2024 áprilisában egy budapesti tolmács (nevezzük Annának) megnyitotta az e-mailjeit. Tizenöt éve dolgozott szabadúszóként. Brüsszeli anyagok, nagyvállalati jelentések, hosszú, precíz szakszövegek.

Aznap három levelet kapott ugyanattól az ügyféltől. Az elsőben megköszönték az eddigi együttműködést. A másodikban közölték, hogy költséghatékonysági okokból áttérnek AI-alapú fordításra. A harmadikban felajánlották, hogy ha szeretné, utószerkesztőként továbbra is számítanak rá. Az eddigi díj körülbelül harmadáért.

Anna nem volt technofób. Használt fordítást segítő szoftvereket, tudta, mi az a neurális modell. Csak azt nem gondolta volna, hogy ezek az eszközök egyszer őt is nélkülözhetővé fogják tenni.

A fordítás sokáig a gépi intelligenciától védett munkakörök közé tartozott. A ritka nyelvi fordulatok, a kultúra, a finom árnyalatok mind olyan nüanszok, melyeket a mesterséges intelligencia nem ért. Aztán kiderült, hogy a megrendelőt nem a tökéletesség érdekli, hanem sebesség, a skálázhatóság.

Minőség terén pedig elég egy elfogadható szint. A meglepetést tehát nem az okozta, hogy kiderült, hogy az AI tud fordítani. Hanem az, hogy az ügyfelek preferenciáinak jobban megfelel, mint a humán tolmácsok.

Nem az emberi tudás számít, hanem a skálázhatóság

A közbeszédben gyakran úgy beszélünk a munkáról, mintha két kategória létezne. Emberi és gépi. Mintha az egyik érzelmes, kreatív és mély lenne, a másik gyors és mechanikus. A valóság azonban inkább egy mátrixra hasonlít.

Vannak feladatok, amelyek nehezek. Embernek és gépnek egyaránt. Ilyen például a hosszú távú geopolitikai előrejelzés. Nemlineáris visszacsatolások, rendszerváltások, ritka sokkok bonyolítják a képet. Az emberek narratívákba kapaszkodnak, az AI pedig olyan adatokra tanul, amelyekben épp az igazi törések alulreprezentáltak.

Ugyanez igaz komplex betegségek, mint például az Alzheimer-kór gyógyítására is. Sem az emberi intuíció, sem a jelenlegi biológiai adatokra épülő AI nem képes teljes rendszerszintű megértésre.

Másik oldalról mind a gépnek, mind pedig az embernek könnyű alapvető számtani műveleteket elvégezni, vagy egyszerű, közismert tényekre vonatkozó kérdéseket megválaszolni. Ugyanígy egyaránt képesek vagyunk nyilvánvaló tárgyak és élőlények osztályozására, azaz például a kutyák és macskák megkülönböztetésére.

Vannak persze olyan feladatok, amelyek nehezek embernek, de könnyűek az AI-nak. Ilyen több millió dokumentum átfésülése, nagyfrekvenciás adatok elemzése, vagy logisztikai hálózatok optimalizálása ezernyi feltétellel. Itt a gép nem okosabb, csak gyorsabb. Sokkal gyorsabb.

És vannak feladatok is, amelyek könnyűek az embereknek, de nehezek az AI-nak. A szarkazmus felismerése egy régi barát hangjában. A megérzés, hogy valami nem stimmel egy tárgyaláson. Egy gyerek felnevelése. Ezek nem csak azért nehezek a gépnek, mert nincs elég adat, hanem mert nincs megélt tapasztalat, felelősség és tét.

A tolmácsoknak nagy bánatára a fordítás a második és a negyedik kategória határán volt. Az apró finomságok miatt úgy tűnt, hogy az AI-nak mindig túl nehéz lesz. És egyes speciális fordulatok valóban azok. Ám a tipikus szövegek 99 százaléka mindkét jelöltnek könnyű feladat volt. Csak az egyiknek sokkal könnyebb, így pedig olcsóbb. A piac pedig döntött.

Ám a jövőt senki nem látja előre

A könyvnyomtatástól sokan várták a 15–16. században, hogy gyors felvilágosodást és egységesebb Európát hoz majd. Ezzel szemben

a nyomtatott pamfletek inkább a vallásháborúkat és a propaganda erősödését támogatták.

Az írástudók aránya lassan nőtt, az intézményi alkalmazkodás pedig évtizedekig tartott.

A távíróban a 19. század közepén a béke technológiáját látták. Ha az információ azonnali, megszűnnek a félreértések, gondolták. Ehelyett a háborúk lettek gyorsabbak, no meg a pénzügyi pánikok. A korabeli elemzők összekeverték a sebességet a bölcsességgel.

Az internet a 1990-es években a demokratizálódás ígéretével érkezett. A kapuőrök eltűnnek, így mindenki hozzáfér az igazsághoz. Ehelyett információs túlterhelés, visszhangkamrák és újfajta monopóliumok jöttek létre. Itt sem az eszmények, hanem az ösztönzők formálták a rendszert.

Az AI-val most ugyanez a helyzet. Rövid távon túl sokat várunk tőle, hosszú távon pedig félreértjük, hol változtatja meg igazán az ember szerepét. Ahogyan Niels Bohr is megfogalmazta, „Nehéz jósolni, különösen a jövő kapcsán”.

De nem is az a fontos, hogy száz százalékosan pontos előrejelzést adjunk. Hanem az, hogy a struktúrákat azonosítunk. Nem az az igazi kérdés, hogy pontosan mikor lesznek majd széleskörűen önvezető autók. Hanem az, hogy ezek megjelenésére hogyan készülhet fel egy taxisofőr.

A nyomdagép nem tette feleslegessé az értelmezést. A távíró nem váltotta ki a diplomáciát. Az internet sem szüntette meg a hatalmi koncentrációt. Az AI sem fogja megszüntetni az emberi döntések szükségét. De egészen biztosan meg fogja változtatni a hangsúlyt.

Öt jó tanács

Nézzük tehát, hogy mit tehetünk mi. Hogyan készülhetünk fel, hogy a szép, új digitális világban is értékesek legyünk.

1. Tanulj problémát és értéket definiálni, ne csak feladatot megoldani

Az AI kiválóan optimalizál, de nem tudja eldönteni, mi a helyes célfüggvény. Az etika, a politikai gazdaságtan, a döntéselmélet nem luxus, hanem a munkaerőpiaci értékünk fontos forrása lesz. Azok maradnak nélkülözhetetlenek, akik képesek lesznek megfogalmazni a helyes kérdéseket.

2. Fejleszd az ítéletalkotási képességeidet radikálisan bizonytalan környezetben

Gazdaságtörténet, válságok, háborúk. Olyan helyzetek, ahol nem volt a szereplők számára rendelkezésre álló teljes és tökéletes információ, mégis dönteniük kellett. Az AI múltbeli adatokra épít, azaz ilyen környezetben nem képes kiváltani az embert.

3. Add át a skálázható feladatokat az AI-nak, de tartsd meg az értelmezést

Keresés, fordítás, összefoglalás? Ezeket nem te fogod csinálni a jövőben. De mindig tedd fel a kérdést, hogy mi torzíthatja ezt az eredményt? Mit jelentenek a számok? Mi az, ami az elemzésből kimaradt?

4. Fektess a társas és érzelmi intelligenciába

Vezetés, nevelés, bizalom, legitimáció. Ezek nem adatokról, hanem kapcsolatokról szólnak. Ezeken a területeken akkor is inkább bízunk majd az emberben, ha a gép elméletben jobb döntést tud hozni. Az AI ugyanis nem vállal felelősséget.

5. Tanulmányozd, hogyan és miért romlanak el a komplex rendszerek

Ne optimalizálni tanulj, hanem hibákat elemezni. Goodhart törvénye, mely szerint ha egy mutató céllá válik, elveszíti információtartalmát, az AI korában még fontosabb lesz. Azt igyekezz megérteni, hogy mikor és miért kerül homokszem óriás gépezetekbe, és mitől függ az, hogy ennek csak pillanatnyi hatása lesz, vagy az egész rendszer összeomlik.

Vissza Annához

Anna ma is tolmácsnak hívja magát. De már egészen más feladatokat kap. Kevesebb tényleges fordítást végez, ám sokkal több döntést kell meghoznia. Nem a mondatokért fizetik, hanem azért, hogy elmondja, mikor nem szabad a szoftverre hallgatni. A munkája volumenre kisebb lett, de a mélységre nagyobb.

A mesterséges intelligencia nem vette el a munkáját. Csak átalakította. Kivette belőle azt, amit a gép jobban csinál. A mechanikus feladatokat. Egyben meghagyta azt a részét Annának, ami igazán emberi.

És talán ez a valódi tanulság. Nem az a fő kérdés, milyen munkakörökben jelenik majd meg egyre nagyobb súllyal az AI. Hanem az, hogy milyen feladatok és képességek kellenek a jövő humán munkavállalóinak, hogy a digitális munkatársaikkal hatékonyan tudjanak majd együttműködni.

A cikk szerzője Sebestyén Géza, az MCC Gazdaságpolitikai Műhelyének vezetője, a BCE egyetemi docense