Van egy kényelmes történet az AI-ról az üzleti életben. A cégben rendetlenség van, lassúak a döntések, a tudás szétszórva hever a postafiókokban és az emberek fejében. Aztán megérkezik az AI, mindent elolvas, összeköti a pontokat, és rendet rak.

Róth Miklós szerint ez a történet fordítva kezeli az okot és az okozatot. Az álláspontja egyetlen mondatba fér, amelyet a Roth Complexity Lab által közölt esszéje címének is választott: az AI nem oldja meg a zűrzavart, hanem felnagyítja.

Mit jelent pontosan, hogy az AI felnagyítja a zűrzavart?

Azt, hogy az AI kevésbé szerelőként, sokkal inkább erősítőként viselkedik. Ha egy tiszta folyamatot adunk neki, meghatározott bemenetekkel, felelősökkel és minőségi mércével, többszörös hatást kapunk: ugyanazt a jó munkát, gyorsabban és nagyobb mennyiségben. Ha egy tisztázatlan folyamatot adunk neki, a tisztázatlan folyamatot kapjuk vissza nagyobb mennyiségben. A nézeteltérések, a duplikált munka és a dokumentálatlan kivételek nem tűnnek el. Megsokszorozódnak.

Képzeljünk el egy értékesítési csapatot, amely soha nem egyezett meg abban, mi számít „minősített leadnek”. AI nélkül a következetlenség heti néhány fölösleges hívásba kerül. AI-jal egy pontozó modell tanul a következetlen címkékből, egy asszisztens több ezer e-mailt ír ezek alapján, egy dashboard pedig teljes magabiztossággal jelenti az eredményt. A zűrzavar most gyorsabb, drágább, és sokkal nehezebb észrevenni, mert adatnak látszik.

Miért történik ez? A S·I·C·T-magyarázat

Róth S·I·C·T keretrendszere adja a mechanizmust. Egy rendszer addig stabil, amíg a Struktúra és a Kohézió lépést tart az Információval és a Transzformációval: S + C ≥ I + T. Itt a keretrendszer részletesen.

Az AI kétszer is az egyenlőtlenség jobb oldalát üti:

• Elárasztja a rendszert Információval. Összefoglalók, vázlatok, elemzések, előrejelzések, változatok. A hihetőnek látszó kimenet mennyisége robbanásszerűen nő.
• Felgyorsítja a Transzformációt. A munkafolyamatok havonta változnak, a szerepek összemosódnak, és új eszközök érkeznek, mielőtt a régieket bárki megértette volna.

Amit az AI magától nem tesz hozzá, az a Struktúra (ki dönt, mik a szabályok, mely adat számít) és a Kohézió (közös definíciók, bizalom a csapatok között, közös kép arról, milyen a jó munka). Ezeket embereknek kell felépíteniük. Ha ez elmarad, a mérleg átbillen, és a szervezet épp akkor válik törékenyebbé, amikor egyre inkább „AI-vezérelt” lesz.

Melyek a figyelmeztető jelek egy cégen belül?

Néhány tünet újra és újra feltűnik, amikor az AI a zűrzavart erősíti:

• Gyorsabb kimenet, lassabb döntések. A csapatok több jelentést gyártanak, mint valaha, a vezetés pedig egyre kevésbé biztos abban, mit tegyen.
• Egymással vitatkozó igazságok. Két részleg átfedő adatokon futtat AI-t, eltérő számokra jut, és mindkettő hitelesnek tűnik.
• Láthatatlan hibák. A hibák már nem hibának látszanak. Szépen formázott válasznak.
• Eszközburjánzás. Minden csapat a saját eszközével oldja meg a saját problémáját, az egészért pedig senki nem felel.
• Pilot-limbó. A demók lenyűgöznek, semmi nem jut el élesbe, és mégis indul a következő pilot.

Ezek egyike sem technológiai probléma. Hanem struktúra- és kohéziós probléma, amelyet az AI hangosabbá tett.

Hogyan lehet elérni, hogy az AI a jó dolgokat erősítse?

A válasz nem az, hogy öncélúan lassítsuk az AI-t. Hanem az, hogy a stabilizátorokat az erősítő előtt, de legalább vele párhuzamosan építsük fel. Róth tanácsadói munkája a Roth AI Consultingnál ennek egy változatát követi:

1. Előbb tisztázz, aztán automatizálj. Le kell írni a folyamatot, amelyet fel akarunk gyorsítani: bemenetek, döntési pontok, felelős, a „kész” definíciója. Ha ez nem megy, ez az első projekt.
2. Egyezzetek meg a közös definíciókban. A „minősített lead”, a „megoldott jegy” vagy a „jóváhagyott tartalom” egyetlen jelentéssel, olyan helyen rögzítve, ahol emberek és modellek is használni tudják.
3. Minden AI-rendszernek legyen gazdája. Valaki, aki el tudja magyarázni, mit csinál, meg tudja ítélni a kimenetét, és le tudja állítani. Magas kockázatú rendszereknél az EU AI Act az emberi felügyeletet jogi követelménnyé teszi, nem opcionális extrává.
4. Adagold a változást. Korlátozni kell, hány új eszközt és munkafolyamatot kell egy csapatnak egyszerre befogadnia. A transzformáció nyomóerő, nem ingyenes erőforrás.
5. Eredményt mérj, ne kimenetet. A több vázlat nem eredmény. A gyorsabb ügyintézés, a magasabb konverzió vagy a kevesebb hiba az.

Hogyan néz ki ez a marketingben?

A marketingben a legkönnyebb tetten érni ezt a mintát. Egy csapat világos pozicionálás, következetes hangnem és közösen elfogadott fókusztémák nélkül hozzáfér az AI-szövegíró eszközökhöz. A havi négy cikkből negyven lesz. Fél év múlva az oldalon több az aloldal, de kisebb a tekintély: a cikkek ellentmondanak egymásnak, átfedő kulcsszavakra lőnek, és ötféleképpen írják le a céget. A keresők és az AI-asszisztensek, amelyek a világos és következetes entitásokat jutalmazzák, homályosabb márkát látnak, mint korábban.

Ugyanez a csapat, ha előbb rögzíti a pozicionálást, a hangnemet és a témaszerkezetet, pontosan ugyanazokkal az eszközökkel kevesebb, de jobb, egymást erősítő anyagot tud kiadni. Ugyanaz az erősítő, más bemenet. Ez Róth ügynökségének AI-láthatósági munkájának a magja.

Nem egyszerűen a régi „szemét be, szemét ki” elvről van szó?

Részben igen, és a régi mondás jó kiindulópont. Róth gondolata azonban tovább megy. A „szemét be, szemét ki” az adatminőségről szól. A zűrzavar viszont a szervezeti tisztánlátásról: tisztázatlan felelősségről, egymásnak ellentmondó célokról, hiányzó közös nyelvről. Egy modellnek tökéletesen tiszta adatot is adhatunk, és mégis a zűrzavart erősítjük, ha senki nem ért egyet abban, mire való a kimenet.

Ezért van az is, hogy az ő meglátása szerint sok cégnél a legértékesebb AI-munka elsőre egyáltalán nem látványos: folyamattérképek, közösen elfogadott definíciók, felelősségi táblák. Csak ezután kezdi az erősítő a megfelelő jelet felerősíteni, és ez a gondolat áll a könyve, a Signal Over Noise (Jel a zaj felett) címe mögött is.