Der er en mærkelig reaktion som jeg af og til oplever, når talen falder på generative AI værktøjer som ChatGPT og Midjourney. Det er som om, at mange vidensarbejdere slet ikke har lyst til at kigge på denne teknologi, som vi frygter, vil efterlade os med håret i postkassen. Som en automatisk besværgelse, vælter det ud: “Det kommer aldrig til at kunne erstatte et menneskes kreativitet/kodeevner/whatever.”
Som futurist er jeg overordnet af den tro, at computerne vil kunne løse alle slags opgaver i fremtiden. Hvorfor så hurtige med at udelukke at computere kan være mere kreative end os?
Iøvrigt, ChatGPT… hvad er en Futurist?
🤖: “En futurist er en person, der beskæftiger sig med at forudsige og undersøge fremtidige tendenser og udviklinger inden for samfund, teknologi, økonomi, kultur og andre områder. Futurister bruger ofte forskellige metoder og tilgange til at analysere data og prognoser for at give indsigt i, hvordan verden vil udvikle sig i fremtiden. Futurister kan arbejde inden for forskellige felter som rådgivning, politik, teknologi eller uddannelse.”
Det var da et meget godt svar – selvom man også kunne have valgt at tro, at jeg var eksponent for den italienske kunstretning Futurisme. Men nu er jeg selvfølgelig hverken italiener eller fra 1900’nullerne.
Bliv et menneske-maskine team
Hvis man gerne vil undgå at stå med håret i postkassen vil jeg istedet anbefale, at kigge lidt på, hvordan mennesker tidligere har arbejdet effektivt sammen med computere for at nå større resultater.
Efter Garry Kasparov den 11. maj 1997 tabte til IBMs Deep Blue lancerede han kort efter i 1998 turneringsformatet “Advanced Chess.” I Advanced Chess kunne computere og menesker stille som hold og arbejde sammen om at finde de bedste træk. Computerne bidrog med rå beregningskraft. Menneskene vurderede de forslag som computeren skabte. Sådanne hold kaldte man for kentaur-hold, efter det mytiske væsen som er halvt hest og halvt menneske.
I lang tid var kentaur-holdene den stærkeste måde at spille skak på, indtil computerne blev endnu kraftigere. Men det interessante var, at de menneskelige skakspillere på kentaur-holdene ikke behøvede at være overmenneskelige stormestre, men kunne begå sig, selv hvis de blot var meget stærke klubspillere.
Virker det så?
Der er tegn på, at det kentaur-samarbejde også er vejen frem for professionel brug af generativ AI.
Jakob Nielsen skrev et fremragende blogindlæg den 2/4 der beskrev et forsøg, hvor 444 vidensarbejdere blev sat til at skrive med og uden ChatGPT. Resultaterne af deres arbejde blev vurderet af uvildige fageksperter. De vidste ikke, hvem der havde skrevet hvad.
Konklusionen var klar. De medarbejdere som havde arbejdet med chat-gpt i deres proces leverede hurtigere og bedre tekster. De oplevede en 59% produktivitetsforøgelse.
Særligt interessant er det, at der syntes at være en udlignende effekt i den gruppe, der fik AI-hjælp. Flere blev i stand til at levere på et højt niveau og individuel ekspertise blev mindre afgørende. Det var lidt ligesom skakspillerne på kentaur-holdene.
1 – Brug det til ideudvikle og åbne op.
Techguruen Jaron Lanier sagde det egentlig meget godt i et interview i The Guardian. Generativ AI kan måske endelig være en måde at bruge AI til at åbne muligheder op, frem for blot at bruge avancerede algoritmer til at lukke os inde i vores egne små filterbobler. “Until now, the primary use of AI algorithms has been to choose what videos we would like to see on YouTube, or whose posts we’ll see on social media platforms.”
Når vi vil ideudvikle vil vi gerne have mange ideer hurtigt. Kvantitet er vigtigere end kvalitet, fordi ideer undervejs ramler sammen og danner helt nye ideer.
På Design Matters i 2020 viste en oplægsholder 100 computergenererede forslag til nye Alvar Aalto vaser. Og måske var der et par stykker der havde noget. Her var ideen, at vi mennesker, kan bruge vores blik på tingene til at udvælge designs man kan arbejde videre med. Man oplever lidt af det i dag, når Midjourney laver 4 forslag ud fra en prompt. Men jeg så gerne værktøjer, der kunne lave endnu flere ideer.
På min AI-ønskeliste står der et værktøj, hvor jeg kan hælde en masse input i og se bede computeren om, at lave nye ideer og oplæg i massevis. Bare køre på hele natten og generere ideer til nye designs eller brugegrænsefalder.
2 – Planlæg, disponer tid og læg en plan
ChatGPT er temmelig god til at lægge planer. Det kan være planer for, hvordan man udnytter en feriedag i Milano. Det kan være planer for, hvordan man afholder en user journey workshop. Det kan være en plan for, hvordan du træner dig op til at løbe 5 km.
På min AI-ønskeseddel står der på plads nummer to: Et værktøj, kan hjælpe mig med at få overblik over alle mine prioriteter og forpligtelser og balancere min todoliste og min kalender, så de to kommer i sync. Den vil kunne lære om jeg er tids-optimist (det er jeg) og tvinge mig til at prioritere og være realistisk.
3 – Dataanalyse af dine egne data
Det er ret utroligt at kunne taste et par ord og få en AI til at give svar eller ideer ude fra det store internet, uden at jeg behøver at fjerne mit blik fra min tekstbehandler.
Men tænk på, når man kan få en AI til at skabe samme orden i de data, vi selv har, for eksempel i vores virksomheder.
NVidia AI Foundations lover virksomheder, at de kan bygge deres egne generative modeller, trænet på virksomhedens egne data.
På min AI-ønskeseddel står der på plads nummer 3: En dataspand, som vi kan lægge alle vores egne data i, og så begynde at stille spørgsmål til disse data. Prøv at forestille dig, at en virksomhedsleder kan spørge “Hvem var de 10 kunder som voksede mest omsætningsmæssigt i 2022?” eller “Hvilke projekter har vi, som ser ud til at være i problemer?”
Dem der finder på måder at udnytte det bedst vil sejre
Det vigtige spørgsmål lige nu er ikke, om generativ AI vil erstatte mennesker. Det vigtige spørgsmål er, hvordan man kan bruge disse nye værktøjer til at være kreativ og produktiv på nye måder.
Det vil uden tvivl ændre på vores processer for at arbejde kreativt. Arbejdsfordelingen mellem computere og mennesker vil forandre sig i vores virksomheder. Og der ser ud til at være potentiale for kvantespring i produktivitet, når de her værktøjer bevæger sig fra at være spøjse demoer til færdigudviklede produktivitetsværktøjer.
