Monideepa Tarafdar dari UMass Amherst membahas bagaimana keterlibatan AI pada tingkat kritis dapat meningkatkan akurasi dan menghasilkan pekerjaan yang lebih kuat.
Versi artikel ini awalnya diterbitkan oleh The Conversation (CC BY-ND 4.0)
Pekerja berpengetahuan seperti ilmuwan, guru, pengacara, dan pemimpin bisnis semakin banyak menggunakan kecerdasan buatan generatif aplikasi untuk tugas-tugas yang menuntut imajinasi, kreativitas, dan pemecahan masalah. Ironisnya, mungkin, penelitian terbaru menunjukkan bahwa orang yang berinteraksi dengan AI generatif untuk tugas pekerjaan bisa jadi tidak berpikir kritis. Mereka bisa menyerah kepada Jawaban AI yang cepat dan percaya diri, yang dapat menghasilkan solusi yang cepat namun berkualitas rendah.
Para ahli menyebut masalah yang semakin lazim ini sebagai pelepasan kognitif. Dan mereka menunjukkan bahwa hal itu bisa dilakukan mengikis keterampilan yang membuat pekerja berpengetahuan berharga.
Penelitian saya Namun, titik temu antara kecerdasan buatan dan kerja pengetahuan memberikan pandangan yang berbeda. Di dalam satu studisaya dan kolega saya mewawancarai 45 pekerja pengetahuan di sebuah universitas negeri AS. Mereka semua menggunakan aplikasi AI generatif dalam tugas inti mereka: menghasilkan ide-ide baru, memecahkan masalah kompleks, dan merancang solusi baru. Kami juga menganalisis perintah dan keluaran dari obrolan AI berulang mereka.
Kami menemukan bahwa ketika pekerja pengetahuan dengan sengaja menggunakan AI untuk menantang ide-ide mereka, untuk menimbulkan gesekan, mereka dapat meningkatkan kinerja mereka secara signifikan. Penelitian sebelumnya tentang kolaborasi manusia-AI untuk evaluasi pinjaman memiliki hasil yang serupa.
Cara menciptakan gesekan
Menggunakan AI untuk menemukan informasi yang bertentangan dengan informasi Anda dapat mengungkap perspektif yang tidak terduga yang mengganggu logika Anda dan memicu wawasan baru. Hal ini sangat penting karena model AI dengan cepat memahami cara pengguna menjalankan model dan menafsirkan keluarannya, serta modelnya menyajikan informasi menurut pola-pola ini.
Misalnya, seorang profesional pemasaran dalam penelitian kami meminta AI untuk menciptakan pelanggan virtual dengan persona yang akan membuat mereka tidak menyukai produk yang sedang dikembangkan, yaitu program sertifikat akuntansi. Umpan balik sebaliknya dari model AI mengungkapkan preferensi pelanggan yang tidak dipertimbangkan oleh profesional akuntansi yang merancang program, seperti menggunakan beberapa kasus dari industri berbeda untuk menggambarkan suatu prinsip, dibandingkan kasus dari industri yang sama.
Seorang pengacara menggunakan AI untuk menemukan celah hukum yang tidak jelas dan mempertimbangkan bagaimana perusahaan dapat mengeksploitasinya. Hal ini mengungkap skenario yang mengejutkan namun realistis mengenai perilaku tidak etis yang sulit dideteksi pada karyawan.
Menjelajahi ide-ide yang tidak terduga dan berlawanan yang disajikan oleh AI dapat membingungkan. Untuk membantu hal ini, pekerja pengetahuan harus mengandalkan keahlian mereka sendiri untuk mempertanyakan informasi mengejutkan yang mungkin diberikan oleh sistem AI.
Seorang ilmuwan riset operasi yang bekerja dengan rantai pasokan menggambarkan adaptasi program komputasi asing dari bidang lain yang disarankan oleh AI, seperti pemrosesan sinyal dan komunikasi nirkabel, yang membantunya menciptakan programnya sendiri yang lebih kuat. Meskipun program ini merupakan hal baru baginya, pemahamannya yang kuat tentang pemodelan jaringan pasokan membantunya melihat bagaimana ia dapat menerapkannya.
Sebuah penelitian yang tidak melibatkan saya menemukan bahwa penulis kreatif menghasilkan salinan yang lebih baik ketika mereka menulis menggunakan AI sebagai papan suara daripada menulis untuk orang lain.
Pekerja pengetahuan juga dapat menggunakan keluaran AI untuk mengkaji topik dari berbagai sudut pandang, sehingga memperdalam pengetahuan mereka.
Seorang peneliti dalam penelitian kami menyelidiki sistem AI untuk makalah jurnal yang menggunakan konsep yang dia gunakan, namun dalam pengaturan yang berbeda, yang membantunya memahami konsep dari sudut yang berbeda. Seorang pengacara menindaklanjuti kutipan hukum yang disarankan oleh model AI dengan menanyakan berbagai jenis kasus ilustratif. Hal ini membantunya memahami sepenuhnya kasus awal dan menulis laporan hukum yang kuat.
Membantu pekerja pengetahuan membantu diri mereka sendiri
Para pemimpin organisasi dapat mendorong pekerja pengetahuan untuk mengembangkan pertanyaan model AI yang menimbulkan gesekan.
Pendekatan langsung adalah dengan menggunakan petunjuk itu menantang daripada setuju dengan pemikiran seseorang. Masyarakat juga dapat memanfaatkan pengetahuan, pengalaman kerja, dan etika profesional mereka sendiri untuk meneliti keluaran AI. Kadang-kadang orang menyadari bahwa suatu tanggapan tidak memiliki orisinalitas, meskipun sebenarnya tanggapan tersebut benar.
Pemimpin organisasi juga dapat membuat program bagi pekerja berpengetahuan untuk berbagi pengalaman dan wawasan mereka. Sesi reguler, yang dipimpin oleh gugus tugas AI lintas fungsi atau pakar AI, juga dapat membantu pekerja pengetahuan mengikuti perkembangan alat AI yang berkembang pesat.
Menyediakan sumber daya bagi pekerja pengetahuan juga penting. Bootcamp dan lokakarya AI internal yang dipimpin oleh pakar AI atau pengguna berpengalaman dapat membantu pekerja memahami apa yang bisa dan tidak bisa dilakukan oleh alat AI.
Seorang profesor yang memimpin inisiatif penggunaan AI dalam pengajaran menjelaskan bagaimana dia mengembangkan kompetisi internal berhadiah bagi para profesor yang berhasil menyelesaikan kamp pelatihan AI. Organisasi juga dapat menawarkan Kotak pasir AIlingkungan yang aman dan pribadi tempat karyawan dapat bereksperimen dan mempelajari cara menggunakan alat AI.
Dalam upaya untuk mendukung pekerja pengetahuan ini, ada detail penting yang menunjukkan bahwa menambahkan gesekan dapat membuat sistem AI merugikan Anda, namun, seperti yang ditunjukkan oleh penelitian baru, hal ini justru membantu sistem tersebut menguntungkan Anda.
Oleh Monideepa Tarafdar
Monideepa Tarafdar adalah profesor sistem informasi di UMass Amherst. Dalam cakupan luas mengenai bagaimana teknologi dan sistem informasi berdampak pada individu dan organisasi, minat penelitian spesifiknya mencakup penyesuaian individu dan organisasi yang diperlukan untuk penggunaan TI yang efektif, penggunaan teknologi informasi yang maladaptif, inovasi bisnis dan strategi bisnis yang didukung teknologi, dampak teknologi dalam konteks sosial yang kurang berkembang secara ekonomi, dan dampak manajemen informasi dan penggunaan TI pada proses rantai pasokan produk dan layanan.