Undersøgelse: Ureflekteret brug af AI gør os dovne

Effekterne af AI – kunstig intelligens – spreder sig stadig hurtigere i erhvervslivet og det øvrige samfund: Finanshuset ING har senest kigget nærmere på forskellige perspektiver i AI-udviklingen. De har undersøgt, om AI gør os mere mentalt dovne. Og de beskriver den lange vej fra pilotprojekter til fuld implementering i erhvervslivet.

Gør Large Language Models (LLM’er) os egentlig dummere? Mange af os bruger allerede AI-robotter i hverdagen – til at rette tekster, planlægge, brainstorme eller skrive. Det sparer tid og gør arbejdet lettere. Men risikerer vi samtidig at gøre os selv en bjørnetjeneste? Holder vi hjernen mindre i gang, når vi overlader opgaverne til teknologien?

Muligvis, ja: To nye undersøgelser har set på, hvordan AI-robotterne påvirker vores måde at tænke på. I MIT Media Labs studie ‘Your brain on ChatGPT’ blev deltagerne delt i tre grupper: Én skrev uden hjælpemidler, én brugte Google og én brugte ChatGPT.

Deltagerne uden hjælpemidler havde mest mental aktivitet, hukommelse og originalitet. ChatGPT-brugerne leverede pæne, men generiske, tekster med lavere hjerneaktivitet, mens Google-gruppen lå midt imellem.

Da deltagerne senere byttede metode, viste det sig, at de, der først skrev uden AI, efterfølgende fik et kognitivt løft ved brug af ChatGPT. Omvendt gik det dårligere for dem, der tidligt havde vænnet sig til AI.

Uden ChatGPT faldt både aktivitet og præstation. Studiet er småt og meget specifikt – man skal tage det for hvad det er. Men det peger på, at strategisk brug af AI kan styrke tænkning, mens for tidlig benyttelse kan svække den.

En anden undersøgelse fra Max-Planck-Instituttet for Menneskelig Udvikling viste, at mennesker i stigende grad efterligner AI-sprog i deres tale. Ved at analysere 280.000 engelsksprogede videoer fra over 20.000 YouTube-kanaler fandt forskerne en markant stigning i brugen af ord, der ofte forekommer i ChatGPT-tekster.

Ifølge forskerne skaber det en slags feedback-loop: Mennesker former AI-værktøjer, men AI-værktøjer former også os. ING’s konklusion lyder sådan: Hvis man overlader al tænkning til AI, bliver man dårligere til at tænke selv.

Derfor bør man bruge AI til at forstærke, ikke erstatte. Ellers kan man ende i den situation, som forfatteren Joanna Maciejewska beskriver i sit populære citat: “Jeg vil have AI til at vaske mit tøj og tage min opvask, så jeg kan lave kunst og skrive – ikke omvendt.”

Ifølge Europa-Kommissionens Eurobarometer-undersøgelse har i gennemsnit 62 pct. af EU-borgerne et positivt syn på AI og robotter på arbejdspladsen, men hele 84 pct. mener samtidig, at teknologien skal håndteres med stor omhu.

Lidt over halvdelen vurderer, at AI og robotter er egnede til at træffe præcise beslutninger, men næsten tre fjerdedele støtter et forbud mod fuldautomatisk beslutningstagning uden menneskelig involvering. Det viser, at selv om medarbejdere i stigende grad bruger AI i deres daglige opgaver, mangler mange stadig tillid til teknologien.

Det giver også udfordringer i den måde, virksomheder anvender AI på. Mens AI allerede påvirker vores måde at kommunikere på, står virksomheder samtidig overfor udfordringen med at omsætte teknologien fra eksperimentel til fuld udrulning.

Selvom det allerede bliver flittigt brugt – især indenfor softwareudvikling, kundeservice og marketing, har de fleste stadig kun sat gang i pilotprojekter. En mindre del er nået hele vejen til drift. På trods af massive investeringer fra de store techgiganter er kløften mellem test og fuld implementering altså fortsat dyb. Mange kæmper med at få rullet AI ud i stor skala.

En af de store forhindringer kan være uoverskuelige og komplekse arbejdsprocesser. De kan være en større barriere for udvikling, end man umiddelbart tror. I en artikel af Ruthanne Huising følges teams, der skulle kortlægge virksomheders interne processer – fra råmaterialer til færdige produkter. Her blev det tydeligt, at mange processer var uigennemsigtige og overlappende: Der opstod output, som ingen reelt brugte, dobbeltarbejde og en høj grad af ad hoc-løsninger.

Topledelsen var ofte ikke klar over dette, da det kan være svært at følge med i, hvad der foregår på alle led og forstå, hvordan processerne reelt fungerer i praksis. Fænomenet beskrives ofte som “Garbage Can Model”, hvor organisationer præges af tilfældige koblinger mellem problemer, løsninger og beslutningstagere.

I sådanne situationer bliver det meget vanskeligt at implementere nye teknologier som AI. Det kræver nemlig klare processer, strukturer og regler.

MAL