Το «One-Man Show» της Τεχνητής Νοημοσύνης
newsare.net
Η ΤΝ μπορεί να μας κάνει πολύ πιο γρήγορους. Τα χρόνια εμπειρίας, όμως, δεν κατεβαίνουν με ένα prompt. Τον τελευταίο καιρό πιάνω συχνά τον εαυτό μΤο «One-Man Show» της Τεχνητής Νοημοσύνης
Η ΤΝ μπορεί να μας κάνει πολύ πιο γρήγορους. Τα χρόνια εμπειρίας, όμως, δεν κατεβαίνουν με ένα prompt. Τον τελευταίο καιρό πιάνω συχνά τον εαυτό μου να εντυπωσιάζεται με το πόσα μπορεί να κάνει ένας άνθρωπος μόνος του. Πράγματα που μέχρι πριν λίγα χρόνια απαιτούσαν ομάδα, χρόνο και διαφορετικές ειδικότητες, σήμερα μπορούν να πάρουν μορφή μέσα σε ένα απόγευμα. Μια ανάλυση αγοράς, μια πρόταση πολιτικής, ένα τεχνικό διάγραμμα, ένα πρώτο prototype, ακόμη και κώδικας. Η παραγωγική Τεχνητή Νοημοσύνη έχει αλλάξει πραγματικά το όριο του τι μπορεί να παράγει ένας ικανός επαγγελματίας. Και αυτό είναι καλό. Πολύ καλό, μάλιστα. Έχει ανοίξει χώρο για μικρές ομάδες, ανεξάρτητους επαγγελματίες και ανθρώπους που διαθέτουν γνώσεις αλλά όχι απαραίτητα έναν μεγάλο οργανισμό πίσω τους. Έχει μειώσει κόστος, έχει συμπιέσει χρόνο και έχει δώσει σε πολλούς τη δυνατότητα να δοκιμάσουν ιδέες που παλαιότερα θα έμεναν στο συρτάρι. Μαζί με αυτή την ελευθερία, όμως, γεννιέται και μια επικίνδυνη σύγχυση: να συγχέουμε την παραγωγικότητα που προσφέρει η ΤΝ με την πραγματική επιχειρησιακή ικανότητα. Επειδή κάποιος μπορεί πλέον να παράγει κάτι εντυπωσιακό, είναι εύκολο να θεωρήσουμε ότι διαθέτει και την εμπειρία να το υλοποιήσει. Ότι επειδή μπορεί να γράψει μια καλή στρατηγική, γνωρίζει και τι σημαίνει να τη βάλεις σε εφαρμογή όταν υπάρχουν πραγματικοί άνθρωποι, πραγματικοί περιορισμοί, προϋπολογισμοί που δεν επαρκούν, συστήματα που δεν συνεργάζονται και αποφάσεις που κάποιος πρέπει τελικά να χρεωθεί. Εδώ βρίσκεται, για μένα, το νέο «one-man show» της εποχής της ΤΝ. Όχι στον άνθρωπο που δουλεύει μόνος του. Δεν υπάρχει τίποτε κακό σε αυτό — αντιθέτως, η δυνατότητα ενός ανθρώπου να κάνει σήμερα πολύ περισσότερα αποτελεί ένα από τα μεγάλα πλεονεκτήματα της τεχνολογίας. Το πρόβλημα ξεκινά όταν η ταχύτητα και η ποιότητα του παραγόμενου υλικού αρχίζουν να λειτουργούν ως υποκατάστατο εμπειρίας. Το έχω σκεφτεί αρκετές φορές βλέποντας παρουσιάσεις στις οποίες ένας άνθρωπος εμφανίζεται να καλύπτει τα πάντα: στρατηγική ΤΝ, data science, data engineering, αρχιτεκτονική συστημάτων, ανάπτυξη λογισμικού, κυβερνοασφάλεια, κανονιστική συμμόρφωση, διακυβέρνηση, οργανωτική αλλαγή και επιχειρησιακή λειτουργία. Είναι βέβαιο ότι ένας πολύ καλός επαγγελματίας μπορεί να καταλαβαίνει αρκετά από πολλά πεδία. Άλλο, όμως, αυτό και άλλο να έχει ασκήσει στην πράξη όλες αυτές τις δουλειές, ιδιαίτερα όταν μιλάμε για σύνθετα έργα, πραγματικούς κινδύνους και σοβαρή ευθύνη. Η ΤΝ μπορεί να απογειώσει έναν άνθρωπο που ξέρει ήδη καλά τη δουλειά του. Μπορεί να του γλιτώσει ώρες, να του ανοίξει εναλλακτικές, να τον βοηθήσει να ελέγξει ιδέες, να οργανώσει υλικό, να βελτιώσει κώδικα ή να δει ένα πρόβλημα από διαφορετική γωνία. Εκεί που αρχίζει το πρόβλημα είναι όταν κάνουμε το επόμενο άλμα: αφού μπορώ να παράγω το αποτέλεσμα, άρα γνωρίζω και το αντικείμενο. Δεν λειτουργεί έτσι η εμπειρία. Μπορείς με τη βοήθεια της ΤΝ να συντάξεις μια εξαιρετικά πειστική στρατηγική μετασχηματισμού. Εκείνο που δεν φαίνεται στις σελίδες είναι αν έχεις βρεθεί ποτέ στη θέση να αποφασίσεις ποιο έργο θα κοπεί επειδή ο προϋπολογισμός δεν φτάνει. Αν έχεις προσπαθήσει να πείσεις μια ομάδα που αντιστέκεται. Αν έχεις αναλάβει ένα σύστημα που δεν απέδωσε όπως υποσχόταν ο αρχικός σχεδιασμός. Αν χρειάστηκε να πεις σε έναν πελάτη ή σε μια διοίκηση ότι η αρχική σου εκτίμηση ήταν λανθασμένη και να βρεις λύση ενώ το έργο συνεχίζει να τρέχει. Αυτά είναι κομμάτι της στρατηγικής όσο και τα frameworks, τα roadmaps και τα διαγράμματα. Ίσως και περισσότερο. Γιατί στο χαρτί σχεδόν όλα μπορούν να μπουν σε μια ωραία σειρά. Στην πραγματική ζωή, οι προτεραιότητες συγκρούονται, οι άνθρωποι αλλάζουν γνώμη, τα δεδομένα είναι ελλιπή, οι τεχνικές εξαρτήσεις εμφανίζονται αργά και η πραγματικότητα έχει μια ενοχλητική συνήθεια να μην ακολουθεί το PowerPoint. Κάπως έτσι χτίζεται η κρίση. Με σωστές αποφάσεις αλλά και με λάθη. Με έργα που πήγαν καλά και άλλα που σε ανάγκασαν να ξανασκεφτείς όσα θεωρούσες βέβαια. Με δύσκολες συζητήσεις, κρίσεις, συνέπειες και, κυρίως, ευθύνη. Αυτή η κρίση δεν αποκτάται με ένα prompt. Η διάκριση αυτή γίνεται ακόμη πιο σημαντική τώρα που η ΤΝ αρχίζει να φεύγει από το επίπεδο του demo και να μπαίνει στις πραγματικές λειτουργίες οργανισμών. Εκεί αλλάζουν τα πράγματα. Σε μια τράπεζα δεν αρκεί ένα μοντέλο να δίνει καλές απαντήσεις. Πρέπει να λειτουργεί μέσα σε ένα αυστηρά ρυθμιζόμενο περιβάλλον, να συνδέεται με διαδικασίες και συστήματα και να αντέχει σε ελέγχους. Σε ένα νοσοκομείο μια κακή επιλογή δεν είναι απλώς ένα τεχνικό bug. Μπορεί να αφορά έναν άνθρωπο, μια ιατρική απόφαση ή ευαίσθητα προσωπικά δεδομένα. Στη ναυτιλία, στη δημόσια διοίκηση και στις κρίσιμες υποδομές, η ίδια τεχνολογία συναντά εντελώς διαφορετικούς κινδύνους, όρια και ευθύνες. Η τεχνολογία μπορεί να είναι κοινή. Η γνώση του πεδίου, οι κίνδυνοι και οι ευθύνες δεν είναι. Γι’ αυτό πιστεύω ότι όσοι αγοράζουν υπηρεσίες ΤΝ χρειάζεται πλέον να κάνουν λίγο πιο δύσκολες ερωτήσεις. Όχι επειδή πρέπει να αντιμετωπίζουν κάθε νέο πάροχο με καχυποψία, αλλά επειδή η παραγωγή μιας εντυπωσιακής παρουσίασης έχει γίνει πολύ ευκολότερη από ό,τι στο παρελθόν. Το σημείο εκκίνησης δεν μπορεί να είναι μόνο το «δείξε μου τι μπορείς να φτιάξεις». Χρειάζεται και το «δείξε μου τι έχεις πραγματικά υλοποιήσει». Ποιος θα σχεδιάσει την αρχιτεκτονική; Ποιος θα αναλάβει τα δεδομένα; Ποιος γνωρίζει το κανονιστικό πλαίσιο; Ποιος θα ελέγξει την κυβερνοασφάλεια; Ποιος θα αξιολογεί την αξιοπιστία των μοντέλων; Ποιος θα ενσωματώσει την τεχνολογία στις υφιστάμενες λειτουργίες; Ποιος θα διαχειριστεί την οργανωτική αλλαγή; Και, κυρίως, όταν το σύστημα βγει από το εργαστήριο και κάτι δεν πάει όπως είχε σχεδιαστεί, ποιος θα είναι ακόμη εκεί την επόμενη μέρα για να αναλάβει την ευθύνη; Αυτές δεν είναι ερωτήσεις καχυποψίας. Είναι ερωτήσεις επαγγελματικής δέουσας επιμέλειας. Ούτε το μέγεθος μιας εταιρείας λύνει από μόνο του το πρόβλημα. Μικρές εξειδικευμένες ομάδες μπορούν να διαθέτουν μεγαλύτερο βάθος, περισσότερη ευελιξία και βαθύτερη γνώση ενός συγκεκριμένου αντικειμένου από πολύ μεγαλύτερους οργανισμούς. Το μέγεθος δεν είναι το κριτήριο. Το κριτήριο είναι αν η υπόσχεση αντιστοιχεί στην πραγματική δυνατότητα. Μάλιστα, θεωρώ ένδειξη επαγγελματικής ωριμότητας όταν κάποιος μπορεί να πει καθαρά: «μέχρι εδώ είμαι πολύ καλός· από εδώ και πέρα χρειάζομαι άλλον άνθρωπο». Στην εποχή της ΤΝ, όπου όλοι αποκτούμε πρόσβαση σε πολύ περισσότερη γνώση και μπορούμε να κινηθούμε πολύ πιο γρήγορα έξω από το στενό μας πεδίο, αυτή η παραδοχή γίνεται ακόμη σημαντικότερη. Το «μπορούμε να κάνουμε τα πάντα» δεν αποτελεί πλέον απαραίτητα ένδειξη ισχύος. Μπορεί να αποτελεί λόγο για περισσότερες ερωτήσεις. Ένα μοντέλο μπορεί να σε βοηθήσει να διαβάσεις μια νομική ανάλυση ή ακόμη και να συντάξεις ένα πρώτο κείμενο. Δεν σου δίνει τη διαδρομή ενός νομικού. Μπορεί να σε βοηθήσει να κατανοήσεις ιατρικές πληροφορίες, αλλά δεν σου χαρίζει τις ώρες κλινικής εμπειρίας ενός γιατρού. Μπορεί να παράγει ένα εντυπωσιακό τεχνικό διάγραμμα, χωρίς αυτό να σημαίνει ότι ο άνθρωπος που πάτησε το enter έχει σχεδιάσει, υλοποιήσει και υποστηρίξει σύνθετες υποδομές επί χρόνια. Κάπου εδώ βρίσκεται, νομίζω, η ουσία της συζήτησης. Η ΤΝ εκδημοκρατίζει την πρόσβαση σε γνώσεις και εργαλεία που μέχρι χθες ήταν πολύ δυσκολότερο να αποκτήσει κανείς. Αυτό είναι σπουδαίο. Αλλά η πρόσβαση στη γνώση δεν είναι το ίδιο πράγμα με την εμπειρία. Και η ευχέρεια στη χρήση της ΤΝ δεν αποτελεί από μόνη της επαγγελματική πιστοποίηση. Καθώς επιχειρήσεις και κυβερνήσεις επενδύουν ολοένα περισσότερο στην Τεχνητή Νοημοσύνη, θα πρέπει να μάθουμε να διακρίνουμε τρία διαφορετικά πράγματα: το αποτέλεσμα που παράγεται με τη βοήθεια της ΤΝ, την πραγματική τεχνογνωσία που ενισχύεται από την ΤΝ και την αποδεδειγμένη ικανότητα να σχεδιάσεις, να υλοποιήσεις και να υποστηρίξεις ένα σύνθετο σύστημα σε πραγματικές συνθήκες. Δεν είναι το ίδιο. Τα επόμενα χρόνια αυτή η διαφορά θα μας απασχολήσει ακόμη περισσότερο. Η ΤΝ δεν θα μένει σε παρουσιάσεις και πειραματικές εφαρμογές. Θα εισέρχεται βαθύτερα σε οργανισμούς, θα αγγίζει κρίσιμες λειτουργίες, θα επηρεάζει αποφάσεις και θα απαιτεί από ανθρώπους να βάζουν το όνομά τους κάτω από επιλογές που έχουν πραγματικές συνέπειες. Εκεί η εντυπωσιακή παραγωγή υλικού θα μετρά όλο και λιγότερο από την ικανότητα να κάνεις ένα σύστημα να λειτουργεί με ασφάλεια, αξιοπιστία και λογοδοσία για μήνες και χρόνια. Αν ήμουν σήμερα στη θέση ενός οργανισμού που αναζητά συνεργάτη για μια σοβαρή στρατηγική ή υλοποίηση ΤΝ, θα κοίταζα λιγότερο το πόσο άρτια είναι η παρουσίαση και περισσότερο τους ανθρώπους πίσω από αυτήν. Τι έχουν πραγματικά φτιάξει; Πού το έχουν εφαρμόσει; Τι πήγε στραβά στα προηγούμενα έργα τους και τι έμαθαν από αυτό; Ποιος θα κάνει πραγματικά τη δουλειά; Και ποιος θα αναλάβει την ευθύνη όταν οι εύκολες απαντήσεις τελειώσουν; Γιατί αυτό είναι ίσως το παράδοξο της εποχής μας. Η Τεχνητή Νοημοσύνη μπορεί να συμπιέσει θεαματικά τον χρόνο που απαιτεί μια δουλειά. Δεν μπορεί να συμπιέσει τα χρόνια που απαιτούνται για να μάθεις να την κάνεις σωστά. Και ίσως μία από τις πιο επικίνδυνες «παραισθήσεις» της νέας εποχής να μην παράγεται τελικά από κάποιο μοντέλο ΤΝ. Να παράγεται από εμάς, όταν συγχέουμε την ταχύτητα με την εμπειρία, την εικόνα με την ικανότητα και ένα εντυπωσιακό αποτέλεσμα με την αποδεδειγμένη δυνατότητα να το μετατρέψεις σε πραγματικότητα. Read more














