Teknologjia në punë

2026-02-28 - 21:15

Si të shmangen kurthet e zakonshme të IA-së në vendin e punës. Këshilla nga sezoni më i fundit i “Boss Class”, shkruan The Economist Pizza Hut në Plano, në veri të Dallasit, duket shumë si çdo restorant tjetër i zinxhirit të njohur të picerive. Makina afrohen te dritarja e drive-through. Brenda restorantit, stafi nxjerr picat nga furra dhe i vendos në kuti kartoni. Por ky restorant është i veçantë: është një laborator për idetë e reja të zinxhirit të aktivitetit. Dhe kjo do të thotë se është një vend ku përplasen botët e djathit të shkrirë dhe Inteligjencës Artificiale (IA). Klientët bëjnë porositë duke folur me një model IA me komandë zanore. Algoritmet përcaktojnë cilat porosi duhet të përgatisë më parë kuzhina. Një ekran shfaq komente të klientëve të sintetizuara nga IA nga faqet e vlerësimeve dhe platformat e rrjeteve sociale. Restorantet fast-food priren të kenë qarkullim të lartë stafi: punonjësit e rinj këtu mund të pyesin një chatbot për të kuptuar sa nga secili përbërës duhet të vendoset në një picë me madhësi mesatare. Në sezonin e ri të podcast-it “Boss Class”, gazetari Bartleby analizon se si kompanitë po përdorin IA gjeneruese në vendin e punës dhe ndan mësime të fituara me vështirësi. Pizza Hut në Plano është një parabolë e vogël e adoptimit të IA gjeneruese nga bizneset. Teknologjia po hyn në çdo cep të vendit të punës. Por ende duket më shumë shtesë sesa transformuese. Mbështetësit e IA flasin për superinteligjencë, fundin e punësimit dhe për qendra të dhënash në hapësirë. Këtu në planetin Tokë, teknologjia thjesht rrit gjasat që të kesh numrin e duhur të fetave të sallamit në porosinë tënde të radhës. Eksperimente modeste si këto ngrenë pyetje të rëndësishme për kompanitë që përpiqen të përdorin IA gjeneruese në vendin e punës: a janë përfitimet vetëm shtesë dhe, nëse po, çfarë po e pengon përparimin? Dhe çfarë duhet të bëjnë kompanitë për ta shfrytëzuar maksimalisht? Megjithëse modelet e IA po përmirësohen me shpejtësi, adoptimi kërkon ende kohë. Organizatat dhe punonjësit duhet të përshtaten që teknologjia të funksionojë. Sa i përket pyetjes së parë, nëse IA ia vlen vërtet, mbështetësit me të drejtë mund të argumentojnë se një restorant picash nuk është testi më i mirë për teknologjinë. Por kjo është një mënyrë tjetër për të thënë se ndikimi i saj shpërndahet shumë në mënyrë të pabarabartë. Një analizë e fundit nga faqja e punësimit Indeed zbuloi se shumica e aftësive të përmendura në një njoftim të zakonshëm pune për zhvillim softueri mund të ndikohen thellësisht nga IA; shumica e aftësive të listuara në një punë infermierie aktualisht janë përtej mundësive të teknologjisë. Kompanitë që qëndrojnë pas modeleve të IA tregojnë për rritje të volumit të aktivitetit dhe pretendojnë se këto çojnë në rritje të mëdha të produktivitetit. Në dhjetor, OpenAI raportoi se ChatGPT Enterprise u kursente përdoruesve mesatarisht 40-60 minuta në çdo ditë. Modelet më të reja po afrohen me nivelin e ekspertëve të industrisë në shumë detyra reale, sipas GDPval, një vlerësim i publikuar nga OpenAI në shtator. Aftësitë e tyre po përmirësohen vazhdimisht. Në pritje Megjithatë, shumë kompani ende po presin që përfitimet të materializohen. Një sondazh i madh i fundit mes drejtuesve në Amerikë, Australi, Britani dhe Gjermani, i kryer nga studiues të Bankës Federale të Rezervës së Atlantës, Universitetit Macquarie, Bankës së Anglisë dhe Bundesbank, tregon se pothuajse tre të katërtat e bizneseve po përdorin IA në një formë. Megjithatë, 86% e drejtuesve në këto katër vende raportojnë se teknologjia nuk ka pasur ndikim në produktivitetin e punës gjatë tre viteve të fundit. Nëse kjo krijon një tablo të paqartë, ajo pasqyron përvojën reale të përdorimit të teknologjisë. Një model IA mund të tejkalojë matematikanët më të mirë në botë, por mund të mbetet i bllokuar nga numri i shkronjave “r” në fjalën “strawberry”. Siguria me të cilën pohon gjëra plotësisht të gabuara do ta bënte një ekonomist krenar. Puna me IA përfshin një përzierje arritjeje, servilizmi dhe zhgënjimi. Kjo është një pasqyrë besnike e jetës në zyrë, por jo saktësisht ajo që ishte premtuar. Sa i përket pyetjes pse përparimi është i ngadaltë, përgjigjja më e mirë është se teknologjitë me përdorim të përgjithshëm, nga energjia elektrike tek interneti, kërkojnë kohë për të pasur ndikim të plotë. Epoka e IA gjeneruese është ende në fillimet e saj. “Është sikur të gjithë të ishim kontabilistë dhe Microsoft Excel të ishte shpikur fundjavën e kaluar”, thotë Bret Taylor, kryetar i OpenAI dhe bashkëthemelues i Sierra, një startup që ndërton agjentë IA për shërbimin ndaj klientit (mjete që veprojnë në mënyrë autonome). Kompanitë që qëndrojnë pas modeleve të IA, si OpenAI, Anthropic dhe të tjera, po përpiqen t’i bëjnë produktet e tyre më të dobishme për organizatat. Mike Krieger, i cili punon për produkte të reja në Anthropic, kompania pas Claude, bën dallimin mes aftësive horizontale dhe vertikale të modeleve. Aftësitë horizontale janë aktivitetet e përgjithshme të dobishme për pothuajse të gjithë punonjësit e zyrave: shkrimi, kërkimi, përgatitja e një prezantimi PowerPoint pa u çmendur. Aftësitë vertikale janë më të vështira për t’u realizuar, sepse përfshijnë aftësi specifike, si ndërtimi i një modeli cash-flow në bankë. Kompanitë e mëdha të IA po përpiqen të grumbullojnë më shumë ekspertizë sektoriale duke punësuar specialistë. Por të kuptosh saktësisht se çfarë bëjnë njerëzit gjatë gjithë ditës është e vështirë edhe kur ulesh pranë tyre, jo më kur je inxhinier softueri pa përvojë praktike jashtë teknologjisë. Shumë startup-e IA po përpiqen të mbushin boshllëqe të tilla, por edhe tregjeve u duhet kohë të maturohen. Taylor kujton se në ditët e para të internetit, kompanitë shpenzonin shuma të mëdha për të bërë funksionale faqet e tyre. Sot mund të blejnë shumicën e zgjidhjeve të gatshme. Me kalimin e kohës, thotë ai, e njëjta gjë do të ndodhë edhe me agjentët IA. “Shpresoj që pas pesë vitesh të kemi një treg shumë të pjekur furnizuesish që shesin agjentë si zgjidhje për probleme konkrete, në vend që të shesin modele dhe të thonë: ‘Ja një grumbull druri, ndërto një shtëpi.’” Me fjalë të tjera, kompanitë ende duhet ta kuptojnë vetë teknologjinë. Dhe kjo çon te pyetja e tretë: si të menaxhohen të gjitha problemet që IA gjeneruese sjell në kompani. Këto janë probleme sjelljeje, teknike dhe organizative. Problemet e sjelljes mund të prekin si punonjësit e zakonshëm, ashtu edhe drejtuesit në nivelet më të larta. Punonjësit janë në pozicionin më të mirë për të gjetur përdorime konkrete për IA, thotë Ethan Mollick, profesor në Wharton School në Universitetin e Pensilvanisë. Por ata kanë edhe shumë arsye për ta shmangur IA-në, ose për të mos treguar se po e përdorin. Mund të duan të marrin meritë për punë të kryer nga makinat, ose të shmangin faktin që kanë më shumë kohë të lirë. Mbi të gjitha, mund të mos duan të sinjalizojnë se puna e tyre mund të bëhet nga IA. (“Shiko, shef, jam i tepërt”. “Po, je”.) Luftë me makinat Kompanitë nxisin përdorimin në mënyra të ndryshme. Disa ofrojnë bonuse financiare për punonjësit që automatizojnë detyra. Disa kanë panele kontrolli që tregojnë si e përdor secili departament teknologjinë. Vlerësimet e performancës mund të përfshijnë drejtpërdrejt adoptimin e IA-së. Por stimuj të tillë funksionojnë deri në një pikë, nëse mungon besimi mes punonjësve dhe drejtuesve. Të jesh i sinqertë për pasigurinë e së ardhmes mund të tingëllojë klishe, por është jetike. “Ka vende pune që do të zhduken”, thotë Nimish Panchmatia, drejtues i IA në DBS, banka më e madhe në Azinë Juglindore. “Por do të krijohen edhe vende të reja pune”. Banka zhvillon programe për të ndihmuar punonjësit të mësojnë aftësi të reja që, për shembull, mund ta kthejnë një agjent shërbimi ndaj klientit në shitës. Shpesh problemi nuk është frika, por komoditeti. Glowforge, një prodhues me bazë në Seattle i makinerive desktop për prerje me lazer, provoi një mjet IA për trajnim në shitje nga një palë e tretë, i cili u dërgonte stafit përmbledhje me email të telefonatave të shitjeve. “Çdo përfaqësues shitjesh e kishte dërguar direkt në kosh”, thotë Dan Shapiro, CEO. “Ishte shumë zhurmë dhe nuk përshtatej me ritmin e ekipit.” Glowforge më pas ndërtoi mjetin e vet. Edhe ky dëgjon automatikisht telefonatat e shitjeve dhe dërgon feedback me email për çfarë shkoi mirë dhe çfarë jo. Por tani feedback-u i IA është pjesë e diskutimeve javore mes shitësve dhe menaxherëve; pritshmëria që do të diskutohet e bën stafin t’i kushtojë më shumë vëmendje. “Mund të kesh një produkt superior, por nëse nuk përshtatet me rrjedhën e punës së dikujt, është e vështirë të adoptohet”, thotë Cameron Davies, drejtues i IA për Yum! Brands, pronari i Pizza Hut dhe Taco Bell. Entuziazmi i tepërt është një tjetër problem sjelljeje. Paparashikueshmëria e pikave të forta dhe të dobëta të IA, ajo që Mollick e quan “kufiri i thyer”, do të thotë se duhet kohë për të zhvilluar intuitë për përdorimin e saj. Gabimet e IA në fazat e para mund të jenë të kushtueshme. Vitin e kaluar, dega australiane e Deloitte ktheu pjesërisht pagesa për një raport me gabime të gjeneruara nga IA. Këtë muaj, policia e West Midlands në Britani pranoi se ndalimi i tifozëve izraelitë nga një ndeshje futbolli u bazua pjesërisht në një “lajthitje” IA për një ndeshje që nuk kishte ndodhur kurrë. Shmangia e historive të tilla problematike kërkon edhe zgjidhjen e një sërë çështjesh teknike. Megjithatë, kostot e fshehura të kësaj shpesh nënvlerësohen, thotë Rama Ramakrishnan, ish-drejtues teknologjie që tani jep mësim në Massachusetts Institute of Technology. Kostoja e parë është përshtatja e modelit për përdorim specifik. Kjo do të thotë trajnim mbi të dhënat e duhura, rregullim i modelit dhe ulje e gabimeve. Davies nga Yum! Brands thotë se duke përdorur modele të vogla gjuhësore, të trajnuara mbi nën-grupe të dhënash dhe të fokusuara në detyra specifike, aplikacionet e porosive me zë në restorantet e kompanisë kanë më pak hapësirë për gabime. “Nuk kam nevojë që modeli nga i cili porosit picën të dijë kush është ekonomisti më i famshëm në botë.” Megjithatë, ndonjëherë edhe këto gabime mund të jenë të dobishme. Brice Challamel, drejtues i strategjisë së IA në OpenAI, e përshkruan IA-në si një bashkëpunëtor, që mund të luajë role të ndryshme: asistent për detyra rutinë, ekspert për koncepte komplekse, trajner për feedback dhe partner krijues për ide. Ajo që mund të konsiderohet lajthitje kur IA vepron si ekspert, mund të konsiderohet imagjinatë kur përdoret për gjenerimin e ideve. Mjeti i trajnimit të shitjeve i Glowforge është shembull i mirë se si gabimet mund të tolerohen ose të përdoren në avantazh. IA shpesh gabon në vlerësim, për shembull, mund të thotë se është humbur një mundësi shitjeje kur në fakt telefonata ishte për ruajtjen e marrëdhënies me klientin. Por mjeti është projektuar të ketë “bindje të ulët” në gjykime: vlerësimet e tij shërbejnë si bazë për diskutim. Për shkak se IA gjeneruese funksionon mbi probabilitete, nuk mund të dihet kurrë me siguri çfarë do të prodhojë. Kjo sjell koston e dytë të fshehur: krijimin e mekanizmave të sigurisë për rastet kur gabimet kanë rëndësi. Sierra, për shembull, përdor një “model mbikëqyrës” për të monitoruar në kohë reale ndërveprimet mes klientëve dhe agjentëve IA, me njerëz të gatshëm për të ndërhyrë. Një model tjetër analizon bisedat më pas dhe dërgon rastet e vështira për rishikim nga njerëzit. Problemet bëhen më të menaxhueshme kur detyrat që u jepen agjentëve janë të kufizuara, thotë Taylor. Për shembull, shitësit me pakicë kanë kritere standarde për kthimin e produkteve, që do të thotë se një agjent mund të bëjë pyetje specifike dhe më pas të vendosë çfarë të bëjë. Një logjikë e ngjashme shihet te Garfield, një startup britanik, që ishte i pari në botë që u rregullua për të ofruar shërbime ligjore me IA. Garfield ndihmon kreditorët të rikuperojnë borxhe të vogla, nën 10,000 paund. IA gjeneruese e bën procesin më të përballueshëm: bizneset lidhin softuerin e kontabilitetit me Garfield, i cili analizon faturat dhe tregon nëse ekziston një pretendim i vlefshëm, dërgon paralajmërime dhe ndihmon edhe në gjykatë. Philip Young, bashkëthemelues i kompanisë dhe juristi i vetëm në ekip, thotë se ideja funksionon, sepse procesi ka hyrje dhe dalje të qarta dhe një numër të kufizuar skenarësh. Çështjet më komplekse ligjore do të kishin shumë më tepër variabla dhe rrezik më të madh gabimi. Sfidat Përveç problemeve të sjelljes dhe teknike, kompanitë duhet të zgjidhin edhe një sërë sfidash organizative për ta bërë IA të funksionojë. Gjetja e talentit të duhur është një çështje e qartë. Mosdhënia e aksesit të modeleve te të dhënat e duhura është një tjetër gabim i zakonshëm. Modelet duhet gjithashtu të vlerësohen për të siguruar cilësi të lartë të rezultateve. Për disa detyra kjo është e thjeshtë. Sarah Guo, investitore IA në Silicon Valley, thotë se një arsye pse inxhinieria e softuerit është në pararojë të përdorimit të IA-së, është se verifikimi nëse kodi funksionon është relativisht i lehtë. Në fusha të tjera është shumë më e vështirë të përcaktohet nëse rezultati është i mirë. Për shembull, të bësh një model humoristik është shumë më e vështirë sepse humori është subjektiv. Shumë detyra korporative bien në këtë kategori më të paqartë. Prandaj duhen ekspertë njerëzorë për të përcaktuar standardet e cilësisë dhe për të ofruar njohuri të pashkruara mbi mënyrën si kryhen punët në praktikë. Shfrytëzimi i kësaj ekspertize të brendshme është pjesërisht një sfidë organizative. Mollick jep shembullin e një kompanie të madhe ku inxhinierët e lartë dhe ekspertët e fushës vendosen në ekipe të vogla nga departamente të ndryshme për projekte specifike. Megjithatë, përshpejtimi në një fushë mund të krijojë ngushtica në një tjetër. “Vibe-coding”, një term për përdorimin e udhëzimeve për të ndërtuar programe, e bën më të lehtë krijimin e aplikacioneve. Mjete si Claude Code dhe platforma si Lovable apo Replit lejojnë përdoruesit të tregojnë drejtpërdrejt çfarë duan të ndërtojnë. Në disa kompani teknologjie po qarkullon shprehja “demo, jo memo”. Por kjo krijon problem të ri: ngushtica zhvendoset nga shkrimi i kodit te rishikimi i tij. Jim Swanson, drejtues IT në Johnson & Johnson, thotë se menaxherët shpesh lavdëronin përdorimin e IA-së për procese si faturimi, pa kuptuar se kjo krijonte më shumë punë për ekipet financiare. Johnson & Johnson është shembull i kalimit nga eksperimentet masive te një qasje më e fokusuar. Kompania fillimisht lejoi shumë eksperimente me IA, por zbuloi se 85% e vlerës vinte nga vetëm 15% e aplikacioneve. Tani përdor një këshill qendror IA dhe një këshill të dhënash për të përzgjedhur projektet më të vlefshme dhe për të siguruar akses në të dhënat e duhura. Edhe metrikat po ndryshojnë, nga objektivat e thjeshta të përdorimit të IA-së te rezultatet reale të biznesit. Sierra përdor model çmimi të bazuar në rezultate: klientët paguajnë vetëm kur agjenti IA zgjidh realisht problemin e klientit. Asgjë nga kjo nuk ul rëndësinë e IA-së gjeneruese apo shpejtësinë e zhvillimit të saj. Me përparimet teknike, detyra që sot janë të pamundura do të bëhen të realizueshme. Modele të reja biznesi dhe struktura organizative do të shfaqen. Edhe pse drejtuesit në SHBA, Australi, Britani dhe Gjermani nuk kanë parë ende ndikim të madh, ata presin humbje vendesh pune dhe rritje produktiviteti në tre vitet e ardhshme. Është gjithashtu e rëndësishme të mos idealizohet ideja e një inteligjence “të huaj”. Për ta bërë IA funksionale në organizata, duhet të zgjidhen probleme klasike menaxheriale: stimuj të mirë për adoptim, mekanizma sigurie për të kufizuar rreziqet dhe sisteme për përzgjedhjen dhe zbatimin e aplikacioneve. Duhet një përzierje pragmatizmi dhe ambicie, ajo që Swanson e quan “optimizëm skeptik”.