Η συζήτηση γύρω από την τεχνητή νοημοσύνη (ΤΝ) και την ικανότητά της να αντικαταστήσει ανθρώπινες θέσεις εργασίας, ειδικά σε υψηλόβαθμες θέσεις όπως αυτές των CEO, είναι ένα θέμα που έχει προκαλέσει έντονο ενδιαφέρον και ανησυχία. Ένα πρόσφατο πείραμα που διεξήχθη από το Πανεπιστήμιο του Κέιμπριτζ προσφέρει πολύτιρες πληροφορίες σχετικά με αυτή τη δυναμική.
Στην προσομοίωση που πραγματοποιήθηκε, η ΤΝ αποδείχθηκε ότι μπορούσε να υπερέχει σε πολλές πτυχές της διοίκησης επιχειρήσεων. Οι υπολογιστές, μέσω αλγορίθμων και δεδομένων, ήταν σε θέση να λαμβάνουν αποφάσεις γρήγορα και αποτελεσματικά, ξεπερνώντας τους ανθρώπινους CEO σε πολλές περιπτώσεις. Ωστόσο, υπήρχε μια σημαντική περιοχή όπου η ΤΝ παρουσίασε αδυναμία: τα λεγόμενα “γεγονότα μαύρου κύκνου”. Αυτά τα γεγονότα αναφέρονται σε απροσδόκητες καταστάσεις ή κρίσεις που δεν μπορούν να προβλεφθούν εύκολα, όπως μια πανδημία ή μια οικονομική κρίση.
Κατά τη διάρκεια του πειράματος, οι άνθρωποι απέδειξαν ότι είχαν καλύτερη ικανότητα να διαχειρίζονται τέτοιες απρόβλεπτες καταστάσεις. Αυτό οφείλεται πιθανώς στην ανθρώπινη ικανότητα για δημιουργική σκέψη, συναισθηματική νοημοσύνη και προσαρμοστικότητα – χαρακτηριστικά που είναι δύσκολο να αναπαρασταθούν από τις μηχανές. Επομένως, ενώ η ΤΝ μπορεί να είναι εξαιρετική στη λήψη αποφάσεων βάσει δεδομένων και προτύπων, οι άνθρωποι παραμένουν πιο ικανοί στην αντιμετώπιση κρίσεων που απαιτούν ευελιξία και στρατηγική σκέψη.
Ο Χάμζα Μουντασίρ, ένας από τους ερευνητές πίσω από το πείραμα, είπε στο Business Insider ότι η τεχνητή νοημοσύνη ξεπέρασε τους ανθρώπινους συμμετέχοντες στις περισσότερες μετρήσεις, συμπεριλαμβανομένης της κερδοφορίας, του σχεδιασμού προϊόντων, της διαχείρισης αποθέματος και της βελτιστοποίησης των τιμών, αλλά ότι η απόδοσή της δεν ήταν αρκετή για να μην απολυθεί.
Τεχνητή νοημοσύνη και απρόβλεπτα γεγονότα
«Δεν τα πήγε καλά στην επιβίωση στα υψηλά κλιμάκια μόνο και μόνο επειδή δεν ήταν πολύ καλό στο να χειρίζεται απότομες αλλαγές ή αλλαγές που απαιτούν έναν νέο τρόπο σκέψης», είπε ο Μουντασίρ.
Οι ερευνητές του Κέμπριτζ πραγματοποίησαν το πείραμα από τον Φεβρουάριο έως τον Ιούλιο και περιέλαβαν 344 άτομα, μερικά από τα οποία ήταν ανώτερα στελέχη σε τράπεζα της Νότιας Ασίας. Περιλάμβανε επίσης φοιτητές. Και ο τελευταίος συμμετέχων δεν ήταν καθόλου άτομο, αλλά το GPT-4o, το μεγάλο γλωσσικό μοντέλο ή LLM, της OpenAI.
Οι συμμετέχοντες έπαιξαν ένα παιχνίδι σχεδιασμένο για να προσομοιώνει πραγματικές καταστάσεις στις οποίες οι CEO πρέπει να λάβουν αποφάσεις. Το παιχνίδι τους έκανε να αναλάβουν το ρόλο του CEO μιας εταιρείας αυτοκινήτων. Σχεδιάστηκε από την startup ed-tech των ερευνητών του Cambridge, Strategize.inc.
«Ο στόχος του παιχνιδιού ήταν απλός, επιβιώστε όσο το δυνατόν περισσότερο χωρίς να απολυθείτε από ένα εικονικό διοικητικό συμβούλιο, μεγιστοποιώντας ταυτόχρονα την κεφαλαιοποίηση της αγοράς», έγραψαν οι ερευνητές στο Harvard Business Review.
Ο Μουντασίρ είπε στο BI ότι τα LLM ήταν εξαιρετικά στην ανάλυση δεδομένων, στην αναγνώριση προτύπων και στην εξαγωγή συμπερασμάτων. Για παράδειγμα, όταν επρόκειτο για το σχεδιασμό ενός αυτοκινήτου με βάση παράγοντες όπως τα διαθέσιμα ανταλλακτικά, η τιμή, οι προτιμήσεις των καταναλωτών και η ζήτηση, υπήρχαν 250.000 συνδυασμοί στους οποίους μπορούσαν να καταλήξουν οι συμμετέχοντες. Τα αυτοκίνητα που σχεδίαζε η τεχνητή νοημοσύνη ήταν σημαντικά καλύτερα από αυτά που έφτιαξαν οι άνθρωποι, είπε.
Εν μέρει, είπε ότι αυτό συμβαίνει επειδή οι άνθρωποι έχουν προκαταλήψεις και προσωπικό γούστο σε πράγματα όπως το σχήμα ενός αυτοκινήτου. για την τεχνητή νοημοσύνη, ήταν απλώς ένα «παζλ για την εύρεση της βέλτιστης αξίας για αυτό που ήθελε ο πελάτης», είπε ο Μουντασίρ.
