Streszczenie: Artykuł analizuje rzeczywisty wpływ generatywnej sztucznej inteligencji na wyniki finansowe firm, opierając się na eksperymencie terenowym przeprowadzonym wśród kenijskich przedsiębiorców. Badanie wykazało, że udostępnienie doradcy biznesowego opartego na modelu GPT-4 przynosi skrajnie różne rezultaty w zależności od wyjściowej kondycji biznesu. Przedsiębiorcy osiągający wysokie wyniki potrafili trafnie ocenić rekomendacje AI, filtrując je i wdrażając innowacyjne, dopasowane do swojego kontekstu rozwiązania, co przełożyło się na znaczący wzrost ich zysków. Z kolei właściciele słabiej radzących sobie firm często bezrefleksyjnie aplikowali uniwersalne, ogólnikowe porady – takie jak obniżki cen – co prowadziło do dalszej erozji marż i strat. Autorzy publikacji udowadniają tym samym, że w przypadku złożonych, otwartych problemów biznesowych, sztuczna inteligencja nie zastępuje, lecz potęguje znaczenie ludzkiego osądu. W konkluzji badacze rekomendują liderom ostrożne podejście do wdrażania GenAI, postulując konieczność stosowania odpowiednich zabezpieczeń, projektowania procesów z uwzględnieniem różnorodności kompetencyjnej zespołów oraz audytowania wpływu narzędzi na nierówności wewnątrz organizacji.
Generatywna sztuczna inteligencja może poprawiać wyniki prężniej działających przedsiębiorców, jednak szkodzi tym, którzy już borykają się z problemami. Kluczową różnicą jest tu ludzki osąd.
Czy generatywna sztuczna inteligencja może pełnić funkcję skutecznego doradcy dla właścicieli firm i przedsiębiorców? Intuicyjne interfejsy oparte na czacie i języku naturalnym oznaczają, że każdy, kto potrafi czytać i pisać, może korzystać z narzędzi GenAI do szerokiego zakresu zadań, nawet jeśli brakuje mu umiejętności technicznych. Stanowi to oczywistą zachętę dla przedsiębiorców i właścicieli małych firm, z których wielu mogłoby skorzystać z doradcy dostępnego na żądanie, zdolnego pomóc w obszarach marketingu, ustalania cen, operacji i strategii.
Poprawa wyników przedsiębiorców na dużą skalę okazała się jednak sporym wyzwaniem. Najskuteczniejsze interwencje zazwyczaj wymagają dużego zaangażowania (podejście high-touch), jak na przykład bezpośrednie doradztwo, zindywidualizowany mentoring czy osobiste nawiązywanie kontaktów (networking). Są one jednak kosztowne w realizacji i trudne do skalowania. Na rynkach wschodzących to ograniczenie bywa często jeszcze bardziej odczuwalne: wysokiej jakości wsparcie biznesowe może być rzadkością, a jego koszt zaporowy w stosunku do posiadanych zasobów organizacyjnych. Tani i zawsze dostępny mentor AI miałby potencjał, by na dużą skalę dostarczać tego rodzaju wskazówek biznesowych, które historycznie były ograniczane przez dostępność i koszty ludzkich ekspertów.
Aby sprawdzić, czy dostęp do generatywnej sztucznej inteligencji może faktycznie pomóc małym firmom, przeprowadziliśmy eksperyment terenowy z udziałem setek właścicieli małych przedsiębiorstw w Kenii. Połowie z nich wylosowaliśmy dostęp do kontaktu w aplikacji WhatsApp, który łączył ich z wersją modelu GPT-4 firmy OpenAI. Skonfigurowaliśmy go tak, aby pełnił rolę kenijskiego doradcy biznesowego, a następnie śledziliśmy wyniki firm w czasie. Co było kluczowym czynnikiem decydującym o wzroście lub spadku zysków i przychodów? To, czy przedsiębiorca posiadał wystarczający osąd, by odróżnić dobre porady AI od złych.
Testowanie porad AI w prawdziwym świecie
Wiele wcześniejszych badań nad generatywną sztuczną inteligencją koncentrowało się na wąskich, ściśle zdefiniowanych zadaniach, takich jak pisanie e-maili, opracowywanie strategii biznesowej czy generowanie reklam. W przypadku takich zadań wyniki działania narzędzia często mogą być wykorzystane z niewielkimi modyfikacjami, co pozwala czerpać korzyści z pomocy AI nawet użytkownikom o niższych kwalifikacjach. Zgodnie z tym założeniem, badania wykazały, że pracownicy, którzy przed skorzystaniem z AI radzili sobie najgorzej, odnosili największe korzyści z użycia tego typu narzędzi.
Zarządzanie firmą nie jest jednak zadaniem wąskim ani precyzyjnie zdefiniowanym. Przedsiębiorcy często mierzą się z problemami o charakterze niejasnym i wieloznacznym. Nie potrzebują jedynie pomocy w napisaniu e-maila; potrzebują wsparcia w decydowaniu, jakim problemem się zająć, jaką strategię przyjąć i które z porad mają zastosowanie w ich konkretnym kontekście, a następnie podjęcia wyboru, co należy wdrożyć w obliczu rzeczywistych ograniczeń. Sama sztuczna inteligencja zazwyczaj nie radzi sobie z tego typu problemami najlepiej. Kiedy firma Anthropic oddała swojemu dużemu modelowi językowemu Claude Sonnet 3.7 całkowitą kontrolę nad małym biznesem automatów sprzedażowych (vendingowych) w swoim biurze w San Francisco, model ten sprzedawał towary ze stratą, rozdawał darmowe produkty i w krótkim czasie doprowadził firmę do strat finansowych.
Co jednak dzieje się w sytuacji, gdy zamiast pozostawiać AI do samodzielnego prowadzenia firmy, doradza ona ludzkiemu przedsiębiorcy, który sam może zdecydować, kiedy wdrożyć jej pomysły, a kiedy je zignorować?
Ocena użyteczności AI
Aby zbadać, jak sztuczna inteligencja wpływa na tak szerokie zadanie, jakim jest prowadzenie biznesu, zaprojektowaliśmy badanie mające na celu ocenę jej użyteczności w chaotycznej rzeczywistości, z którą na co dzień mierzą się przedsiębiorcy. Zrekrutowaliśmy 640 właścicieli małych firm w Kenii, reprezentujących różne sektory – w tym branżę spożywczą, rolnictwo i usługi myjni samochodowych – i przeprowadziliśmy randomizowane badanie kontrolne w okresie od maja do listopada 2023 r. Ponieważ większość populacji tego kraju komunikuje się za pomocą telefonów komórkowych, połowa uczestników otrzymała dostęp do opartego na modelu GPT-4 doradcy biznesowego za pośrednictwem platformy WhatsApp, dominującego komunikatora w Kenii. Osiemdziesiąt procent z nich nigdy wcześniej nie korzystało z ChatGPT ani żadnego innego narzędzia generatywnej sztucznej inteligencji. Obie grupy przeszły krótkie szkolenie wdrożeniowe, przy czym grupa kontrolna – zamiast dostępu do AI – otrzymała internetowy przewodnik szkoleniowy z zakresu biznesu.
W kontekstach, w których problemy są szerokie i nieostre, generatywna sztuczna inteligencja wzmacnia rolę ludzkiego osądu.
Właściciele firm w grupie eksperymentalnej mogli zadawać dowolne wybrane przez siebie pytania związane z biznesem i korzystać z asystenta tak często, jak tylko chcieli. Śledziliśmy ich sprzedaż i zyski w czasie, porównując przedsiębiorców, którzy otrzymali asystenta AI, z grupą kontrolną, która go nie miała. Średnio różnica między wynikami biznesowymi grupy kontrolnej a eksperymentalnej była bliska zeru i nieistotna statystycznie. Jednak średnia dla grupy eksperymentalnej maskowała uderzający podział: dostęp do generatywnej AI zwiększył przychody i zyski o 15% wśród właścicieli firm, którzy już wcześniej radzili sobie dobrze (tzn. znajdowali się w górnych 50% pod względem wyników przed eksperymentem). Z kolei wśród tych z dolnej połowy (bottom 50%), korzystanie z AI doprowadziło do niemal 10-procentowego spadku przychodów i zysków.
Takie same porady, różne decyzje
Dlaczego narzędzie zdolne do generowania wysokiej jakości sugestii biznesowych miałoby szkodzić przedsiębiorcom, którym w założeniu miało pomagać? Odkryliśmy, że zarówno przedsiębiorcy o wysokich, jak i niskich wynikach zadawali podobną liczbę pytań, pytali o podobne kwestie, a nawet otrzymywali od narzędzia AI podobne porady. Różnica polegała na tym, co ostatecznie decydowali się wdrożyć.
Z naszych danych wynikało, że każdy przedsiębiorca, bez względu na swoje wyniki bazowe, otrzymywał ogólne sugestie typu „obniż ceny” lub „zainwestuj w reklamę”, jak również pomysły bardziej dopasowane i specyficzne dla danego kontekstu. Przedsiębiorcy osiągający słabsze wyniki nieproporcjonalnie częściej stosowali się do rad ogólnych, tnąc ceny i zwiększając wydatki na reklamę. Te uniwersalne posunięcia (one-size-fits-all) często erodowały marże i podnosiły koszty, nie generując wystarczającego napływu nowych klientów, by te koszty zrekompensować.
Z kolei przedsiębiorcy o wysokich wynikach wykorzystywali GenAI do odkrywania i wdrażania zmian specyficznych dla ich sytuacji: właściciel kafejki internetowej zaczął wypożyczać klientom akcesoria do gier; właściciel myjni samochodowej wprowadził nowy, poszukiwany na rynku detergent i zaczął sprzedawać zimne napoje gazowane oczekującym klientom; inny przedsiębiorca znalazł alternatywne źródła zasilania, aby przetrwać przerwy w dostawie prądu. Obie grupy miały dostęp do porad AI tej samej jakości. Różnica polegała na tym, czy przedsiębiorcy posiadali osąd pozwalający na przefiltrowanie sugestii wygenerowanych przez AI, wybranie pomysłów pasujących do ich modelu biznesowego i zignorowanie całej reszty.
Wartość doradcy AI zależy od ludzkiego osądu
Nasz wniosek z badania jest taki, że w kontekstach, w których problemy są szerokie i nieostre, generatywna sztuczna inteligencja potęguje rolę ludzkiego osądu. Wartość kreowana przez doradcę AI działającego w ramach otwartych problemów krytycznie zależy od ludzkiego osądu, który kieruje jego wykorzystaniem i aplikacją. W środowiskach o otwartym charakterze (open-ended), pozytywny wpływ AI na wydajność zależy od zadawania właściwych pytań, prawidłowego interpretowania sugestii i trafnego wyboru działań do wdrożenia. W przypadku użytkowników o silnym osądzie, narzędzie pomaga w wydobywaniu na światło dzienne nowych pomysłów i analizowaniu kompromisów. Użytkownicy o słabym osądzie mogą ostatecznie podążać za brzmiącymi wiarygodnie, lecz w istocie mylącymi radami, które prowadzą do gorszych rezultatów.
Zrozumienie tego niuansu jest fundamentalne dla menedżerów i decydentów. Bez niego wdrażanie rozwiązań AI – nawet to podyktowane najlepszymi chęciami – grozi pogłębieniem luk w wydajności. Dzieje się tak, ponieważ osoby, które zazwyczaj najbardziej potrzebują pomocy, są jednocześnie najsłabiej wyposażone do tego, by obiektywnie filtrować i stosować porady maszyn.
Jak liderzy powinni wdrażać porady AI przy otwartych problemach
Nasze doświadczenia z prototypowaniem i uruchamianiem doradcy AI opartego na platformie WhatsApp pokazują, jak szybko i tanio można wdrażać oraz szeroko udostępniać narzędzia generatywnej sztucznej inteligencji. Jednakże błyskawiczna implementacja narzędzia GenAI zwiększa również ryzyko, że organizacje wdrożą systemy AI o otwartym charakterze bez odpowiednich, silnych zabezpieczeń (guardrails) czy procedur ewaluacyjnych. Ponieważ koszty wdrożeń spadają, AI jest stosowana do coraz szerszego zakresu otwartych zadań. Na przykład, inżynierowie w Google na co dzień używają obecnie narzędzi AI do wsparcia kodowania, a dowody wskazują, że na narzędziach tych najbardziej zyskują najbardziej doświadczeni programiści. Z kolei w branży wydawniczej uznani autorzy byli w stanie zwiększyć swoją produktywność dzięki AI, podczas gdy debiutanci – wspomagający się sztuczną inteligencją – zalali rynek przeciętną prozą. W przypadku liderów zarządzających AI w swoich organizacjach ustalenia te podkreślają znaczenie starannego projektowania i rygorystycznych pomiarów, aby upewnić się, że sztuczna inteligencja nie doprowadzi do nieumyślnego pogorszenia wyników.
Co mogą zrobić liderzy?
Po pierwsze, kultywować świadomość. Liderzy nie powinni zakładać, że sztuczna inteligencja z definicji poprawi wyniki każdego pracownika. Oceny, które koncentrują się wyłącznie na średnich efektach, mogą być mylące, ponieważ wskaźnik uśredniony potrafi maskować istotne szkody dla konkretnych podgrup.
Po drugie, liderzy mogą projektować z uwzględnieniem heterogeniczności (różnorodności). W przypadku pracowników posiadających odpowiednie doświadczenie i dojrzałość osądu, otwarte narzędzia AI mogą przynosić realne, wysokie zwroty. Pracownicy na niższych stanowiskach (juniorzy) lub osiągający słabsze wyniki mogą potrzebować węższych i ściślejszych zabezpieczeń, aby uniknąć ślepego podążania za szkodliwymi sugestiami. Jednym z obiecujących kierunków jest zasilanie narzędzia AI większą ilością kontekstu na temat specyficznej sytuacji użytkownika – danymi biznesowymi, finansowymi czy szczegółami otoczenia konkurencyjnego – tak, aby system mógł lepiej odfiltrowywać ogólnikowe porady niepasujące do sytuacji. Zbudowanie tego rodzaju świadomości kontekstowej w narzędziach AI pozostaje jednak otwartym wyzwaniem, które dostawcy GenAI nieustannie starają się rozwiązać.
Oceny, które koncentrują się wyłącznie na średnich efektach, mogą być mylące, ponieważ średnia może maskować istotne szkody dla konkretnych grup.
W międzyczasie jest wysoce prawdopodobne, że dla większości osób generatywna AI okaże się przydatna przede wszystkim w konkretnych, wąskich zadaniach – takich jak streszczanie dokumentów, redagowanie bardziej przejrzystych tekstów czy audytowanie kodu pod kątem wydajności – a nie w zadaniach, które wymagają dogłębnej wiedzy kontekstowej (by ocenić użyteczność wygenerowanych odpowiedzi) oraz wysokich kompetencji wdrożeniowych.
Organizacje powinny również inwestować w rozwój ludzkiego osądu oraz w struktury wspierające (scaffolding) wokół wykorzystywania AI. Przy decyzjach o wysokiej stawce krytycznym zabezpieczeniem jest proces eskalacji problemu do ludzkiego eksperta, zwłaszcza gdy porada AI ma charakter otwarty, jest silnie uzależniona od kontekstu lub wręcz trudna do apriorycznej oceny. Organizacje mogą budować mechanizmy ułatwiające bezpieczne korzystanie z tych narzędzi, takie jak m.in.: ustrukturyzowany onboarding wydobywający niezbędny kontekst, decyzyjne listy kontrolne (checklists) czy wbudowane ostrzeżenia przed taktykami erodującymi firmowe marże.
Trzecim krokiem jest audytowanie nierównomiernych efektów wdrożenia, co można osiągnąć poprzez zadawanie pytań w trzech kluczowych obszarach:
- Adopcja: Czy wybrane grupy całkowicie unikają narzędzia lub używają go znacznie rzadziej niż pozostałe?
- Same interakcje: Czy poszczególni użytkownicy zadają różnego rodzaju pytania, dostarczają odmienną ilość kontekstu biznesowego lub otrzymują znacząco różne odpowiedzi?
- Co dzieje się na kolejnym etapie: Czy narzędzie realnie zmienia podejmowane decyzje i czy decyzje te przynoszą lepsze rezultaty dla jednych użytkowników, a gorsze dla innych?
Zadawanie tych pytań może pomóc liderom w precyzyjnym lokalizowaniu punktów, w których mogą wyłaniać się nierówności. Pozwala to na podjęcie proaktywnych interwencji poprzez celowane szkolenia, przeprojektowanie procesów pracy (workflow) lub ustanowienie ściślejszych mechanizmów kontrolnych.
Sztuczna inteligencja wykazuje absolutnie realny potencjał do podnoszenia wyników biznesowych na ogromną skalę, jednak płynące z niej korzyści nie są zagwarantowane z góry. Wyniki naszych badań sugerują, że GenAI może nieumyślnie zwiększać nierówności rynkowe, pomagając silniejszym organizacjom dużo bardziej niż pozostałym, a co gorsza – aktywnie szkodząc tym o słabszych wynikach. Przy wdrażaniu narzędzi AI w skali całego przedsiębiorstwa, centralnym wyzwaniem dla kadry zarządzającej nie jest samo udostępnienie tej technologii, lecz uczynienie z niej efektywnego instrumentu – tak, aby skalowanie sztucznej inteligencji nie wiązało się jednocześnie ze skalowaniem nierówności.
