Nur die Zeit kann Ihre ChatGPT-liebenden Büromitarbeiter besiegen

GPT-4 ist ein Joker im Firmenkartenspiel. Es kann die Produktivität erheblich steigern und je nach Aufgabe und Verwendung zu einer höheren oder schlechteren Arbeitsqualität führen. Im Großen und Ganzen können wir hinsichtlich der schnellen Implementierung von GPT-4 in Büroumgebungen auf der ganzen Welt eine optimistische oder pessimistische Haltung einnehmen.

Die optimistische Haltung ist, dass die KI-Unterstützung zu einer Qualitäts- und Produktivitätssteigerung der Arbeitnehmer führen wird. Mehr Arbeit wird schneller und besser erledigt. Die KI-Unterstützung hilft bei Routineaufgaben, bietet wichtige Unterstützung bei nicht routinemäßigen Aufgaben und gibt den Mitarbeitern Zeit und Ressourcen frei, um sich auf geschäftskritische Dinge zu konzentrieren, die „die Dinge bewegen“.

Die pessimistische Haltung ist, dass die Gabe der KI-Unterstützung ein trojanisches Pferd ist. Die Automatisierung wird in Unternehmen eindringen und die menschliche Wissensarbeit langsam Stück für Stück auffressen, zum Nutzen einer superreichen Tech-Elite und auf Kosten entmachteter Lohnempfänger. ChatGPT-liebende Büroangestellte leiden unter einer Art Stockholm-Syndrom und flirten mit ihren eigenen Stellvertretern.

Meine persönliche Meinung tendiert eher zur pessimistischen Haltung. Ich erkenne, wie nützlich GPT-4 als Tool zum Abrufen von Informationen ist, im Wesentlichen eine intelligentere, personalisiertere Version der Google-Suche. Aber wenn ich auf die Unterstützung eines Chatbots angewiesen wäre, um beispielsweise einen Entwurf für einen Artikel zu schreiben oder neue Ideen für einen Beitrag zu sammeln, warum sollte ich dann überhaupt die Arbeit erledigen? Sie können die Arbeit genauso gut komplett an die KI auslagern oder die Arbeit lieber gar nicht erst erledigen.

Heute werfen wir einen Blick auf einen Artikel der Harvard Business School, der die Auswirkungen der GPT-4-Unterstützung auf die Wissensarbeit beleuchtet: „ Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality “ , veröffentlicht im September 2023.

Aufsatz der Harvard Business School – Experiment und Ergebnisse

Eine Gruppe von Sozialwissenschaftlern führte ein Experiment durch, um die Fähigkeiten von 758 Beratern der Boston Consulting Group (BCG) bei verschiedenen Aufgaben mit und ohne Zugang zu GPT-4 zu testen.

Ungefähr die Hälfte der teilnehmenden Berater (385) führte 18 Aufgaben im Zusammenhang mit der kreativen Produktentwicklung aus, während die andere Hälfte (373) sich mit einer geschäftlichen Problemlösungsaufgabe befasste, die auf externen Daten und anderen Quellen beruhte. Auf die konkreten Aufgaben gehen wir im nächsten Abschnitt näher ein.

Alle Teilnehmer führten einen ersten Test ohne KI-Unterstützung durch, damit die Forscher die Leistung des einzelnen Beraters ohne Unterstützung mit seiner Leistung mit GPT-4 vergleichen konnten. Die Teilnehmer wurden außerdem innerhalb der beiden Experimente einer von drei Untergruppen zugeordnet: einer Kontrollgruppe ohne Zugang zu GPT-4, einer zweiten Gruppe mit Zugang zu GPT-4 und einer dritten Gruppe mit Zugang zu GPT-4 und Lernmaterial wie man GPT-4 effektiv anfordert.

Die Ergebnisse der Schlagzeilenzeichnung zeigten, dass Berater mit Zugang zu KI bei den kreativen Produktentwicklungsaufgaben insgesamt deutlich bessere Leistungen erbrachten. Hier erledigte der Berater durchschnittlich 12,2 % mehr Aufgaben, erledigte Aufgaben 25,1 % schneller und mit 40 % höherer Qualität, so menschliche Gutachter, die die Tests blind bewerteten.

Die zweite Gruppe von Beratern, die mit geschäftlichen Problemlösungsaufgaben arbeiteten, hatte mit Zugriff auf GPT-4 eine um 19 % geringere Wahrscheinlichkeit, korrekte Ergebnisse zu erzielen. Im Durchschnitt half GPT-4 den Beratern, die Aufgaben einige Minuten schneller zu erledigen: Sechs Minuten schneller für „Nur GPT“ und elf Minuten für „GPT + Übersicht“.

Basierend auf den experimentellen Ergebnissen stellt sich das Forschungsteam eine „zackige Grenze“ vor.

Innerhalb der „gezackten Grenze“ steigert die KI-Unterstützung die Qualität und Produktivität der menschlichen Leistung. Außerhalb der Grenze schränkt die KI-Unterstützung sie ein. Die Grenze ist „gezackt“, weil es schwer vorherzusagen ist, welche Aufgaben innerhalb oder außerhalb der Grenze liegen und manchmal unlogisch erscheint. GPT-4 kann beispielsweise die meisten College-Prüfungen bestehen , hat aber auch Probleme mit grundlegenden mathematischen Problemen .

Navigieren durch die zerklüftete Grenze

Das Konzept der „gezackten Grenze“ ist treffend. Allerdings übertreibt das Papier meiner Meinung nach die Fähigkeiten von GPT-4 deutlich. Dies liegt vor allem an den strengen Zeitvorgaben, denen die BCG-Berater im Rahmen des Experiments unterliegen mussten.

Im kreativen Produktentwicklungsteil des Experiments, bei dem GPT-4-Unterstützung nachweislich die Produktivität und Qualität deutlich steigerte, mussten die Berater 18 Aufgaben in nur 90 Minuten erledigen. Hier einige Beispiele für Aufgaben, die die Berater innerhalb der 90-Minuten-Schwelle beantworten mussten:

• „Generieren Sie Ideen für einen neuen Schuh, der auf einen bestimmten Markt oder eine Sportart ausgerichtet ist, die noch unterversorgt ist. Seien Sie kreativ und geben Sie mindestens 10 Ideen ein.“

  
  

• „Erstellen Sie eine Liste der Schritte, die zur Markteinführung des Produkts erforderlich sind. Seien Sie prägnant, aber umfassend.“

  
  

• „Überlegen Sie sich einen Namen für das Produkt: Überlegen Sie sich mindestens vier Namen, schreiben Sie sie auf und erklären Sie den Namen, den Sie ausgewählt haben.“

  
  

• „Schreiben Sie Ihrem Chef ein Memo mit 500 Wörtern, in dem Sie Ihre Erkenntnisse erläutern.“

• „Schreiben Sie Marketingtexte für eine Pressemitteilung.“

  
  

• „Bitte fassen Sie die Erkenntnisse zusammen, die Sie aus den vorherigen Fragen gewonnen haben, und erstellen Sie eine Gliederung für einen Artikel im Harvard Business Review-Stil mit etwa 2.500 Wörtern.“

Allein die Erledigung einer dieser Aufgaben kann Tage oder sogar Wochen dauern. Nicht einmal vom besten Berater der Welt kann man erwarten, dass er alle diese Aufgaben in 90 Minuten mit einem zufriedenstellenden Maß an Qualität und Genauigkeit erledigt. Es ist menschlich unmöglich.

Im Experiment mit Aufgaben „außerhalb der Grenzen“ mussten die Teilnehmer die Markenleistung eines hypothetischen Unternehmens anhand von Erkenntnissen aus Interviews und Finanzdaten analysieren und eine 500–750 Wörter lange Notiz an einen fiktiven CEO verfassen. Die Zeitbeschränkung in diesem Teil des Experiments betrug 60 Minuten, was wiederum bei weitem nicht der Zeit entspricht, die Berater tatsächlich für eine solche Aufgabe im wirklichen Leben aufwenden würden.

Meine Hypothese : Je mehr Zeit man Menschen für die Ausführung einer Aufgabe gibt, desto geringer ist die Bedeutung der KI-Unterstützung. Wenn den BCG-Beratern beispielsweise Wochen oder Monate Zeit gegeben würde, um dieselben 18 kreativen Produktentwicklungsaufgaben durchzuführen – was die tatsächliche Arbeit der Berater besser widerspiegeln würde – wären die Verbesserungen durch den Einsatz von GPT-4 bestenfalls winzig. Insgesamt wäre die Endausgabe auch von deutlich höherer Qualität, als ein Mensch mit GPT-4 in 90 Minuten produzieren kann.

Meiner Ansicht nach geht es bei der Navigation durch die schroffen Grenzen nicht darum, zu verstehen, bei welchen Aufgaben GPT-4 Ihnen effektiv helfen kann, sondern darum, herauszufinden, welche Fähigkeiten Sie anbieten können, die durch Automatisierung nicht einfach ersetzt werden können.

Zentauren und Cyborgs am Arbeitsplatz

Die Autoren analysierten verschiedene Ansätze der Teilnehmer bei der Arbeit mit KI und identifizierten zwei vorherrschende Modelle, „Zentaurenverhalten“ und „Cyborg-Verhalten“:

„Das Verständnis der Merkmale und Verhaltensweisen dieser Teilnehmer kann sich als wichtig erweisen, wenn Unternehmen über Möglichkeiten nachdenken, Talente für eine effektive Zusammenarbeit mit KI-Tools zu identifizieren und zu entwickeln.“

Wir haben zwei vorherrschende Modelle identifiziert, die ihren Ansatz verkörpern.

Das erste ist das Verhalten der Zentauren. Benannt nach dem Fabelwesen, das halb Mensch und halb Pferd ist, beinhaltet dieser Ansatz eine ähnliche strategische Arbeitsteilung zwischen Menschen und Maschinen, die eng miteinander verbunden sind. Benutzer mit dieser Strategie wechseln zwischen KI- und menschlichen Aufgaben und weisen die Verantwortlichkeiten basierend auf den Stärken und Fähigkeiten jeder Einheit zu. Sie erkennen, welche Aufgaben sich am besten für menschliches Eingreifen eignen und welche von KI effizient bewältigt werden können.

Das zweite Modell, das wir beobachtet haben, ist das Cyborg-Verhalten. Benannt nach hybriden Mensch-Maschine-Wesen, wie sie in der Science-Fiction-Literatur vorgestellt werden, geht es bei diesem Ansatz um eine komplexe Integration. Cyborg-Benutzer delegieren nicht nur Aufgaben; Sie verknüpfen ihre Bemühungen mit der KI an der Grenze ihrer Möglichkeiten. Diese Strategie könnte sich in abwechselnden Verantwortlichkeiten auf der Ebene der Unteraufgaben manifestieren, beispielsweise in der Einleitung eines Satzes, den die KI vervollständigen soll, oder in der Zusammenarbeit mit der KI.“

Ich bin kein großer Fan davon, GPT-4 als Kooperationspartner zu bezeichnen. Vor allem aus zwei Gründen:

1. In Mensch-KI-Partnerschaften erledigt die KI zwar den Großteil der Arbeit, doch die volle Verantwortung für die Arbeit liegt beim Menschen.

   
   

Ich würde meine Zeit viel lieber damit verbringen, neue Arbeiten von Grund auf zu erstellen, als KI-generierte Ergebnisse auf Fehler, Ungenauigkeiten und Voreingenommenheit zu überprüfen und zu bearbeiten. Erstens macht das Überprüfen automatisch generierter Inhalte keinen großen Spaß. Zweitens bleibe ich in jedem Fall für etwaige Fehler verantwortlich. Wenn ich mich bei der Erledigung einer Aufgabe zu sehr auf den Input von GPT-4 verlassen habe, kann ich nicht erklären, warum ich die Fehler gemacht habe, und ich kann auch nicht wirklich daraus lernen oder wachsen. Inwieweit können wir sagen, dass ein Werk immer noch das Ergebnis einer einzigartigen menschlichen kreativen Anstrengung ist, wenn der Arbeiter mit generativer KI „kollaboriert“?

„Das professionelle Urteil eines Anwalts kann nicht an generative KI delegiert werden und bleibt jederzeit in der Verantwortung des Anwalts.“

- „Praktische Leitlinien für den Einsatz generativer künstlicher Intelligenz in der Rechtspraxis “, Ständiger Ausschuss für berufliche Verantwortung und Verhalten der State Bar of California (November 2023).

2. Die Vorteile von „Zentauren“ und „Cyborg“ sind nur vorübergehend

Wie ich in meinem letzten Beitrag geschrieben habe , gab es nach dem Sieg von Deep Blue 1997 über den amtierenden Schachmeister Garry Kasparov ein kurzes Zeitfenster, in dem es schien, als könnten Menschen, die mit KI zusammenarbeiten, selbst die stärksten Schachmaschinen besiegen. Kasparov machte den Begriff „Zentauren“ populär, um diese gemischten Menschen-KI-Teams zu beschreiben.

Nach heutigem Stand können Menschen jedoch nicht viel Fachwissen in Partien zwischen führenden Schachprogrammen einbringen. Tatsächlich kann nur der Mensch zu einer erhöhten Fehlerquote beitragen. Es stellt sich heraus, dass KIs viel besser darin sind, Schach zu spielen als Menschen.

Ich glaube, wir können aus der Entwicklung der KI auf dem Schachbrett eine wichtige Lehre ziehen: „Zentauren“ und „Cyborgs“ werden letztendlich durch mehr Automatisierung besiegt. Analog dazu sollten Büroangestellte, die stark auf KI-Unterstützung angewiesen sind, gründlich darüber nachdenken, welche einzigartigen Fähigkeiten sie bieten können, die ein KI-Modell nicht bieten kann. Wahrscheinlich besteht die Hauptfunktion von Zentauren und Cyborgs darin, ihre Nachfolger mit mehr Schulungsmaterial zu versorgen, insbesondere für Aufgaben, die leicht automatisiert werden können und nicht viel soziale Interaktion, Anpassung, Flexibilität und Kommunikation erfordern.

Einpacken

Wie können Zentauren und Cyborgs am modernen Arbeitsplatz besiegt werden? Sie besiegen sie einfach mit mehr Zeit. Wenn Menschen mehr Zeit für komplizierte und kreative Arbeiten haben, ist die Hilfe von GPT-4 überflüssig.

Andererseits werden bestimmte Aufgaben, die Menschen heute „in Zusammenarbeit“ mit generativer KI erledigen, in absehbarer Zukunft vollständig automatisiert sein. Angenommen, ein menschlicher Arbeiter kann über einen langen Zeitraum kein wesentlich besseres Ergebnis erzielen, als zukünftige Generationen von GPT-4 in wenigen Sekunden ausspucken können. In diesem Fall gibt es wirklich keinen Grund, solche Aufgaben weiterhin an menschliche Arbeitskräfte auszulagern.

Meiner Interpretation nach geht es bei der Navigation durch die schroffen Grenzen in Wirklichkeit um die Frage: Welche einzigartigen Fähigkeiten kann ich anbieten, die nicht in ein paar Jahren durch Automatisierung ersetzt werden können?

Abonnieren Sie meinen kostenlosen Newsletter The Gap: www.futuristiclawyer.com