Dejiny sú posiate technológiami, na ktoré ľudstvo nebolo pripravené. Vynálezy, ktoré roky, niekedy stáročia, čakali ako kuriozity, kým sa z nich stal základ priemyselnej revolúcie. Transformačný dizajnér Roman Pii Wagner hovorí, prečo AI dnes stojí na rovnakom mieste, prečo sa predstavivosť dá cvičiť ako sval, a prečo tí, ktorí do umelej inteligencie dnes investujú najviac, z nej často majú minimum.
Ľudstvo už mnohokrát nebolo pripravené na technológiu, ktorá neskôr zmenila svet. Je AI ďalším takým prípadom?
Určite. Dejiny sú plné podobných príkladov. Technológia už existuje, len svet okolo nej ešte nie je pripravený premeniť ju na niečo hodnotné. Asi najznámejší je Hérón Alexandrijský, ktorý niekedy okolo prvého storočia nášho letopočtu opísal takzvanú Hérónovu guľu. Vo vnútri bola voda, pod ňou plameň, dve zahnuté dýzy vytláčali paru a guľa sa vďaka tomu roztočila. Bol to funkčný parný stroj. A ostal z neho na ďalších 17 storočí len salónny trik, kým prišla prvá parná priemyselná revolúcia.
Historici sa dodnes nezhodli, prečo to tak bolo. Chýbali tlakové nádoby, prevody, možno bola príčina aj v tom, že ľudská práca bola lacná. Pointa je vo všetkých verziách rovnaká: mať technológiu a mať infraštruktúru, ktorá z nej urobí hodnotu, sú dve úplne odlišné veci. AI dnes môže dopadnúť presne tak: ako fantastický nástroj, ktorý nikto poriadne nevie využiť, pokiaľ si okolo neho firmy nevybudujú vlastnú infraštruktúru.
Foto: Dorota Holubová/Forbes Slovensko
Kde, naopak, už tieto historické analógie s elektrinou, parným strojom či internetom neplatia?
V rýchlosti. Elektrická sieť, keď sa raz postavila, ostala v princípe rovnaká na desaťročia. Pri AI sa menia samotné „rozvody“ každých pár mesiacov. Mám rád jednu historku, ktorá to dobre ilustruje. Einsteinov asistent mu vyčítal, že dal tomu istému ročníku študentov tie isté otázky ako minulý rok a Einstein mu na to povedal: „Áno, lebo odpovede sa zmenili.“ Presne to sa dnes deje vo firmách. Otázka, ktorú ste pred rokom zamietli ako nemožnú, môže byť dnes úplne reálna len preto, že sa to možné zmenilo.
Mať technológiu a mať infraštruktúru, ktorá z nej urobí hodnotu, sú dve úplne odlišné veci.
Hovoríte o chýbajúcej infraštruktúre. Ako presne to vo firme vyzerá?
Predstavte si, že máte byt bez jediného elektrického spotrebiča a ja vám tam privediem elektrinu. Poviete: a čo s tým mám robiť? A ja vám poviem, že môžete napríklad vysávať, svietiť si alebo umývať riad. A vy chytíte dva káble, strčíte do lavóra, čakáte pol hodinu, špina z riadu neopadáva. Samotná elektrina vám nepomôže.
Musíte vymyslieť (vy alebo niekto pred vami) spotrebič, ktorý sa volá umývačka, kde voda cirkuluje pod tlakom a pri teplote, pri ktorej by ste si ruky spálili, ale ona môže, lebo je zavretá. Model AI je len elektrina v kábli, tú dnes dodáva trh. Ale to, čo s ňou vo svojej firme postavíte, si musíte vymyslieť sami.
Takže “vyhrá” ten, kto umývačku vymyslí prvý.
Kto prvý vymyslí „umývačku“ pre svoje odvetvie, nevymyslel ju len pre seba. Už sa totiž nemusí živiť tým, že bude umývať riad, ale tým, že bude predávať umývačky. Rozumieť preto svojmu odvetviu a poznať problémy, ktoré má, sa práve stáva najväčším aktívom.
Foto: Dorota Holubová/Forbes Slovensko
Kam by teda mali firmy pri AI smerovať peniaze? Do stavania vlastných riešení?
Nie. Presne opačne, ako to väčšina robí. Jedna z najväčších a najprestížnejších konzultačných firiem na svete BCG má na to pravidlo 70-20-10. Len 10 percent investície by malo ísť do algoritmov a nástrojov, 20 percent do technológií a až 70 percent majú byť ľudia a procesy a zmena mindsetu. Z milióna eur investovaných do AI má 700-tisíc ísť do toho, ako ľudia vykonávajú prácu a nie do serverov a licencií.
A nie je to len tvrdenie jednej firmy. Microsoft k tomu prišiel úplne inou metodikou a vyšlo mu to isté. Keď manažér vytvorí bezpečné prostredie na experimentovanie, ľudia majú až o 20 bodov vyššiu pripravenosť na AI a 1,4-krát vyššiu pravdepodobnosť, že agentickú AI budú reálne používať. To sú dve nezávislé merania, ktoré hovoria jednu vec: tri štvrtiny problému nie sú v technológii. A práve tie tri štvrtiny dnešný trh školení a IT implementácie neobsluhuje.
Keď školíte firmy a rozprávate sa s manažérmi, čo je pre nich pri transformácii najväčšou výzvou?
Paradoxne to najťažšie je vybrať si. Keď majiteľ začne s AI pracovať, zistí, že môže byť rovnako dobrý v čomkoľvek, keď tomu venuje čo i len pár mesiacov, a to mu pozornosť roztrhá na milión smerov. Preto je prvým krokom vždy nájsť si svoje jadro, svoj cieľ.
Ako sa hovorí: Daj mi jeden pevný bod a ja okolo neho viem otočiť celým vesmírom. V spleti tisícov variantov potrebujete jeden bod zapichnúť a povedať si: dobre, toto je teraz istota, a okolo nej sa dá omnoho ľahšie riešiť čokoľvek ďalšie.
Ako sa taký pevný bod hľadá v praxi?
Nástrojom je myslenie z prvých princípov. Rozobrať problém až na jadro a spýtať sa, prečo to vlastne tak je, čo je vlastne ten prvotný problém. Elon Musk to použil pri raketách: zistil, že samotné materiály tvoria len tri percentá predajnej ceny rakety, z čoho vyplynulo, že problémom nie je cena letu, ale opakovateľnosť.
Podobné, hoci menej dramatické nánosy má každá firma, robíme to takto, lebo to tak robil predchodca a nemáme dostatočnú predstavivosť vidieť úplne iné riešenie. Väčšina obmedzení, ktoré firmy považujú za technické, sú v skutočnosti len rozhodnutia, ktoré urobil niekto iný veľmi dávno, z iného dôvodu, keď nemal možnosti, aké máme my.
Foto: Dorota Holubová/Forbes Slovensko
Vie sa človek takémuto mysleniu naučiť?
Určite áno. Jednak je to tréning predstavivosti, ale tiež vzdelávanie sa a ochota meniť zabehané vzorce myslenia. Aj preto sme vytvorili program Mastermind, kde sa na pol roka stanem kolegom a mentorom lídrov a zakladateľov firiem. Nie sú to školenia, je to zmena mindsetu, ktorá ich oslobodí od starých predsudkov a obmedzení a otvorí im nové obzory v oblasti AI, biznisu a blízkej budúcnosti, ktorú táto kombinácia prinesie.
Keď stroj zvládne takmer všetko, čo zostane v biznise človeku?
Ja to vysvetľujem tak, že AI je mozog firmy a ľudia sú jej vedomie. Mozog spracúva, vyhodnocuje, vyvodzuje. Vedomie prináša do tých istých informácií iný pohľad a hlavne zodpovednosť. A jediný spôsob, ako môže človek prevziať zodpovednosť za niečo, čo urobil stroj, je, že tej časti práce naozaj rozumie. Rozumieť vlastnej práci sa tak stáva ešte dôležitejším.
Presne to potvrdila aj štúdia Anthropicu, ktorá sledovala vývojárov pracujúcich s AI asistenciou. Tí, ktorí sa nepýtali a nežiadali vysvetlenia, si postupne odovzdávali myslenie stroja, a boli v následnom teste výrazne slabší než tí bez AI.
Zodpovednosť teda bude kľúčová.
Áno. Čítal som článok o troch turistoch, ktorí si výstup na horu Mount Shasta naplánovali podľa odporúčania AI modelu. Ten im vyrátal, aby si zobrali výrazne menej jedla a vody, než mali. Napokon ich museli zachraňovať.
To je presne tá zodpovednosť, o ktorej hovorím. Byť si vedomý situácie a vedieť odhadnúť, kde sa model môže mýliť a vyhodnocovať výsledky vlastným vedomím. To je dnes najbližšia definícia kritického myslenia, akú poznám.
