Nga Kate Niederhoffer, Gabriella Rosen Kellerman, Angela Lee, Alex Liebscher, Kristina Rapuano dhe Jeffrey T. Hancock
Përmbledhje
Pavarësisht një rritjeje të vrullshme në përdorimin e IA gjeneruese në vendet e punës, shumica e kompanive po shohin pak kthim të matshëm të investimit (ROI). Një arsye e mundshme është se mjetet e IA-së po përdoren për të prodhuar “punë të hedhur” (workslop) – përmbajtje që duket e lustruar, por i mungon thelbi i vërtetë, duke ia kaluar barrën njohëse kolegëve. Hulumtimi nga BetterUp Labs dhe Stanford zbuloi se 41% e punonjësve kanë hasur në produkte të tilla të gjeneruara nga IA, duke kushtuar gati dy orë ripërpunimi për çdo rast dhe duke krijuar probleme pasuese në produktivitet, besim dhe bashkëpunim.
Udhëheqësit duhet të reflektojnë nëse po promovojnë mandate të gjera organizative pa ofruar udhëzime të mjaftueshme mbi standardet e cilësisë. Për të kundërshtuar këtë fenomen, liderët duhet të modelojnë përdorimin e qëllimshëm të IA-së, të vendosin norma të qarta dhe të inkurajojnë një “mentalitet piloti” që kombinon aftësinë e lartë për veprim me optimizmin – duke promovuar IA-në si një mjet bashkëpunues, jo si një rrugë të shkurtër.
Një kontradiktë konfuze po shpaloset në kompanitë që po përqafojnë mjetet e inteligjencës artificiale gjeneruese: ndërsa punonjësit kryesisht po ndjekin urdhrat për të përqafuar teknologjinë, pak prej tyre po shohin që ajo është duke krijuar vlerë reale. Merrni parasysh, për shembull, se numri i kompanive me procese të drejtuara plotësisht nga IA pothuajse u dyfishua vitin e kaluar, ndërkohë që përdorimi i IA-së në punë është dyfishuar gjithashtu që nga viti 2023. Megjithatë, një raport i fundit nga MIT Media Lab zbuloi se 95% e organizatave nuk shohin asnjë kthim të matshëm nga investimi i tyre në këto teknologji. Kaq shumë aktivitet, kaq shumë entuziazëm, dhe kaq pak kthim. Pse?
Në bashkëpunim me Laboratorin e Medias Sociale të Stanfordit, ekipi ynë kërkimor në BetterUp Labs ka identifikuar një arsye të mundshme: Punonjësit po përdorin mjetet e IA-së për të krijuar punë me pak mundim dhe pamje të pranueshme, e cila në fund krijon më shumë punë për kolegët e tyre.
Në mediat sociale, të cilat janë gjithnjë e më të mbushura me postime me cilësi të ulët të gjeneruara nga IA, kjo përmbajtje shpesh quhet “AI slop” (llum i IA-së). Në kontekstin e punës, ne i referohemi këtij fenomeni si “workslop” (punë e hedhur). Ne e përkufizojmë këtë si përmbajtje pune të gjeneruar nga IA që maskohet si punë e mirë, por i mungon thelbi për të çuar përpara në mënyrë kuptimplotë një detyrë të caktuar.
Ja si ndodh kjo. Ndërsa mjetet e IA-së bëhen më të aksesueshme, punonjësit janë gjithnjë e më në gjendje të prodhojnë shpejt rezultate të lustruara: prezantime të formatuara mirë, raporte të gjata e të strukturuara, përmbledhje në dukje elokuente të punimeve akademike nga jo-ekspertë, dhe kod të përdorshëm. Por ndërsa disa punonjës po e përdorin këtë aftësi për të lustruar një punë të mirë, të tjerë e përdorin atë për të krijuar përmbajtje që në të vërtetë është e padobishme, e paplotë ose i mungon konteksti vendimtar për projektin në fjalë.
Efekti tinëzar i “punës së hedhur” është se ajo e zhvendos barrën e punës te hallka pasuese, duke i kërkuar marrësit të interpretojë, korrigjojë ose ribëjë punën.
Me fjalë të tjera, ajo e transferon mundimin nga krijuesi te marrësi.
Nëse e keni përjetuar ndonjëherë këtë, mund të kujtoni ndjenjën e konfuzionit pas hapjes së një dokumenti të tillë, e ndjekur nga zhgënjimi—Prit, çfarë është kjo saktësisht?—përpara se të filloni të pyesni veten nëse dërguesi thjesht ka përdorur IA-në për të gjeneruar blloqe të mëdha teksti në vend që ta mendonte atë thellë. Nëse kjo ju tingëllon e njohur, ju kanë servirur “punë të hedhur”.
Sipas sondazhit tonë të fundit , ky është një problem i rëndësishëm. Nga 1,150 punonjës me kohë të plotë në SHBA në industri të ndryshme, 40% raportojnë se kanë marrë “punë të hedhur” muajin e fundit. Punonjësit që e kanë hasur këtë fenomen vlerësojnë se mesatarisht 15.4% e përmbajtjes që marrin në punë kualifikohet si e tillë.
Fenomeni ndodh kryesisht mes kolegësh të të njëjtit nivel (40%), por “puna e hedhur” u dërgohet edhe menaxherëve nga vartësit e tyre (18%). Në 16 për qind të rasteve, ajo rrjedh poshtë në hierarki, nga menaxherët te ekipet e tyre, ose edhe nga nivele më të larta se aq. Fenomeni ndodh në të gjitha industritë, por ne zbuluam se shërbimet profesionale dhe teknologjia preken në mënyrë disproporcionale.
Ja çfarë duhet të dinë liderët për “punën e hedhur”—dhe si mund ta ndalojnë atë të bllokojë mekanizmat e punës në kompaninë e tyre.
Taksa e “Punës së Hedhur”
Shkarkimi konjitiv (njohës) te makineritë nuk është një koncept i ri, ashtu siç nuk janë të reja ankthet rreth teknologjisë që rrëmben kapacitetin tonë njohës. Në vitin 2006, për shembull, gazetari i teknologjisë Nicolas Carr botoi një ese provokuese në The Atlantic që pyeste “A po na bën Google budallenj?”. Modeli mbizotërues mendor për shkarkimin konjitiv—duke u kthyer pas deri te shqetësimet e Sokratit për alfabetin—është se ne ia hedhim punën e vështirë mendore teknologjive si Google, sepse është më e lehtë, për shembull, të kërkosh diçka online sesa ta kujtosh atë.
Megjithatë, ndryshe nga ky burim i jashtëm mendor te një makineri, “puna e hedhur” në mënyrë unike përdor makineritë për t’ia shkarkuar punën konjitive një njeriu tjetër. Kur kolegët marrin “punë të hedhur”, atyre shpesh u kërkohet të marrin përsipër barrën e deshifrimit të përmbajtjes, duke nënkuptuar kontekstin e munguar ose të rremë.
Një kaskadë procesesh vendimmarrëse të mundimshme dhe komplekse mund të pasojë, përfshirë ripërpunimin dhe shkëmbime të pakëndshme me kolegët.
Shqyrtoni disa shembuj
Kur u pyet për përvojën e tij me “punën e hedhur”, një kontribues individual në financa përshkroi ndikimin e marrjes së një pune të gjeneruar nga IA: “Krijoi një situatë ku unë duhej të vendosja nëse do ta rishkruaja vetë, do ta detyroja atë ta rishkruante, apo thjesht do ta quaja mjaftueshëm të mirë. Po e thellon axhendën e krijimit të një shoqërie mendërisht dembele, me mendim të ngadaltë, e cila do të bëhet plotësisht e varur nga forcat e jashtme.”
Në një rast tjetër, një menaxher i vijës së parë në sektorin e teknologjisë përshkroi reagimin e tij: “Ishte pak konfuze të kuptoje se çfarë po ndodhte në të vërtetë në email dhe çfarë donte të thoshte ai në të vërtetë. Ndoshta u desh një orë ose dy kohë vetëm për t’i mbledhur të gjithë dhe për të përsëritur informacionin në një mënyrë të qartë dhe koncize.”
Një drejtor në shitje me pakicë tha: “M’u desh të humbisja më shumë kohë duke e ndjekur informacionin dhe duke e verifikuar atë me kërkimin tim. Pastaj m’u desh të humbisja edhe më shumë kohë duke organizuar takime me supervizorë të tjerë për të adresuar çështjen. Më pas vazhdova të humbisja kohën time duke e ribërë vetë punën.”
Çdo rast i “punës së hedhur” mbart kosto reale për kompanitë. Punonjësit raportuan se shpenzuan mesatarisht një orë e 56 minuta duke u marrë me çdo rast të tillë. Bazuar në vlerësimet e pjesëmarrësve për kohën e shpenzuar, si dhe në pagën e tyre të vetë-raportuar, ne gjejmë se këto incidente mbartin një taksë të padukshme.
Për një organizatë me 10,000 punonjës, duke pasur parasysh prevalencën e vlerësuar të “punës së hedhur” (41%), kjo rezulton në mbi 9 milionë dollarë në vit në produktivitet të humbur.
Të anketuarit raportuan gjithashtu kosto sociale dhe emocionale, përfshirë problemin e menaxhimit diplomatik të përgjigjes ndaj marrjes së saj, veçanërisht në marrëdhënie hierarkike.
Kur i pyetëm pjesëmarrësit në studimin tonë se si ndihen kur marrin “punë të hedhur”, 53% raportojnë se ndihen të bezdisur, 38% të hutuar dhe 22% të fyer.
Kostoja më alarmante mund të jetë ndërpersonale. Puna me pak mundim dhe e padobishme e gjeneruar nga IA po ka një ndikim të rëndësishëm në bashkëpunimin në punë. Përafërsisht gjysma e njerëzve që anketuam i shihnin kolegët që dërguan “punë të hedhur” si më pak kreativë, më pak të aftë dhe më pak të besueshëm sesa më parë.
42 për qind i shihnin si më pak të besueshëm dhe 37 për qind e shihnin atë koleg si më pak inteligjent.
Kjo mund të pasqyrojë hulumtimet e fundit mbi penalizimin e kompetencës për përdorimin e IA-së në punë, ku inxhinierët që dyshohet se përdorën IA për të shkruar një fragment kodi u perceptuan si më pak kompetentë se ata që nuk e bënë (dhe inxhinieret femra u penalizuan në mënyrë disproporcionale).
“PUNA E HEDHUR” I BËN KOLEGËT TË KENË MENDIM MË TË KEQ PËR NJËRI-TJETRIN.
Një grafik me shtylla tregon se perceptimet e të anketuarve për kolegët ishin përgjithësisht më të ulëta pas marrjes së punës me pak mundim të gjeneruar nga IA, vlerësuar në pesë tipare: kreativiteti, aftësia, integriteti, besimi dhe inteligjenca.
Për më tepër, 34% e njerëzve që marrin “punë të hedhur” njoftojnë anëtarët e ekipit ose menaxherët për këto incidente, duke gërryer potencialisht besimin midis dërguesit dhe marrësit.
Një e treta e njerëzve (32%) që kanë marrë “punë të hedhur” raportojnë se kanë më pak gjasa të duan të punojnë përsëri me dërguesin në të ardhmen.
Me kalimin e kohës, kjo taksë ndërpersonale kërcënon të gërryejë elementet kritike të bashkëpunimit që janë thelbësore për përpjekjet e suksesshme të adoptimit të IA-së në vendin e punës dhe menaxhimin e ndryshimit.
Çfarë mund të bëjnë liderët
Në njëfarë mënyre, kjo nuk është një histori e re. Gjithmonë ka pasur punë të pakujdesshme. Ne jemi të prirur ndaj zvarritjes, rrugëve të shkurtra, të mbështetemi te puna e kotë në vend të mendimit të kujdesshëm kur jemi të lodhur. IA gjeneruese na jep një teknologji të re me të cilën mund të biem pre e të njëjtave zakone të vjetra të këqija – por tani me koston e shtuar të krijimit të më shumë pune për kolegët tanë dhe minimit të bashkëpunimit, në shkallë të gjerë.
Pra, si mund ta shmangin organizatat këtë rezultat? Si mund të optimizojnë ato përdorimin e IA-së nga punonjësit në mënyrë që të sjellë kthim të matshëm nga investimi i tyre i rëndësishëm në këtë teknologji transformuese? Këtu ofrojmë disa parime kyçe nga hulumtimi ynë origjinal dhe përvoja duke ndihmuar kompanitë e Fortune 500 me adoptimin e suksesshëm të IA-së në të gjithë fuqinë e tyre punëtore:
Urdhëresat pa dallim çojnë në përdorim pa dallim
Kur liderët organizativë avokojnë për IA kudo dhe gjatë gjithë kohës, ata modelojnë një mungesë gjykimi në mënyrën se si duhet zbatuar teknologjia. Është e lehtë të shihet se si kjo përkthehet në punonjës që kopjojnë dhe ngjisin pa menduar përgjigjet e IA-së në dokumente, edhe kur IA nuk është e përshtatshme për punën në fjalë. IA gjeneruese nuk është e përshtatshme për të gjitha detyrat, as nuk mund të lexojë mendjet. Sigurisht, IA mund të transformojë pozitivisht disa aspekte të punës, por ajo ende kërkon udhëzim dhe feedback të menduar nga punonjësit për të prodhuar rezultate të dobishme në punë komplekse ose të paqarta.
Për më tepër, urdhëresat pa dallim modelojnë sjelljen e kalimit të përgjegjësisë. Ndërsa punonjësve duhet t’u jepet autonomi rreth IA-së, organizata duhet të punojë përmes politikave dhe rekomandimeve të saj të kujdesshme rreth praktikave më të mira, mjeteve kryesore dhe normave. Nëse IA është detyrë e të gjithëve, është gjithashtu—dhe para së gjithash—detyrë e liderëve organizativë të zhvillojnë udhëzime për punonjësit për t’i ndihmuar ata ta përdorin këtë teknologji të re në mënyra që përputhen më së miri me strategjinë, vlerat dhe vizionin e organizatës.
Mentalitetet kanë rëndësi
Laboratorët tanë kanë ndjekur parashikuesit e adoptimit të IA gjeneruese në fuqinë punëtore që nga viti 2023 dhe ne zbuluam se punonjësit me një kombinim të aftësisë së lartë për veprim (agency) dhe optimizmit të lartë kanë shumë më shumë gjasa të adoptojnë IA gjeneruese sesa ata me aftësi të ulët veprimi dhe optimizëm të ulët.
Ne i quajmë këta punonjës “pilotë”, në krahasim me “pasagjerët”. Pilotët e përdorin IA gjeneruese 75% më shpesh në punë se pasagjerët, dhe 95% më shpesh jashtë punës.
Megjithatë, ndoshta edhe më e rëndësishme, duke pasur parasysh këto gjetje mbi “punën e hedhur”, është se si e përdorin pilotët IA-në gjeneruese. Pilotët kanë shumë më shumë gjasa ta përdorin IA-në për të rritur kreativitetin e tyre, për shembull, sesa pasagjerët. Pasagjerët, nga ana tjetër, kanë shumë më shumë gjasa ta përdorin IA-në për të shmangur kryerjen e punës sesa pilotët. Pilotët e përdorin IA-në në mënyrë të qëllimshme për të arritur qëllimet e tyre.
Rizotohuni ndaj bashkëpunimit
Shumë nga detyrat e kërkuara për të punuar mirë me IA-në – dhënia e udhëzimeve (prompts), ofrimi i feedback-ut, përshkrimi i kontekstit—janë bashkëpunuese. Puna e sotme kërkon gjithnjë e më shumë bashkëpunim, jo vetëm me njerëzit, por tani edhe me IA-në. Kompleksiteti i bashkëpunimit vetëm sa është thelluar. “Puna e hedhur” është një shembull i shkëlqyer i dinamikave të reja bashkëpunuese të prezantuara nga IA, që mund ta rrënojnë produktivitetin në vend që ta rrisin atë. Ndërveprimet tona me IA-në kanë pasoja për kolegët tanë, dhe liderët duhet të promovojnë dinamika njeri-IA që mbështesin bashkëpunimin.
Bashkëpunimi i pandërprerë në 2025 duhet të përfshijë mënyrat se si ne i integrojmë produktet e punës së IA-së në flukset tona të përbashkëta të punës, në shërbim të rezultateve të përbashkëta, në vend se si një mjet për t’iu shmangur në mënyrë subversive përgjegjësisë. Ky është një kufi i ri dhe kritik i sjelljeve të qytetarisë organizative që do të diferencojë kompanitë që maksimizojnë vlerën e IA-së nga ato që bëjnë shumë aktivitet me IA pa pasur ndikim.
Krijimi i “punës së hedhur” mund të duket proces i pa mundimtë, por i vë një taksë organizatës. Ajo që dërguesi e percepton si një shteg të shkurtër, bëhet një gropë nga e cila marrësi duhet të dalë.
Liderët do të bënin më mirë të modelonin përdorimin e menduar të IA-së që ka qëllim dhe synim. Vendosni kufij të qartë për ekipet tuaja rreth normave dhe përdorimit të pranueshëm. Kornizojeni IA-në si një mjet bashkëpunues, jo si një rrugë të shkurtër. Mishëroni një mentalitet piloti, me aftësi të lartë veprimi dhe optimizëm, duke përdorur IA-në për të përshpejtuar rezultate specifike me përdorim specifik. Dhe mbani të njëjtat standarde të shkëlqësisë për punën e bërë nga duetet bionike njeri-IA, ashtu si për njerëzit vetëm.
Harvard Business Review |
Autorë: Kate Niederhoffer, Gabriella Rosen Kellerman, Angela Lee, Alex Liebscher, Kristina Rapuano, Jeffrey T. Hancock
