What does it mean to be pragmatic about AI adoption, while staying true to the values and mission driving people and organizations? Khi nào quyết định nói về AI, ý định của cô là nói những gì cô ấy phải nói một lần, và sau đó tiếp tục với cuộc sống của mình mà không có ai hỏi về AI nữa. Đạo diễn: Elisa Lindinger Lindinger là đồng sáng lập của SUPERRR được tạo ra để phục vụ luận án là chính sách kỹ thuật số là chính sách xã hội, và nó cần tầm nhìn táo bạo và các giá trị nữ quyền. Siêu Giống như hầu hết các cá nhân và tổ chức khác ngày nay, hộp thư đến của Lindinger đã bị tràn ngập với những lời mời mới mỗi ngày. lời mời để thảo luận về AI, để tạo điều kiện cho các hội thảo về AI nữ quyền, hoặc đề nghị huấn luyện không thể tránh khỏi để cuối cùng tìm hiểu làm thế nào để yêu cầu đúng cách. Điều này khiến Lindinger cảm thấy rằng các chủ đề khác cũng quan trọng đang biến mất khỏi cuộc trò chuyện. "Đó là một nỗ lực để định vị cách mọi người tại SUPERRR nhìn nhận hiện tượng AI, và tại sao họ tin rằng điều quan trọng là phải trả lại sự chú ý của chúng tôi cho các chủ đề khác. AI và bất khả thi Điều đã xảy ra thay vào đó là , khởi động lại chủ đề AI và đánh cắp ánh sáng. Một sai lầm thuật toán? Có lẽ. Nhưng lập trường của SUPERRR về việc từ chối câu chuyện về việc áp dụng mù quáng AI tạo ra cộng hưởng với nhiều người. Bài viết của SUPERRR đã trở nên viral trên LinkedIn Chúng tôi đã gặp Lindinger để khám phá những sắc thái đằng sau những gì một số người có thể gọi là một cách tiếp cận Luddite, và để nói về việc đặt ưu tiên đúng, tưởng tượng tương lai mà mọi người muốn sống trong, và làm thế nào để đi từ khả năng đọc AI đến khả năng đọc tương lai. Bối cảnh không thể kịp thời hơn. các vết nứt trong AI narrative bắt đầu hiển thị https://www.youtube.com/watch?v=aoVkNdLhq1M&embedable=true AI – what for? AI – vì cái gì? Lindinger là một nhà khảo cổ học tiền sử bằng cách đào tạo, một chủ đề mà cô mô tả là rất niche cũng như rất dựa trên dữ liệu. Một tinker suốt đời, Lindinger mang lại cách tiếp cận đó để làm quen với thống kê, khoa học dữ liệu, cơ sở dữ liệu và học máy. Cô dần dần chuyển từ lĩnh vực của mình sang khoa học máy tính, cuối cùng rời khỏi học viện để theo đuổi niềm đam mê của mình cho công việc xã hội dân sự. Thông qua các vị trí tại các tổ chức như Open Knowledge Foundation Germany, Lindinger đã làm việc trên , Trong khi cô ấy thích công việc này, có một điều tiếp tục làm cô ấy khó chịu: để làm gì? mục đích của việc sử dụng các công cụ đó là gì? Dữ liệu mở Nguồn mở “Mở rộng không phải là mục tiêu đối với tôi. Đó là một công cụ. Đó là một giá trị mà chúng tôi phải áp dụng cho một cái gì đó. Đó là lý do tại sao đồng sáng lập của tôi Julia Kloiber và tôi quyết định chúng tôi muốn thành lập tổ chức của riêng chúng tôi. Bởi vì ý tưởng của chúng tôi về việc thúc đẩy một xã hội công bằng hơn và công bằng hơn – chúng tôi không thực sự có một không gian trong một tổ chức hiện có nơi chúng tôi có thể làm điều đó”, Lindinger nói. “Mở rộng không phải là mục tiêu đối với tôi. Đó là một công cụ. Đó là một giá trị mà chúng tôi phải áp dụng cho một cái gì đó. Đó là lý do tại sao đồng sáng lập của tôi Julia Kloiber và tôi quyết định chúng tôi muốn thành lập tổ chức của riêng chúng tôi. Bởi vì ý tưởng của chúng tôi về việc thúc đẩy một xã hội công bằng hơn và công bằng hơn – chúng tôi không thực sự có một không gian trong một tổ chức hiện có nơi chúng tôi có thể làm điều đó”, Lindinger nói. Câu hỏi tương tự – “tại sao” – nằm ở trung tâm của Lindinger đã làm việc trên các dự án học máy trong quá khứ, và cũng đã theo kịp với lĩnh vực này vì lợi ích cá nhân. sự hoài nghi của cô đến từ một nơi của kiến thức. Tuyên ngôn AI của Lindinger cho SUPERRR Lý do Lindinger cảm thấy buộc phải làm sáng tỏ quan điểm của SUPERRR đối với AI là giống như các lĩnh vực khác, trong xã hội dân sự, AI đã trở nên quá lớn để bỏ qua. Knowing what we talk about, when we talk about AI Biết chúng ta đang nói về điều gì, khi chúng ta nói về AI Tất cả bắt đầu từ Trong bài giới thiệu về cuốn sách của Arvind Narayanan và Sayash Kapoor đề xuất một thí nghiệm tư duy: Hãy tưởng tượng rằng thay vì nói về xe đạp, tàu hỏa, xe ô tô hoặc máy bay, chúng ta đã gọi tất cả chúng là “động cơ”. Biết những gì chúng ta đang nói về khi chúng ta nói về AI Dầu rắn Nếu không có tính cụ thể của ngôn ngữ, chúng ta sẽ không thể mô tả rất nhiều vấn đề giao thông, chưa kể đến việc phát triển các giải pháp hiệu quả cho chúng. Như Lindinger lưu ý, một số cách tiếp cận này hữu ích và được nghiên cứu tốt. cách tiếp cận khác có thể gây ra rủi ro lớn cho xã hội, đề xuất các cách tiếp cận không xác định và do đó khó đánh giá về tác động của chúng. Thì Một khi bạn chuyển từ nói về các ứng dụng cụ thể, đó là hoàn toàn hợp lệ, để chỉ nói về AI như một loại người giữ chỗ, diễn văn có xu hướng thay đổi. mọi người bắt đầu tưởng tượng AI toàn năng, sự độc đáo của AI, và cuộc trò chuyện trở thành "Terminator tất cả các hướng xuống" như Lindinger đã nói. Ngày nay, khi mọi người nói về AI, hầu hết thời gian họ đề cập đến AI tạo ra: dựa trên biến áp, Rõ ràng, đó không phải là tất cả về AI, nhưng GenAI đã bắt cóc lời nói và sự chú ý của mọi người, thúc đẩy sự bùng nổ của AI. dữ liệu, nước và năng lượng đói sâu học tập cách tiếp cận AI hype and harms AI Hype và Harms Hype xung quanh AI phục vụ một mục đích, Lindinger tuyên bố: Nó cho phép mọi người đưa ra tuyên bố lớn về lợi ích của nó mà không nghiêm túc đối mặt với tác hại của nó. Ví dụ, the ; và mặc dù có một số cuộc thảo luận về điều này, vẫn có một sự tập trung vào phát triển Thiệt hại mà AI đang gây ra ngày hôm nay bị che phủ bởi những lời hứa cho tương lai: “ » Ngành công nghiệp AI có tác động tàn phá đến môi trường và khí hậu Cơ sở hạ tầng như trung tâm dữ liệu khát tài nguyên. AI có thể giúp chữa ung thư, hoặc cung cấp giáo dục toàn cầu miễn phí - vì vậy chúng ta cần các trung tâm dữ liệu AI cũng làm gia tăng sự bất công trên thế giới, bắt đầu với , ngôn ngữ và kiến thức cơ sở là gì Và kết thúc với Trong kết quả của AI Và chúng ta đừng quên và . công việc vô hình đang thúc đẩy công nghệ hype Được coi là có giá trị và hữu ích Ai có thể nhìn thấy Và làm thế nào Vi phạm bản quyền khổng lồ Mô hình collapse Nếu chúng ta làm theo hype AI, tầm nhìn của chúng ta về tương lai sẽ trở thành một hình ảnh bị bóp méo về quá khứ, một “tầm nhìn của chúng ta về tương lai”. “Các chiến thuật dựa trên hype có thể đã đạt đến độ cao mới với AI, nhưng đó không phải là điều mới đối với Big Tech”, bà nói thêm. Đế chế “Tôi đến từ nền văn hóa tinker và hacker. Đối với tôi, công nghệ cuối cùng là cho phép. Đó là một cái gì đó hấp dẫn, vui vẻ, một cái gì đó tôi muốn hiểu. toàn bộ nỗi sợ bỏ lỡ câu chuyện là cắt tất cả những điều này ngắn. “Tôi đến từ nền văn hóa tinker và hacker. Đối với tôi, công nghệ cuối cùng là cho phép. Đó là một cái gì đó hấp dẫn, vui vẻ, một cái gì đó tôi muốn hiểu. toàn bộ nỗi sợ bỏ lỡ câu chuyện là cắt tất cả những điều này ngắn. Bất cứ khi nào một địa điểm bán hàng muốn đặt tôi dưới áp lực, chuông báo động của tôi tắt.Tôi nghĩ rằng có điều gì đó bạn phải che giấu bởi vì bạn không muốn tôi nhìn kỹ hơn”, Lindinger nói. Bất cứ khi nào một địa điểm bán hàng muốn đặt tôi dưới áp lực, chuông báo động của tôi tắt.Tôi nghĩ rằng có điều gì đó bạn phải che giấu bởi vì bạn không muốn tôi nhìn kỹ hơn”, Lindinger nói. Is AI really adding value? AI có thực sự mang lại giá trị gia tăng? Lindinger mô tả sự nhiệt tình xung quanh AI là Labubu, nhưng đối với các giám đốc điều hành hội đồng quản trị - đó là về việc là một phần của sự nhạo báng. Có những câu chuyện về các giám đốc điều hành thúc đẩy các tổ chức "làm điều gì đó với AI", và xuất bản các tài khoản của các tổ chức đang làm tất cả mọi thứ về AI - và sau đó thường U-đổi với ít fanfare. như Trong khi nhân viên phần lớn đang làm theo các mệnh lệnh để nắm lấy công nghệ, rất ít người đang thấy nó tạo ra giá trị thực sự. vào năm 2024, trong khi AI sử dụng tương tự Làm việc từ năm 2023. Các nhà nghiên cứu từ Phòng thí nghiệm Truyền thông Xã hội Stanford và BetterUp Labs chia sẻ về HBR Gần gấp đôi gấp đôi Làm thế nào chính xác điều này ảnh hưởng đến năng suất và lợi nhuận cho các tổ chức, tuy nhiên, là để tranh luận. Thì a là Theo nghiên cứu của MIT Media Lab, 95% các tổ chức không thấy lợi nhuận có thể đo lường được từ đầu tư vào các công nghệ này. Ngoài ra, họ thêm, báo cáo chỉ đề cập đến bằng chứng về các dự án khái niệm, do bản chất của chúng, không thể mong đợi có ROI cao. Báo cáo gần đây Các nhà phê bình cho rằng phương pháp của báo cáo là thiếu sót và không cung cấp bằng chứng cuối cùng. Các báo cáo khác, như So với đầu năm 2024, tỷ lệ người được hỏi lớn hơn nói rằng các trường hợp sử dụng GenAI của tổ chức của họ đã tăng doanh thu cũng như mang lại giảm chi phí có ý nghĩa trong các đơn vị kinh doanh triển khai chúng. . KcKinsey “The state of AI” (tạm dịch: Nhà nước của AI) Lời bài hát: Recent Layoffs Show Drawing the line Vẽ dòng Tuy nhiên, lần đầu tiên kể từ khi bắt đầu theo dõi, các doanh nghiệp lớn đang giảm áp dụng GenAI. . Sử dụng AI trong số các công ty có hơn 250 nhân viên đã giảm từ 14% xuống còn 12% kể từ tháng 6 năm 2025. Đây có thể là một triệu chứng của vấn đề cốt lõi được tiết lộ bởi báo cáo của MIT - một trường hợp cổ điển của những gì nhà tư vấn AI Paul Ferguson gọi là Công nghệ đẩy là – “chúng ta có AI, chúng ta có thể làm gì?” trong khi Market Pull là – “chúng ta có vấn đề X, AI có thể giúp được không?” “Technology Push” và “Market Pull” FOMO và ý tưởng rằng điều này là không thể tránh khỏi không bao giờ là một cơ sở tốt cho việc ra quyết định, Lindinger lưu ý. vì vậy chúng ta nên tạm dừng một lúc và hỏi: Chúng ta muốn gì? Vậy các tổ chức nên vẽ đường dây ở đâu? Những loại trường hợp sử dụng nào phù hợp với AI? Đối với Lindinger, việc sử dụng AI chỉ hoạt động cho các chức năng thứ cấp. Lấy phiên dịch làm ví dụ, thật tốt khi sử dụng AI để có được một ý tưởng nhanh về điều gì đó.Nhưng để trình bày kết quả công việc bằng các ngôn ngữ khác nhau, hoặc để tạo ra nghiên cứu ban đầu, nghệ thuật và nội dung, SUPERRR làm việc với các chuyên gia. “Khi nói đến việc dịch các giá trị của chúng tôi thành các sản phẩm mà chúng tôi xuất bản, chúng tôi làm việc với các chuyên gia. Chúng tôi làm việc với các nghệ sĩ. Và đó là nơi chúng tôi, với tư cách là một tổ chức, vẽ đường dây. Lý do khác, tất nhiên, là tuân thủ. Chúng tôi làm việc với dữ liệu từ các đối tác, và đào chúng vào các ứng dụng nơi chúng tôi không biết chính xác những gì xảy ra với dữ liệu là hoàn toàn kinh hoàng”, Lindinger nói. “Khi nói đến việc dịch các giá trị của chúng tôi thành các sản phẩm mà chúng tôi xuất bản, chúng tôi làm việc với các chuyên gia. Chúng tôi làm việc với các nghệ sĩ. Và đó là nơi chúng tôi, với tư cách là một tổ chức, vẽ đường dây. Lý do khác, tất nhiên, là tuân thủ. Chúng tôi làm việc với dữ liệu từ các đối tác, và đào chúng vào các ứng dụng nơi chúng tôi không biết chính xác những gì xảy ra với dữ liệu là hoàn toàn kinh hoàng”, Lindinger nói. AI and workslop AI và workslop Khi mô tả kinh nghiệm của mình làm việc với AI, Lindinger đề cập đến quá trình phải liên tục thu thập kết quả. Ví dụ, có một số thuật ngữ mà SUPERRR không sử dụng. Khi sử dụng LLM để dịch, họ sẽ che giấu các thuật ngữ không mong muốn trở lại trong văn bản. Lindinger tin rằng điều đó không đáng - đó thực sự là công việc hơn là làm việc với một phiên dịch viên chỉ biết nghề nghiệp của họ. » làm việc Thì Như những người đã tạo ra thuật ngữ , hiệu ứng bí ẩn của workslop là nó di chuyển gánh nặng của công việc xuống dòng, đòi hỏi người nhận phải giải thích, sửa chữa hoặc sửa lại công việc. Điều này có tác động tiêu cực vượt ra ngoài nỗ lực cần thiết để sửa chữa mọi thứ. ghi chú Ví dụ, Nhưng có nhiều hơn nỗi sợ phản ứng nên ngăn chặn mọi người và các tổ chức từ việc thuê ngoài các chức năng cốt lõi cho AI. Giám đốc điều hành Microsoft Satya Nadella bị chỉ trích vì chia sẻ những gì dường như được tạo ra bởi AI trên X Đó là về nhiều hơn Các nghiên cứu về "sự mất tải nhận thức" (sử dụng GPS, máy tính hoặc AI cho các nhiệm vụ suy nghĩ) cho thấy sự mất tập thể dục có thể đo lường được khi não không được tập thể dục. » Mất giọng nói của một người Kiến thức vô dụng AI literacy Văn học Sau khi xem xét tất cả những điều này, chúng ta trở lại với khái niệm về : biết đủ về AI để có thể thực hiện phán đoán có hiểu biết.Nhưng AI Literacy đòi hỏi chính xác những gì, và làm thế nào chúng ta có thể đạt được điều đó? Văn học Khái niệm về khả năng đọc không phải là mới trong lĩnh vực kỹ thuật số, Lindinger chỉ ra. Có tiền lệ như khả năng đọc dữ liệu hoặc khả năng đọc kỹ thuật số, và có một số nhận thức chung từ những cuộc thảo luận khác nhau này. “Bước đầu tiên để trở thành một kỹ sư AI sẽ có thể xem liệu hoặc loại AI bạn đang sử dụng.Chúng tôi có một vấn đề trách nhiệm về phía nhà cung cấp mà các cá nhân ở nơi làm việc của họ có nghĩa là bù đắp bằng kỹ sư AI.Và tôi nghĩ rằng điều đó thực sự đặt họ xuống để mất.Tôi không chắc rằng đó cũng đang đưa chúng tôi về phía trước, hướng tới AI được triển khai theo cách phù hợp hơn với các quyền”, Lindinger nói. “Bước đầu tiên để trở thành một kỹ sư AI sẽ có thể xem liệu hoặc loại AI bạn đang sử dụng.Chúng tôi có một vấn đề trách nhiệm về phía nhà cung cấp mà các cá nhân ở nơi làm việc của họ có nghĩa là bù đắp bằng kỹ sư AI.Và tôi nghĩ rằng điều đó thực sự đặt họ xuống để mất.Tôi không chắc rằng đó cũng đang đưa chúng tôi về phía trước, hướng tới AI được triển khai theo cách phù hợp hơn với các quyền”, Lindinger nói. Đối với Lindinger, lý tưởng nhất, các công cụ mà mọi người sử dụng nên mang một số loại nhãn để chỉ ra mức độ và loại tự động hóa mà họ sử dụng. From AI literacy to futures literacy Từ AI đến Future Literacy Lindinger nghĩ là một khuôn khổ tốt cho khả năng thông thạo AI, với sự nhấn mạnh vào việc tạo ra và tinering. tuy nhiên, cô ấy muốn để lại khả năng thông thạo AI cho những người tập trung vào AI. Những gì cô thấy là mục tiêu chiến lược cho SUPERRR là Làm việc với mọi người để tưởng tượng tương lai mà họ muốn sống. Sáu trụ cột của AI Literacy Tương lai “Chúng ta đã quen với việc sống trong môi trường có cấu trúc cao mà không thực sự cho chúng ta không gian để sáng tạo, để thoát khỏi những điều chúng ta đã học và tưởng tượng một cái gì đó hoàn toàn mới mà sau đó chúng ta có thể tìm ra liệu chúng ta có thể thực sự đạt được và làm việc hướng tới nó. “Chúng ta đã quen với việc sống trong môi trường có cấu trúc cao mà không thực sự cho chúng ta không gian để sáng tạo, để thoát khỏi những điều chúng ta đã học và tưởng tượng một cái gì đó hoàn toàn mới mà sau đó chúng ta có thể tìm ra liệu chúng ta có thể thực sự đạt được và làm việc hướng tới nó. Tất nhiên, AI đóng một vai trò trong việc đó bởi vì ngay bây giờ, hầu như không ai có thể tưởng tượng ra một tương lai mà không có AI.Những gì chúng ta làm là đặt câu hỏi – vâng, nhưng để làm gì?Nó không cần phải ở đó.Bạn có thể đưa ra quyết định. Tất nhiên, AI đóng một vai trò trong việc đó bởi vì ngay bây giờ, hầu như không ai có thể tưởng tượng ra một tương lai mà không có AI.Những gì chúng ta làm là đặt câu hỏi – vâng, nhưng để làm gì?Nó không cần phải ở đó.Bạn có thể đưa ra quyết định. Trong ngắn hạn, Lindinger tin rằng các vấn đề cơ bản như sự gắn kết xã hội hoặc bảo vệ trẻ em trực tuyến là những chủ đề rất quan trọng mà chúng ta nên tập trung vào và không liên quan gì đến AI. https://pod.co/orchestrate-all-the-things-podcast-connecting-the-dots-with-george-anadiotis/pragmatic-ai-adoption-from-futurism-to-futuring-featuring-elise-lindinger-superrr-co-founder?embedable=true Giải quyết các câu hỏi như – loại bảo vệ nào chúng ta có thể đưa ra? Loại thiết kế nào chúng ta có thể đưa ra cho các hệ thống kỹ thuật số, nền tảng trực tuyến, tất cả các công nghệ xung quanh chúng ta, để làm cho chúng hoạt động vì lợi ích của chúng ta? Đây là những câu hỏi công nghệ thấp rất nhiều, liên quan đến mọi người và sự thiếu quan tâm của họ đối với nhau.
