Efektywność pracy z AI – gdzie te korzyści?

Ten wpis NIE BĘDZIE kolejnym zapewnieniem, że AI przyspiesza pracę o setki procent, wyzwalając w nas dodatkowe pokłady produktywności. Owszem, sztuczna inteligencja zdecydowanie przyspiesza wykonywanie zadań, jednak czy efektywność pracy z AI faktycznie wzrasta? Czy rzeczywiście „dowozimy” więcej niż wcześniej?

Szybkość pracy ≠ efektywność pracy

Temat pracy wspieranej sztuczną inteligencją pojawia się niemal wszędzie.
Producenci narzędzi opartych na LLM i social media przekonują, że wykorzystanie AI w codziennych zadaniach pozwoli każdemu pracownikowi „robić więcej w krótszym czasie”.

Ale… efektywność pracy z AI to przecież coś więcej niż tylko szybkość. To wydajność, faktyczny rezultat pracownika, wypadkowa pomiędzy włożonym wysiłkiem, kosztem, a ilością, jakością i wartością otrzymanych wyników.

Aby mówić o wzroście efektywności pracy nie wystarczy, że pojedyncze zadanie zrobimy szybciej używając ChataGPT czy innego Copilota. Liczy się to, czy całościowy efekt jest lepszy i czy nie wiąże się z nadmiernymi – często ukrytymi – kosztami.

Kiedy AI zwiększa efektywność pracy?

Według badań MIT Sloan Management Review – ☞ Jak generatywna AI może podnieść produktywność wysoko wykwalifikowanych pracowników – generatywna AI może zwiększyć wydajność wysoko wykwalifikowanych pracowników nawet o 40%, ale tylko wtedy, gdy jest używana do określonego typu zadań.

W eksperymencie przeprowadzonym przez MIT badani konsultanci, którzy korzystali z AI do generowania draftów prezentacji, analiz i raportów, pracowali szybciej i lepiej oceniano jakość ich pracy.

Jednak ci, którzy próbowali wykorzystać AI do zadań wymagających eksperckiej oceny lub głębokiego kontekstu biznesowego (np. podejmowanie decyzji), osiągali wyniki gorsze od osób pracujących tradycyjnie – nawet o 25%.

MIT nazywa to zjawisko jagged frontier – poszarpaną granicą możliwości AI.
W pewnych obszarach (np. generowanie tekstu, streszczenia, pomysły) działa świetnie, w innych (jak podejmowanie decyzji na podstawie złożonych danych) – kompletnie zawodzi.
Zatem kluczowe dla efektywności pracy z AI jest rozumienie, kiedy AI warto użyć, a kiedy lepiej tego nie robić.

Technostres, czyli presja na dodatkową efektywność pracy z AI

Według Campus Technology ☞ Wzrosty produktywności pracy z AI są kosztowne, zwłaszcza dla sfery mentalnej pracowników.

Choć większość respondentów przyznaje, że AI pomaga im pracować szybciej, aż 77% czuje, że narzędzia te zwiększyły ich obciążenie pracą, a 47% nie wie, jak uzyskać oczekiwane efekty.

Autorzy badania nazywają to zjawisko technostresem – nową formą presji, która pojawia się, gdy narzędzia AI są wprowadzane z dużymi oczekiwaniami wzrostów efektywności pracy, ale bez wsparcia, edukacji i zmian w procesach.

Pracownicy często muszą „doganiać” technologię, uczyć się jej, testować, poprawiać błędy – i w efekcie spędzają więcej czasu na obsłudze AI niż na właściwej pracy. Ich efektywność spada, bo oszczędność sztucznej inteligencji uzyskana na pojedynczym zadaniu gubi się w całym procesie – AI komplikuje uzyskanie efektu, generując dodatkową warstwę pracy. Oraz niechęć pracowników do narzędzi AI (o czym pisałem tutaj ☞ Dlaczego Twoi pracownicy nie używają AI?).

Gray work – praca nieprzynosząca wartości

Z kolei raport Quickbase, opisany przez Fortune w artykule ☞ Pracownicy używają narzędzi AI, ale rozproszone oprogramowanie zabija uzysk produktywności, ujawnia, że firmy często tracą potencjalne korzyści z AI na skutek tzw. szarej pracy (gray work).

Gray work to wszystkie czynności, które nie tworzą wartości – klikanie między systemami, ręczne kopiowanie danych, nadzorowanie błędów integracji czy tłumaczenie wyników AI z jednego narzędzia na język drugiego.

Badanie pokazuje, że pracownicy biurowi spędzają nawet ok. 20% swojego czasu na „zarządzaniu” narzędziami AI i oprogramowaniem, które miało ich odciążyć.

Co robimy z zaoszczędzonym czasem?

Na koniec odrobina kontrowersji: co robimy z czasem zaoszczędzonym dzięki AI? Jeśli zadanie wykonujemy szybciej niż normalnie, ale zamiast przejść do kolejnego, zadowoleni z siebie idziemy do kuchni ugotować zupę, trudno mówić o wzroście efektywności pracy z AI. A z moich obserwacji tak to w wielu przypadkach wygląda.

Jesteśmy przyzwyczajeni do dostarczania pewnego wolumenu rezultatów, satysfakcjonującego dla pracodawcy, wyznaczającego granicę przyzwoitości. Czy tak naprawdę jako pracownikom zależy nam na przesuwaniu tej granicy? Niestety niekoniecznie.

A AI może przyspieszać pojedyncze zadania, lecz efektywność pracy z AI rośnie dopiero wtedy, gdy zaoszczędzony czas świadomie wykorzystujemy dalej. W przeciwnym razie wzrost produktywności to jedynie iluzja.