De flesta verkar nöjda med att låta AI skriva sina Linkedin-inlägg åt dem. Andra, däribland jag själv, låter AI utarbeta utkast till arbets-pm eller presentationsmaterial. Och vissa, enligt färska undersökningsresultat som lyfts fram av AI Secret, låter gärna AI sköta matinköpen åt dem (28 procent), men inte när det gäller lyxvaror eller bankärenden (6 procent). I ett försök att hitta en vägledande princip för när vanliga dödliga är villiga att överlåta kontrollen till robotar, kom författarna till AI Secret med en skarpsinnig tolkning av vår vilja att köpa mat men inte finansiella produkter via AI: ”Den rangordningen handlar inte om förtroende, utan är en karta över vad människor har slutat bry sig om.”
Även om detta känns någorlunda sant är just ”någorlunda” viktigt. Baserat på det skräp vi regelbundet tvingas ta oss igenom på Linkedin känns till exempel AI-smörja som ett försök att bry sig om något som vi får höra att vi borde bry oss om, men som vi inte gör. Om vi gjorde det skulle vi ta oss tid att skriva om det. Eller kanske är det helt enkelt ett erkännande av att många människor inte har förmågan att skriva bra, så de anförtror AI att göra det bättre än de själva skulle kunna. (Det gör det inte.)
Kanske är det båda delarna. När det gäller viljan att handla mat är det inte så att vi inte bryr oss om mjölken i vårt kylskåp – det gör vi uppenbarligen – men kanske bryr vi oss inte om hur den hamnar där. Vi bryr oss med andra ord om resultatet, men inte om processen.
Det känns som rätt sätt att tänka på AI, och kanske, bara kanske, ger det en ledtråd till när och hur du och jag bör använda AI.
Linkedin upptäcker skräp
Förra veckan introducerade LinkedIn en knapp som låter användare flagga ett inlägg som ”verkar vara AI-skräp”. De tog också bort sin egen funktion ”förbättra ditt inlägg”, som bidrog till floden av AI-skräp genom att använda AI för att hjälpa till att skriva inlägg, och ersatte den med en korrekturläsare utformad för att inte ändra författarens röst.
Det är en välkommen förändring. Jag har glatt använt ”verkar vara AI-skräp” ända sedan dess.
Ändå måste man fråga sig: varför producerar folk dessa inlägg överhuvudtaget? Min gissning är att många inte ser något värde i att publicera inlägg, men känner sig tvingade att göra det på grund av ”tankeledarskap” och ”karriär”. Eller kanske, precis som jag gjorde förra veckan, använde de AI för att fråga: ”Vilka är mina mest framgångsrika inlägg under de senaste tio åren och vad är den bästa strategin för att upprepa den framgången?” Förutom att den sa åt mig att publicera tre gånger i veckan (Linkedins algoritmer gillar det) berättade den också något jag redan visste: ”Dina bästa inlägg var personliga och innehöll tydliga åsikter.” Med andra ord, precis den typ av saker som AI inte kan skriva åt mig.
Ja, AI kan producera 500 ord om hur det att vara tränare för din dotters fotbollslag lärde dig sju lärdomar om företagsinköp. (”Låt det sjunka in.”) Inlägget kommer att vara välskrivet och kanske till och med bli populärt. Det kommer också att låta precis som allt annat i andras flöden, eftersom du och alla andra har outsourcat just det som läsarna vill ha mest: en personlig synvinkel. Något som gör oss mänskliga.
Det betyder inte att allt AI-stött skrivande är dåligt. Långt därifrån. AI kan hjälpa en person som inte har engelska som modersmål att uttrycka en originell idé eller omvandla dikterade tankar till ett sammanhängande utkast. Det kan också ifrågasätta ett argument, hitta saknade bevis eller föreslå en bättre struktur. Jag använder det till alla dessa saker.
Men om du inte har något att säga kommer AI inte att ge dig en röst. Inte en riktig sådan.
Bara för att du kan…
För ett par år sedan berättade en vän som ansvarade för produktmarknadsföring på ett mycket stort teknikföretag att han skulle börja ta fram säljmaterial med hjälp av AI. Presentationer för första samtalet, e-postmallar och så vidare. Hans resonemang var logiskt och, ärligt talat, ganska brutalt. Det material som hans team tog fram för hand genererade bara några dussin nedladdningar från en säljstyrka på tusentals personer. Om nästan ingen ville ha det, varför då betala en junior produktmarknadsförare för att ta fram det? Låt maskinen publicera ut i tomma intet.
Visst, sa jag. Det verkar smart. Men det var det inte. Han hade inte löst det grundläggande problemet.
Jag visste inte vad det problemet var, men det gjorde inte han heller. De låga nedladdningssiffrorna kunde ju tyda på en rad olika saker. Kanske kunde säljarna inte hitta det. Kanske var materialet inte användbart i stor skala, men kanske använde några dussin personer det för att avsluta enorma affärer. Kanske var det helt enkelt fel marknadsföringsmaterial för ett akut behov, som säljarna löste på egen hand. Eller kanske, bara kanske, behöver det där som varje produktmarknadsföringsteam gör… inte göras alls.
AI gör det enklare att slippa brottas med problemet. Presentationen kostar nästan ingenting, så vi fortsätter att ta fram den, istället för att fundera på om den överhuvudtaget behöver skapas. På samma sätt väljer vi att fortsätta publicera veckorapporten eftersom den bara tar några minuter att sammanställa. Kunskapsbasen fylls med sidor som ingen läser, eftersom det krävs ett beslut för att stoppa en process. Att automatisera den kräver bara en uppmaning.
Vi låter AI skjuta problemet framför sig åt oss, istället för att fatta de svåra, mänskliga besluten som vi uppenbarligen får betalt för att fatta.
Jag har framfört en variant av detta argument när det gäller programvara. Utvecklingen av appar har ökat kraftigt, men användningen av dem har inte gjort det. Att bygga var aldrig den enda begränsningen. Att få någon att bry sig är begränsningen, och AI löser inte det. Det tar bara bort vår sista ursäkt för att inte lägga märke till det.
Arbete med lågt värde
Detta är inte ett argument mot att automatisera tråkiga saker. Det borde vi absolut göra, och omedelbart. Men ”arbete med lågt värde” döljer två mycket olika saker, och de förtjänar motsatt behandling.
Den första är en lågvärdig process kopplad till ett värdefullt resultat, som i mitt mjölkexempel. Ta till exempel utgiftsrapporter, säkerhetskopiering och så vidare. Det här är inga spännande saker att göra, men de måste göras. AI ger oss möjligheten att delegera så mycket av processen som vi säkert kan, kontrollera resultatet och gå vidare.
Det andra är en lågvärdig process utan något märkbart resultat, som säljmaterial eller ett Linkedin-inlägg utan personlig prägel eller verklig ståndpunkt. Att automatisera detta känns som en vinst eftersom kostnaden sjunker, men kostnaden är inte kärnproblemet. Det verkliga problemet är att resultatet saknar målgrupp. Det behöver inte existera.
Om du inte kan nämna ett användbart resultat som skulle gå förlorat om resultatet slutade existera, har du ingen möjlighet till automatisering. Du har en möjlighet att avskaffa det.
Nu kommer den del som komplicerar mitt eget resonemang, eftersom det omvända också gäller. Det arbete där jag använder AI mest aktivt är ofta det arbete jag bryr mig mest om.
Jag har tidigare skrivit om hur jag bad Claude att läsa fyra testamenten från 1700-talet som en del av en 20-årig jakt på föräldrarna till en farfars farfars far. Den hittade på en hel emigrerande förfader. Det var snyggt, trovärdigt och helt påhittat. Jag upptäckte det bara genom att klicka mig vidare till högupplösta bilder och läsa dokumenten själv, rad för rad.
Den här veckan har jag funderat på den upplevelsen på ett annat sätt. Modellen ursäktade sitt beteende som ”hoppfull tolkning”. Okej. Men anledningen till att jag upptäckte det är tråkigare och viktigare än något som har med modellen att göra: jag upptäckte Claudes fel för att jag brydde mig. Tjugo års engagemang fick mig att öppna originaldokumenten. Det var verkligen, verkligen, verkligen viktigt för mig att det skulle stämma.
Ingen vill korrekturläsa en presentation som de aldrig ville göra från början.
Samma mönster gäller på jobbet. Jag använder AI hela tiden för lednings-pm, där jag komprimerar en vidsträckt datamassa och argumentation till sammanhang, rekommendation och uppmaning. Det här är ett arbete med höga insatser, med en riktig läsare, ett riktigt beslut och mitt namn på det. Så jag läser varje rad. Jag ifrågasätter resultatet. Jag redigerar (mycket). AI:n ersätter inte mitt engagemang i arbetet, men den sköter 90 procent av det inledande grundarbetet åt mig så att jag kan fokusera på de avgörande sista 10 procent.
Jag har kallat detta för AI:s förtroendeskatt: Man betalar verifieringskostnaden i förskott, eller så betalar någon annan den senare när svaret orsakar skada. Skatten betalas mest tillförlitligt när någon bryr sig om resultatet. När ingen bryr sig kan AI få dåligt arbete att se tillräckligt färdigt ut för att levereras och tillräckligt presentabelt för att man ska kunna kasta en blick på det utan att granska det noggrant.
Slarvigt AI-arbete är alltså egentligen inte ett problem med modellen; det är en fråga om att bry sig, vilket visar sig i hur vi väljer att använda den.
Jag önskar att jag hade en tydlig vägledande princip att erbjuda här, men det har jag inte. Här är dock två frågor som kan vara till hjälp.
- Vilket användbart resultat försvinner om det här arbetet upphör?
- Om det resultatet är viktigt, var behövs då fortfarande mänskligt omdöme?
Om det inte finns något meningsfullt resultat, sluta med arbetet, oavsett om det är AI-drivet eller mänskligt. Om resultatet är viktigt men stora delar av processen inte är det, överlåt processen till AI. Låt AI handla mat, söka i arkivet, sammanställa det första utkastet eller bygga den säljpresentation som säljarna har sagt att de faktiskt behöver. Låt sedan en person ta ansvar för resultatet.
AI är extremt bra på att skapa fler saker. Vi behöver inte fler saker, och att göra dem billigare kommer inte att göra dem användbara. Människor, däremot, är extremt bra (eller måste vara det) på att avgöra vilka saker som behöver skapas. Det är ditt jobb och mitt, och ingen prompt kan ta det ifrån oss.