«Η τελική απόφαση πρέπει να μένει στον άνθρωπο»
Στιγμιότυπο από την πρόσφατη αναγόρευση του Herman Aguinis σε Επίτιμο Διδάκτορα του Τμήματος Οργάνωσης και Διοίκησης Επιχειρήσεων της Σχολής Διοίκησης Επιχειρήσεων του ΟΠΑ.
Η Τεχνητή Νοημοσύνη (ΤΝ) μοιάζει με ένα ισχυρό ηλεκτρικό εργαλείο: στα χέρια ενός έμπειρου τεχνίτη μπορεί να κάνει τη δουλειά καλύτερα και ταχύτερα, στα χέρια ενός αρχάριου μπορεί να προκαλέσει ζημιά. Με αυτή την παραστατική εικόνα συμπυκνώνει ο διαπρεπής Καθηγητής του George Washington University Herman Aguinis τις προκλήσεις της νέας εποχής, στη συνέντευξή του στην «ΟΠΑ News».
Ο Herman Aguinis, ο οποίος στις 15 Σεπτεμβρίου αναγορεύθηκε Επίτιμος Διδάκτορας του Τμήματος Οργάνωσης και Διοίκησης Επιχειρήσεων της Σχολής Διοίκησης Επιχειρήσεων του ΟΠΑ, αναλύει τις αλλαγές που φέρνει η ΤΝ στα πανεπιστήμια, στις επιχειρήσεις και στην εργασία και εξηγεί γιατί η ανθρώπινη κρίση και η εξειδίκευση γίνονται σημαντικότερες, όχι λιγότερο σημαντικές.
To θέμα της ομιλίας σας περιστρέφεται γύρω από το μέλλον της ανώτατης εκπαίδευσης στην εποχή της Τεχνητής Νοημοσύνης (ΤΝ). Πώς θεωρείτε ότι πρέπει να προσαρμοστούν τα πανεπιστήμια στη νέα εποχή; Ποιες αλλαγές πρέπει να γίνουν στα προγράμματα σπουδών, στον τρόπο διδασκαλίας και εξέτασης; Επηρεάζεται – και πώς – ο ρόλος των Καθηγητών;
«Τα πανεπιστήμια πρέπει να διδάξουν στους φοιτητές να συνεργάζονται με την Τεχνητή Νοημοσύνη κριτικά και όχι απλώς να τη χρησιμοποιούν. Χρειάζεται μετατόπιση από τον ρόλο του “παρόχου απαντήσεων” σε αυτόν του “σχεδιαστή κρίσης”, ο οποίος πλαισιώνει το πρόβλημα και ελέγχει το αποτέλεσμα της ΤΝ.
Τα προγράμματα σπουδών πρέπει να καλλιεργούν δύο βασικές δεξιότητες: την ακριβή διατύπωση προβλημάτων και την επαλήθευση, δηλαδή τον διασταυρωμένο έλεγχο των πηγών και την εξέταση του κατά πόσο μια απάντηση ανταποκρίνεται στην πραγματικότητα. Οι Καθηγητές πρέπει να εκπαιδεύσουν τους φοιτητές να αμφισβητούν τις απαντήσεις της ΤΝ και όχι να τις αντιγράφουν, καθώς ένα κείμενο ΤΝ μπορεί να είναι άρτιο λεκτικά, αλλά η τεκμηρίωση να βασίζεται σε πλασματικά στοιχεία.
Αλλάζει και ο ρόλος των Καθηγητών: από την παραγωγή επιστημονικών δημοσιεύσεων μετατοπίζεται προς τη μεταφορά και αξιοποίηση της γνώσης στην εκπαίδευση, στους οργανισμούς και στη χάραξη πολιτικής, λειτουργώντας παράλληλα ως πρότυπα υπεύθυνης χρήσης της ΤΝ».
Έχετε υποστηρίξει ότι πολλοί οργανισμοί σπεύδουν να υιοθετήσουν την Τεχνητή Νοημοσύνη, συχνά πειραματιζόμενοι με αυτήν χωρίς σαφή στρατηγική ή επαρκή κατανόηση των δυνατοτήτων και των περιορισμών της. Ποια είναι τα συνηθέστερα λάθη που κάνουν οι επιχειρήσεις σε αυτή τη διαδικασία και πώς μπορούν να τα αποφύγουν;
«Τα συνηθέστερα λάθη είναι η αντιμετώπιση της ΤΝ είτε ως κάτι “μαγικό” είτε ως μια πρόσκαιρη τάση, αντί να τη βλέπουν ως κάτι δομικό με πραγματικούς κινδύνους, όπως η μεροληψία, η παραπληροφόρηση, αλλά και ζητήματα ιδιωτικότητας και ασφάλειας. Συχνό λάθος είναι επίσης η χρήση ασαφών ερωτήσεων/προτροπών (prompts), χωρίς επαρκή ανάλυση, που οδηγούν σε γενικές, μη αξιοποιήσιμες προτάσεις.
Ένα συγκεκριμένο παράδειγμα: ένα εργαλείο ΤΝ παρέθεσε ως τεκμηρίωση μια μελέτη περίπτωσης, η οποία τελικά αποδείχθηκε πλασματική. Το πρόβλημα έγκειται κυρίως στη χρήση ενός ισχυρού εργαλείου από άτομα χωρίς εξειδικευμένη γνώση. Η Παραγωγική ΤΝ μοιάζει με ηλεκτρικό εργαλείο στα χέρια ξυλουργού: ένας έμπειρος δουλεύει καλύτερα και ταχύτερα, ενώ ένας αρχάριος μπορεί να προκαλέσει ζημιά. Οι επιχειρήσεις θα πρέπει να θέτουν τις σωστές προτροπές (prompts), να ενσωματώνουν διαδικασίες επαλήθευσης και να διατηρούν την τελική απόφαση στα χέρια εκπαιδευμένων και καταρτισμένων ανθρώπων».
Έχουν κατ’ επανάληψη διατυπωθεί φόβοι για μαζική απώλεια θέσεων εργασίας εξαιτίας των νέων τεχνολογιών. Έπειτα από ένα φρένο στις προσλήψεις, βλέπουμε τώρα ότι μεγάλες εταιρείες αρχίζουν να προσλαμβάνουν και πάλι. Ποια είναι η δική σας εκτίμηση για το μέλλον της εργασίας;
«Οι συνέπειες της Παραγωγικής ΤΝ παραμένουν αβέβαιες: ενδέχεται να καταργήσει θέσεις εργασίας, να δημιουργήσει νέες ή να μετατοπίσει την εργασία προς νέες μορφές απασχόλησης. Σαφέστερη είναι η μορφή αυτής της μετατόπισης. Αυτή η μετατόπιση φαίνεται να έχει συγκεκριμένη κατεύθυνση. Η αυτοματοποίηση των επαναλαμβανόμενων εργασιών μπορεί να απελευθερώσει τους ανθρώπους για πιο στρατηγική και δημιουργική εργασία, αλλά ενέχει τον κίνδυνο λιγότερο ουσιαστικής εργασίας και αποστασιοποίησης, εάν η μετάβαση δεν πραγματοποιηθεί με τον κατάλληλο τρόπο.
Παράλληλα, αναδύονται νέες κατηγορίες εργασίας γύρω από την εκπαίδευση συστημάτων ΤΝ, την ερμηνεία των αποτελεσμάτων τους, καθώς και τη διατήρηση των πολιτικών και κανόνων γύρω από αυτά».
Ποιες κατηγορίες εργαζομένων κινδυνεύουν περισσότερο από την εξάπλωση της τεχνητής νοημοσύνης και ποιες θα ενισχυθούν;
«Οι επαναλαμβανόμενες εργασίες που μπορούν εύκολα να αυτοματοποιηθούν είναι αυτές που η ΤΝ είναι ήδη σε θέση να απορροφήσει. Επομένως, περισσότερο εκτεθειμένες είναι οι θέσεις εργασίας που βασίζονται σε τέτοιου είδους καθήκοντα.
Από την άλλη πλευρά, διαμορφώνονται νέοι ρόλοι που σχετίζονται με την εκπαίδευση των συστημάτων ΤΝ, την ερμηνεία των αποτελεσμάτων τους, καθώς και τη διατήρηση και υποστήριξη των πολιτικών και κανόνων που διέπουν τη χρήση της».
Έχετε παρομοιάσει την τεχνητή νοημοσύνη με ένα ισχυρό εργαλείο, αποτελεσματικό, αλλά επικίνδυνο στα χέρια όποιου δεν διαθέτει την απαραίτητη εμπειρία. Πώς μπορούν τα τμήματα Ανθρώπινου Δυναμικού να αξιοποιήσουν την AI χωρίς να υποβαθμίσουν την ανθρώπινη κρίση και εξειδίκευση;
«Όσον αφορά τις προτροπές: να αποσαφηνίζεται το θέμα, να παρέχεται το οργανωσιακό πλαίσιο, να χρησιμοποιείται ακριβής ορολογία, να προσδιορίζεται το επιθυμητό αποτέλεσμα, να ζητούνται τεκμηριωμένες προτάσεις βάσει στοιχείων, να προστατεύεται η εμπιστευτικότητα και να υπάρχει παρακολούθηση της διαδικασίας (follow up).
Ως προς την επαλήθευση: διασταύρωση με αξιόπιστες πηγές, συμβουλή ειδικών, ζήτηση τεκμηρίωσης των προτάσεων από την ίδια την ΤΝ με στοιχεία και έλεγχο κατά πόσο η απάντηση ανταποκρίνεται στις πραγματικές συνθήκες του οργανισμού.
Τέλος, τα τμήματα Ανθρώπινου Δυναμικού δεν πρέπει να αποδέχονται άκριτα τις προτάσεις της ΤΝ, καθώς ενδέχεται να αντανακλούν μεροληπτικά ή ελλιπή δεδομένα. Ούτε να θεωρούν δεδομένο ότι προστατεύει ευαίσθητες πληροφορίες και ούτε να τη χρησιμοποιούν ως υποκατάστατο της ανθρώπινης ενσυναίσθησης ή της ηθικής λήψης αποφάσεων.
Το συμπέρασμα είναι ότι η ΤΝ βοηθά μόνο όταν το άτομο που τη χρησιμοποιεί διαθέτει ήδη την τεχνογνωσία, ώστε να κρίνει αν το αποτέλεσμα που παράγει είναι σωστό».
