Tech-professor: “Leer werknemers: AI is géén magie, maar gewoon technologie om mee te werken”

Door: Enrique Dans

Bedrijven ontdekken tegenwoordig dat hun werknemers productiever zijn als ze AI-assistenten gebruiken in hun dagelijkse werk. Volgens Accenture kan 40% van alle werktijd worden beïnvloed door grote taalmodellen (zoals ChatGPT) “omdat taaltaken 62% uitmaken van de totale tijd dat werknemers werken, en 65% van die tijd kan worden omgezet in productievere activiteiten door middel van augmentatie en automatisering.”

Wat managers en professionals moeten zien is dat big tech ons wil laten geloven dat AI zeer complexe duistere kunst is

Bovendien ontdekten onderzoekers van OpenAI, samen met Daniel Rock van de Wharton School, dat “met toegang tot een LLM, ongeveer 15% van alle werktaken in de VS aanzienlijk sneller kunnen worden voltooid met hetzelfde kwaliteitsniveau.”

Een dergelijke productiviteit is natuurlijk meestal een concurrentievoordeel in het bedrijfsleven. Bovendien heeft het grote sociaaleconomische gevolgen. Weinig analisten trekken het belang in twijfel van een personeelsbestand dat is opgeleid en in staat is om het maximale uit LLM’s te halen. Het probleem dat niemand precies lijkt te weten wat dat inhoud of hoe je dat moet doen.

AI in het bedrijfsleven vandaag

Op dit moment wordt AI vooral gebruikt in het bedrijfsleven in de vorm van generatieve assistenten die helpen bij het uitvoeren van administratieve taken, van het schrijven van een algemene e-mail of formulierbrief tot het maken van een presentatie of het samenstellen van een spreadsheet.

Deze mogelijkheden zijn afkomstig van bijvoorbeeld Microsofts Copilot en Google’s Gemini. Hoewel dit nuttig is, is de realiteit dat deze technologie en wat het doet voor werknemers nauwelijks geavanceerder is dan de “kantoorautomatiseringsklassen” van een paar decennia geleden.

Zo denken veel bedrijven ten onrechte dat ze hun werknemers on-the-job training geven in het gebruik van AI, terwijl ze hen eigenlijk alleen maar bijscholen met min of meer veredelde versies van prompt engineering.

Beperkingen van huidige AI-training

Hoewel prompt engineering voor iemand zonder ervaring in AI-leren inderdaad magie of raketwetenschap lijkt, is het dat niet. Prompt engineering zal binnenkort overbodig zijn. Zoals Rick Battle en Teja Gollapudi van VMware aangeven, kunnen algoritmes het beste zelf prompts ontwikkelen en optimaliseren.

Daarom is het essentieel om een AI-trainingsprogramma te ontwerpen dat verder gaat dan oppervlakkige kennis

Wat managers en professionals moeten inzien is dat big tech ons wil laten geloven dat AI zeer complexe duistere kunst is, die het beste bij hen gekocht kan worden. In werkelijkheid zijn de toetredingsdrempels voor AI veel lager zijn dan big tech ons wil doen geloven.

Het concurrentievermogen van je bedrijf ligt niet in het zo goed mogelijk gebruik kunnen maken van diensten van Microsoft of Google, maar in het creëren en ontwikkelen van eigen algoritmen, die worden getraind met bedrijfseigen data die door de core business worden gegenereerd. Laat u niet op het verkeerde been zetten.

Het belang van grondige AI-kennis

Daarom is het essentieel om een AI-trainingsprogramma te ontwerpen dat verder gaat dan oppervlakkige kennis. De training moet erop gericht zijn werknemers te helpen onderscheid te maken tussen de werkelijke mogelijkheden van AI en de “magische” percepties die vaak met de technologie worden geassocieerd.

Door een duidelijk inzicht te geven in de mogelijkheden en beperkingen van AI, kunnen leiders het personeel in staat stellen weloverwogen beslissingen te nemen, hun productiviteit op een zinvolle manier te verhogen en innovatie binnen het bedrijf te stimuleren.

Om dit te bereiken moet de training beginnen met basisconcepten en ontwikkelingen op het gebied van machine learning – gepresenteerd op een manier die geen uitgebreide programmeerkennis vereist.

De basis van AI begrijpen

Met deze aanpak kunnen werknemers de fundamentele principes achter algoritmen begrijpen, leren hoe ze het belang van gegevens kunnen visualiseren en de basisbeginselen van statistiek leren, of op zijn minst opfrissen wat ze op school of universiteit hebben geleerd. Van daaruit kan de opleiding evolueren van machine learning naar generatieve algoritmen, een kwestie van de mogelijkheden van LLM’s begrijpen.

Het zou ook moeten gaan over de rol van dimensie in AI, dat wil zeggen hoe je de verschillende parameters en structuren binnen AI-systemen optimaliseert om er de beste prestaties uit te halen (want hoewel hun capaciteiten ons inderdaad indrukwekkend lijken, zouden hun prestaties eigenlijk veel beter kunnen zijn).

Deze kennis zal werknemers helpen om de fijne kneepjes van AI te begrijpen, inclusief de beperkingen en de kans op fouten

Door deze concepten te begrijpen, zullen werknemers beter in staat zijn om AI-toepassingen te conceptualiseren en te begrijpen wat realistisch is om te vragen en wat niet, en zullen ze bijvoorbeeld in staat zijn om producten of diensten te herontwerpen met meer concurrerende kenmerken.

De training van werknemers moet zich ook richten op de verschillen tussen verschillende AI-ontwikkelingsbenaderingen, bijvoorbeeld RAG, LoRA, thin wrappers en de volledige ontwikkeling van een model. Deze kennis zal werknemers helpen om de fijne kneepjes van AI te begrijpen, inclusief de beperkingen en de kans op fouten, en methoden om de prestaties te verbeteren.

Dit kan in eerste instantie intimiderend lijken voor sommige werknemers, maar helpt ze verder te kijken dan eenvoudige prompt engineering en zich te richten op de fundamentele principes van de technologie. Daarmee kunnen organisaties een personeelsbestand ontwikkelen met de vaardigheden om zich aan te passen en te gedijen in een werkomgeving die wordt aangedreven door AI.

Geen magie, maar technologie

Nogmaals, tijdens het hele trainingsproces is het cruciaal om te benadrukken dat AI geen magie is, maar eerder een technologie die moet worden begrepen en vervolgens toegepast. Daarom is die eerste stap van demystificatie zo belangrijk. Stel werknemers in staat om meer te weten te komen over de technologie die ze gebruiken en stimuleer een cultuur van innovatie door ze de tools te geven die ze nodig hebben om weloverwogen beslissingen te nemen.

Ook – en dit zal misschien moeilijk zijn voor sommige organisaties – laat werknemers en teams fouten maken tijdens hun reis om te leren hoe ze AI effectief kunnen gebruiken. Dit betekent dat je werknemers moet trainen om meer te zijn dan prompt schrijvende machines.

Leiderschap speelt een cruciale rol bij het stimuleren van AI-adoptie en -training binnen een organisatie. Steun en buy-in van het executive management is dus belangrijk bij het trainen van het personeel om AI op de juiste manier te gebruiken. Er moeten middelen worden toegewezen – voor de technologie en voor de training – en prioriteiten worden gesteld.

Voortdurende AI-revolutie

Bovendien moeten leidinggevenden de daad bij het woord voegen en zelf actief aan de slag gaan met AI-leren. Door te laten zien dat ook zij de tijd nemen om te leren hoe ze deze technologie kunnen gebruiken, wordt de toon gezet voor de hele organisatie.

De voortdurende AI-revolutie is een perfecte illustratie van de derde wet van Arthur C. Clarke: “Elke voldoende geavanceerde technologie is niet te onderscheiden van magie.” Het is de taak van leiders in alle sectoren om werknemers te helpen geen magie meer te zien waar alleen technologie is, zodat ze begrijpen hoe het werkt en wat ze ervan kunnen verwachten.

Bron: dit artikel is een bewerking van ‘Showing Workers What’s Behind the Curtain of AI’ dat eerder verscheen op de website van IE University