«Η οικονομία της γνώσης έχει τελειώσει. Καλώς ήρθατε στην Οικονομία Κατανομής»
Στην εποχή της τεχνητής νοημοσύνης, κάθε κατασκευαστής γίνεται μάνατζερ
Αυτή την εβδομάδα θα σας φέρουμε τα καλύτερα από τη γραφή τεχνητής νοημοσύνης . Καθώς ξημέρωσε το 2024, ο Dan Shipper ρώτησε: Τι ακολουθεί μετά την οικονομία της γνώσης; Σε έναν κόσμο που ενεργοποιείται από την τεχνητή νοημοσύνη, υποστήριξε ότι η πιο σημαντική δεξιότητα θα είναι η κατανομή—η διαχείριση των πόρων για να ολοκληρώσετε τη δουλειά σας. Διαβάστε παρακάτω για να μάθετε τι σημαίνει αυτό και πώς να πετύχετε σε αυτή τη νέα παγκόσμια τάξη πραγμάτων.— Kate Lee
Ο χρόνος δεν είναι τόσο γραμμικός όσο νομίζεις. Έχει κυματισμούς και πτυχώσεις σαν λείο μετάξι. Διπλασιάζεται από μόνος του και αν ξέρετε πού να κοιτάξετε, μπορείτε να δείτε το μέλλον να αστράφτει στο παρόν.
(Αυτό δεν καταλαβαίνουν οι άνθρωποι για τους οραματιστές: Δεν χρειάζεται να προβλέπουν το μέλλον. Μαθαίνουν να το αρπάζουν από τις πτυχές του χρόνου και να το φορούν γύρω από το σώμα τους σαν ένα ρέον μανδύα.)
Νομίζω ότι έπιασα ένα μικροσκοπικό κομμάτι από το μέλλον πρόσφατα και θέλω να σας πω γι’ αυτό.
Την περασμένη εβδομάδα έγραψα για το πώς το ChatGPT άλλαξε την αντίληψή μου για τη νοημοσύνη και τον τρόπο που βλέπω τον κόσμο. Άρχισα να βλέπω το ChatGPT ως σύνοψη της ανθρώπινης γνώσης και μόλις έκανα αυτή τη σύνδεση, άρχισα να βλέπω τη σύνοψη παντού: στον κώδικα που γράφω (περιλήψεις του τι υπάρχει στο StackOverflow) και στα email που στέλνω (περιλήψεις των συσκέψεων που είχα), και τα άρθρα που γράφω (περιλήψεις βιβλίων που διάβασα).
Η σύνοψη ήταν μια δεξιότητα που έπρεπε να έχω, και μάλιστα πολύτιμη. Αλλά πριν ήταν ως επί το πλείστον αόρατο, ομαδοποιημένο σε ένα άμορφο σύνολο εργασιών που ονόμαζα «νοημοσύνη» – πράγματα που μόνο εγώ και άλλοι άνθρωποι μπορούσαμε να κάνουμε. Αλλά τώρα που μπορώ να χρησιμοποιήσω το ChatGPT για σύνοψη, έβγαλα αυτήν την εργασία από το σύνολο των δεξιοτήτων μου και την παρέδωσα στην τεχνητή νοημοσύνη. Τώρα, η ευφυΐα μου έχει μάθει να είναι αυτό που κατευθύνει ή επεξεργάζεται συνοψίζοντας, αντί να κάνω τη σύνοψη μόνος μου.
Όπως υποστήριξε ο Evan Armstrong του Every πριν από αρκετούς μήνες, «η τεχνητή νοημοσύνη είναι ένα επίπεδο αφαίρεσης πάνω από τη σκέψη χαμηλότερου επιπέδου». Αυτή η σκέψη χαμηλότερου επιπέδου είναι, σε μεγάλο βαθμό, συνοπτική.
Εάν χρησιμοποιώ το ChatGPT με αυτόν τον τρόπο σήμερα, υπάρχει μεγάλη πιθανότητα αυτή η συμπεριφορά – η παράδοση της σύνοψης στην τεχνητή νοημοσύνη – θα γίνει ευρέως διαδεδομένη στο μέλλον. Αυτό θα μπορούσε να έχει σημαντικό αντίκτυπο στην οικονομία.
Αυτό εννοώ συλλαμβάνοντας το μέλλον στο παρόν και τη μη γραμμικότητα του χρόνου. Αν προεκτείνουμε την εμπειρία μου με το ChatGPT, μπορούμε να συλλέξουμε πώς μπορεί να είναι τα επόμενα χρόνια της επαγγελματικής μας ζωής.
Το τέλος της οικονομίας της γνώσης
Ζούμε σε μια οικονομία της γνώσης. Αυτό που γνωρίζετε —και η ικανότητά σας να το φέρετε σε εφαρμογή σε οποιαδήποτε δεδομένη περίσταση— είναι αυτό που δημιουργεί οικονομική αξία για εσάς. Αυτό οφείλεται κυρίως στην εμφάνιση των προσωπικών υπολογιστών και του Διαδικτύου, ξεκινώντας από τη δεκαετία του 1970 και επιταχύνοντας μέχρι σήμερα.
Τι συμβαίνει όμως όταν αυτή η ίδια η δεξιότητα – η γνώση και η χρήση της σωστής γνώσης τη σωστή στιγμή – γίνεται κάτι που οι υπολογιστές μπορούν να κάνουν πιο γρήγορα και μερικές φορές το ίδιο καλά όσο μπορούμε εμείς;
Θα πάμε από τους δημιουργούς στους διευθυντές, από την εκτέλεση της εργασίας στο να μάθουμε πώς να κατανέμουμε πόρους—επιλέγοντας ποια εργασία θα γίνει, αποφασίζοντας εάν η εργασία είναι αρκετά καλή και επεξεργάζοντάς την όταν δεν είναι.
Σημαίνει μια μετάβαση από την οικονομία της γνώσης σε μια οικονομία κατανομής. Δεν θα κριθείτε για το πόσα γνωρίζετε, αλλά για το πόσο καλά μπορείτε να διαθέσετε και να διαχειριστείτε τους πόρους για να ολοκληρώσετε τη δουλειά.
Υπάρχει ήδη μια κατηγορία ανθρώπων που ασχολούνται με αυτό το είδος δουλειάς καθημερινά: διευθυντές. Αλλά υπάρχουν μόνο περίπου 1 εκατομμύριο διευθυντές στις ΗΠΑ , ή περίπου το 12% του εργατικού δυναμικού. Πρέπει να γνωρίζουν πράγματα όπως πώς να αξιολογούν τα ταλέντα, να διαχειρίζονται χωρίς μικροδιαχείριση και να υπολογίζουν πόσο χρόνο θα διαρκέσει ένα έργο. Οι μεμονωμένοι συνεισφέροντες —οι άνθρωποι στην υπόλοιπη οικονομία, που κάνουν την πραγματική δουλειά— δεν χρειάζονται αυτήν την ικανότητα σήμερα.
Αλλά σε αυτή τη νέα οικονομία, την οικονομία κατανομής, θα το κάνουν. Ακόμη και οι κατώτεροι υπάλληλοι αναμένεται να χρησιμοποιούν τεχνητή νοημοσύνη, κάτι που θα τους αναγκάσει να αναλάβουν τον ρόλο του μάνατζερ-μοντέλου διευθυντή. Αντί να διαχειρίζονται ανθρώπους, θα κατανέμουν εργασία σε μοντέλα τεχνητής νοημοσύνης και θα διασφαλίζουν ότι η δουλειά γίνεται καλά. Θα χρειαστούν πολλές από τις ίδιες δεξιότητες με τους σημερινούς ανθρώπινους μάνατζερ (αν και σε ελαφρώς τροποποιημένη μορφή).
Από δημιουργός σε μάνατζερ
Ακολουθούν ορισμένες ιδιότητες που χρειάζονται οι σημερινοί μάνατζερ και τις οποίες θα χρειαστούν οι μεμονωμένοι συνεισφέροντες του αύριο – οι διαχειριστές μοντέλων- ως μέρος της οικονομίας κατανομής.
Ένα συνεκτικό όραμα
Οι σημερινοί διευθυντές πρέπει να έχουν ένα συνεκτικό όραμα για το έργο που θέλουν να επιτύχουν. Οι διαχειριστές των ανθρώπων πρέπει να δημιουργήσουν ένα όραμα που να είναι αρθρωμένο, συγκεκριμένο, συνοπτικό και ριζωμένο σε έναν σαφή σκοπό. Οι διαχειριστές μοντέλων θα χρειαστούν την ίδια ικανότητα.
Όσο καλύτερα διατυπωθεί το όραμά σας, τόσο πιο πιθανό είναι το μοντέλο να το πραγματοποιήσει κατάλληλα. Καθώς οι προτροπές γίνονται πιο συγκεκριμένες και συνοπτικές, η δουλειά που γίνεται θα βελτιώνεται. Τα γλωσσικά μοντέλα μπορεί από μόνα τους να μην χρειάζονται σαφή σκοπό, αλλά οι διαχειριστές μοντέλων πιθανότατα θα πρέπει να προσδιορίσουν έναν σαφή σκοπό για το δικό τους καλό και για την ενασχόλησή τους με την εργασία.
Η άρθρωση ενός συνοπτικού, συγκεκριμένου και συνεκτικού οράματος είναι δύσκολη. Είναι μια ικανότητα που αποκτάται με χρόνια δουλειάς. Μεγάλο μέρος εξαρτάται από την ανάπτυξη μιας γεύσης για ιδέες και γλώσσα. Ευτυχώς, αυτό είναι ένα μέρος όπου τα γλωσσικά μοντέλα μπορούν επίσης να βοηθήσουν.
Ξεκάθαρη αίσθηση γεύσης
Οι καλύτεροι μάνατζερ ξέρουν τι θέλουν και πώς να μιλήσουν για αυτό. Οι χειρότεροι μάνατζερ είναι αυτοί που λένε «Δεν είναι σωστό», αλλά όταν τους ρωτούν «Γιατί;» δεν μπορούν να εκφράσουν το πρόβλημα.
Οι μάνατζερ μοντέλων θα αντιμετωπίσουν το ίδιο πρόβλημα. Όσο καλύτερα οριστεί το γούστο τους, τόσο καλύτερα γλωσσικά μοντέλα θα μπορέσουν να δημιουργήσουν κάτι συνεκτικό για αυτούς. Ευτυχώς, τα γλωσσικά μοντέλα είναι αρκετά καλά στο να βοηθούν τους ανθρώπους να αρθρώσουν και να βελτιώσουν το γούστο τους . Είναι λοιπόν μια δεξιότητα που πιθανότατα θα γίνει σημαντικά ευρύτερα διαδεδομένη στο μέλλον.
Εάν έχετε ξεκάθαρο γούστο και συνεκτικό όραμα, το επόμενο πράγμα που πρέπει να κάνετε είναι να μπορείτε να αξιολογήσετε ποιος (ή τι) είναι ικανός να το εκτελέσει.
Η ικανότητα αξιολόγησης του ταλέντου
Κάθε διευθυντής γνωρίζει ότι η πρόσληψη είναι το παν. Εάν οι εργαζόμενοι κάνουν τη δουλειά, η ποιότητα της παραγωγής θα είναι μια άμεση αντανάκλαση των δεξιοτήτων και των ικανοτήτων τους. Το να μπορείς να κρίνεις επαρκώς τις δεξιότητες των εργαζομένων και να αναθέσεις καθήκοντα σε άτομα που μπορούν να τα φέρουν εις πέρας είναι ένα σημαντικό μέρος αυτού που κάνει έναν καλό διευθυντή.
Οι διαχειριστές μοντέλων του αύριο θα πρέπει να μάθουν τα ίδια πράγματα. Θα πρέπει να γνωρίζουν ποια μοντέλα AI να χρησιμοποιήσουν για ποιες εργασίες. Θα πρέπει να είναι σε θέση να αξιολογούν γρήγορα νέα μοντέλα που δεν έχουν χρησιμοποιήσει ποτέ πριν για να προσδιορίσουν αν είναι αρκετά καλά. Θα πρέπει να ξέρουν πώς να χωρίζουν πολύπλοκες εργασίες μεταξύ διαφορετικών μοντέλων που ταιριάζουν σε κάθε έργο, προκειμένου να παράγουν ένα έργο της υψηλότερης ποιότητας.
Η αξιολόγηση των μοντέλων θα είναι μια δεξιότητα από μόνη της. Αλλά υπάρχει λόγος να πιστεύουμε ότι θα είναι ευκολότερο να αξιολογηθούν μοντέλα από ό,τι οι άνθρωποι, έστω και μόνο επειδή τα πρώτα είναι πιο εύκολο να δοκιμαστούν. Ένα μοντέλο είναι προσβάσιμο μέρα ή νύχτα, είναι συνήθως φθηνό, ποτέ δεν βαριέται ή παραπονιέται και επιστρέφει άμεσα αποτελέσματα. Έτσι, οι μάνατζερ-μοντέλα του αύριο θα έχουν ένα πλεονέκτημα στην εκμάθηση αυτών των δεξιοτήτων, επειδή οι δεξιότητες διαχείρισης του σήμερα διατηρούνται από το σχετικό κόστος να δώσουν σε κάποιον μια ομάδα ανθρώπων για να συνεργαστεί.
Μόλις συγκεντρώσουν τους πόρους που χρειάζονται για να ολοκληρώσουν τη δουλειά, θα αντιμετωπίσουν την επόμενη πρόκληση: να βεβαιωθούν ότι η δουλειά είναι καλή.
Γνωρίζοντας πότε πρέπει να μπείτε στις λεπτομέρειες
Οι καλύτεροι μάνατζερ ξέρουν πότε και πώς να μπουν στις λεπτομέρειες. Οι άπειροι μάνατζερ κάνουν ένα από τα δύο λάθη. Ορισμένοι μικροδιαχειρίζονται εργασίες σε σημείο που κάνουν τη δουλειά για τους υπαλλήλους τους, κάτι που δεν κλιμακώνεται. Άλλοι αναθέτουν εργασίες σε τέτοιο βαθμό που δεν εκτελούνται καλά ή δεν γίνονται με τρόπο που να ευθυγραμμίζεται με τους στόχους του οργανισμού.
Οι καλοί μάνατζερ ξέρουν πότε πρέπει να μπουν στις λεπτομέρειες και πότε να αφήσουν τις αναφορές τους να πάρουν την μπάλα και να τρέξουν. Ξέρουν ποιες ερωτήσεις να κάνουν, πότε να κάνουν check in και πότε να αφήσουν τα πράγματα να γίνουν. Καταλαβαίνουν ότι μόνο και μόνο επειδή κάτι δεν γίνεται όπως θα το έκαναν δεν σημαίνει ότι δεν έχει γίνει καλά.
Αυτά δεν είναι προβλήματα που πρέπει να αντιμετωπίσουν μεμονωμένοι συνεισφέροντες στην οικονομία της γνώσης. Αλλά είναι ακριβώς το είδος των προβλημάτων που θα αντιμετωπίσουν οι διαχειριστές-μοντέλων στην οικονομία κατανομής.
Το να γνωρίζετε πότε και πώς να μπείτε στις λεπτομέρειες είναι μια ικανότητα που μαθαίνεται – και ευτυχώς, τα μοντέλα γλώσσας θα κατασκευαστούν για να κάνουν έξυπνο έλεγχο κατά τη διάρκεια κρίσιμων περιόδων όπου απαιτείται επίβλεψη. Επομένως, δεν θα εναπόκειται στους διευθυντές μοντέλων να το κάνουν αυτό.
Το μεγάλο ερώτημα είναι: Είναι καλό όλο αυτό;
Είναι η οικονομία της κατανομής καλή για την ανθρωπότητα;
Η μετάβαση από μια οικονομία της γνώσης σε μια οικονομία κατανομής δεν είναι πιθανό να συμβεί από τη μια μέρα στην άλλη. Όταν μιλάμε για «διαχείριση μοντέλων», αυτό θα μοιάζει με αντικατάσταση μικροδεξιοτήτων -όπως η περίληψη των συσκέψεων σε μηνύματα ηλεκτρονικού ταχυδρομείου- αντί για ολόκληρες εργασίες από άκρο σε άκρο, τουλάχιστον για λίγο. Ακόμα κι αν υπάρχει η δυνατότητα αντικατάστασης εργασιών, υπάρχουν πολλά μέρη της οικονομίας που δεν θα καλύψουν τη διαφορά για μεγάλο χρονικό διάστημα, αν ποτέ.
Πρόσφατα έφτιαξα το παντελόνι μου στο Cobble Hill του Μπρούκλιν. Όταν έβγαλα την πιστωτική μου κάρτα για να την πληρώσω, η κυρία πίσω από τον πάγκο έδειξε μια χάρτινη ταμπέλα κολλημένη στον τοίχο: «Όχι πιστωτικές κάρτες». Νομίζω ότι θα βρούμε παρόμοιο ρυθμό υιοθέτησης για γλωσσικά μοντέλα: Θα υπάρχουν πολλά μέρη όπου θα μπορούσαν να χρησιμοποιηθούν για να αυξήσουν ή να αντικαταστήσουν την ανθρώπινη εργασία εκεί που δεν είναι. Αυτά θα είναι για πολλούς διαφορετικούς λόγους: αδράνεια, ρύθμιση, κίνδυνος ή επωνυμία.
Αυτό, νομίζω, είναι καλό. Όταν πρόκειται για αλλαγή, η δόση κάνει το δηλητήριο. Η οικονομία είναι μεγάλη και πολύπλοκη και νομίζω ότι θα έχουμε χρόνο να προσαρμοστούμε σε αυτές τις αλλαγές. Και η αργή μεταβίβαση της ανθρώπινης σκέψης στη μηχανική σκέψη δεν είναι νέα. Τα μοντέλα γενετικής τεχνητής νοημοσύνης αποτελούν μέρος μιας μακροχρόνιας διαδικασίας.
Στο βιβλίο του 2013 Average Is Over , ο οικονομολόγος Tyler Cowen έγραψε για μια διαστρωμάτωση στην οικονομία που οδηγείται από έξυπνες μηχανές. Υποστήριξε ότι υπάρχει μια μικρή, ελίτ ομάδα εργαζομένων υψηλής εξειδίκευσης που είναι σε θέση να εργαστούν με υπολογιστές που θα αποκομίσουν μεγάλα οφέλη – και ότι η υπόλοιπη οικονομία μπορεί να μείνει πίσω:
«Εάν εσείς και οι δεξιότητές σας συμπληρώνετε τον υπολογιστή, οι προοπτικές των μισθών και της αγοράς εργασίας σας είναι πιθανό να είναι ευχάριστες. Εάν οι δεξιότητές σας δεν συμπληρώνουν τον υπολογιστή, ίσως θελήσετε να αντιμετωπίσετε αυτήν την αναντιστοιχία. Όλο και περισσότεροι άνθρωποι αρχίζουν να πέφτουν στη μία ή την άλλη πλευρά του χάσματος. Γι’ αυτό τελείωσε ο μέσος όρος».
Εκείνη την εποχή, δεν έγραφε για παραγωγικά μοντέλα AI. Έγραφε για τα iPhone και το διαδίκτυο. Αλλά τα μοντέλα τεχνητής νοημοσύνης που δημιουργούνται επεκτείνουν την ίδια τάση.
Οι άνθρωποι που είναι καλύτερα εξοπλισμένοι να χρησιμοποιούν γλωσσικά μοντέλα στην καθημερινή τους ζωή θα έχουν σημαντικό πλεονέκτημα στην οικονομία. Θα υπάρξουν τεράστιες ανταμοιβές για τη γνώση του τρόπου κατανομής της νοημοσύνης.
Σήμερα, η διαχείριση είναι μια δεξιότητα που μόνο λίγοι εκλεκτοί γνωρίζουν επειδή είναι ακριβό να εκπαιδεύσουν διευθυντές: Πρέπει να τους δώσετε μια ομάδα ανθρώπων να εξασκηθούν. Αλλά η τεχνητή νοημοσύνη είναι αρκετά φθηνή ώστε αύριο, όλοι θα έχουν την ευκαιρία να γίνουν μάνατζερ—και αυτό θα αυξήσει σημαντικά τις δημιουργικές δυνατότητες κάθε ανθρώπου.
Εναπόκειται στην κοινωνία μας στο σύνολό της να διασφαλίσουμε ότι, με τα απίστευτα νέα εργαλεία που έχουμε στη διάθεσή μας, θα φέρουμε μαζί και την υπόλοιπη οικονομία.
Ο Dan Shipper είναι ο συνιδρυτής και Διευθύνων Σύμβουλος της Every, όπου γράφει τη στήλη Chain of Thought και φιλοξενεί το podcast How Do You Use ChatGPT;
Πηγή: every.to
