कृत्रिम बुद्धिमत्तेची साधने कार्यालयांमध्ये नियमित वापराचा भाग बनत आहेत. ती जलद मसुदे, वेगवान संशोधन आणि पुनरावृत्तीची कामे दुसऱ्यांकडे सोपवण्याचा मार्ग देण्याचे आश्वासन देतात. मात्र, या साधनांच्या वापराचे सामाजिक परिणाम त्यांच्या उत्पादकतेच्या फायद्यांशी नेहमीच थेट जुळतील असे नाही, असे नव्या अभ्यासातून सूचित होते. कर्मचाऱ्याने ChatGPT सारखे मोठे भाषा मॉडेल वापरले आहे, हे पर्यवेक्षकांना माहीत असल्यास, तंत्रज्ञानावर बंदी नसली आणि कामाच्या गुणवत्तेचा आढावा घेतला जात नसला तरी ते त्या कर्मचाऱ्यावर कमी विश्वास ठेवू शकतात.
जेरुसलेमच्या Hebrew University मधील Samuel Meyers यांच्या नेतृत्वाखाली, त्याच विद्यापीठातील Yochanan Bigman आणि WHU—Otto Beisheim School of Management मधील Roman Briker यांनी हा अभ्यास केला. तो The Leadership Quarterly मध्ये प्रकाशित झाला. सहा अभ्यासांमध्ये संशोधकांनी कर्मचाऱ्यांनी मोठी भाषा मॉडेल्स वापरल्यावर पर्यवेक्षक कशी प्रतिक्रिया देतात आणि त्या प्रतिक्रिया कार्यस्थळावरील मूल्यमापनांना कशा प्रकारे आकार देऊ शकतात, याचा अभ्यास केला.
पद्धत माहीत झाल्यावर विश्वास बदलला
AI चा वापर झाला होता, ही माहिती व्यवस्थापकांच्या निर्णयांवर परिणाम करत होती; केवळ अंतिम निकालावरच नाही, हा या अभ्यासातील प्रमुख निष्कर्ष होता. एका प्रयोगात पर्यवेक्षकांची भूमिका निभावणाऱ्या व्यक्तींनी एखादे काम पूर्ण करण्यासाठी लागलेल्या वेळेबाबत कर्मचाऱ्याच्या अहवालावर विश्वास ठेवायचा की स्वतः त्याची पडताळणी करायची, हे ठरवले. कर्मचाऱ्याने काम स्वतंत्रपणे पूर्ण केले की AI च्या मदतीने, हे सहभागी व्यक्तींना सांगण्यात आले.
ज्या कर्मचाऱ्यांनी काम स्वतः पूर्ण केले असे सांगण्यात आले, त्यांना त्या परिस्थितीत त्यांच्या पर्यवेक्षकांचा विश्वास मिळण्याची शक्यता 68% होती. AI वापरल्याचे सांगितलेल्या कर्मचाऱ्यांसाठी हा आकडा 24% होता. या प्रयोगात पर्यवेक्षक पूर्ण झालेल्या कामाच्या गुणवत्तेचे मूल्यमापन करत नव्हते, यावर संशोधकांनी भर दिला. त्याऐवजी, हा फरक काम तयार करण्याच्या प्रक्रियेला दिल्या जाणाऱ्या जाणवलेल्या महत्त्वाकडे निर्देश करतो.
संस्था generative AI साठी व्यावहारिक नियम तयार करण्याचा प्रयत्न करत असताना हा फरक महत्त्वाचा ठरतो. एखादी कंपनी AI कडे मंजूर कार्यक्षमता साधन म्हणून पाहू शकते; परंतु वैयक्तिक व्यवस्थापक त्यावरील अवलंबित्वाकडे कर्मचाऱ्याचा प्रयत्न, निर्णयक्षमता किंवा विश्वासार्हतेचा संकेत म्हणून पाहू शकतात. प्रत्येक व्यवस्थापक अशाच प्रकारे प्रतिक्रिया देईल, असे हा अभ्यास सिद्ध करत नाही. मात्र, एखाद्या साधनाची औपचारिक स्वीकार्यता आणि त्याचे परस्पर संबंधांवरील परिणाम यांच्यातील संभाव्य अंतर तो दाखवतो.
व्यावसायिक निर्णयांवरही परिणाम होऊ शकतो
या संशोधनाने कमी पर्यवेक्षकीय विश्वासाचा संबंध व्यापक व्यावसायिक मूल्यमापनांशी जोडला. अतिरिक्त प्रयोगांमध्ये, कमी विश्वासाचा संबंध कर्मचाऱ्याच्या कामगिरीच्या खराब मूल्यमापनाशी, संस्थेतील कर्मचाऱ्याच्या योगदानाबद्दलच्या कमकुवत धारणा आणि बढतीसाठी कमी योग्य समजले जाण्याशी होता.

या निष्कर्षांमुळे AI चा वापर जाहीर करणे हा पारदर्शकतेचा साधा प्रश्न राहात नाही. विशेषतः अचूकता, गोपनीयता किंवा संस्थेच्या धोरणांचा संबंध असल्यास, कर्मचाऱ्यांना त्यांनी कामात वापरलेल्या साधनांबद्दल खुलेपणाने सांगावेसे वाटू शकते. तरीही, व्यवस्थापक निकालाचे वस्तुनिष्ठ मूल्यमापन करण्यापूर्वीच जाहीर केलेल्या माहितीकडे नकारात्मक अर्थाने पाहू शकतात, असे हा अभ्यास सूचित करतो. योगदान आणि मालकी हक्क थेट पाहणे कठीण असलेल्या कामांसाठी हा धोका विशेषतः महत्त्वाचा आहे.
दुसऱ्या व्यक्तीकडून नक्कल करण्याशी केलेली तुलना एक महत्त्वाची सीमा दाखवते. AI च्या मदतीने केलेल्या कामाकडे स्वतंत्रपणे पूर्ण केलेल्या कामापेक्षा कमी अनुकूलतेने पाहिले गेले; परंतु plagiarism पेक्षा अधिक अनुकूलतेने पाहिले गेले. म्हणजेच, सहभागी व्यक्तींनी AI चा वापर दुसऱ्याचे काम नक्कल करण्याइतका समान मानला नाही. तरीही, संशोधनातील परिस्थितींमध्ये त्याचा विश्वासावर स्वतंत्र नकारात्मक परिणाम दिसून आला.
केवळ कर्मचाऱ्याची निवड नव्हे, तर संस्थात्मक आव्हान
Generative AI कडे अनेकदा वैयक्तिक उत्पादकतेच्या निर्णयाच्या रूपात पाहिले जाते: कर्मचारी त्याचा वापर करायचा की नाही ते ठरवतात आणि व्यवस्थापक निकाल अपेक्षा पूर्ण करतो की नाही हे ठरवतात. हा अभ्यास हा मुद्दा अधिक व्यापक पद्धतीने मांडतो. AI-सहाय्यित कामाबद्दल व्यवस्थापक आणि कर्मचारी वेगवेगळ्या धारणा बाळगत असतील, तर त्यातून निर्माण होणारा तणाव विश्वास, अभिप्राय आणि प्रगतीवर परिणाम करू शकतो.
त्यामुळे कार्यस्थळावरील स्पष्ट अपेक्षांमध्ये AI ला परवानगी आहे की नाही, यापेक्षा अधिक बाबींचा समावेश करावा लागू शकतो. कोणत्या प्रकारची मदत योग्य आहे, ती कधी जाहीर करावी आणि मानवी व यांत्रिक योगदान असलेल्या कामाचे व्यवस्थापकांनी कसे मूल्यमापन करावे, हेही त्यात स्पष्ट करावे लागेल. कर्मचारी AI वापरू शकतात, असे केवळ सांगणारे धोरण पर्यवेक्षक त्या वापराचा अर्थ कसा लावतील, हा प्रश्न आपोआप सोडवत नाही.
कर्मचाऱ्यांसाठी, AI साधनाचा कोणताही वापर करिअरला हानी पोहोचवेल, असे मानण्याचे कारण हा अभ्यास देत नाही. त्याचे पुरावे पर्यवेक्षकीय निर्णयांच्या प्रायोगिक अभ्यासांतून आले आहेत आणि कार्यस्थळांची मानके, कामे व देखरेख वेगवेगळी असतात. मात्र, AI स्वीकारल्याने कामाच्या प्रवाहांबरोबरच कार्यस्थळावरील संबंधही बदलू शकतात, असा इशारा तो देतो.
Bigman यांच्या शब्दांत, AI केवळ लोक कसे काम करतात हे बदलत नाही, तर ते ज्या लोकांसोबत काम करतात त्यांचे मूल्यमापन कसे करतात, हेही बदलत आहे. कार्यस्थळी AI स्वीकारण्याचा पुढील टप्पा सर्वाधिक सक्षम साधने निवडण्याइतकाच विश्वास आणि उत्तरदायित्वाबाबत सामायिक अपेक्षा निर्माण करण्यावर अवलंबून राहू शकतो.
This article is based on reporting by Phys.org. Read the original article.
Originally published on phys.org




