Auf einen Blick
- Quelle
- Rinta-Kahila, Penttinen, Salovaara, Soliman and Ruissalo (2023). The Vicious Circles of Skill Erosion: A Case Study of Cognitive Automation. Journal of the Association for Information Systems, 24(5), 1378–1412. doi:10.17705/1jais.00829
- Wie sie durchgeführt wurde
- Die Forschenden untersuchten ein Unternehmen eingehend und zeichneten nach, wie sich Abhängigkeit von Automatisierung, Nachlässigkeit und Kompetenzverlust gegenseitig verstärkten. Fallstudie. Ein genauer Blick auf eine oder wenige Organisationen, gestützt auf Interviews und Beobachtung.
- Wer teilnahm
- Eine Buchhaltungskanzlei, die sich mehrere Jahre lang auf die automatisierten Funktionen ihrer Software verlassen hatte.
- Wo
- Eine Buchhaltungskanzlei; das Forschungsteam war in Finnland und Australien ansässig.
“The erosion of essential human expertise is problematic if workers remain accountable for tasks for which they lack sufficient understanding, rendering them incapable of responding if the automation fails.” [Der Verlust wesentlichen menschlichen Fachwissens ist problematisch, wenn Beschäftigte für Aufgaben verantwortlich bleiben, die sie nicht ausreichend verstehen, sodass sie nicht reagieren können, wenn die Automatisierung versagt.]
Was sie fand
- Je mehr sich die Beschäftigten auf die Automatisierung verließen, desto nachlässiger wurden sie und das Unternehmen.
- Die Nachlässigkeit schwächte drei Gewohnheiten: wissen, was die Software tut, die eigenen Kompetenzen pflegen und die Ergebnisse prüfen.
- Ohne diese Gewohnheiten schwanden die Kompetenzen weiter, und die Abhängigkeit wuchs. Die Autoren nennen diese Schleifen Teufelskreise.
- Der Verlust kann verborgen bleiben. Beschäftigte wie Führungskräfte sehen ihn womöglich erst, wenn die Automatisierung versagt.
Die Autoren fügen hinzu, dass der Verlust veralteter Kompetenzen ein normaler Preis neuer Technik ist. Schwierig wird es, wenn die verlorene Kompetenz eine ist, die Menschen noch brauchen, um für die Arbeit geradezustehen.
Wann das Ergebnis gilt
Die Beschäftigten blieben für Aufgaben verantwortlich, die die Software ausführte. Diese Kombination, Verantwortung ohne Übung, machte den Kompetenzverlust schädlich.
Eine spätere Studie maß dieselbe Art von Verlust direkt, und viel schneller. Siehe die Fähigkeiten von Endoskopikern nach der Arbeit mit KI.
Grenzen
- Ein einziges Unternehmen. Eine Fallstudie zeigt, wie etwas geschehen kann. Sie zeigt nicht, wie oft es geschieht.
- Die Automatisierung war Buchhaltungssoftware, keine heutigen KI-Chat-Werkzeuge.
Praktiken, die sich auf diese Studie stützen
Diese Studie stützt:
- Erhalten Sie die Einstiegsaufgaben, an denen Neue lernen Bevor Sie Routinearbeit automatisieren, prüfen Sie, ob Nachwuchskräfte daran den Beruf lernen. Wenn ja, lassen Sie ihnen einen Teil davon, oder ersetzen Sie das Lernen auf andere Weise. Später · Aufwand: mittel (Wochen, einige Personen)
- Prüfen Sie ab und zu, was Beschäftigte ohne die KI können Lassen Sie Menschen eine Stichprobe von Fällen ohne die KI bearbeiten und vergleichen Sie das Ergebnis mit ihrer üblichen Arbeit. Fangen Sie mit denen an, die KI-Ergebnisse prüfen, und mit denen, die den Beruf noch lernen, und stellen Sie die Werkzeuge für Lernende so ein, dass sie Hinweise geben, keine Antworten. Später · Aufwand: mittel (Wochen, einige Personen)