Automatizace odborné práce může přinášet časové úspory, ale současně omezovat příležitosti k rozvoji vlastního úsudku. Pokud zaměstnanci přebírají hotové odpovědi bez ověřování předpokladů, postupně ztrácejí schopnost rozpoznávat neobvyklé situace a chyby. Výzkumníci INSEAD proto doporučují navrhovat využití AI tak, aby podporovalo kritické myšlení, nikoli pouze rychlou tvorbu výsledků.
Přenesení náročného myšlenkového úkolu na externí nástroj není nový jev. Generativní AI však umožňuje delegovat podstatně složitější činnosti: analýzu problému, vytvoření argumentace, návrh strategie nebo hledání řešení. Autoři z INSEAD, ESSEC a Nova School of Business and Economics upozorňují, že pravidelné „kognitivní odkládání“ může při složitějších úkolech oslabovat kritické myšlení, kontextovou odbornost i schopnost samostatně rozhodovat.
Rizikem není pouze nesprávná odpověď systému. I správný výstup může snižovat množství přemýšlení, které pracovník při řešení problému vykoná. Pokud se odborník opakovaně dostává až k hotovému návrhu, přichází o část zkušenosti vznikající právě při formulování hypotéz, porovnávání alternativ a hledání rozporů.
Autoři používají zkušenost designové společnosti With Company. Dva týmy řešily stejný problém se značkou. Jeden pracoval tradičněji, druhý silně využíval AI. Tým s AI vytvořil téměř 1 700 obrazových návrhů a výrazně rozšířil množství možností. Lidský tým vytvořil méně variant, ale jeho návrhy měly od počátku soudržnější příběh a silnější kontext. Nakonec byla vybrána jeho práce. Poučení není v tom, že člověk „porazil“ AI, ale že obě cesty vykázaly rozdílné silné stránky.
Firma proto nemusí volit mezi zákazem technologie a úplnou automatizací. Jednou z možností je paralelní postup. Člověk nejprve vytvoří vlastní řešení a AI následně nabídne další alternativy. Rozdíl mezi oběma výstupy se stává zdrojem učení.
Druhou oblastí je samotné uživatelské rozhraní. Běžný konverzační systém často vytváří stále další bloky textu, které uživatel zjednodušuje a přeformulovává. Autoři upozorňují na alternativní návrh: systém může ukazovat zdrojová data, konkurenční důkazy a rozpory tak, aby člověka nutil aktivně posuzovat možnosti místo pasivního přijímání shrnutí.
Příkladem jsou specializované nástroje pro matematiku, které výzkumníkům nepodávají pouze konečnou odpověď, ale pomáhají rozvíjet pracovní postup, ověřovat důkazy a hledat chyby.
Pro management z toho vyplývá důležitá otázka produktivity. Pokud firma odměňuje pouze rychlost dokončení práce, vytváří pobídku k maximálnímu přenášení myšlení na AI. U odborných rolí je však třeba sledovat také kvalitu vysvětlení, schopnost pracovat bez nástroje a různorodost přístupů.
Smyslem není chránit starý způsob práce. Jde o to navrhnout používání AI tak, aby zvyšovalo schopnosti lidí, místo aby je postupně zbavovalo činností, na nichž se odborný úsudek vytváří.
KLÍČOVÉ POJMY
- Kognitivní odkládání: Přenesení náročné myšlenkové činnosti na externí nástroj.
- Odborný úsudek: Schopnost interpretovat situaci na základě znalostí, zkušeností a kontextu.
- Myšlenková homogenita: Snižování rozmanitosti nápadů a přístupů.
- Paralelní řešení: Nezávislé zpracování problému člověkem a AI s následným porovnáním výsledků.