Det KI-forsterkede teamet: En ny arbeidsmetode for produktledere

Les transkripsjonen:

Vi prøver ut transkribering av podkastene våre ved hjelp av et dataprogram. Tilgi eventuelle skrivefeil, siden boten ikke er korrekt 100 % av tiden.

Hannah Clark: En av de mange desorienterende tingene ved denne KI-revolusjonen er at vi kollektivt finner opp en ny virkelighet, som jeg sannsynligvis ikke trenger å fortelle deg er langt mindre utopisk enn det høres ut. Men det som også er interessant, er hvordan vi i sanntid ser både ledere og individuelle bidragsytere, tør jeg si, streve med å navigere i rotet som følger med å skape en ny vei.

Spørsmålene rundt ting som etikk på arbeidsplassen, kvaliteten på resultatene og innvirkningen på fremtidige utfall opptar alle i organisasjonskartet. Men det betyr også at vi har en stor mulighet til å lære av hverandres gjennombrudd og utforme våre egne beslutninger rundt den virkeligheten vi ønsker å ende opp med.

Min gjest i dag er Andrew Saxe, produktdirektør hos Smartling. Smartling opererer innen oversettelse og språktjenester, en bransje som nærmest er et skoleeksempel på bransjer som påvirkes av KI. Da Andrew begynte i Smartling, utførte teamet deres oversettelsestjenester manuelt, og KI var bare en gammel science fiction-film med Haley Joel Osment som robotversjonen av Pinocchio.

Det er unødvendig å si at ting har endret seg. I denne episoden får du høre Andrews syn på hvordan man skiller ekte KI-verdi fra oppblåst haussing, etiske hensyn ledere må tenke på når de tar i bruk KI-drevne arbeidsflyter, og hvorfor ferdighetene det er størst etterspørsel etter, har endret seg raskere enn noen forventet. La oss sette i gang.

Forresten har vi samtaler som denne hver uke, så hvis dette høres interessant ut, hvorfor ikke abonnere? Greit, la oss sette i gang.

Velkommen tilbake til podkasten om produktledelse. I dag har jeg med meg Andrew Saxe. Han er produktdirektør hos Smartling.

Andrew, tusen takk for at du tar deg tid fra den travle timeplanen din til å være med oss i dag.

Andrew Saxe: Absolutt. Hyggelig å være her.

Hannah Clark: Kan du fortelle litt om bakgrunnen din og hvordan du kom dit du er i dag?

Andrew Saxe: Ja. Vet du hva, jeg har alltid vært interessert i teknologi, sannsynligvis siden midten av nittitallet. Jeg var interessert i internett da det var nytt, og jeg har alltid befunnet meg i teknologiverdenen. Jeg har studert mye teknologi, og alle jobbene mine har vært innen utvikling og produkt.

Jeg var en slags falsk webutvikler en stund, og laget ikke de beste nettstedene eller den beste koden, før jeg etter hvert gikk over til produkt. Jeg har vært i Smartling i rundt 14 år, tror jeg har vært der i 15 år i juli, så det er ganske lenge. Men ja, jeg har alltid jobbet med produkt i Smartling.

Hannah Clark: Ja. Kult. Femten år er ikke ingenting.

Andrew Saxe: Det er absolutt ikke kort tid.

Hannah Clark: Særlig i teknologiverdenen. Det er som hundeår.

Andrew Saxe: Ja. Det er ganske spesielt. Jeg tror det er mitt lengste forhold.

Hannah Clark: I dag skal vi fokusere på den utviklende etikken rundt KI sett fra et lederperspektiv. For å komme i gang: Har du lyst til å ramme inn samtalen gjennom observasjonene dine hos Smartling i løpet av de siste 15 årene?

I løpet av tiden din har du åpenbart sett at Smartling befinner seg i oversettelsesbransjen, og at det har skjedd mange store teknologiske overganger siden du begynte i selskapet. Først kom innføringen av nettskyen, deretter transparens, og nå er vi inne i KI-alderen. Hva er annerledes med dette skiftet?

Andrew Saxe: Ja, absolutt. Jeg har vært i oversettelsesbransjen, så jeg kan gjøre engelsk om til fransk og spansk og den typen ting. Når man tenker på den prosessen, har den i stor grad bestått av mennesker, og det å oversette ting er flere hundre år gammelt. Det har alltid vært der – å gjøre ett språk om til et annet – og det har alltid vært en oppgave med mennesket i sentrum.

Når man tenker på de andre teknologiske fremskrittene de siste 15 årene, var nettskyen åpenbart det største. De hadde først og fremst innvirkning på virksomheter og organisasjoner, mens skiftet til KI allerede har hatt en omfattende innvirkning på oversettelsesverdenen, og sannsynligvis også andre steder kommer det til å påvirke mennesker mer og mer.

Selv om nettskyen hadde stor innvirkning og gjorde det mulig for folk å skalere virksomheter uten å sette opp serverparker og alt det der, var det i stor grad sluttbrukerne som kanskje ikke merket det, bortsett fra at de fikk flere apper, virksomheter og lignende. Men det er de ansatte i det daglige arbeidet som jeg tror blir mest påvirket av dagens KI-skifte, og det ser vi absolutt i oversettelsesverdenen.

Hannah Clark: Ja, jeg kan tenke meg at det må være særlig tydelig på akkurat dette området.

Når vi snakker om å ta i bruk KI i oversettelsestjenester, slik du nevnte, er det en stor innvirkning på arbeidsstyrken av oversettere og sluttbrukere. Hvordan balanserer dere effektiviseringsgevinstene med innvirkningen dette har på arbeidsstyrken, og hvordan har rollen deres endret seg?

Andrew Saxe: Når vi ser på det, er vi både et programvareselskap og et SaaS-selskap som tilbyr verktøy for å håndtere oversettelser og hele prosessen. Hvis du kan forestille deg tusenvis eller hundretusenvis av mennesker som skriver inn oversettelser, trenger man verktøy for å håndtere dette.

Og så har man selvfølgelig alle menneskene som faktisk utfører oversettelsene. Vi tilbyr disse oversettelsestjenestene. I stor grad har folk skrevet inn oversettelsene eller kontrollert dem for kvalitet, rettet feil og gjort alle disse tingene – blant annet ivaretatt merkevarens stemme for en organisasjon.

For noen år siden, kanskje for ti år siden, kom nevral maskinoversettelse. Det var et ganske stort steg, kanskje for fem eller seks år siden – jeg husker ikke helt tidsrammen. Google Translate hadde eksistert lenge, og de gikk på en måte over til nevral maskinoversettelse. Det hadde stor innvirkning på kvaliteten, men ikke så stor at man kunne fjerne mennesker fra prosessen.

Hvis du tenker på prosessen, skriver én person inn oversettelsen, en annen kontrollerer kvaliteten, og deretter går den tilbake til innholdseieren. Det har alltid vært slik, og selv med maskinoversettelse var det fortsatt slik. Med KI ser vi virkelig på muligheten for å ta menneskene ut av arbeidsflyten, eller i det minste endre rollen deres. Etter hvert som KI og verktøyene rundt blir bedre, slutter menneskene kanskje å skrive inn oversettelsen, fordi vi kan generere den beste førsteoversettelsen. Vi kan bruke KI og store språkmodeller til å vurdere kvaliteten og deretter avgjøre om den skal sendes til et menneske eller ikke.

Menneskets rolle blir i større grad en valideringsrolle. Når vi har vurdert at kvaliteten må kontrolleres, kommer mennesket inn og sier: «Ja, dette er kanskje ikke helt bra.» Kanskje finner de alle ytterpunktene som den store språkmodellen ikke klarer å kontrollere eller oppdage korrekt, og så kan man føre dette tilbake til maskinen i håp om at den forbedres totalt sett.

Rollen skifter altså definitivt fra å være i begynnelsen og midten av arbeidsflyten til å være på slutten, der man utfører tilfeldig validering eller stikkprøver av innholdet for å kontrollere kvaliteten. Det er et ganske stort skifte i hvordan folk arbeider. Hvem vet, kanskje det etter hvert kommer til et punkt der man ikke trenger enkelte av valideringskomponentene i det hele tatt, men det er i alle fall utviklingen vi ser akkurat nå.

Hannah Clark: Ja, jeg synes det er så interessant, særlig når du trekker frem noe som merkevarens stemme – noe så nyansert at det kan være vanskelig å fange opp og virkelig mestre, selv på sitt eget språk. Og så viser det seg at oversettelsen kanskje blir enda mer kompleks for KI å vurdere og oversette på en god måte.

Jeg ser derfor hvordan dette laget fortsatt er svært relevant og vanskelig å erstatte.

Andrew Saxe: Ja, det er det definitivt. Merkevarens stemme er en stor komponent, i likhet med spesialterminologi. Folk har merkevareord og ordlistebegreper de ønsker å bruke, eller ord de ønsker å unngå.

Man må sørge for at oversettelsene respekterer alt dette. KI gjør en ganske god jobb, men kan også gjøre feil. Man må bygge inn sikkerhetsmekanismer, og noen ganger er mennesket en del av denne sikkerhetsmekanismen.

Hannah Clark: Å ja, absolutt. Selv bare det å bruke KI til idéutvikling av innhold og den typen ting viser at det er mye å ta hensyn til. Jeg synes det er interessant å tenke på hva teknologien kan klare nå, men også på de ulike rollene for menneskelig innblanding. Det er ikke bare en enkel, direkte oversettelsesjobb hele tiden.

Når oppgaven går fra at et menneske skriver inn teksten til en valideringsrolle, hvordan ser arbeidsflyten ut nå sammenlignet med for fem år siden, før vi så hele denne KI-utviklingen?

Andrew Saxe: Ærlig talt var det slik at oversettelser har brukt teknologi i flere tiår – skrivebordsverktøy, serververktøy og alle mulige typer verktøy for å håndtere dette. Men det har alltid vært et menneske som skriver inn, kontrollerer og vurderer kvaliteten.

Når vi tenker på kostnadene ved oversettelse, bruker organisasjoner hundrevis av millioner eller milliarder av dollar på oversettelse, og det kan ta tid å få oversettelser ferdige når mennesker gjør arbeidet. Arbeidsflyten endres virkelig ved at det blir umiddelbart, og kostnadene faller dramatisk hvis man tidligere betalte mennesker som man ikke lenger betaler.

Arbeidsflyten blir langt mer effektiv, og det handler i stor grad om å håndtere alle ytterpunktene og lignende. Det finnes fortsatt tilfeller der mennesker må involveres. Selv om KI og teknologien blir bedre, kan man for eksempel fortsatt ønske at mennesker gjennomgår alt ved juridiske dokumenter eller informasjon som må være helt nøyaktig.

Det finnes altså fortsatt roller for mennesker i visse typer innhold, men jeg forventer at dette vil endre seg over tid i løpet av de neste årene.

Hannah Clark: Ja. Etter hvert som tilliten til teknologien øker og den blir mer effektiv. Når vi snakker om etikk, er dette et område der det finnes en intern debatt om hvor vi etisk sett står når det gjelder å nå generell kunstig intelligens og slike fremskritt. Hvilke etiske hensyn har dukket opp i ledelsesdiskusjonene deres rundt implementering av KI internt eller i oversettelsesbransjen generelt?

Andrew Saxe: For vår del vil jeg si at vi har klart å flytte språkspesialistene vi samarbeider med over i ulike roller på en ganske vellykket måte, og sørge for at de fortsatt tjener det samme som før. Kanskje kan de nå gjennomgå mer innhold fordi det krever mindre redigering og kontroll, slik at arbeidstempoet deres har økt.

De befinner seg bare i en annen del av arbeidsflyten. Vi er i begynnelsen av å ta i bruk disse verktøyene, så dette er noe vi må vurdere mye mer. Det pågår definitivt diskusjoner i bransjen om hvor alle disse menneskene kommer til å ende opp.

Oversettelse er en svært nyansert virksomhet. Som du sa: Bare fordi du snakker spansk eller fransk, betyr ikke det at du kan oversette dokumenter, spesialisert innhold og lignende. Resultatet blir kanskje ikke riktig. Det er derfor en svært gjennomtenkt prosess.

Jeg tror det fortsatt finnes plass til dette, og det kan til og med utvikle seg mer mot å skape innhold på et språk, i stedet for å redigere eksisterende innhold for oversettelse. Det vil definitivt fortsatt finnes roller for mennesker i oversettelsesområdet.

Hannah Clark: Dette gjenspeiler på mange måter også innholdsområdet. Nå som verktøyene finnes for å gjøre prosessen mer effektiv, har ferdighetene det er etterspørsel etter, og selve området, også endret seg. Tidligere var det stor etterspørsel etter produksjon og oppmerksomhet på tekniske krav, særlig søkemotoroptimalisering. Nå ser jeg for meg at det er lignende i oversettelsesbransjen.

Det høres ut som evnen til å oppfatte bestemte nyanser, språklige nyanser eller stil, og å være svært detaljorientert rundt kundens krav, er viktigere enn bare å kunne oversette ord for ord. Det er interessant hvordan slike teknologiske skifter får en dominoeffekt i hele bransjen og endrer hva det er etterspørsel etter.

Andrew Saxe: Det gjør de absolutt. Når vi ser på noe av forskningen vi utfører, og som vi sannsynligvis kommer til å ta i bruk i år, handler mye om å fange opp noe av denne nyansen. Det kan for eksempel være å beskrive hvordan organisasjonen oppfatter seg selv, eller hvordan man ønsker at kundene skal omtale den.

Slike beskrivelser kan ha stor innflytelse på det KI-en eller den store språkmodellen leverer. Vi har sett endringer i kvalitet basert på dette. Når vi ser på hvordan mennesker arbeider akkurat nå, er de fortsatt involvert i noe av denne nyansen, også innen validering og kontroll.

Det kommer sannsynligvis også til å endre seg over tid.

Hannah Clark: Jeg liker å tenke på det slik: Når markedet skaper et overskudd på ett område, for eksempel i mengden innhold som produseres, kommer pendelen til å svinge mot etterspørsel etter høyere kvalitet, mer autentisk innsikt eller det som får noe til å skille seg ut fra konkurrentenes innhold når de har tilgang til de samme verktøyene.

Det er en utrolig interessant tid å leve i.

Andrew Saxe: Ja. Det er veldig interessant å se det dramatiske skiftet på så kort tid.

Hannah Clark: Ja, det føles virkelig som om vi opplever et skifte som normalt ville blitt observert over flere tiår, men som har skjedd i løpet av noen måneder. Jeg er fortsatt litt svimmel, og det er så interessant. Hver gang jeg har samtaler som denne, føler jeg at vi har en KI-samtale i dette programmet omtrent én gang i måneden, og hver gang er det helt utrolig.

La oss gå tilbake til arbeidsflyter. Jeg er nysgjerrig på hvordan dere tar beslutninger rundt implementering og endringer i arbeidsflyten. Som du sa, ønsker dere virkelig å legge til rette for høyt tempo, og jeg synes det er flott hvis mange i arbeidsstyrken nå får mulighet til å gjøre noe av det mer givende arbeidet, i stedet for de mer trivielle oppgavene som kan settes ut.

Hvordan avgjør dere hvilke arbeidsflyter eller oppgaver som hovedsakelig bør utføres av mennesker, og hvilke som bør overlates til KI, med en forventning om at KI skal brukes i arbeidsflyten?

Andrew Saxe: Det kommer virkelig an på. I oversettelsesverdenen finnes det en matrise for kostnad, kvalitet og hastighet som man alltid forsøker å navigere i for å få best mulig kvalitet til lavest mulig pris og med høyest mulig hastighet.

Vi gjør mye forskning, undersøkelser og testing for å sikre at vi tilbyr riktig verktøy for riktig type innhold. Vi har ulike tillitsnivåer som vi vurderer, særlig i KI-verktøyene våre, der vi er sikre på at et bestemt sett med teknologi, verktøy eller en arbeidsflyt vil produsere innhold med en kvalitet vi kan garantere.

Hvis vi kan garantere kvaliteten i en bestemt prosess eller arbeidsflyt, bruker vi dette sammen med kunden for å velge hvilken arbeidsflyt de bør bruke. Noen kunder har et reelt krav om at et menneske skal involveres, eller at to mennesker skal involveres, fordi de har bestemte typer innhold som krever dette.

Men vi ser i økende grad at teknologistøttede arbeidsflyter kan brukes på et bredere spekter av innhold, egentlig på alle typer innhold. Ett forbehold er at det finnes mindre utbredte språk som kanskje ikke har nok informasjon i den store språkmodellen til at den virkelig forstår hvordan oversettelsen bør være.

Noen mindre utbredte språk krever derfor fortsatt mennesker, men vi har i stor grad sett at disse verktøyene kan brukes bredt på nesten alle typer innhold og fortsatt levere en kvalitet vi kan garantere.

Hannah Clark: Jeg vil også zoome litt ut og se på organisasjonen. Vi fokuserer på ett bestemt team. Når vi ser på hele Smartling, hvordan går dere frem for å ta i bruk KI?

Opplever dere at organisasjonen tar i bruk KI på en ganske ensartet måte, siden alle nå har et bruksområde for KI? Eller er det forskjeller når det gjelder hvor teknologien passer best, eller hvor det er større motstand mot å gjøre ting på den gammeldagse måten?

Andrew Saxe: Jeg tror kanskje det er to sider ved dette. Som programvareleverandør med kunder har kundene ofte interne krav om å be om KI. De ønsker å bruke det, men er kanskje ikke engang sikre på hvordan. De har organisatoriske krav om å oppnå effektivisering, og om at leverandørene deres og andre de bruker, skal benytte KI og kunne rapportere om denne effektiviseringen.

Kundene ønsker altså definitivt dette og ber om det, og vi prøver å finne ut hvilke løsninger som kan gi dem effektivisering, kostnadsbesparelser eller det organisasjonen krever.

Internt ser vi også på hvordan vi bruker KI og KI-verktøy. Jeg vet at alle teamene bruker dem. Ingeniørteamet vårt bruker dem, og produktteamet vårt gjør det også. Kanskje i noe mindre grad, men de bruker fortsatt KI. Kundestøtteverktøyene våre er KI-aktiverte, og brukerstøtten vår er KI-aktivert. Nesten alt beveger seg i den retningen.

Hannah Clark: Jeg ser stadig mer av dette med KI-krav. Jeg har hatt noen samtaler om dette, og det finnes flere ulike tilnærminger organisasjoner bruker. Jeg har hørt det beskrevet som en gulrot- eller pisketilnærming. Man kan enten gi insentiver til å bruke KI, og hvis det ikke fungerer og bruken fortsatt ikke er på ønsket nivå, blir det et krav.

Formålet er å få folk til å utforske verktøyene, prøve dem ut og bli komfortable med hvordan de kan støtte arbeidsflytene deres. Men jeg kan også se for meg at dette kan ha en viss …

Andrew Saxe: Internt har vi absolutt innført noen retningslinjer og godkjente verktøy. Vanligvis har leverandørene vi bruker allerede gjennomgått sikkerhetsrevisjoner og lignende, slik at vi kan ha en viss trygghet rundt dette.

Men det kommer et nytt verktøy hver dag som alle kan bruke, og jeg er sikker på at mange prøver dem ut.

Hannah Clark: Hvis vi snakker om haussesyklusen, er dette den nye teknologien. Det finnes krav, entusiasme og mye haussing. Jeg tror vi nå kommer ut av en periode med stor skepsis: Hva er haussing, og hvilke verktøy trenger faktisk KI-funksjoner?

Dette skjer hver gang det kommer et stort fremskritt. Vi så det med sosiale medier og Web3. Hvordan hjelper du organisasjonen med å skille haussing fra reell verdi i disse verktøyene? Det finnes jo også mennesker som er motvillige til å ta dem i bruk, og andre som kanskje er litt for ivrige.

Hvordan begrenser dere dette til bruksområder der KI gir verdi uten å skade kvaliteten?

Andrew Saxe: En av KI-forskerne og ingeniørene våre sier alltid at ikke alt trenger å være KI. Hvis du kan gjøre noe med en regel eller en enkel hvis–så-logikk, bør du gjøre det, i stedet for å bruke så mye tid på å tenke at alt må være KI-aktivert.

Når man bruker verktøy som ChatGPT, blir man imponert over at det kan skrive en lang tekst, eller at man skriver inn noe og får all denne informasjonen tilbake. Det er én side av saken som skaper noe av frenesien, fordi det ser ut som teknologien gjør alle disse fantastiske tingene.

Men når man faktisk begynner å bruke KI på forretningsløsninger og kundeløsninger, trenger man en annen grad av sikkerhet for det den produserer. Det er da man begynner å se mer skepsis. Dette er ikke bare det samme som å skrive noe inn i ChatGPT og få et flott svar tilbake.

Det handler om å finne ut hvordan teknologien kan brukes til noe som forbedrer virksomheten eller kundens resultat. Det finnes derfor absolutt en begeistring, og alle ønsker teknologien, men når man begynner å bygge verktøyene, blir responsen mer avmålt.

Man må sørge for at man bygger noe som faktisk er nyttig og fordelaktig for mennesker. Noen ganger tar det mer tid enn å skrive noe inn i ChatGPT.

Hannah Clark: Jeg føler at det finnes en parallell til sosiale medier da de kom stort. Det oppsto en sosial norm om at alle virksomheter måtte være på sosiale medier. Noen tok det ikke seriøst nok, mens andre gikk for langt og overinvesterte i sosiale medier. Til slutt måtte man spørre hvor avkastningen var.

Det handler om å finjustere balansen, ha et trygt område og oppmuntre folk til å utforske, slik at de finner de gode bruksområdene. Deretter beholder man bare de bruksområdene som har dokumentert nytte for virksomheten.

Andrew Saxe: Ja. Når vi utvikler noe, gjør vi mange eksperimenter. Vi har testet noe vi tror vil bli veldig bra for kundene. Vi prøver alltid å oppnå 80–85 % sikkerhet over noen måneder.

Det har ofte vært omtrent som å kaste mynt og kron når det gjelder om det fungerer eller ikke. KI er fantastisk, men noen ganger er det fortsatt 50/50 om den produserer resultatet vi ønsker. Det finnes derfor definitivt et lag av tillit og sikkerhet, samt behovet for å finne de riktige bruksområdene for utviklingsteknologiene.

Hannah Clark: Hvis du ser på andre bransjer enn oversettelse, hvilke paralleller ser du i hvordan KI blir integrert? Ser du noe i produktområdet generelt?

Finnes det lærdommer fra din egen erfaring og karriere som du mener kan brukes bredere, og som påvirker hvordan du ser på veien videre med denne teknologien?

Andrew Saxe: Litt. Jeg prøver å holde meg oppdatert på de nyeste verktøyene for produkt og produktledere.

Det er mye jeg ennå ikke har sett som har vært svært nyttig i produktutvikling. Jeg sier ikke det fordi jeg tror at vi nødvendigvis finner opp ting som ikke finnes ennå, eller nye verktøy, grensesnitt og applikasjoner som folk forhåpentligvis ikke har sett.

Jeg tror teknologien kan være nyttig til skriving. Man kan be om et utkast til en spesifikasjon, eller få den gjort om til Jira-oppgaver. Det fjerner noe av kompleksiteten i det produktledere må gjøre. Jeg har også sett noen interessante verktøy der man tegner noe på et papir, og verktøyet gjør det om til en fin modell og peker ut ulike områder man kan fokusere på.

Jeg tror derfor vi kommer til å se mange bruksområder som kan forbedre noe av det daglige detaljarbeidet som kanskje ikke krever like mye tankevirksomhet som å finne opp noe nytt.

Hannah Clark: Når vi snakker om å finne opp noe nytt, er en utvikling jeg er veldig begeistret for, denne trenden med å kode ved hjelp av naturlig språk.

Det frigjøres så mye potensial for samarbeid i team, slik at man kan få en idé og generere en prototype som kan videreutvikles av et team med ferdighetene som trengs for å ta den til neste nivå.

Andrew Saxe: Har du sett noen av disse verktøyene under utvikling?

Hannah Clark: Ja, det interne teamet vårt har lekt mye med dette, og det er veldig interessant å se hva folk finner opp. Det som er spesielt spennende, er at vi alle har hatt det øyeblikket som smarttelefonbrukere der vi tenker: «Det burde finnes en app som gjør akkurat denne tingen jeg ønsker meg.»

Sannsynligvis er det ingen andre som trenger den. Nå har man teknologien til å prøve det ut og se om det faktisk er en dum idé, eller om det finnes noe der. Jeg har en idé selv, men jeg kan ikke avsløre hva det er.

Andrew Saxe: Det er en flott måte å teste om ideen faktisk fungerer eller ikke.

Hannah Clark: Nettopp. Jeg synes det er kult å kunne validere noe umiddelbart, fordi det er slik ideer oppstår. Ofte er det sikkert noen som allerede gjør det, men kanskje man kan gjøre det bedre.

Andrew Saxe: Nettopp.

Hannah Clark: Når det gjelder forholdet mellom KI og menneskelige medarbeidere, snakker vi som ledere om noen av virkningene dere ser i organisasjonen nå. Vi kan begge se hvor dette er på vei for sluttbrukere og folk flest. Men hva ønsker du å se? Hva begeistrer deg med måten dette legger til rette for arbeidsstyrken deres på, og hva ønsker du å se de neste tre til fem årene?

Andrew Saxe: Fra et plattformperspektiv finnes det, i oversettelsesverdenen og mange andre steder, mye ren administrasjon. Mange arbeider hele tiden nede i detaljene, og mange bruker plattformer hele arbeidsdagen. Det er jobben deres.

Jeg tror dette går over til å bli mer «styrt etter unntak». Hvis man kan stole på at KI-en, de store språkmodellene eller det man bruker, skaper resultatet man ønsker, bør man egentlig bare gripe inn når den ikke gjør det. Da må man reposisjonere og tenke nytt om mange verktøy, inkludert plattformer som Smartling, slik at de i større grad styres etter unntak.

Og hvis man ikke trenger mennesker til å gjøre alle disse tingene, kan teknologien, verktøyene og alt dette brukes flere steder, ikke bare inne i det vanlige arbeidsvinduet.

Hannah Clark: Hva synes du om denne påstanden? Jeg har lenge vært kritisk til at den tradisjonelle karriereveien ofte innebærer at mennesker som er svært flinke til en bestemt oppgave som individuelle bidragsytere, klatrer i gradene basert på ferdighetene sine innen kjernefunksjonen, før de blir personalledere uten å ha ferdighetene som kreves for personalledelse.

Jeg føler at dette er første gang vi faktisk begynner å lære opp ledere på et individuelt bidragsyternivå, fordi individuelle bidragsytere nå fører tilsyn med teknologi som utfører oppgaver på grunnivå. Dette er et ferdighetsskifte der folk begynner å utvikle evnen til å lede, eller en forståelse av hva som kreves for å føre tilsyn med et team, før de når personalledelsesnivået.

Andrew Saxe: Det gir faktisk veldig mening. Jeg har ikke tenkt på det slik, men det er noe jeg absolutt kommer til å reflektere over, også når jeg ser på Smartling-teamet.

Hannah Clark: Jeg synes det er interessant fordi det handler om nyansene ved å håndtere utfordringer mellom mennesker, men det er kult å se hvordan folk begynner å tenke som ledere før de faktisk blir ledere.

Jeg er også spent på dette skiftet.

Andrew Saxe: Det gir fullstendig mening. Det skaper mange nye muligheter for mennesker til å gjøre ting de ikke ville ha gjort tidligere.

Hannah Clark: Det er interessant å se disse uventede resultatene som oppstår når en teknologi skaper et fullstendig paradigmeskifte.

Andrew Saxe: Ja.

Hannah Clark: Dette har vært veldig morsomt. Jeg setter stor pris på at du ville være med i programmet. Jeg elsker en engasjert KI-samtale.

Andrew Saxe: Jeg er sikker på at du kommer til å ha mange flere.

Hannah Clark: Sannsynligvis neste måned også. Hvor kan folk følge deg på nettet, Andrew?

Andrew Saxe: De kan finne meg på LinkedIn. Jeg tror det bare er ASaxe.

Hannah Clark: Flott. Takk for at du ble med, og takk for tiden din.

Andrew Saxe: Tusen takk.

Hannah Clark: Takk for at du lyttet. For flere gode innsikter, veiledninger og verktøyanmeldelser kan du abonnere på nyhetsbrevet vårt på theproductmanager.com/subscribe. Du kan høre flere samtaler som denne ved å abonnere på Produktlederen der du får podkastene dine.