Nei moderni processi aziendali, l'adozione dell'IA generativa ha superato la fase di utilizzo come strumento e sta ora entrando in una fase di sistematizzazione.
Oltre a questo, ci attende una nuova era di intelligenza chiamata "Intelligenza Sinfonica".
Questo articolo esplora lo stato attuale e le prospettive future dell'utilizzo dell'IA generativa da due prospettive: il lavoro di iterazione e il lavoro a flusso.
Lavoro di Iterazione
In un precedente articolo, ho analizzato le prospettive del lavoro di iterazione e degli strumenti, e del lavoro a flusso e dei sistemi, come punti di vista per consentire all'IA generativa di svolgere compiti.
Il lavoro di iterazione si riferisce a compiti che gli esseri umani eseguono combinando in modo semi-inconscio più attività concrete diverse e procedendo per tentativi ed errori.
E per questo lavoro di iterazione, gli strumenti sono ottimali. Selezionando gli strumenti adatti ai vari compiti, il lavoro può procedere in modo efficiente. Pertanto, è necessario preparare il kit di strumenti richiesto e diventarne esperti nell'uso.
Attualmente, quando l'IA generativa viene utilizzata nel mondo degli affari, la stragrande maggioranza dei casi prevede l'IA generativa come strumento.
La maggior parte delle discussioni sul miglioramento dell'efficienza aziendale con l'IA generativa si riferisce all'aggiunta di questo nuovo e potente strumento al kit di strumenti esistente utilizzato dagli esseri umani per il loro lavoro di iterazione.
Problemi del Lavoro di Iterazione
D'altra parte, come sottolineato in un precedente articolo, i guadagni di efficienza derivanti dagli strumenti nel lavoro di iterazione sono relativamente limitati.
Man mano che gli strumenti diventano più efficienti, gli esseri umani diventano in ultima analisi il collo di bottiglia. Non possiamo in definitiva superare il limite delle ore di lavoro umane.
Inoltre, esiste un divario significativo nell'efficienza e accuratezza del lavoro di iterazione tra dipendenti esperti e nuovi assunti, ed è difficile colmare questa lacuna. Di conseguenza, anche se si volesse raddoppiare il carico di lavoro il mese prossimo, non sarebbe possibile gestirlo senza personale che possieda le competenze di un veterano.
Per risolvere il problema degli esseri umani come collo di bottiglia, la soluzione ultima sarebbe sostituire tutto con l'intelligenza artificiale.
Tuttavia, l'attuale IA generativa non possiede ancora quel livello di prestazioni.
Inoltre, anche compiti di iterazione apparentemente semplici, se esaminati attentamente, consistono in un gran numero di sotto-compiti inconsci.
Per questo motivo, questi compiti non potevano essere scomposti in sistemi IT convenzionali o manuali facili da seguire, e si basavano invece sulla competenza umana.
A meno che questi numerosi compiti inconsci che richiedono competenza non vengano organizzati, e il know-how necessario per ciascuno non venga cristallizzato in conoscenza, l'IA generativa, per quanto le sue prestazioni possano migliorare, non sarà in grado di svolgere compiti come sostituto degli esseri umani.
Conversione del Lavoro di Iterazione in Lavoro a Flusso e Sistematizzazione
Per affrontare gli obiettivi di distribuire i compiti entro i limiti attuali di performance dell'IA generativa, e di organizzare i compiti inconsci e cristallizzare il know-how in conoscenza, è estremamente importante organizzare il lavoro di iterazione basato su tentativi ed errori in un lavoro a flusso standardizzato.
Il lavoro a flusso standardizzato è adatto non solo agli strumenti, ma anche ai sistemi.
All'interno del lavoro a flusso, ci sono compiti da eseguire per l'IA generativa e compiti da eseguire per gli esseri umani. Collegando questi con un sistema, l'intero lavoro a flusso diventa eseguibile.
La conversione del lavoro a flusso e la sua sistematizzazione producono diversi benefici significativi:
Primo, poiché l'IA generativa è specializzata per ogni singolo compito, l'ottimizzazione della sua efficienza e accuratezza per ogni compito diventa chiara.
Secondo, più lavoratori possono aggiungere conoscenza all'IA generativa, e i benefici si estendono a tutti.
Terzo, diventa più facile spostare progressivamente la divisione dei compiti all'interno di questo lavoro verso l'IA generativa.
Convertendo il lavoro di iterazione in lavoro a flusso e accumulando la conoscenza richiesta dall'IA generativa per ogni compito come un sistema, il lavoro intellettuale si avvicina all'automazione, proprio come una linea di produzione in fabbrica.
E incorporando il miglioramento delle prestazioni di base dell'IA generativa, che evolve con il tempo, e utilizzando la conoscenza accumulata specializzata per vari compiti, sarà possibile rendere l'intero lavoro a flusso un processo automatizzato svolto dall'IA generativa.
Intelligenza Virtuale
Finora, l'analisi è stata condotta dalle prospettive del lavoro di iterazione e degli strumenti, e del lavoro a flusso e dei sistemi.
Un altro articolo recente approfondisce ulteriormente questa discussione.
In quell'articolo, ho toccato l'argomento dell'orchestrazione tramite l'intelligenza virtuale.
Attualmente, e in un futuro molto prossimo, a causa dei limiti di performance, l'IA generativa è più efficiente e precisa quando focalizzata su compiti specifici.
Pertanto, come discusso in precedenza con il lavoro a flusso e i sistemi, un meccanismo che connette IA generative specializzate per ogni singolo compito era l'ideale.
Tuttavia, anche se le prestazioni dell'IA generativa dovessero migliorare significativamente, l'elaborazione dei compiti scambiando ruoli e utilizzando la conoscenza all'interno di un singolo processo, anziché gestire semplicemente vari compiti simultaneamente, potrebbe potenzialmente portare a maggiore efficienza e accuratezza.
Questo approccio elimina la necessità di un sistema per collegare insieme le IA generative. Operazioni simili all'integrazione di sistema si verificherebbero all'interno dell'IA generativa stessa.
Inoltre, consente risposte flessibili all'interno dell'IA generativa stessa, allontanandosi da situazioni in cui i compiti non possono essere scambiati o aggiunti senza modificare il sistema.
Ciò significa riportare il lavoro a flusso sistematizzato al lavoro di iterazione.
Tuttavia, questo lavoro di iterazione, avendo attraversato la sistematizzazione e la conversione del lavoro a flusso, si trova ora in uno stato in cui è possibile formare conoscenza riutilizzabile, anche se il numero di IA generative viene aumentato o le versioni vengono modificate.
Questo risolve i problemi del lavoro di iterazione umano, consentendo un lavoro flessibile simile a quello degli esseri umani.
Qui, mi riferisco alla capacità dell'IA generativa di scambiare ruoli e conoscenza durante una singola esecuzione come intelligenza virtuale. Questo è analogo a una macchina virtuale di un computer.
Proprio come la tecnologia delle macchine virtuali simula computer completamente diversi in esecuzione su un unico hardware, una singola IA generativa elabora i compiti scambiando tra più ruoli.
L'attuale IA generativa ha già acquisito naturalmente questa capacità di intelligenza virtuale. Per questo motivo, l'IA generativa può simulare discussioni tra più persone e generare romanzi con più personaggi.
Se questa capacità di intelligenza virtuale migliora e viene fornita sufficiente conoscenza, sarà possibile eseguire il lavoro di iterazione.
Orchestrazione dell'Intelligenza
Inoltre, mi riferisco alla capacità di combinare liberamente più ruoli e conoscenze per eseguire compiti in questo modo come orchestrazione dell'intelligenza.
Questo è simile alla tecnologia di orchestrazione che gestisce più macchine virtuali.
Proprio come la tecnologia di orchestrazione gestisce in modo efficiente i sistemi avviando le macchine virtuali necessarie quando occorre, un'IA generativa con competenze potenziate di orchestrazione dell'intelligenza—una capacità dell'intelligenza virtuale—sarà in grado di eseguire il lavoro di iterazione in modo flessibile, gestendo appropriatamente numerosi ruoli e conoscenze, e mantenendo efficienza e accuratezza.
Intelligenza Sinfonica
L'IA generativa che raggiunge questo stadio può essere definita Intelligenza Sinfonica.
Proprio come un'orchestra, abile nel suonare ogni strumento, esegue un singolo brano musicale adempiendo ai rispettivi ruoli, l'Intelligenza Sinfonica può suonare una sinfonia di compiti intellettuali.
Questa Intelligenza Sinfonica è un nuovo concetto, che rappresenta uno dei punti culminanti per l'IA generativa.
Tuttavia, l'Intelligenza Sinfonica stessa esiste già.
È la nostra intelligenza umana.
È proprio perché possediamo l'Intelligenza Sinfonica che possiamo eseguire inconsciamente e flessibilmente molteplici compiti intellettuali complessi attraverso il lavoro di iterazione, sfruttando una vasta quantità di know-how.
Infine: La Forma dell'AGI
Fornendo all'IA generativa capace di simulare l'Intelligenza Sinfonica il lavoro a flusso e le basi di conoscenza per altri compiti, essa diventerà in grado di gestire molteplici compiti di iterazione.
Una volta che sarà in grado di gestire numerosi compiti di iterazione diversi, sarà in grado di cogliere le regole comuni tra tali compiti e i modelli strutturali all'interno della conoscenza.
A quel punto, per compiti di iterazione del tutto sconosciuti, con una breve spiegazione da parte di un essere umano, l'IA sarà in grado di apprendere il know-how di quel compito semplicemente osservando come un essere umano lo esegue.
Questa è la vera Intelligenza Sinfonica. Una volta raggiunto questo stadio, gli esseri umani non avranno più bisogno di sforzarsi per convertire il lavoro in processi a flusso o cristallizzare il know-how in conoscenza.
Inoltre, la conoscenza così accumulata automaticamente dall'IA generativa potrà essere condivisa tra le altre IA generative.
Se ciò accadrà, la capacità di apprendimento dell'IA generativa supererà di gran lunga quella degli esseri umani.
Questo può essere considerato una forma di AGI.