Πιθανότατα να έχετε ζήσει και εσείς κάτι αντίστοιχο στο εργασιακό σας περιβάλλον: Κάποιος συνάδελφος σας παραδίδει ένα κείμενο που με την πρώτη ματιά δείχνει εντυπωσιακό, τόσο σε «μέγεθος» όσο και σε καλολογικά στοιχεία, έχοντας ξεπεράσει κάθε προσδοκία σας. Το κείμενο έχει τίτλο, μεσότιτλους, λέξεις και φράσεις με έντονα και πλάγια γράμματα, έχει αρχή, μέση, τέλος, έχει, με λίγα λόγια, άρτια εικόνα. Δυστυχώς, όμως, το χαμόγελο φεύγει γρήγορα από τα χείλη σας μόλις αρχίσετε να διαβάζετε το κείμενο, καθώς γρήγορα καταλαβαίνετε ότι κάτι δεν πάει καλά.
Στο κείμενο υπάρχουν λογικές ανακολουθίες, συντακτικά λάθη, επαναλήψεις, προτάσεις που δεν βγάζουν νόημα και άλλα πολλά ζητήματα, που με μια γρήγορη ανάγνωση ίσως και να μην τα προσέχατε. Καθώς προχωράτε στην ανάγνωση, διαπιστώνετε ότι το πιο βασικό πρόβλημα του κειμένου είναι ότι δεν έχει νεύρο· δεν έχει τίποτα αυθεντικό. Το κείμενο μοιάζει να έχει γραφτεί από χέρι χωρίς παλμό. Αν έχετε πιο εξασκημένο μάτι, παρατηρείτε και άλλα μοτίβα (λεκτικά και συντακτικά κυρίως), τα οποία «φωνάζουν» ότι το χαμηλής ποιότητας κείμενο έχει πράγματι παραχθεί από μηχανή, από κάποιο μεγάλο γλωσσικό μοντέλο (ΜΓΜ), όπως το ChatGPT, το Gemini, το Claude. Πέσατε και εσείς θύματα μιας πρακτικής που έχει ονομαστεί workslop. Σας έριξαν, δηλαδή, στην παγίδα της ΑΙ «ξεπέτας».
Εισαγωγή στο workslop
Workslop είναι τα κείμενα, οι παρουσιάσεις, τα υπομνήματα, οι δουλειές εν προκειμένω που έχουν παραχθεί από τεχνητή νοημοσύνη και ουσιαστικά έχουν ελάχιστη αξία. Είναι slop, δηλαδή λαπάς. Εσείς περιμένατε να σας σερβίρουν ένα νόστιμο –ή έστω αξιοπρεπές– «πιάτο», αλλά τώρα έχετε μπροστά σας έναν χυλό, φτιαγμένο από υλικά άνευρα, άγευστα και ανούσια. Τα αποτελέσματα της συνταγής μοιάζουν πολύ μεταξύ τους, δεν έχουν στιλ ούτε χαρακτήρα, βρίθουν ανακριβειών, λαθών κι επινοημένων πληροφοριών. Σύμφωνα με μια έρευνα του οργανισμού BetterUp Labs σε συνεργασία με το Stanford Social Media Lab, στην οποία συμμετείχαν 1.150 εργαζόμενοι από διάφορους κλάδους στις ΗΠΑ, το workslop σήμερα τείνει να λάβει ανησυχητικές διαστάσεις. Το 40% των ερωτωμένων της έρευνας δήλωσε ότι τον τελευταίο μήνα έχει λάβει τουλάχιστον ένα κείμενο workslop. Προσωπικά, σε έναν μήνα έχω λάβει και πολλά παραπάνω, χωρίς να συμπεριλαμβάνω καν σε αυτά τα δεκάδες άρθρα στον online Τύπο και τα newsletters που λαμβάνω καθημερινά.
Μάλιστα, η έρευνα έδειξε ότι το μεγαλύτερο μέρος του workslop, το 40% δηλαδή, διακινείται κυρίως μεταξύ ισότιμων συναδέλφων. Είναι δηλαδή η εύκολη λύση στη δουλειά μέσα σε ομάδα. Σου αναθέτουν να κάνεις μια παρουσίαση, μια έκθεση, οτιδήποτε, για να βοηθήσεις την ομάδα, και εσύ σπεύδεις να τη διεκπεραιώσεις μέσω του ChatGPT. Ωστόσο, ένα σεβαστό ποσοστό του χυλού, το 16%, κατευθύνεται από τους διευθυντές προς τα κάτω, στους υφισταμένους τους, και ένα 18% κατευθύνεται προς τα πάνω, σε διευθυντικά στελέχη, πράγμα που σημαίνει ότι ο χυλός κυκλοφορεί οριζοντίως και καθέτως μέσα στους οργανισμούς. Αξιοσημείωτο είναι το γεγονός ότι, σύμφωνα πάντα με την έρευνα, μόλις ένας στους τρεις εργαζομένους (34%) ενημερώνει τους συναδέλφους ή τους διευθυντές γι’ αυτά τα περιστατικά. Φαίνεται ότι υπάρχει μια ένοχη σιωπή γύρω από την αναποτελεσματικότητα της τεχνητής νοημοσύνης, εξαιτίας του hype που έχει δημιουργηθεί. Μένει μάλλον να βγει κάποιος μπροστά και να φωνάξει «ο βασιλιάς είναι γυμνός», για να αποκαλυφθεί το σοβαρό αυτό πρόβλημα.
Σύγχυση, εκνευρισμός, προσβολή
Κατ’ αρχάς, ο χυλός δημιουργεί πρόβλημα στον παραλήπτη του, κάνοντάς τον να χάνει πολύτιμο χρόνο. Οι συμμετέχοντες στην έρευνα της BetterUp Labs λένε ότι κάθε φορά που πέφτει στα χέρια τους ένα δείγμα χυλού, δαπανούν κατά μέσο όρο σχεδόν δύο ώρες (1 ώρα και 56 λεπτά για την ακρίβεια) για να το αντιμετωπίσουν. Κάνουν διασταυρώσεις, εκ νέου έρευνα και αναδιατυπώσεις. Πολλές φορές, ο χυλός είναι τόσο κακής ποιότητας, που αναγκάζει τον παραλήπτη του να κάνει τη δουλειά από την αρχή ή να τη διορθώσει σε τέτοιο βαθμό, που τελικά μοιάζει σαν να μην την είχε αναθέσει ποτέ σε άλλον.
Οι συμμετέχοντες στην έρευνα δήλωσαν επίσης ότι, όταν λαμβάνουν κάποιο είδος χυλού, νιώθουν εκνευρισμό (53%), σύγχυση (38%), ενώ ένα σημαντικό ποσοστό δηλώνει ότι νιώθει προσβεβλημένο (22%). Έχει ενδιαφέρον ότι το 42% εκείνων που έλαβαν χαμηλής ποιότητας παραδοτέα της ΤΝ έκρινε τους συναδέλφους που έστειλαν αυτά τα υλικά ως «αναξιόπιστους», ενώ το 37% τους χαρακτήρισε «λιγότερο ευφυείς». Επιπλέον, το 32% των συμμετεχόντων στην έρευνα ανέφερε ότι είναι απίθανο να συνεργαστεί ξανά με κάποιον που του έχει στείλει «χυλό».
Με άλλα λόγια, το copy-paste των αποτελεσμάτων των ΜΓΜ έχει επίπτωση και στους αποστολείς τους. Όταν κάποιος στέλνει αυτολεξεί τα παραδοτέα του ChatGPT, κινδυνεύει να χάσει όχι μόνο την αξιοπιστία, αλλά και τους συναδέλφους του. Και από πάνω θα τον θεωρούν οι υπόλοιποι και ανόητο. Οπότε, προσοχή: Αν θέλετε να σερβίρετε καλό «πιάτο», μην εμπιστεύεστε τυφλά τα ΜΓΜ. Χρησιμοποιήστε τα για να σας καλλωπίσουν τα έργα σας, αλλά μη στηρίζεστε αποκλειστικά σε αυτά.
Πολύς θόρυβος για το τίποτα;
Το μεγαλύτερο πλήγμα, ωστόσο, το δέχονται οι οργανισμοί. Ειδικοί υποστηρίζουν ότι λόγω του workslop οι επιχειρήσεις αναγκάζονται να καταβάλλουν έναν σύγχρονο «αόρατο φόρο» ύψους 160 ευρώ τον μήνα ανά εργαζόμενο. Για έναν οργανισμό 10.000 υπαλλήλων, αυτό το φαινόμενο μπορεί να οδηγεί και σε απώλειες εσόδων άνω των 7,7 εκατομμυρίων ευρώ ετησίως. Αντί να δουλεύουν σε παραγωγικές εργασίες, οι υπάλληλοι χάνουν τον χρόνο τους διορθώνοντας τα αποτελέσματα της τεχνητής νοημοσύνης. Τους καταπίνει ο χυλός και μαζί πνίγεται όλη η προσπάθεια. Οι επιχειρήσεις λοιπόν καλούνται να αναπτύξουν δικούς τους κώδικες για τη χρήση της ΤΝ, με σαφείς κανόνες, εκπαίδευση και στρατηγική. Ειδάλλως, κινδυνεύουν να χάσουν τις αυθεντικές ιδέες, την ουσία, το γνωστικό τους κεφάλαιο.
Αξιόπιστες μελέτες δείχνουν ότι από το 2023 και μετά, η χρήση της ΤΝ στο εργασιακό περιβάλλον έχει διπλασιαστεί. Παρ’ όλα αυτά, μια πρόσφατη έκθεση του MIT Media Lab διαπίστωσε ότι το 95% των οργανισμών δεν βλέπει καμία μετρήσιμη απόδοση από την επένδυσή του σε αυτές τις τεχνολογίες, και το workslop είναι μάλλον μια σοβαρή αιτία. Όταν χάνεις τον χρόνο σου ερμηνεύοντας και διορθώνοντας τις λογικοφανείς κοινοτοπίες που παρουσιάζονται από τα ΜΓΜ με ύφος δέκα καρδιναλίων, αναρωτιέσαι τι εξυπηρετεί όλος αυτός ο θόρυβος που κάνουν οι «γίγαντες» του επιχειρηματικού κόσμου γύρω από την τεχνητή νοημοσύνη. Η απάντηση προκύπτει εύλογα όταν συνειδητοποιείς ότι θόρυβος και χυλός είναι –πολύ συχνά– το ίδιο πράγμα.
