Массовое внедрение искусственного интеллекта приводит к деградации знаний в компаниях
В современном мире бизнеса массовое внедрение инструментов генеративного искусственного интеллекта (ИИ) вместо ожидаемой эффективности вызывает серьезные системные проблемы. Исследование, проведенное изданием Харвард Бусинесс Ревиев, показывает, что компании, пытаясь снизить зависимость от человеческого труда, сталкиваются с такими неожиданными препятствиями, как снижение уровня знаний и замедление рабочих процессов. Об этом сообщает Иксбт.ком.
Анализируя эту ситуацию, эксперты используют в бизнес-лексиконе новый термин «воркслоп». Это понятие означает поток низкокачественного, непроверенного контента, созданного ИИ, который тормозит рабочие процессы. Из-за того, что компании внедряют искусственный интеллект на всех уровнях, чтобы не отстать в технологической гонке, общее качество корпоративных данных падает, а сотрудники начинают терять свои компетенции.
Деградация знаний и кризис доверия
По данным Харвард Бусинесс Ревиев, в основе проблемы лежит цепная реакция: сотрудники используют такие модели, как ChatGPT, для подготовки рабочих материалов, однако этот контент часто полон ошибок или «галлюцинаций». В результате коллеги вынуждены тратить дополнительное время на проверку этих материалов. Это ведет к снижению доверия к внутренним данным и обесцениванию корпоративного опыта, накопленного годами.В настоящее время во многих организациях появляются отдельные штатные единицы, которые занимаются исключительно исправлением ошибок, допущенных ИИ. Это сводит на нет экономическую выгоду, которую ожидали получить за счет автоматизации. Сотрудники начали с недоверием относиться не только к технологии, но и ко всему рабочему процессу передачи данных, что негативно сказывается на командной атмосфере.
Рынок труда и подбор кадров
Влияние ИИ не обошло стороной и рынок труда. Коммуникация между кандидатами и работодателями становится искусственной из-за автоматизированных этапов, что искажает ожидания обеих сторон. В итоге процесс отбора подходящих специалистов усложняется, а вероятность ошибок растет.Для выхода из этого кризиса исследователи предлагают следующие рекомендации:
- Применять генеративный искусственный интеллект не на всех этапах, а только в конкретных задачах, которые приносят реальную ценность;
- Использовать специализированные системы, обученные на внутренних данных компании, вместо массовых и открытых моделей;
- Внедрить систему обязательной проверки каждой единицы данных, созданной ИИ;
- Поддерживать традиционные методы обмена знаниями для сохранения способности сотрудников к критическому мышлению.
Комментарии 0
…