Για πολλά χρόνια η γνώση υπήρχε και λειτουργούσε ως μηχανισμός σπανιότητας. Η πρόσβαση στην πληροφορία ήταν περιορισμένη, η εμπειρία χτιζόταν αργά και η εξειδίκευση αποτελούσε σαφές ανταγωνιστικό πλεονέκτημα. Ο ειδικός δεν ήταν απλώς κάποιος που γνώριζε περισσότερα. Ήταν κάποιος που μπορούσε να δει σχέσεις εκεί όπου οι υπόλοιποι έβλεπαν αποσπασματικά γεγονότα. Σήμερα όμως, με την εκρηκτική ανάπτυξη της τεχνητής νοημοσύνης και τη σχεδόν μηδενική πρόσβαση στη γνώση, εμφανίζεται ένα νέο ερώτημα! Μπορούν όλοι να αποκτήσουν άμεση πρόσβαση σε γνώση και πληροφορία, ή έχει ακόμη αξία η εξειδίκευση;
Η εύκολη απάντηση είναι ότι η εποχή των experts τελειώνει. Η πιο ενδιαφέρουσα απάντηση είναι ότι ίσως συμβαίνει ακριβώς το αντίθετο!
Η τεχνητή νοημοσύνη έχει ήδη μειώσει δραστικά το κόστος παραγωγής περιεχομένου, αναζήτησης γνώσης και εκτέλεσης γνωστικών εργασιών. Ένας νέος επαγγελματίας μπορεί σήμερα να συντάξει επιχειρηματικό πλάνο, να γράψει κώδικα, να δημιουργήσει παρουσιάσεις ή να αποκτήσει συνοπτική κατανόηση σύνθετων θεμάτων σε λίγα λεπτά. Αυτό δημιουργεί την εντύπωση ότι η γνώση έγινε εμπόρευμα.
Όμως εδώ εμφανίζεται μια κρίσιμη διάκριση. Η πληροφορία δεν είναι γνώση και η γνώση δεν είναι κρίση.
Η πρόσβαση σε απαντήσεις δεν συνεπάγεται κατανόηση των ορίων τους. Ένα μοντέλο μπορεί να προτείνει μια τεχνικά σωστή λύση αλλά να αγνοεί περιορισμούς εφαρμογής, οργανωσιακές τριβές ή στρατηγικές συνέπειες. Μπορεί να παράγει πειστικό κείμενο χωρίς να κατανοεί ποιο πρόβλημα αξίζει πραγματικά να λυθεί.
Αυτό είναι ήδη ορατό στην πράξη. Επιχειρήσεις που επενδύουν επιθετικά σε εργαλεία AI συχνά ανακαλύπτουν ότι η παραγωγικότητα αυξάνεται αλλά η ποιότητα των αποφάσεων δεν ακολουθεί απαραίτητα. Περισσότερες αναλύσεις δεν σημαίνουν καλύτερη στρατηγική. Περισσότερα dashboards δεν σημαίνουν μεγαλύτερη διορατικότητα. Περισσότερη πληροφορία χωρίς μοντέλο ερμηνείας παράγει θόρυβο.
Σε αυτό το νέο περιβάλλον, η αξία του expert μετατοπίζεται. Δεν θα ξεχωρίζει επειδή αναγνωρίζει περισσότερα facts. Θα ξεχωρίζει επειδή ξέρει τι να αγνοήσει, πώς να αξιολογήσει αντιφάσεις και πώς να μετατρέψει πληροφορία σε απόφαση.
Ένας έμπειρος μηχανικός δεν διαφέρει πλέον επειδή θυμάται συντακτικά στοιχεία μιας γλώσσας προγραμματισμού. Διαφέρει επειδή κατανοεί αρχιτεκτονική, τεχνικό χρέος και μακροχρόνιες συνέπειες σχεδιαστικών επιλογών. Ένας στρατηγικός σύμβουλος δεν προσθέτει αξία επειδή γνωρίζει frameworks. Προσθέτει αξία επειδή μπορεί να αναγνωρίσει ποιο framework δεν πρέπει να χρησιμοποιηθεί.
Η πραγματική γνώση αρχίζει εκεί που τελειώνει η αναπαραγωγή πληροφορίας.
Ίσως λοιπόν δεν ζούμε τον θάνατο της εξειδίκευσης αλλά την απογύμνωσή της. Οι επιφανειακές μορφές γνώσης αυτοματοποιούνται. Οι βαθύτερες μορφές γίνονται ακόμη πιο πολύτιμες. Η απομνημόνευση υποχωρεί. Η σύνθεση, η κρίση, η ικανότητα μεταφοράς γνώσης μεταξύ πεδίων και ο σχεδιασμός συστημάτων αποκτούν μεγαλύτερη σημασία.
Η τεχνητή νοημοσύνη δεν καταργεί τους experts. Καταργεί την ψευδαίσθηση της εξειδίκευσης.
Και ίσως αυτό να είναι τελικά το πιο αισιόδοξο στοιχείο αυτής της μετάβασης. Σε έναν κόσμο όπου όλοι έχουν πρόσβαση στη γνώση, αυτό που θα ξεχωρίζει δεν θα είναι ποιος ξέρει περισσότερα. Θα είναι ποιος καταλαβαίνει καλύτερα.
Βιβλιογραφία
- The Death of Expertise (2017); The Death of Expertise: The Campaign Against Established Knowledge and Why It Matters. Oxford University Press.
- Thinking, Fast and Slow (2011); Thinking, Fast and Slow. Farrar, Straus and Giroux.
- Range (2019); Range: Why Generalists Triumph in a Specialized World. Riverhead Books.
- Thinking in Systems (2008); Thinking in Systems: A Primer. Chelsea Green Publishing.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου