόταση, ένας ειδικός εγκρίνει ή απορρίπτει και τεκμηριώνει το γιατί. Σε ένα ακόμη άλλο μέρος, αλλάζει ελάχιστο, επειδή η κρίση είναι πολύ εξαρτημένη από το πλαίσιο ή πολύ επικίνδυνη για να αυτοματοποιηθεί. Αυτή η κατανομή διαφέρει ανά εταιρεία και ανά εργασία, και αυτό είναι ακριβώς το σημείο: δεν είναι μια γενική ανατροπή, είναι μια μετατόπιση που συμβαίνει εργασία προς εργασία, και οι εταιρείες που την χαρτογραφούν ανά εργασία βρίσκονται αυτή τη στιγμή μπροστά από εταιρείες που ακόμη συζητούν το ερώτημα σε στρατηγικό επίπεδο.

Από πού προέρχεται αυτή η διαφορά, δεν είναι συνήθως ουσιαστικό ζήτημα. Έχει να κάνει με το ποιος έχει ήδη θέσει το ερώτημα στο επίπεδο της ίδιας της εργασίας, και ποιος το θέτει ακόμη στο επίπεδο του κλάδου. Η ίδια λογική ισχύει και για την υπόθεση ότι αυτή η εργασία δεν μπορεί να τυποποιηθεί: ό,τι κάποτε θεωρούνταν πολύ ειδικό για αυτοματοποίηση, αποδεικνύεται συχνά κατά τον έλεγχο ότι μπορεί εν μέρει να αναλυθεί σε επαναλαμβανόμενα βήματα.

Το αποτέλεσμα ειδικά για το προβάδισμα γνώσης: η διαφορά ρυθμού που παλαιότερα μπορούσατε να παρακολουθήσετε, δεν είναι πλέον εγγυημένα ορατή. Ένας ανταγωνιστής δεν χρειάζεται να προσλάβει δέκα senior ανθρώπους για να φτάσει στο επίπεδό σας σε μια επιμέρους εργασία. Χρειάζεται μόνο να αναγνωρίσει τη σωστή εργασία ως κατάλληλη για ανάληψη από την AI, και να οργανώσει καλά την επίβλεψή της. Αυτό μπορεί να το κάνει χωρίς να το βλέπετε να συμβαίνει, μέχρι να έρθει το αποτέλεσμα στο τραπέζι.

Από τι καταλαβαίνει μια διοίκηση ότι η υπόθεση έχει λήξει

Τα σημάδια δεν βρίσκονται συνήθως στα νούμερα αυτού του τριμήνου. Βρίσκονται σε συμπεριφορές που αποδίδετε σε κάτι άλλο. Μια προσφορά από έναν μικρότερο ανταγωνιστή που είναι ουσιαστικά τόσο ακριβής όσο παλαιότερα μπορούσαν να προσφέρουν μόνο οι senior άνθρωποί σας, και ταχύτερη. Ένας πελάτης που ρωτά γιατί μια ανάλυση που σε εσάς διαρκεί μια εβδομάδα, αλλού είναι έτοιμη σε μία μέρα. Νέοι εισερχόμενοι που χωρίς την πολυετή καμπύλη εκμάθησης μιλούν ήδη σε επίπεδο ισοτιμίας. Καθένα από αυτά τα σημάδια εξηγείται μεμονωμένα, και αυτό είναι ακριβώς ο λόγος για τον οποίο η υπόθεση παραμένει τόσο καιρό απαρατήρητη: δεν υπάρχει ούτε μία στιγμή στην οποία σπάει ορατά, μόνο μια σειρά μεμονωμένων περιστατικών που μόνο εκ των υστέρων σχηματίζουν ένα μοτίβο.

Το ερώτημα που βρίσκεται από κάτω είναι το ίδιο με αυτό στην υπόθεση ότι το μέγεθος κλίμακας προσφέρει προστασία: ένα πλεονέκτημα που κάποτε ήταν αργό να ισοφαριστεί, γίνεται αναξιόπιστο μόλις κάποιος άλλος παραλείψει το αργό βήμα. Στο προβάδισμα γνώσης, αυτό το αργό βήμα είναι η καμπύλη εκμάθησης, και ακριβώς εκείνο το βήμα παραλείπεται όπου μια εργασία προσφέρεται για ανάληψη από ένα μοντέλο.

Τι θα έπρεπε να μετρήσετε

Για να ξέρετε αν η υπόθεση εξακολουθεί να ισχύει, δεν αρκεί να ρωτήσετε αν οι άνθρωποί σας είναι ακόμη καλοί. Πιθανότατα εξακολουθούν να είναι. Το ερώτημα είναι αν το προβάδισμά τους εξακολουθεί να αποτελεί το εμπόδιο για όποιον θέλει να σας ισοφαρίσει. Αυτό απαιτεί την παρακολούθηση τριών πραγμάτων: ανά εργασία γνώσης, αν εμπίπτει στην κατηγορία πλήρως ανακτήσιμη, ανακτήσιμη με επίβλεψη, ή ανθρώπινη εργασία, και αν αυτή η ταξινόμηση έχει ελεγχθεί πρόσφατα· πόσο καιρό πριν διαπιστώθηκε τελευταία φορά ότι ένας ανταγωνιστής δεν είχε ακόμη κάνει αυτό το βήμα, και με βάση ποιο σημάδι· και αν το περιθώριο που αποδίδετε σε αυτό το προβάδισμα γνώσης έχει καταγραφεί ως ξεχωριστή υπόθεση με ημερομηνία, ώστε να είναι σαφές πότε ελέγχθηκε τελευταία φορά αντί απλώς να επαναλαμβάνεται. Όπου το θέμα αγγίζει αποφάσεις προσωπικού, ισχύουν γι' αυτό ίδιες νομικές απαιτήσεις· αυτές δεν εξετάζονται εδώ.

Το υποκείμενο ερώτημα — ποια εργασία σε αυτή την εταιρεία μπορεί πραγματικά να αναληφθεί από την AI — απαντάται με τη σάρωση εργασιών (werkscan) της FTE TO AI ανά εργασία, όχι στο επίπεδο ολόκληρου του κλάδου.