Umělá inteligence maže hranici mezi prací a volným časem. Držte se

Každý den čteme sci-fi zkazky o tom, co neuvěřitelného zase umělá inteligence dokáže. Hledá nové matematické důkazy, umí zastat práci týmu programátorů, urychluje diagnózu rakoviny, trénování robotů, naprogramuje vám celý web a do roka a půl vezme práci všem, co se živí hlavou.

Proto nedávno vyvolal takovou odezvu článek „Něco se děje“ od amerického podnikatele Matta Shumera. Ten přirovnal „nenápadný nástup AI“ k nástupu covidu: Někteří už nakupovali respirátory a toaletní papír, zatímco jiní ještě ani nevěděli, že se něco děje.

K napsání článku jej (kromě klasické snahy upozornit na sebe a svůj podnik) vedl nedávný skok ve schopnostech programovacích aplikací (o kterém jsem psal také). Shumera šokovalo, jak nové modely převzaly takřka kompletně celé jeho programování: „Na technickou část své práce už nejsem potřeba.“

Svým virálním textem se prý snažil upozornit na důležitý fakt: „Vím, že je ta změna reálná, protože se mi to opravdu stalo.“ A podle něj umělá inteligence napřed zvládne programování, aby pak zvládla vše ostatní: „AI nahradí veškerou kognitivně náročnou práci.“

Jenže na druhou stranu také čteme o tom, jak jsou nástroje umělé inteligence v praxi naprosto nepoužitelné. Studie ukázala, že AI si kompletně sama poradila jen se dvěma až třemi procenty úkolů, jaké běžně řeší profesionálové na volné noze. Jiná podobná studie naměřila u nejlepšího modelu asi čtvrtinovou úspěšnost.

A rozsáhlé šetření mezi šesti tisíci šéfy velkých firem přineslo zjištění, že 70 % firem aktivně používá umělou inteligenci, ale 80 % z nich hlásí, že zatím nesledují žádný dopad na produktivitu nebo počet zaměstnanců. Není ostatně divu, když umělá inteligence nedokázala provozovat ani automat na svačiny.

Co se to tedy děje? Jak může být AI zároveň tak revoluční a tak neschopná zároveň? Odborníci přicházejí s různými vysvětleními. Vybral jsem čtyři koncepty, o kterých si myslím, že na nich něco bude a je užitečné je znát. A pak popíšu to, co pozoruji sám na sobě.

Už od roku 2023 rád používám termín „zubatá hranice“, který razí Ethan Mollick z University of Pennsylvania. Jde o názornou ukázku o něco staršího Moravcova paradoxu: Není úplně intuitivní, co umělá inteligence zvládne a co naopak ne.

Na jedné straně tak umělá inteligence obratem naprogramuje aplikaci, kterou by tým profesionálů dával dohromady klidně měsíc. Zvládne věci, které já ani vy neumíme, a kdyby je zvládl nějaký člověk, měli bychom jej nejen za nesmírně inteligentního, ale rovnou za geniálního supermana.

A pak se stejné umělé inteligence zeptám: „Když je myčka aut sto metrů daleko a já chci umýt auto, je lepší tam jet autem, nebo jít pěšky?“ Některé z nejlepších modelů – ty, které vyřeší matematickou olympiádu – vám vysvětlí, že když je myčka tak blízko, tak je lepší tam dojít po svých.

Výsledkem je, že nasazení umělé inteligence do praxe je pomalé a nepříliš efektivní, protože není úplně zřejmé, co jí můžete svěřit. Nemůžeme použít svou lidskou intuici, protože umělá inteligence ke svým schopnostem přišla jinak než my. A tak nezbývá než experimentovat, a to znamená, že produktivita stoupá pomalu, nebo dokonce i klesá.

Dalším poměrně dobře podloženým argumentem je rozdíl mezi úkolem a procesem. Zatímco umělá inteligence umí zrychlit úkoly, samo o sobě to nevede ke zvýšení produktivity. Ne, pokud je celý proces nastavený na starý způsob práce.

Na to jsem upozorňoval v loňském článku o „ohrožených povoláních“: Povolání není série úkolů, ale komplex vztahů a zodpovědností. Pokud za vás chatbot napíše e-mail, vy jej pošlete dodavateli, ten dá váš e-mail do svého chatbota, aby jej nemusel číst, oba se možná cítíte produktivnější, ale reálná produktivita zůstává stejná. Stále se totiž pohybujete ve struktuře, která je – a buďme za to vděční, to není samozřejmost – optimalizovaná pro lidi.

Teprve přechod na nový systém umožní využít možnosti nové technologie naplno. Když si firma v roce 1910 koupila osobní auto, tak na tom nejspíš moc nevydělala, pro auto neexistovala potřebná infrastruktura. Teprve síť dálnic a rozvoj nákladní dopravy a na ni navázané logistické sítě přinesly řádově větší výkon.

Tak si ostatně optimističtější ekonomové vysvětlují, proč firmy investující do implementace umělé inteligence zatím na této snaze často nejen nevydělávají, ale zřejmě dokonce prodělávají. Studie porovnávající investice do AI s účetními závěrkami ukazuje, že banky, které nasadily AI nejdříve, zaznamenaly měřitelný propad ziskovosti (4,28 procentního bodu).

Ekonom Erik Brynjolfsson to nazývá křivkou produktivity ve tvaru J: Napřed musí jít produktivita dolů (investice, zaučení), aby vzápětí strmě vystřelila vzhůru.

Pesimisté naopak mluví o iluzorní produktivitě a „AI břečce“ (AI slop). Firmy tlačící AI nástroje do všech služeb a programů vždy ukazují pečlivě vybrané ukázky, ale v praxi umělá inteligence často lidem dává odpovědi, které se tváří užitečně, ale ve skutečnosti ostatním práci spíše přidělávají.

Dřív trvalo deset hodin napsat desetistránkový návrh a přečtený byl za 20 minut. Teď je generování desetistránkového textu otázkou jedné minuty, ale výsledek práci neposouvá dál, jen zatěžuje kolegy a klienty množstvím textu, který nikdo kromě jejich AI agentů nečte.

Se vším výše uvedeným se částečně ztotožňuji. Umělá inteligence do některých oborů proniká intenzivně (grafika, programování, překlady, novinařina, marketing) a do některých méně. Vnímám také, jak se rozevírají nůžky mezi lidmi, kteří se již do světa AI plně ponořili, a těmi, kterým se do té řeky zatím skočit nechce.

My, co „v té AI“ už nějakou dobu plaveme, jsme prošli mnoha fázemi: nadšení, rozčarování, šoku, popírání, existenciální krize, ne nutně v tomto pořadí. Ale naučili jsme se experimentovat, udržovat si přehled, bavit se a využívat novinek ve své práci. Někdy k tomu, abychom doplavali dále, jindy k tomu, abychom se ponořili hlouběji. A postupně se mění naše vlastní definice toho, co považujeme za produktivní.

Představte si, že všude chodíte pěšky, jako ostatně většina lidí po většinu historie lidstva. Možná toho za den nestihnete moc, ale protože všichni kolem vás také chodí pěšky, tak to není žádný problém. Jenže pak přijdou koně, kočáry, vlaky, auta… a najednou chodit nestačí. Lidská chůze nezpomalila (naopak zrychluje, ale to je jiný příběh). Změnilo se ale tempo všech kolem vás.

Pokud chcete zůstat konkurenceschopní, musíte se tomu tempu přizpůsobit.

V téhle metafoře byl nástup počítačů, kalkulaček a internetu tím automobilem. Ale generativní umělá inteligence, ta současná, která vám umí na přání udělat desetistránkový výzkum nebo aplikaci na míru, to není jen rychlejší auto. Přirovnal bych to k vrtulníku.

Když jdu nyní na nějaký rozhovor, jsem na něj připravený tak jako nikdy dřív. Jdu tam s 15 stránkami poznámek, pěti stránkami otázek a mám s sebou výcuc všeho, co kdy daný člověk řekl. Po rozhovoru mám do pěti minut kompletní přepis a před publikací za dvě hodiny stihnu ještě udělat interaktivní graf nebo vlastní grafickou koláž.

V tom všem mi pomohly různé nástroje umělé inteligence: Udělaly za mne práci, která by lidem trvala přibližně čtyři dny. Bylo to všechno nutné? Rozhodně ne. Točí se mi z toho hlava a je to neuvěřitelně intenzivní. Ale já vím, že to díky těm nástrojům zvládnu, že jsou levné a že jsou rychlé. A tak si volám vrtulník – nejintenzivnější dopravní prostředek, který mne napadá – i na ty cesty, které bych jinak bez problémů ušel pěšky.

Nedávno vydaná (a zatím stále probíhající) studie v Harvard Business Review to pojmenovala přesně: AI nám nešetří čas, ale zintenzivňuje naši práci. Výzkumníci na základě osmiměsíčního pozorování v nejmenované technologické firmě popsali, že – aniž by do toho zaměstnance někdo z manažerů tlačil – lidé si na sebe začali nakládat více práce než dřív.

Konkrétně to vypadalo třeba tak, že lidé se nedrželi svých původních kompetencí. „Protože AI dokáže zaplnit mezery ve znalostech jednotlivců, pracovníci stále častěji přebírali zodpovědnosti, které dříve patřily jiným,“ popisují výzkumníci. „Produktoví manažeři a designéři začali psát kód, výzkumníci přebírali úkoly programátorů a jednotlivci napříč organizací se pouštěli do práce, kterou by v minulosti delegovali, odložili nebo se jí zcela vyhnuli.“

To vedlo k dalšímu negativnímu jevu: Rozpliznutí hranic mezi pracovní dobou a volnem. Zadat úkol chatbotovi, to skoro ani není práce, ne? A tak lidé konverzací a promptováním zaplnili každou volnou chvilku. Čekat, než se stáhne soubor? Tak to zatím vedle v prohlížeči rozjedu hloubkový výzkum. Aha, tady je dokončený kód ke schválení, to hodím tomuto AI agentovi… Lidé přepínají mezi hromadou úkolů, které nestíhají číst, natož aby výsledkům rozuměli.

Je to nebezpečná iluze, kterou známe ze světa sociálních sítí. Ty také začaly protékat do různých oblastí našeho života a dávat nám iluzi propojení, zatímco jsme krmili algoritmus daty a uhýbali čím dál přesněji cíleným reklamám. Nástroje AI slibují, že jsou našimi parťáky. A tu roli hrají perfektně: Opravdu díky nim dokážete věci, které jste nikdy nemysleli, že zvládnete. Až se vám z toho zatočí hlava.

Lidé AI vytíží, protože mohou. Je to levné, rychlé a ten pocit rychlosti je opojný. A umělá inteligence nás na oplátku vytěží. Naučí se přesně to, co ji ještě naučit můžeme. Pak křivka produktivity možná konečně zamíří nahoru. A ukáže se pak, kdo ten vrtulník skutečně řídí.

V plné verzi newsletteru TechMIX toho najdete ještě mnohem víc. Přihlaste se k odběru a budete ho dostávat každou středu přímo do své e-mailové schránky.