Jak możemy zniwelować pogłębienie nierówności społecznych przez generatywną sztuczną inteligencję?

Szeroka dostępność generatywnej sztucznej inteligencji wprowadziła znaczące zmiany w środowisku zawodowym i szkolnym. Rozwój automatyzacji oraz digitalizacji zwiększa dostępność narzędzi i wiedzy, podnosi bezpieczeństwo prawidłowego przeprowadzenia powtarzalnych procesów oraz pozwala poświęcić więcej czasu na zadania kreatywne i strategiczne.

Obok wielu zalet sztucznej inteligencji (AI) pojawiły się też zagrożenia, do niedawna pomijane w głównym dyskursie – brak respektowania praw autorskich i prywatności, coraz słabiej ukrywane koszty ekologiczne, zaniżanie cen w celu pozyskania rynku. Na część pytań nie znamy jeszcze odpowiedzi: czy AI ostatecznie stanie się narzędziem dla wybranych? A może zapłacimy za nią oddaniem jeszcze większej części naszej prywatności?

Są jednak umiejętności, które już dziś pomogą nam nie pogubić się w świecie generowanym przez AI.

Weryfikacja 

W ostatnich miesiącach w mediach było głośno o cenie błędów popełnionych przez AI, które nie zostały zweryfikowane: międzynarodowa firma konsultingowa musiała zwrócić część wynagrodzenia za błędy w raporcie, polska firma została wykluczona z przetargu, bo oparła wycenę o nieistniejące przepisy. Szybka weryfikacja wiarygodności rozwiązań dostarczanych przez AI to kluczowa umiejętność przyszłości. A czas i umiejętności wymagane do jej przeprowadzenia to jeden z ukrytych kosztów wdrożeń.

Istnieją trzy główne obszary wymagające kontroli:

1. Halucynacje – ponieważ architektura generatywnej AI jest nastawiona na przewidywanie zastosowania słów, a nie podsumowanie faktów. Stąd powoływanie się na nieistniejące artykuły, przepisy lub badania naukowe.
2. Manipulacja – czyli reklamy w formie Generative Engine Optimization (GEO). To nowy sposób na pozycjonowanie przez marki treści, aby wyglądały na obiektywne polecenia w czacie.
3. Jakość danych, na których był trenowany model – zarówno w domenie publicznej, z których korzystamy na co dzień, jak i w zamkniętych narzędziach w ramach firmy. W tym drugim obszarze szczególnym wyzwaniem są silosy danych, brak integracji między oprogramowaniem od różnych producentów oraz ograniczenia dostępu na poziomie użytkownika, które – jeśli nie zostaną wzięte pod uwagę – mogą doprowadzić do błędnych wniosków (nawet bez pomocy halucynacji).

Wiedza domenowa

Ostatnie kilka lat można zdefiniować jako erę kopiuj-wklej, media i portale społecznościowe są pełne wygenerowanych artykułów i postów eksperckich. Szybkość tworzenia treści doprowadziła do uniformizacji komunikacji tekstowej oraz wizualnej. W międzyczasie ogłoszono też koniec wielu zawodów, od grafika po programistę. Jednak posiadana wiedza to baza kreatywności, np. nie bez powodu najlepsze wizualizacje i animacje AI tworzą sami artyści. Trudno również zoptymalizować lub zautomatyzować proces biznesowy, którego się nie rozumie.

Korzystanie z narzędzi AI stanie się niezbędne, ale wyniki tej współpracy będą zależały od umiejętności zadawania właściwych pytań, którą wzmocnią:

• rozwój kompetencji miękkich (w tym komunikacja werbalna i pisemna) oraz krytyczne myślenie, samodzielne argumentowanie (słynne debaty w anglosaskim szkolnictwie) i rozwiązywanie problemów,
• umiejętność samodzielnej nauki, korzystania z szeroko dostępnych, zróżnicowanych źródeł – od książek w domenie publicznej po raporty rządowe czy organizacji branżowych,
• specjalizacja oparta na kompetencjach T-shaped, dogłębna wiedza w wybranej dziedzinie oraz znajomość kilku innych, które ją uzupełniają.

Elastyczność

Ze względu na niski koszt i próg wejścia (komendy w języku naturalnym) możemy zauważyć dążenie do wykonywania każdego zadania automatyzacji przez Gen AI. Entuzjaści AI promują dyskurs przedstawiający rozwiązania AI w kontekście prawa Moore’a, oczekując, że z czasem będą tylko tańsze i wydajniejsze. W rzeczywistości aktualne dochody firm ze sprzedaży usług AI nie pokrywają ponoszonych przez nie kosztów. Kolejny problem to zwiększone zapotrzebowanie na energię oraz zużycie wody przez centra danych AI.

Jeśli nastąpi nagłe ograniczenie dostępu, będzie to miało szczególnie duży wpływ na pracowników niższego szczebla oraz osoby mniej zamożne, które stracą dostęp i możliwość równomiernego rozwoju.

Warto, aby długofalowa strategia wdrożenia Gen AI zawierała również odpowiedzi na pytania:

• Czy to najlepsze narzędzie do wdrożenia danego rozwiązania?
• Jakie alternatywy są dostępne?
• Jaki jest plan B, jeśli dostęp do danego narzędzia AI zostanie nagle ograniczony?

Generatywna sztuczna inteligencja to pierwsza na tę skalę innowacja technologiczna wprowadzona bez konkretnego zastosowania, ale również bez znaczących odgórnych ograniczeń. Niska cena dla firm i darmowy dostęp w przypadku osób indywidualnych pozwoliły na bardzo szybkie pozyskanie użytkowników. Model biznesowy dostawców zakłada, że użytkownicy sami stworzą zastosowania, za które zapłacą w przyszłości, aby uniknąć odebrania dostępu. W całym tym szumie łatwo zgubić najcenniejszy kapitał – swoją niezależność.