AI je dosad uglavnom pomagao čovjeku da brže napravi dio posla. GPT-6 Astra pomiče granicu: cilj više nije automatizirati samo zadatak, nego povezati niz koraka i dovesti posao što bliže gotovom rezultatu.
To mijenja i pitanje koje bi kompanije trebale postavljati.
Više nije dovoljno pitati: Koliko nam je AI ubrzao jedan zadatak?
Važnije postaje: Koliko dugo proces može nastaviti bez nove ljudske intervencije?
OpenAI GPT-6 Astru opisuje kao model napravljen za najzahtjevniji end-to-end rad. Astra može istraživati, analizirati podatke, izrađivati dokumente, pisati kod, koristiti računalo i povezivati različite alate unutar istog zadatka.
Razlika možda zvuči tehnički. Poslovno je prilično velika.
GPT-6 Astra pokušava spojiti ono što smo dosad radili odvojeno
Zamislimo jednostavan mjesečni izvještaj.
Netko preuzima podatke. Druga osoba ih provjerava. Podaci završavaju u tablici. Izrađuju se grafikoni. Analiziraju se odstupanja. Piše se komentar. Dokument se formatira. Netko ga odobrava. Na kraju odlazi upravi.
AI koji može napisati komentar automatizirao je jedan zadatak.
AI koji može preuzeti podatke, analizirati ih, pronaći odstupanja, napraviti grafikon, sastaviti izvještaj i pripremiti ga za odobrenje napravio je nešto drugo.
Automatizirao je dio procesa.
Upravo tu treba tražiti poslovni značaj Astre.
Ne u tome može li napisati bolji mail ili napraviti ljepšu prezentaciju, nego koliko radnji može povezati prije nego što posao ponovno mora vratiti čovjeku.
Produktivnost se gubi između dva zadatka
Novo istraživanje daje dobar razlog zašto je ta razlika važna.
Autori NBER-ova rada Chaining Tasks, Redefining Work proizvodnju promatraju kao niz koraka koji se mogu obavljati ručno, uz pomoć AI-ja ili potpuno automatizirano.
Njihov ključni nalaz posebno je zanimljiv kompanijama: automatizacija postaje snažnija kada AI može povezivati susjedne korake u lance. Ako su zadaci koje AI može obaviti raspršeni kroz proces, mogućnost automatizacije cijelog posla pada.
Drugim riječima, nije isto automatizirati pet nepovezanih zadataka i pet uzastopnih koraka.
Upravo sposobnost povezivanja zadataka u duže lance mijenja ekonomiku AI automatizacije.
To objašnjava zašto kompanija može imati desetke AI alata, a da se vrijeme potrebno za završetak određenog procesa gotovo ne promijeni.
Čovjek i dalje mora preuzeti rezultat, provjeriti ga, otvoriti drugi sustav, prenijeti podatke i pokrenuti sljedeću radnju.
Svaki je zadatak možda brži.
Proces nije.
Možete raditi 180 posto više, a isporučiti samo 30 posto više
Drugo istraživanje istih autora još bolje pokazuje problem.
Kod autonomnih coding agenata broj aktivnosti mjerenih commitovima porastao je čak 180 posto.
Da priča tu završava, zaključak bi bio spektakularan.
Ali nije.
Kada su istraživači pogledali broj projekata, rast se smanjio na oko 50 posto. Kod stvarnih izdanja softvera ostalo je približno 30 posto.
Nakon što AI ubrza jedan dio posla, usko grlo može samo prijeći na sljedeći.
Kod softvera su to pregled, testiranje, integracija i konačno izdavanje proizvoda.
U financijama može biti odobrenje.
U prodaji unos u CRM.
U marketingu pravna provjera kampanje.
U nabavi potpis.
I tu se vidi zašto je prelazak sa zadatka na proces važan.
Što se događa kada AI preuzme više koraka?
Jedan stvarni primjer dolazi iz Lindea.
U procesu revizije auditori su trošili sate pretvarajući bilješke i dokumentaciju u formalne izvještaje te ih usklađujući između različitih lokacija.
Multiagent sustav AuditGPT preuzeo je dio tog procesa, a kompanija je prijavila 92 posto kraće vrijeme pripreme audit izvještaja.
To nije rezultat kontroliranog eksperimenta, nego podatak koji su prijavili praktičari i zato ga tako treba čitati.
Ali promjena u načinu rada posebno je zanimljiva.
Auditori nisu nestali. Njihov se posao pomaknuo prema praćenju identificiranih rizika, radu s timovima i preventivnim mjerama.
AI je preuzeo dio mehaničkog lanca.
Čovjek se pomaknuo prema dijelu u kojem njegova prosudba više vrijedi.
Čovjek ne mora biti na svakom koraku da bi ostao važan
Tu je lako otići u pogrešnom smjeru.
Ako AI može samostalno napraviti više koraka, cilj nije automatski izbaciti čovjeka iz što većeg dijela procesa.
Neke ljudske intervencije postoje s razlogom.
Direktor treba odobriti investiciju. Kreditni odbor preuzima odgovornost za kredit. Menadžer procjenjuje situaciju koju pravila nisu predvidjela.
Ali postoje i intervencije koje radimo samo zato što softver dosad nije mogao nastaviti sam.
Kopiramo podatke iz jednog sustava u drugi. Pretražujemo informacije. Provjeravamo je li stigao odgovor. Šaljemo rezultat sljedećoj osobi.
Tu se otvara prostor za novu vrstu produktivnosti.
Uzmite jedan stvarni proces i označite svaki korak:
AI može napraviti sam.
AI može napraviti, ali čovjek mora potvrditi.
Čovjek mora odlučiti.
Tek tada postaje vidljivo gdje stvarno postoji prostor za automatizaciju.
Zato pitanje koliko autonomije treba dati AI agentima više nije samo tehnološko pitanje. Kada agent prelazi s odgovaranja na izvršavanje procesa, ovlasti, kontrola i odgovornost postaju dio dizajna samog posla.
Nemojte mjeriti koliko zaposlenika koristi AI
Tu će se morati promijeniti i način na koji kompanije mjere povrat na ulaganje.
Broj zaposlenika s AI licencom malo govori o stvarnoj vrijednosti.
Broj promptova još manje.
Čak ni vrijeme ušteđeno na pojedinačnom zadatku ne mora biti dovoljno.
McKinsey zato predlaže da se ekonomika AI agenata promatra kroz trošak završenog posla, a ne samo kroz cijenu modela ili tokena.
To mijenja perspektivu.
Ako AI smanji vrijeme izrade analize s dva sata na deset minuta, ali analiza zatim tri dana čeka sljedeću osobu, kompanija nije dobila tri dana.
Dobila je sat i pedeset minuta.
Prava vrijednost pojavljuje se kada se skrati vrijeme od zahtjeva do rezultata.
Zato su korisnije metrike: koliko ljudskih intervencija proces zahtijeva, koliko traje od početka do kraja, koliko košta jedan završen slučaj i koliko rezultata zahtijeva ponovnu obradu.
Tek tada možemo vidjeti je li AI ubrzao posao ili samo jedan njegov dio.
Najvažnije pitanje nije što Astra može napraviti
GPT-6 Astra neće preko noći preuzeti cijele kompanije niti će svaki poslovni proces biti spreman za autonomno izvršavanje.
Ali smjer postaje jasniji.
Prva faza poslovnog AI-ja bila je pomoć čovjeku.
Napiši.
Sažmi.
Prevedi.
Analiziraj.
Predloži.
Sljedeća faza dodaje glagol koji je poslovno mnogo važniji:
napravi.
A kada AI može napraviti više povezanih koraka, kompanija više ne optimizira samo rad zaposlenika. Počinje redizajnirati način na koji posao prolazi kroz organizaciju.
Zato prije kupnje još jednog AI alata vrijedi uzeti jedan stvarni proces i nacrtati ga od početka do kraja.
Zatim postaviti pitanje:
Na kojem mjestu čovjek ulazi zato što njegova prosudba stvara vrijednost, a na kojem samo zato što softver dosad nije mogao nastaviti sam?
GPT-6 Astra možda neće ukloniti čovjeka iz procesa.
Ali mogla bi vrlo brzo pokazati koliko smo ga puta u proces ubacili bez stvarne potrebe.
