Zašto umjetna inteligencija ne može zamijeniti domensko znanje
Alati postaju napredniji, ali bez stručnog znanja oni samo brže stvaraju prosječnost.
Danas se u tehnološkim krugovima i poslovnom svijetu često može čuti kako napredna umjetna inteligencija potpuno demokratizira pristup složenim vještinama. Agresivni marketing velikih kompanija svakodnevno nas uvjerava da svatko može postati vrhunski programer, iskusni pravnik ili kreativni dizajner jednostavnim unosom nekoliko redaka teksta u aplikaciju. Prema toj viziji, više vam apsolutno ne trebaju godine učenja i prakse u specifičnoj industriji. Dovoljno je postaviti pravo pitanje modelu. No, ova priča potpuno zanemaruje jednu ključnu komponentu svakog poslovnog uspjeha, a to je duboko domensko znanje. Bez istinskog razumijevanja konteksta i specifičnosti pojedine industrije, tehnologija postaje samo snažno pojačalo prosječnosti koje pada na testu stvarne primjene u praksi.
Prevladavajuća priča
Glavni narativ današnje industrije čvrsto se oslanja na ideju da veliki jezični modeli u svojoj srži posjeduju univerzalno znanje koje briše granice između vrhunskih stručnjaka i početnika. Prema toj priči, tradicionalno stručno obrazovanje, višegodišnje mentorstvo i desetljeća rada postaju zastarjeli koncepti. Današnji sustav navodno može samostalno napisati složeni kod, sastaviti pravni ugovor ili analizirati podatke u svega nekoliko sekundi, isporučujući rezultate koji su jednaki ili čak bolji od onih koje bi pružio čovjek s iskustvom.
Ovakav površan pogled stvara opasnu iluziju da je stručno znanje postalo obična roba široke potrošnje koja se može kupiti mjesečnom pretplatom. Mnoge tvrtke sada naivno vjeruju da mogu drastično smanjiti troškove angažiranjem manje iskusnih zaposlenika, očekujući da će oni uz pomoć pametnih alata ostvarivati rezultate na razini seniora. Fokus se prebacuje s razvoja vještina na puku brzinu usvajanja novih aplikacija. Prevladava mišljenje da je sposobnost inženjeringa promptova jedina vještina koja će nam trebati, dok će algoritmi odraditi sav intelektualni posao.
Zašto je ta priča pogrešna ili nepotpuna
Problem s ovakvim razmišljanjem leži u potpunom nerazumijevanju razlike između pukih informacija i pravog primjenjivog znanja. Modeli su izvrsni u brzom prepoznavanju jezičnih uzoraka i recikliranju podataka na kojima su trenirani, ali oni nemaju kontakt sa stvarnim svijetom, niti razumiju ljudsku psihologiju ili poslovnu dinamiku. Oni ne mogu pouzdano procijeniti suptilne nijanse koje čine presudnu razliku između dobrog i katastrofalnog rješenja u složenom poslovnom okruženju.
Kada alat za generiranje koda napiše funkciju, on ne zna kako će se taj kod ponašati u produkciji s milijun korisnika na nestabilnom internetu. Kada sustav sastavlja financijski izvještaj, on ne razumije širi makroekonomski kontekst ili specifičnu kulturu tvrtke. Domensko znanje nije samo skup statičnih informacija iz baze podataka. To je sposobnost prepoznavanja onoga što alat uopće nije spomenuo, uočavanja pogrešnih početnih pretpostavki i dubokog razumijevanja procesa.
Iskusni stručnjak koristi novu tehnologiju kako bi ubrzao rutinske zadatke, dok njegovo glavno oružje i dalje ostaje kritička sposobnost prosudbe. On instinktivno zna kada treba ignorirati savjet sustava jer se kosi s praksama industrije ili zahtjevima klijenta. S druge strane, osoba bez domenskog znanja ne može prepoznati grešku u rezultatu dok ne postane prekasno. Takvi korisnici često stvaraju nove slojeve tehničkog duga, slijepo se oslanjajući na rješenja koja na ekranu zvuče uvjerljivo, ali su potpuno pogrešna za dani kontekst.
Posljedice u stvarnom svijetu
Ako nastavimo nekritički vjerovati da tehnologija može u potpunosti zamijeniti ljudsku stručnost, suočit ćemo se s vrlo ozbiljnim posljedicama u kvaliteti proizvoda i sigurnosti sustava. Tvrtke koje brzopleto zamijene iskusne stručnjake jeftinijim radnicima naoružanim alatima u početku će prijaviti kratkoročne financijske uštede. Međutim, kako vrijeme bude prolazilo, počet će se rapidno gomilati skriveni troškovi održavanja takvih sustava. Softverski projekti postat će krhki, rokovi će se stalno probijati zbog teško rješivih arhitektonskih problema, a prave inovacije će potpuno usporiti jer generativni modeli ne mogu stvoriti nešto što već nije viđeno.
Pravi pobjednici u ovoj tranziciji neće biti organizacije koje slijepo vjeruju izlaznim podacima alata, već oni rijetki koji posjeduju iznimno duboko znanje o svojoj industriji i pametno koriste tehnologiju isključivo kao snažnu polugu za skaliranje svoje postojeće stručnosti. Za njih, ovi alati predstavljaju nevjerojatnu priliku za eliminaciju dosadnih zadataka iz svakodnevice. Gubiti će sve tvrtke koje naivno pokušavaju automatizirati procesuiranje neznanja nadajući se da mogu pretvoriti nedostatak iskustva u kompetenciju. Iskusni stručnjaci postat će dugoročno još traženiji i cjenjeniji jer će oni biti jedini sposobni ispravljati skupe greške koje nastaju kada se sustavi koriste bez pravog razumijevanja problema.
Završni stav
Umjetna inteligencija nije čarobni štapić koji jednim potezom briše potrebu za godinama iskustva, već iznimno moćan alat koji isključivo pojačava ono što vi kao profesionalac već znate. Ako imate duboko domensko znanje, nova tehnologija će vas učiniti iznimno produktivnima. Ako s druge strane nemate potrebno znanje, isti taj alat će vam samo omogućiti da znatno brže i s puno više lažnog samopouzdanja donosite potpuno pogrešne odluke. Zato prava vrijednost na tržištu rada u budućnosti neće ležati u površnom poznavanju novih sučelja, već prvenstveno u dubokom razumijevanju suštinskih problema koje ti alati pokušavaju riješiti.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
