Ljudbokssammanfattning av StoryShots
Samma verktyg, samma svarssession, lysande på en uppgift och tvärsäkert fel på nästa.
Tänk dig ett verktyg som hittar på falska källhänvisningar med total övertygelse, och som samtidigt hjälper konsulter att prestera bättre än sina kollegor på kreativa uppgifter.
Den motsägelsen är utgångspunkten för Co-Intelligence, Att leva och arbeta med AI, skrivet av Wharton-professorn Ethan Mollick.
Generativ AI är inte en bättre räknedosa.
Det är något vi aldrig har byggt förut.
De flesta öppnar ChatGPT och förväntar sig att det ska bete sig som Excel.
Rätt formel in, rätt svar ut, varje gång.
Den förväntningen kraschar direkt.
Generativ AI förutspår nästa ord baserat på sannolikhet, inte lagrade fakta.
Ställ samma fråga två gånger och du kan få två olika svar, ett briljant och ett hittat på, levererade med exakt samma säkerhet i tonen.
Varje gång du behandlar ett AI-svar som ett faktum istället för ett utkast spelar du hasardspel med ett system som aldrig var byggt för att skilja de två åt.
Att förstå detta förändrar hur du använder verktygen varje dag.
Men det väcker också frågan om var deras förmåga faktiskt tar slut.
Be en AI skriva en sonett och den levererar något genuint gripande.
Be den räkna orden i samma sonett och den räknar fel.
Det här är den ojämna frontlinjen, en osynlig, ständigt föränderlig gräns där maskinen är övermänsklig på en uppgift och hjälplös på nästa.
Det finns ingen manual för var den gränsen går i just ditt jobb.
Det enda sättet att hitta kanten är att pröva den själv, med dina egna arbetsuppgifter.
Frontlinjen bryr sig inte om din titel.
Den bryr sig bara om uppgiften framför dig just nu.
Den instabiliteten är precis vad nästa idé börjar reda ut.
I en studie från Boston Consulting Group förbättrade inte konsulter som använde GPT-4 bara sina resultat.
Många presterade på en nivå som slog de flesta av sina kollegor, på uppgifter som låg mitt inne i frontlinjen.
Utanför den presterade samma konsulter, med samma verktyg, sämre än de som ignorerade det helt.
Lösningen är varken att lita mer eller mindre på AI.
Expertis och AI förstärker varandra.
De som redan kunde sitt område såg ett felaktigt svar direkt och styrde undan.
De utan den expertisen kunde inte skilja briljans från fabricering, och AI:n serverade dem glatt bådadera.
Ämneskunskap blev plötsligt den bästa försäkringen mot en maskin som ljuger med total övertygelse.
Det lämnar en större fråga den här sammanfattningen inte kan besvara helt: vad händer med organisationer byggda kring mänskliga hierarkier den dagen den smartaste rösten i rummet råkar vara mjukvara.
Om det här förändrade hur du tänker kring att använda AI på jobbet, skulle någon i ditt team förmodligen ha stor nytta av att höra det också.
Den här sammanfattningen av Co-Intelligence knyter ihop AI:s oförutsägbara, människolika beteende, den föränderliga frontlinjen som avgör var den hjälper och var den sviker, samt insikten att expertis, inte teknikvana, avgör vem som faktiskt vinner på att använda den.
Hela boken går längre, in i fyra regler för att arbeta med AI dagligen, skillnaden mellan centaur- och cyborg-samarbete, och fyra konkurrerande scenarier för vart tekniken tar arbete och samhälle härnäst.
Den reder också ut anpassningsproblemet, varför AI kanske inte alls delar mänsklig etik, med exempel från Ethan Mollicks egna klassrum och konsultforskning.
För den fullständiga sammanfattningen av Co-Intelligence, med tillhörande infografik och animerad videogenomgång, hittar du allt i StoryShots-appen.