अंतर्दृष्टि
कार्यस्थल पर AI योगदान दंड
हाल ही में जिस विश्लेषक के बारे में मैंने पढ़ा, उसने एक समस्या पर एक साल बिताया। वह उस प्रक्रिया को चलाने वाले लोगों के साथ बैठी, उन शिकायतों को एकत्र किया जिन्हें किसी ने नहीं लिखा था, विकल्पों का मसौदा तैयार किया, यह जाना कि उनमें से कौन सा विकल्प आगे चलकर किसी चीज़ को तोड़ देगा, और अंततः अपने नियोक्ता के लिए बहुत मूल्यवान बदलाव लाया। उस वर्ष में कहीं उसने कुछ दिनों के मसौदे तैयार करने के लिए एक AI सहायक का उपयोग किया।
जब काम वरिष्ठ नेतृत्व के पास गया, तो उसके प्रबंधक ने उससे AI को सबसे आगे रखने के लिए कहा। बैठक में उसने उसके प्रस्तुतीकरण को यह कहते हुए बाधित किया कि यह काम टूल ने किया है।
मैं बार-बार उस पल पर लौटता हूँ, क्योंकि यह वास्तव में किसी बुरे प्रबंधक की कहानी नहीं है। यह एक ऐसे संगठन की कहानी है जिसने एक बार मशीन द्वारा उसके किसी भी हिस्से को छूने के बाद मानवीय योगदान को देखने की क्षमता खो दी थी। अब आश्चर्यजनक मात्रा में ऐसे प्रमाण मौजूद हैं कि यह त्रुटि व्यवस्थित है।
4,439 प्रतिभागियों के साथ चार पूर्व-पंजीकृत प्रयोगों में, शोधकर्ताओं ने पाया कि काम पर AI का उपयोग करने वाले लोग बिना इसके समान काम करने वाले लोगों की तुलना में अपनी दक्षता और प्रेरणा के बदतर मूल्यांकन की उम्मीद करते हैं और प्राप्त करते हैं। यह दंड काल्पनिक नहीं था। यह नौकरी के उम्मीदवारों के वास्तविक मूल्यांकनों में सामने आया।
3,846 प्रतिभागियों के साथ ग्यारह प्रयोगों के एक अलग कार्यक्रम में पाया गया कि मूल्यांकक AI-सहायता प्राप्त श्रमिकों को कम भुगतान करते हैं — कार्य प्रकारों, रोजगार स्थितियों, भुगतान प्रारूपों में, और तब भी जब आउटपुट गुणवत्ता को स्थिर या सांख्यिकीय रूप से नियंत्रित रखा गया था। इस तंत्र को सीधे मापा गया था: लोगों ने फैसला किया कि AI-सहायता प्राप्त श्रमिकों को कम श्रेय मिलना चाहिए, और उस निर्णय ने वेतन कटौती के लगभग साठ प्रतिशत हिस्से का हिसाब दिया। प्रकटीकरण पर तेरह अन्य प्रयोगों में, पर्यवेक्षकों, अधीनस्थों, प्रोफेसरों, विश्लेषकों और क्रिएटिव्स के बीच, अपने AI उपयोग की घोषणा करने वाले अभिनेताओं पर उन लोगों की तुलना में कम भरोसा किया गया जिन्होंने ऐसा नहीं किया था। इसका स्पष्टीकरण सटीकता नहीं बल्कि वैधता था: प्रकटीकरण ने काम को सामाजिक रूप से अनुचित के रूप में चिह्नित किया।
इन उपकरणों को अपनाएँ
इन सबको एक साथ मिलाने पर आपको एक ऐसा संगठन मिलता है जो चुपचाप दो असंगत निर्देश चला रहा है। इन उपकरणों को अपनाएँ। इन्हें इस्तेमाल करते हुए न देखा जाए।
ध्यान देने वाले किसी भी व्यक्ति के लिए तर्कसंगत प्रतिक्रिया छिपाव है। और छिपाव उन तरीकों से महंगा है जो कभी भी बैलेंस शीट पर दिखाई नहीं देते: कोई यह साझा नहीं करता कि क्या काम किया, कोई यह रिपोर्ट नहीं करता कि क्या विफल रहा, और संगठन की अपनी सबसे महत्वपूर्ण नई क्षमता के बारे में सामूहिक सीखने की प्रक्रिया पूरी तरह से निजी तौर पर होती है।
इसके पीछे की लेखांकन त्रुटि
मुझे जिस बात में अधिक रुचि है, वह इसके नीचे की लेखांकन त्रुटि है। हमने ऐसी मूल्यांकन प्रणालियाँ बनाई हैं जो आउटपुट को मापती हैं और उससे प्रयास का अनुमान लगाती हैं। जब आउटपुट तेजी से आता है, तो अनुमान लगाने वाली मशीनरी यह निष्कर्ष निकालती है कि कम योगदान दिया गया था। लेकिन विश्लेषक की कहानी में, उसने वास्तव में जो योगदान दिया, उसमें से निष्पादन संबंधी लगभग कुछ भी नहीं था। उसने एक साल का ध्यान योगदान दिया। उसने यह जानने का योगदान दिया कि किस हितधारक की आपत्ति वास्तविक थी और कौन सी प्रादेशिक थी, और कागज़ पर अच्छे दिखने वाले तीन विकल्पों को खारिज करने का निर्णय लिया। AI ने मसौदा तैयार किया। उसने निर्णय लिया।
एक मूल्यांकन प्रणाली जो उन दो चीजों के बीच अंतर नहीं कर सकती है, वह व्यवस्थित रूप से उस क्षमता को कम भुगतान करेगी जो दुर्लभ होती जा रही है।
इस साहित्य में एक आशाजनक निष्कर्ष
इस साहित्य में एक आशाजनक निष्कर्ष है। जब मनुष्य स्पष्ट रूप से शामिल रहता है — समीक्षा करना, अनुकूलन करना, संदर्भ देना, परिणाम की जिम्मेदारी लेना — तो दंड काफी कम हो जाता है। जो यह सुझाव देता है कि समस्या यह नहीं है कि लोग AI-सहायता प्राप्त कार्य को श्रेय देने से इनकार करते हैं। बात यह है कि AI-सहायता प्राप्त कार्य में एक व्यक्ति जो कुछ करता है उसका अधिकांश हिस्सा वर्तमान में अदृश्य है, और संगठनों ने इसे दृश्यमान बनाने का कोई तरीका नहीं बनाया है।
यह एक डिज़ाइन कार्य है, मूल्यों की समस्या नहीं है: विस्थापित घंटों के बजाय किए गए निर्णय के संदर्भ में योगदान का वर्णन करना। समीक्षाओं में यह पूछना कि व्यक्ति ने क्या उत्पादित किया, इसके बजाय उसने क्या तय किया। एक प्रबंधक यह बताने में सक्षम हो कि एक सहकर्मी ने विशेष रूप से क्या जोड़ा, और यदि वे ऐसा नहीं कर सकते हैं तो उन्हें शर्मिंदा होना चाहिए।
जो संगठन यह नाम नहीं दे सकता कि उसके लोग क्या योगदान देते हैं, वह अंततः इसके लिए भुगतान करना बंद कर देगा। दुर्भावना से नहीं। अंधेपन के कारण।