Umělá inteligence mění dovednosti: Jak se inspirovat leteckými simulátory pro rozvoj kritického myšlení

Před zhruba 2 400 lety varoval Sokrates před nebezpečnou novou technologií, která by mohla oslabit lidskou mysl. V Platónově dialogu Faidros vypráví příběh egyptského boha Theutha, který králi představuje písmo jako dar, jenž lidi učiní moudřejšími.

Před zhruba 2 400 lety varoval Sokrates před nebezpečnou novou technologií, která by mohla oslabit lidskou mysl. V Platónově dialogu Faidros vypráví příběh egyptského boha Theutha, který králi představuje písmo jako dar, jenž lidi učiní moudřejšími. Král však nesouhlasí a tvrdí, že písmo bude mít opačný účinek: lidé přestanou cvičit paměť, protože budou důvěřovat záznamům na papíře. Budou mít zdání moudrosti, aniž by byli skutečně moudří. Měl pravdu. Ohromná ústní paměť starověkého světa skutečně ochabla, jakmile bylo možné znalosti zaznamenávat a vyhledávat. Dovednost, která se nepoužívá, atrofuje.

Podobná debata se nyní vede o umělé inteligenci. Nedávná studie Boston Consulting Group (BCG) mezi 70 vrcholovými manažery zjistila, že myšlenkové dovednosti, které lídři nejvíce oceňují – včetně úsudku, formulování problémů a originální analýzy – se nejrychleji vytrácejí, jakmile AI proniká do každodenní práce. Tento jev nazývají „distribuované snižování dovedností“ (distributed de-skilling). Polovina dotázaných lídrů již tento trend pozoruje. To představuje kritickou ztrátu organizačních schopností, neboť pracovní postupy mohou být absorbovány do AI-informovaného systému, jehož fungování nikdo plně nerozumí, což činí organizaci zranitelnou vůči neočekávaným šokům.

Mnohá navrhovaná řešení, jako jsou „AI-free pátky“ nebo povinné lidské schvalování, neřeší skutečný problém, kterým je ztráta vazby mezi učněm a mentorem. V minulosti, když se objevilo písmo, lidé navrhli systémy, které využily jeho sílu. Vznikly školy, univerzity a knihovny pro organizaci znalostí. Vynalezli jsme citace, recenzní řízení a vědeckou metodu. Tyto inovace proměnily „apokalypsu dovedností“ ve vědeckou revoluci. Ekonomická výzkumnice Carlota Perez poznamenává, že každá velká technologická revoluce se odehrává ve dvou fázích: instalační, kdy technologie rychle postupuje a staré instituce se hroutí, a poté fáze nasazení, kdy společnost přetváří své instituce tak, aby odpovídaly potenciálu technologie. Současné snižování dovedností je jasným znakem instalační fáze.

Výzkumník Matt Beane, který se intenzivně zabýval tím, jak inteligentní stroje narušují dovednosti, zjistil, že cenné dovednosti se rozvíjejí ze tří základních prvků: výzvy (práce na hranici schopností), komplexnosti (vidění celého systému, nikoli jen úkolu) a propojení (důvěra mezi znalým a učícím se). Všechny tyto prvky jsou neseny vazbou mezi expertem a nováčkem. Inteligentní stroje se však vkládají mezi nováčka a experta, čímž narušují tuto vazbu. Příkladem je robotická chirurgie, kde starší chirurg může provést celou operaci sám, zatímco rezident, který dříve asistoval, nyní pouze sleduje obrazovku. Stroj nenahradil chirurga, ale učně. AI dělá totéž s duševní prací, automatizuje spodní příčky učení a odstraňuje vztahy, které jimi procházely.

Podobnou situaci již zažilo letectví. V roce 1997 kapitán American Airlines Warren Vanderburgh varoval před riziky automatizace kokpitu. Piloti, kteří byli příliš závislí na automatizaci, ztráceli základní dovednosti ručního řízení a úsudek. Analýza ukázala, že 68 % nehod bylo způsobeno špatným řízením automatizace. Příkladem je havárie letu Air France 447 v roce 2009, kdy posádka nedokázala diagnostikovat základní pád letadla, protože byla příliš zvyklá na autopilota. Automatizace neodstranila chyby, ale soustředila je do vzácných, vysoce rizikových okamžiků.

Odpovědí letectví nebylo zakázat autopilota, ale zavést letové simulátory a vyžadovat průběžný výcvik. Simulátor je inovace, která řeší Beaneho problém přímo. Poskytuje výzvy na vyžádání (např. selhání motoru bez rizika), komplexnost (reprezentuje celý systém a nouzové situace) a propojení (instruktor sedí vedle, vkládá selhání a vede následný rozbor). Opakovaná praxe buduje dovednosti, vztah je přeměňuje v úsudek.

Organizace by měly tento nápad převzít a vybudovat „simulátory“, které vrátí nováčkům kontrolu. Oddělte formativní opakování od živé produkce, aby se junioři mohli produktivně potýkat s obtížnými, vzácnými a důslednými problémy v prostředí, kde je cílem selhávat, učit se a získávat zpětnou vazbu. Samotná AI, která narušuje dovednosti, je mimořádně schopná takové simulátory vytvářet. Může generovat realistické scénáře, vkládat neočekávané situace a hrát role náročného klienta nebo skeptické rady. Tím se motor snižování dovedností může proměnit v motor budování dovedností. AI buduje arénu, člověk „létá“ a expert vede rozbor. Pokud je tento rozbor obousměrný, vzniká „obrácené učení“, kde junioři, kteří rychleji ovládají nové nástroje, učí technologii směrem nahoru, zatímco senioři učí úsudek směrem dolů. Spodní příčka učení se tak znovu buduje a umožňuje obousměrný tok znalostí.

Nemusíme ani začínat od nuly. Beaneho výzkum naznačuje, že v téměř každém pracovišti optimalizovaném pro produktivitu již zhruba jeden z deseti lidí buduje skutečné dovednosti tím, že tiše ohýbá procesy. Může to být rezident, který si najde neschválené způsoby praxe, nebo analytik, který ručně přestaví model, aby zjistil, co nástroj skrýval. Tyto „stínové studenty“ je třeba najít, protože si často již vytvořili soukromý simulátor navzdory stávajícím metrikám. Písmo nás neudělalo hloupějšími, ale donutilo nás přebudovat způsob, jakým jedna generace předává schopnosti další. Automatizace kokpitu donutila letectví udělat totéž. AI nás nyní nutí k podobnému zúčtování. Dobrou zprávou je, že praktická řešení již byla vynalezena; stačí je přizpůsobit našim specifickým okolnostem.