W skrócie
- Źródło
- 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
- Jak je przeprowadzono
- Badacze dokładnie zbadali jedną firmę i opisali, jak poleganie na automatyzacji, samozadowolenie i utrata umiejętności wzajemnie się napędzały. Studium przypadku. Dokładne przyjrzenie się jednej lub kilku organizacjom, na podstawie wywiadów i obserwacji.
- Kto brał udział
- Jedna firma księgowa, która od kilku lat polegała na zautomatyzowanych funkcjach swojego oprogramowania.
- Gdzie
- Firma księgowa; zespół badawczy pracował w Finlandii i Australii.
“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.” [Zanik niezbędnej ludzkiej wiedzy fachowej jest problemem, jeśli pracownicy nadal odpowiadają za zadania, których nie rozumieją wystarczająco, przez co nie są w stanie zareagować, gdy automatyzacja zawiedzie.]
Co wykazało badanie
- Im bardziej pracownicy polegali na automatyzacji, tym większe samozadowolenie ogarniało ich i firmę.
- Samozadowolenie osłabiło trzy nawyki: wiedzę o tym, co robi oprogramowanie, utrzymywanie własnych umiejętności i sprawdzanie wyników.
- Gdy tych nawyków zabrakło, umiejętności zanikały dalej, a to zwiększało poleganie na automatyzacji. Autorzy nazywają te pętle błędnymi kołami.
- Zanik może pozostać ukryty. Ani pracownicy, ani menedżerowie mogą go nie zauważyć, dopóki automatyzacja nie zawiedzie.
Autorzy dodają, że utrata przestarzałych umiejętności to normalny koszt nowej technologii. Kłopot zaczyna się wtedy, gdy znika umiejętność, której ludzie wciąż potrzebują, żeby odpowiadać za pracę.
Kiedy wynik się sprawdza
Pracownicy firmy nadal odpowiadali za zadania, które wykonywało oprogramowanie. To połączenie, odpowiedzialność bez praktyki, sprawiło, że zanik umiejętności był szkodliwy.
Późniejsze badanie zmierzyło ten sam rodzaj ubytku bezpośrednio i dużo szybciej. Zobacz umiejętności endoskopistów po pracy z AI.
Ograniczenia
- Jedna firma. Studium przypadku pokazuje, jak coś może się wydarzyć. Nie pokazuje, jak często się to zdarza.
- Automatyzacją było oprogramowanie księgowe, a nie dzisiejsze czaty AI.
Praktyki, które korzystają z tego badania
To badanie wspiera:
- Co jakiś czas sprawdzaj, co pracownicy potrafią zrobić bez AI Na próbce przypadków niech ludzie wykonają pracę bez AI, a wynik porównaj z ich zwykłą pracą. Zacznij od osób, które sprawdzają wyniki AI, i od osób, które wciąż uczą się zawodu, a narzędzia dla uczących się ustaw tak, by dawały wskazówki, a nie odpowiedzi. Zrób później · Nakład pracy: średni (tygodnie, kilka osób)
- Zachowaj zadania, na których uczą się początkujący Zanim zautomatyzujesz rutynową pracę, sprawdź, czy to na niej młodsi pracownicy uczą się zawodu. Jeśli tak, zostaw im jej część albo zapewnij naukę w inny sposób. Zrób później · Nakład pracy: średni (tygodnie, kilka osób)