A mesterséges intelligencia nem a munkaerő eltávolításával terjed.

Az AI-nak az volt a célja, hogy az embereket eltávolítva növekedjen. Ez volt az ígéret. Készítsd el a terméket, automatizáld az interakciót, vedd ki az embert a folyamatból, és nézd, ahogy a nyereség növekszik. Ez volt a SaaS útmutató, amit az intelligenciára alkalmaztak. Azok a cégek, amelyek az AI-t valódi műveletekbe integrálják, az ellenkezőjét tapasztalják. Minél több felelősséget adsz az AI-nak, annál közelebb kell lenned az ügyfeledhez. Nemcsak a telepítéskor, hanem folyamatosan. Ez az AI paradoxonja. Az embereket közelebb hozva skálázódik, nem azzal, hogy eltávolítja őket. AZ AI MEGVÁLTOZTATJA A TERMÉK TERMÉSZETÉT A régi SaaS modell elegáns volt. Készítsd el a terméket, standardizáld, absztraháld az ügyfélkapcsolatot a dokumentáció és a támogatási jegyek mögé. Minden emberi interakció, amelyet eltávolítottál, javította a hasznot és növelte a következetességet. Ez működött, amikor a problémák kiszámíthatók voltak, de a pillanattól kezdve megszakad, hogyha nem azok. Az AI gyorsabbá teszi a szoftvereket, de azt is megváltoztatja, hogy a szoftver miről felelős. A szoftver régen előre definiált munkafolyamatokat hajtott végre. Most elvárják tőle, hogy jeleket értelmezzen, alkalmazkodjon új helyzetekhez, és valós időben döntsön. Ez a munka inherent módon kontextuális. Egy rendszer nem tud hatékonyan működni anélkül, hogy megértené a környezetét: hogyan működik egy vállalat, mi a "normális", hol rejlik a kockázat. Anélkül a kontextus nélkül az AI zajt termel. Azzal viszont betekintést. A kontextus modellekből és a mindennap az ügyfél környezetében élő emberekből származik. MIÉRT HÚZ ELŐBEBB A HALADÓ AI A megérzés az, hogy amikor a rendszerek autonómabbá válnak, hátralépjünk. Azonban az AI éles környezetben való telepítése bizalmi döntés. A vezetők kérdezik: Működni fog a mi környezetünkben? Mi történik, ha hibás? Hogyan támaszkodhatunk erre nagyban? Egy termék önállóan nem válaszolja meg ezeket a kérdéseket. A válaszokat azok adják, akik értik a rendszert és a környezetet, együtt dolgozva mindkettővel. Én egy kibervédelmi AI céget vezetek, ahol a szélsőséges esetek valóságosak. Vegyünk egy bejelentkezést Tokióból hajnali 3-kor. Az AI figyelmeztet. Folyamatban lévő törést jelez, vagy egy úton lévő értékesítőt, aki engedélyezett VPN-t használ? A modell nem tudja, hogy van-e kontextus. Az esemény és a nem esemény közötti különbség azon múlik, mennyire jól érti a rendszer az adott ügyfelet, akit véd. Szorozd meg ezt minden jel, minden munkafolyamat és minden szélsőséges eset alapján egy vállalaton belül. Ez az, amit az emberek végeznek. És ezért semmilyen modell, bármennyire is erőteljes, nem képes ezt önállóan megtenni. A BEÁGYAZOTT SZAKÉRTŐSÉG VISSZAJÖTT Ezért a legambiciózusabb AI cégek egyre többet, nem kevesebbet fektetnek be az emberi szakértelembe. A befektetés szorosan beágyazott csapatokba kerül, akik az ügyfelekkel dolgoznak a termék részeként. A nehezen megvalósítható rész az, hogy a fejlett AI-t helyesen működtesd egy éles környezetben, ahol a szélsőséges esetek állandóak, és a kontextus napi szinten változik. Ez olyan embereket követel meg, akik képesek a valós körülményeket a rendszer viselkedésévé alakítani, napok alatt iterálni, nem negyedévek alatt, és folyamatosan finomítani, ahogy a rendszer tanul. Ez közelebb hozza a speciális mérnököket és a területi szakértőket az ügyfelekhez, mint amit a szoftver útmuta valaha lehetővé tett. A CSAPATOK IS KÖZELEBB KERÜLNEK A MÁSODIK RENDŰ HATÁS Van egy második rendű hatás. A régi modell a terjeszkedésre optimalizált: Szétszórni a csapatot, standardizálni a folyamatokat, absztrahálni a kommunikációt. Nehéz ezt megtenni, amikor a rendszer folyamatosan tanul, és a körülötte lévő szervezetnek is éppen olyan gyorsan kell tanulnia. Azokat a csapatokat, akiket a legfejlettebb AI-t építik, szándékosan közelítik meg a távolságot, nemcsak az ügyfelekhez, hanem saját falaikon belül is. Mérnökök és üzemeltetők ugyanabban a szobában. Döntések valós időben. Szélsőséges esetek személyesen megvitatva. Amikor a munka megosztott kontextusra támaszkodik, az aszinkron kapcsolat veszíti el a közelséggel szemben. MIT CSINÁLNAK MÁS KÜLÖNBÖZŐEN A VEZETŐK A JÓL TELJESÍTŐ CÉGEKBŐL Három dolog különbözteti meg az AI-val jól álló cégeket a többiektől: Újraépítik a munkafolyamatokat. Az AI régi folyamatokra való ráhelyezése csak margónyereséget hoz. A munkafolyamat újraépítése körül, amit az AI jól csinál, megváltoztatja az eredményeket. A legtöbb cég alábecsüli a folyamatok alkalmazkodásához szükséges erőfeszítést, hogy biztosítsák az AI optimális megtérülését. Befektetnek a kontextusba és a képességekbe. A modell a könnyű része. Azok a cégek, amelyek lépést tartanak, olyan csapatokkal rendelkeznek, akik a legmélyebben értik az ügyfelek környezetét. Ez a megértés emberek által épül. A bizalomra termékként tekintenek. Az autonómia akkor működik, amikor azok, akik támaszkodnak rá, bíznak a rendszerben. Ezt átláthatóság, együttműködés és a mögötte álló emberek érdemlik ki, amikor valami rosszul sül el. AZOK A CÉGEK FOGNAK SIKERESEN KÖZELEBBI ÜGYFELEKHEZ JUTNI Az AI-nak távolságot kellett volna teremtenie a cégek és az ügyfeleik között, de valójában ezt a távolságot veszélyessé teszi. Amikor a rendszerek döntéseket hoznak, a kontextus még fontosabbá válik. Amikor a kontextus fontosabbá válik, azok az emberek, akik ezt a kontextust hordozzák, a különbségtényező. Azok a cégek, akik ezt megértik, olyan rendszereket építenek, amelyek a saját ügyfeleikkel együtt tanulnak, folyamatos interakciók révén csiszolva, nem elszigetelt fejlesztés útján. Azok a csapatok, akik legközelebb kerülnek ügyfeleikhez emberi szinten, sikeresek lesznek, mert ők értik a legjobban azt a munkát, amit a modell végez. A paradoxon egyszerű: Minél erősebbé válik az AI-d, annál közelebb kell lenned azokhoz az emberekhez, akiket szolgál. Lior Div a 7AI vezérigazgatója és társalapítója.