Mari-Klara Stein on Tallinna Tehnikaülikooli Ärikorralduse instituudi juhtimisprofessor ja Kopenhaageni Ärikooli digiteerimisosakonna külalislektor. Dr Steinil on doktorikraad Bentley Ülikoolist (USA). Oma teadustöös uurib ta töö digitaalset ümberkujundamist, sh uute digitaalsete töövormide, nt platvormitöö ja rahvatöö kujunemist; seda, kuidas töö digiteerimine mõjutab emotsionaalset heaolu ja töö mõtestatust, ning andmestumise ja algoritmilise juhtimise tagajärgi töökohal.

Tema ettekandes „Inimese ja tehisintellekti koostöö: robotiseerimine ja sealt edasi“ arutles dr Stein inimeste ja tehisintellekti tulevase koostöö idee üle. Ta alustas paari tsitaadiga, mis kirjeldavad arusaamu sellest koostööst. Tsitaadid väljendasid laias laastus mõtet, et tehisintellekt ei asenda inimesi, kuid inimesed, kellel on tehisintellekt, asendavad neid, kellel seda ei ole. Esineja märkis, et selle põhjal oleks koostöö enamasti positiivse mõjuga. Seejärel tutvustas kõneleja kolme stsenaariumi, kus tehisintellekt on ja saab olema inimestele abiks, et luua tipptasemel tulemusi.

Esiteks klassikaline delegeerimise stsenaarium, kus me eeldame, et inimesed delegeerivad ülesandeid tehisintellektile. Hiljutised uuringud on aga näidanud, et tehisintellekti jaoks on kasulik delegeerida ülesandeid inimestele, mitte vastupidi, sest inimesed ei oska delegeerida. Kuid delegeerimine tehisintellektilt inimestele tekitab veel ühe probleemi, nimelt rollide konflikti, kuna inimesed ei ole harjunud olema rollivõtjad, kui rolliandja on masin. Seetõttu väheneb töö tulemuslikkus ja tööga rahulolu ning mingeid tipptulemusi ei saavutata.

Teiseks täiustamise stsenaarium, kus tehisintellekti nõuanded võivad parandada inimese täidetava ülesande tulemust. Üheks näiteks on suurettevõtted, kus kasutatakse tehisintellekti sadade CVde läbivaatamiseks, et säästa personalitöötajate aega. Dr Steini sõnul on kogemused näidanud, et aja jooksul hakkavad personalijuhid jäljendama tehisintellekti otsuseid (muutudes mõnevõrra sarnaseks robotiga) ja kaotavad võime mehhaanilist otsustamist täiustada. Teine, positiivsem näide on aga politseitööst. Siin kasutatakse tehisintellekti ettepanekute tegemiseks, mida politsei peaks patrullimarsruutide planeerimisel arvesse võtma. Nii-öelda teadmiste vahendaja kogub tehisintellekti ettepanekud ja tõlgib need politsei jaoks patrullikaardiks. Kui see stsenaarium läbi töötatakse, võib see anda tipptulemusi.

Kolmandaks on ansambelstsenaarium, kus inimesed ja tehisintellekt täidavad sama ülesannet paralleelselt ja tulemused liidetakse kokku. Siinkohal toodi meditsiinilise diagnoosi näide. Paralleelse protsessi tulemusel saaks patsient diagnoosi, mis sisaldab algusest peale ka teist arvamust. Ent siinkohal ei tohi inimesed unustada oma oskusi lihvida ja pidevalt õppida, et süsteem ei muutuks paremaks kui arstid. Inimesed peaksid tähele panema, et tuleb jätkata selle harjutamist, mis teeb meid ainulaadselt inimeseks, sest me ei saa teha midagi hästi, kui me ei tee selleks tööd.

Kokkuvõtteks märkis esineja, et siin räägitakse pigem sellest, kuidas peaks välja nägema koostöö tehisintellektiga, mitte sellest, kuidas masinad hakkavad inimesi asendama. Nagu näidetest selgub, jääks lõpptulemus mõnikord kahe osapoole tulemuste summale alla, mõnikord aga ületaks seda. Just viimased on need, mida peeti silmas tipptulemuste all. Teema lõpetuseks väitis kõneleja, et meie intuitsioon ja füüsiline keha ei ole meie nõrgad küljed, vaid tehisintellektiga konkureerides on need alati meie eelised.

Täielikku arutelu saate vaadata meie YouTube’i kanalil. Lisateavet leiate konverentsi kodulehelt.