Gebruiken AI op de werkvloer belooft veel productiviteit winsten. En het gebruik van chatbots kan ervoor zorgen dat u zich productief voelt, omdat ze zijn ontworpen om betrokkenheid van gebruikers te creëren. Maar u moet explicieter zijn over het berekenen van de kosten (en opportuniteitskosten) en tastbare voordelen voor uw werk. Dat zal je helpen bepalen of het AI-sap de LLM-squeeze waard is.
Hier zijn drie belangrijke overwegingen.
1. Bereken hoeveel tijd u besteedt aan het gebruik van AI
Toen mensen voor het eerst de keerzijde van smartphones begonnen te analyseren, was een van de grote datapunten die naar voren kwamen hoe lang iemand niet aan zijn taak kon werken nadat hij zijn telefoon had opgepakt. Omdat apps op uw telefoon zo meeslepend zijn, kan het, zodra u de telefoon opneemt, 20 minuten duren voordat u weer aan het werk bent met wat u voorheen deed. Op basis van dergelijke gegevens begonnen telefoonbesturingssystemen gebruikers te voorzien van de hoeveelheid tijd die ze op hun telefoon doorbrachten en de activiteiten waarmee ze bezig waren, in de hoop dat informatie zou bepalen hoe mensen met technologie omgingen.
LLM’s hebben iets soortgelijks nodig.
Wanneer u gaat zitten om met een chatbot of systeem in gesprek te gaan dat u helpt een tool te bouwen, ontstaat er een boeiend gesprek dat u lange antwoorden op uw vragen geeft en in een mum van tijd tools voor u kan bouwen. Wanneer het systeem tools bouwt, doorlopen de modellen vaak de logica die ze gebruiken, zodat je het gevoel hebt dat je iets mist als je wegkijkt.
Als gevolg hiervan kan de interactie met een AI-systeem u in een flow brengen waarin u het verstrijken van de tijd niet merkt. Dat betekent dat u expliciet moet bijhouden hoeveel tijd u besteedt aan AI op het werk. Die tijdsschatting weerspiegelt twee kosten. Ten eerste moet u weten of de waarde van wat u uit de opdracht krijgt, die kosten waard is. Ten tweede moet u uw takenlijst doornemen en bepalen of er andere prioriteitspunten zijn die u had kunnen afhandelen in de tijd die u aan AI heeft besteed. De dingen die u had kunnen doen met een hulpbron (zoals tijd) die u elders had besteed, worden an genoemd opportuniteitskostenen die opportuniteitskosten blijven vaak onopgemerkt.
2. Evalueer de kwaliteit van de output
Als je klaar bent met een AI-model, voel je je vaak behoorlijk goed. Ten eerste: tenzij je het model waarmee je werkt expliciete instructies geeft, heeft het de neiging je te vertroebelen, omdat het je vertelt hoe inzichtelijk en genuanceerd je denken is. Aan de andere kant suggereert het model vaak dingen waar je nog niet eerder over hebt nagedacht, dus het zal je denken in een nieuwe richting sturen. En flowtoestanden voelen over het algemeen goed.
U bent waarschijnlijk gewend om op uw gevoel te vertrouwen als u wilt beoordelen of een ervaring goed was. In het geval van AI-werk zou je echter klinischer moeten zijn. Wat was de werkelijke uitkomst? Heb je een probleem opgelost? Heeft u een applicatie gemaakt? Heb je vooruitgang geboekt op iets dat je moest voltooien?
Het belangrijkste voordeel dat u uit AI haalt, is het product van het werk dat u ermee doet. Dat is het enige dat u moet afwegen tegen de kosten (tijd, het geld dat u aan uw AI-platform besteedt, enz.). Er zijn veel gevallen waarin het gebruik van AI echt de moeite waard zal zijn, maar je zou die voordelen moeten kunnen documenteren.
Eén manier om dit te bedenken is dat uw organisatie waarschijnlijk op de een of andere manier de productiviteit van werknemers volgt om te bepalen of het werk dat zij doen de HR-kosten rechtvaardigt. U zou hetzelfde moeten doen voor uw betrokkenheid bij AI.
3. Ben je op de lange termijn beter af?
Een subtieler probleem is dat AI uiteindelijk een gedachtepartner wordt. Het zoekt het internet af naar informatie, synthetiseert lezingen en rapporten en geeft suggesties op basis van gegevens. Op dit moment kunnen die inzichten waardevol zijn.
Maar die inzichten houden ook in cognitieve ontladingwaarin je de mentale inspanning van een taak verschuift van jezelf naar het AI-systeem. Het voordeel van het doen van dat cognitieve werk voor jezelf is dat het vaak leidt tot leren en het creëren van gewoontes. Dit is dezelfde afweging waarmee ouders en senior zakelijke teamleden voortdurend worden geconfronteerd. Het is doorgaans sneller voor een ouder om iets voor zijn kind te doen, of voor een oudere persoon om een taak voor een van zijn directe ondergeschikten te doen. Maar door iemand anders de taak voor zichzelf te laten doen, bouwen ze capaciteiten op die hen later onafhankelijker maken.
U moet zich afvragen of het gebruik van het AI-model u vandaag tijd heeft bespaard, maar uw toekomstige taken tijdrovender heeft gemaakt. Als u nog maar aan het begin van uw carrière staat en uw vaardigheden aan het ontwikkelen bent (of al ouder bent en een nieuw gebied aan het leren bent), kunt u misschien beter veel werk voor uzelf doen om uw expertise op te bouwen. U kunt nog steeds contact opnemen met een LLM om u feedback te geven op uw werk, maar u kunt zich richten op het opbouwen van uw eigen expertise. Het is van cruciaal belang om de waarde van uw toekomstige zelf in overweging te nemen bij de beslissing of u met AI aan de slag gaat.
