„Ilgą laiką visuomenės suvokimą apie generatyvinį DI formavo aiškiai apibrėžtas įvaizdis: asmuo įveda užklausą, į kurią kalbos modelis atsako. Šis pokalbių roboto įvesties ir išvesties modelis, primenantis stalo teniso rungtynes tarp žmogaus ir mašinos, apibrėžė pradinį generatyvinių DI sistemų naudojimo etapą, tačiau jau yra pasenęs.
Mes patiriame paradigmos pokytį: DI sistemos vystosi iš reaktyvių teksto generatorių į (pusiau) autonominius agentus. Asmuo suformuluoja užduotį, o DI sistema perima jos vykdymą. Ji savarankiškai planuoja reikiamus veiksmus, priima sprendimus, integruoja išorinius įrankius ir duomenis bei deleguoja dalines užduotis specializuotiems subagentams. Visa tai vyksta be nuolatinio žmogaus įsikišimo.
Todėl esminis klausimas nebėra: kaip aš valdau šį įrankį? Tai yra: kaip aš, kaip žmogus, galiu vadovauti šioms galingoms DI sistemoms neprarasdamas kontrolės ir su priimtina rizika, ir kokių įgūdžių man, kaip žmogui, reikia šiam naujam vaidmeniui?“ Akademinės diskusijos šiais klausimais iki šiol buvo fragmentiškos. Viena vertus, mokslininkai perspėja apie žmogaus gebėjimų praradimą, naudojant DI, o mokytojai stebi, kaip mokiniai praleidžia mokymosi procesus dėl tiesioginės prieigos prie DI procesų. Tačiau praradimo naratyvą turi papildyti nauji įgūdžiai, atsirandantys dėl šio kompetencijos pokyčio.
Harvardo verslo mokyklos darbo dokumente (Randazzo ir kt., 2025), pagrįstame lauko tyrimu su 244 vadybos konsultantais, buvo nustatyti trys DI naudotojų tipai:
Pirmoji grupė atsisako atsakomybės. Jie palieka DI spręsti, kas ir kaip daryti. Ši grupė atstovauja probleminei grupei, nes jie nei tobulina savo dalykinę patirtį, nei DI žinias. Čia kyla kompetencijos praradimas įgūdžių trūkumo forma.
Antroji grupė yra labai išranki ir atsakinga, skirdama užduotis DI. Kadangi šios grupės nariai aktyviai dalyvauja procesų valdyme, paprastai vyksta įgūdžių tobulinimas per savo dalykinį profesinį tobulėjimą.
Paskutinė grupė žengia toliau ir dirba, regis, simbiotinėje sąveikoje su DI sistemomis, kur ribos tarp žmogaus ir mašinos darbo tampa neryškios. Ši grupė lavina tiek naujus profesinius, tiek, su dirbtiniu intelektu susijusius, įgūdžius, kurie gerokai praplečia jų kompetencijų spektrą.
Tie, kurie kompetentingai naudoja generatyvųjį dirbtinį intelektą (DI), pirmiausia turi turėti tvirtą technologijos žinių pagrindą: kaip kalbos modelis generuoja tekstus? Kodėl negaliu pasikliauti jo faktiniu tikslumu? Kokius įgimtus šališkumus jis turi?
Remiantis tuo, dėmesys perkeliamas į praktinį pritaikymą ir gebėjimą valdyti DI sistemas, taikant tikslinius, iteracinius raginimus ir kritiškai vertinant rezultatus.
Šis užduočių spektras tampa sudėtingesnis, dirbant su agentais pagrįstomis sistemomis: kiekvienas, kuris naudoja DI agentą, turi tiksliai aprašyti norimą rezultatą, apibrėžti veiksmų ribas ir nustatyti, kada sistema turėtų imtis veiksmų. Tie, kurie nesupranta, kaip nurodyti DI agentui, nesąmoningai atsisako sprendimų priėmimo galios. Norint sušvelninti šią riziką, mums reikia naujų kompetencijų.
Gebėjimas metakognityviai savirefleksijai. Bendradarbiavimas su DI sistemomis reiškia sąmoningą savo mąstymo ir sprendimų stebėjimą ir valdymą sąveikoje su DI sistemomis, o ne nepastebimai likti „sugundytu“ DI algoritmų. Šis gebėjimas savirefleksijai nėra vien tik papildomas įgūdis. Dirbant su agentinėmis sistemomis, kurios veikia daugiausia savarankiškai savo apibrėžtoje autonomijos srityje, tai yra esminė apsauga nuo laipsniško kontrolės praradimo.
Trys pavyzdžiai: Doktorantė vadovauja dirbtinio intelekto agentui, atlikdama literatūros apžvalgą, naudodama aiškius kriterijus, duomenų šaltinius ir stabdymo taisykles, ir griežtai tikrina rezultatus pagal profesinius kokybės standartus. Profesorius, lygindamas dirbtinio intelekto sugeneruotus seminarų planus, pastebi, kad dirbtinis intelektas jį atitraukia nuo pagrindinio tikslo, ir profesorius įsikiša, kad tai ištaisytų. Katedros vadovas, siūlydamas reorganizuoti savo komandą, atsiduria „pasirinkimo tarp trijų dirbtinio intelekto variantų“ kelyje ir pamiršta iš pradžių savo pamėgtą ketvirtąjį sprendimą. Visais trimis atvejais naujų įgūdžių įgijimas pasireiškia tiksliniu agentinių sistemų valdymu, kritišku rezultatų nagrinėjimu ir, jei reikia, savo sistemos koregavimu, siekiant atgauti kontrolę.
Dar sunkiau, gebėjimas reaguoti ir prisitaikyti prie vis dar nekontroliuojamos dirbtinio intelekto inovacijų dinamikos sūkurio turi būti nuolat testuojamas ir toliau tobulinamas. Tikslai turi būti suformuluoti taip tiksliai, kad dirbtinio intelekto sistema galėtų išvesti prasmingus tarpinius žingsnius. Veiksmų ribų iššūkis – apibrėžti ir užtikrinti etines ir teisines gaires, sukurti eskalavimo mechanizmus, apimančius žmogaus sprendimą, ir ugdyti jautrumą bei atsakomybės jausmą už, agentais pagrįstus, procesus.
Švietimo įstaigoms tai reiškia kurti mokymosi aplinkas naujoms žmogaus ir dirbtinio intelekto sąveikos formoms, kurios peržengtų vien techninius mokymo skatinimo ribas, nepamirštant santykių su besimokančiaisiais. Klausimas yra ne tik tas, kuriuos procesus galima automatizuoti, bet ir tas, kas yra kompetentingas efektyviai naudoti, agentais pagrįstas, sistemas, suprasti jų apribojimus ir prisiimti atsakomybę už savo veiksmus. Tai ne IT klausimas; tai lyderystės klausimas. Tikslas yra ne naudoti dirbtinį intelektą tam, kad mažiau mąstytume, bet kad įgalintume gilesnį ir reflektyvesnį mąstymą. Mes nesame kompetencijų ugdymo pabaigoje, o kitame etape.
Doris Weßels yra verslo informatikos profesorė ir mokslinė direktorė Dirbtinio intelekto taikymo centre Šlėzvige-Holšteine. Miriam Maibaum yra, ten dirbanti, projektų vadovė.” [1]
1. Führung für KI-Agenten. Frankfurter Allgemeine Zeitung; Frankfurt. 08 Apr 2026: N4. Von Doris Weßels und Miriam Maibaum
Komentarų nėra:
Rašyti komentarą