● news.bsdnet.hu

A Harvard Business Review szerint azok a vállalatok, amelyek teljes erővel vetették bele magukat a mesterséges intelligencia alkalmazásába, ma egyre inkább a „tudásromlás” (knowledge decay) problémájával szembesülnek. A felhalmozódó, alacsony minőségű AI-tartalom erodálja a bizalmat, rontja a döntéshozatal alapjául szolgáló információk minőségét, és egy 10 ezer fős vállalat esetében akár évi 9 millió dollárnyi többletmunkát is generálhatnak.   Azok a cégek, amelyek a legagresszívebben vezették be a generatív AI-t, most egy olyan problémával küzdenek, amelyet éppen ennek a technológiának kellett volna megszüntetnie: romlik a munkavégzés minősége. A Harvard Business Review ebben a hónapban megjelent két cikke egy olyan visszacsatolási spirált ír le, amelyben az AI által előállított gyenge minőségű tartalmak fokozatosan lerontják azt az információs bázist, amelyre a vállalatok a döntéseiket alapozzák. A szerzők ezt a jelenséget „tudásromlásnak” nevezik. A 2026 júniusában megjelent HBR-cikk szerzői, Matthias Holweg, az University of Oxford operációmenedzsment-professzora, valamint Thomas Davenport, a Babson College professzora szerint a károk messze túlmutatnak az egyedi hibákon. Amikor a munkavállalók olyan AI-generált anyagokat készítenek, amelyek első pillantásra professzionálisnak tűnnek, de hibákat tartalmaznak vagy érdemi tartalom nélküliek, a következő munkafázisban dolgozó kollégák kénytelenek időt fordítani azok ellenőrzésére, javítására vagy teljes újrakészítésére. Ahogy ezek a hibák csapatokon és szervezeti egységeken keresztül továbbgyűrűznek, a vállalat kollektív tudásbázisa fokozatosan romlik. Megszületett a „workslop” A gyenge minőségű AI-tartalmakra már külön kifejezés is létezik. A BetterUp Labs és a Stanford Social Media Lab kutatói egy 2025 szeptemberében megjelent HBR-cikkben alkották meg a „workslop” fogalmát. Ezzel azokat az AI által generált munkákat írják le, amelyek látszólag megfelelő minőségűek, valójában azonban nem tartalmaznak elegendő értéket ahhoz, hogy előmozdítsák a feladat megoldását. Az 1150 amerikai teljes munkaidős alkalmazott bevonásával készült felmérés szerint a válaszadók 41 százaléka kapott legalább egy ilyen „workslop” anyagot az előző hónap során. Egy-egy ilyen eset átlagosan 1 óra 56 perc pluszmunkát igényelt a hibák feltárásához és kijavításához. Évente több millió dolláros veszteség A pénzügyi következmények sem elhanyagolhatók. A kutatók a válaszadók által megadott fizetések és időráfordítások alapján arra jutottak, hogy a „workslop” havonta átlagosan 186 dollár veszteséget okoz munkavállalónként. Egy 10 ezer alkalmazottat foglalkoztató vállalat esetében ez éves szinten több mint 9 millió dollár elvesztegetett munkaidőt jelenthet. Ebben az összegben még nem szerepelnek a morálra, az együttműködésre és a bizalomra gyakorolt további negatív hatások. A társadalmi és szervezeti költségek talán még súlyosabbak, mint a pénzügyi veszteségek. A BetterUp–Stanford kutatás szerint azok közül, akik „workslopot” kaptak: 53 százalék bosszúsnak érezte magát; 42 százalék kevésbé tartotta megbízhatónak a küldőt; közel minden második válaszadó úgy vélte, hogy az illető kevésbé kreatív, kevésbé kompetens vagy kevésbé megbízható, mint korábban; minden harmadik munkavállaló kevésbé szívesen dolgozna újra együtt az adott kollégával. Az AI-termelékenységi ígéretek sem igazolódnak A szélesebb termelékenységi kép sem túl biztató. A MIT Media Lab 2025 júliusi jelentése szerint a szervezetek 95 százaléka nem tudott mérhető megtérülést felmutatni generatív AI-beruházásai után, annak ellenére, hogy világszerte milliárdokat költöttek ezekre a technológiákra. Hasonló következtetésre jutott a Goldman Sachs is 2026 márciusában. Elemzésük szerint gazdasági szinten nem mutatható ki érdemi kapcsolat az AI-adoptáció és a termelékenység javulása között, miközben az S&P 500 vállalatainak vezetői több mint 70 százalékban említették az AI-t a negyedéves eredménybeszámolók során. Nem ugyanaz, mint a hallucináció A „tudásromlás” problémája különbözik a jól ismert AI-hallucinációktól. A hallucináció konkrét ténybeli tévedést jelent egy AI-válaszban. A tudásromlás ezzel szemben azt írja le, mi történik egy szervezetben, amikor ezek a hibák, valamint az általánosan alacsony erőfeszítéssel előállított AI-tartalmak hónapokon át halmozódnak. A dolgozók elveszítik bizalmukat a belső dokumentumok iránt. A megbízhatatlan információkra épülő folyamatok megbízhatatlan eredményeket termelnek. A szervezeti tudás fokozatosan elsekélyesedik, mert a munkatársak egyre inkább az AI-ra támaszkodnak saját szakértelmük fejlesztése helyett. A toborzás különösen megszenvedi Holweg és Davenport szerint a felvételi folyamat az egyik leginkább érintett terület. Az AI által generált önéletrajzok elárasztják a toborzókat, az AI-jal készített álláshirdetések félrevezethetik a jelentkezőket, miközben az automatizált szűrőrendszerek gyakran kiszűrik a valójában alkalmas pályázókat. A HBR megfogalmazása szerint emiatt a toborzási folyamatba vetett bizalom „történelmi mélypontra” süllyedt mind az álláskeresők, mind a toborzók körében. Egyre erősebb a dolgozói ellenállás A munkavállalók ellenreakciója már mérhető. Egy 2026-os, 2400 amerikai, brit és európai dolgozót vizsgáló felmérés szerint a válaszadók 29 százaléka bevallotta, hogy aktívan akadályozza munkáltatója AI-stratégiáját. Ez megnyilvánulhat az irányelvek figyelmen kívül hagyásában, a képzések elutasításában vagy akár a teljesítményadatok szándékos torzításában. A Z generációs munkavállalók körében ez az arány már 44 százalék, amelyet elsősorban az állásvesztéstől való félelem hajt. Kérdéses AI-alapú leépítések Mindez egybeesik az AI-ra hivatkozó elbocsátások hullámával. A technológiai szektorban 2026-ban több mint 95 ezer munkahely szűnt meg 247 különálló leépítési esemény során, és ezek közel felét mesterséges intelligenciával indokolták. Elemzők ugyanakkor megkérdőjelezték, hogy az érintett vállalatok közül sok rendelkezett-e valóban olyan kiforrott AI-rendszerekkel, amelyek ténylegesen át tudták volna venni az elbocsátott dolgozók feladatait. Irónikus, hogy még több emberi munka kell A „workslop” problémájának megoldása ironikus módon éppen azt a fajta emberi munkát igényli, amelynek csökkentését a vállalatok az AI-tól várták. A vezetőknek új ellenőrzési folyamatokat, minőségi sztenderdeket és emberi felügyeleti mechanizmusokat kell bevezetniük annak érdekében, hogy az AI által létrehozott tartalmak megfeleljenek az elvárásoknak. Ez azonban ismét valódi munkavállalók idejét és erőforrásait köti le. A HBR javaslata lényegében egy új emberi ellenőrzési réteg kialakítását jelenti az AI-kimenetek körül, ami részben megkérdőjelezi azokat a hatékonysági érveket, amelyek eredetileg indokolták a technológia gyors bevezetését. Nem minden AI-használat egyforma Mindkét HBR-cikk hangsúlyozza a különbséget a válogatás nélküli AI-használat és a célzott alkalmazás között. A júniusi elemzés szerint a vállalatspecifikus adatokon tanított saját modellek valódi értéket teremthetnek, míg a nyilvános nagy nyelvi modellek (LLM-ek) gyakran csupán általános, sablonos szövegeket állítanak elő, amelyekben gyakoriak a hibák. Azok a vállalatok, amelyek az AI által ígért termelékenységi előnyökre hivatkozva befagyasztották a felvételeket, most azt tapasztalhatják, hogy ezek az előnyök illuzórikusak lehetnek, ha a munka minősége gyorsabban romlik, mint amilyen ütemben a létszám csökken. Új megvilágításba kerül a termelékenységi vita A „tudásromlás” fogalma új keretbe helyezi a mesterséges intelligencia körüli termelékenységi vitát. A kérdés már nem csupán az, hogy az AI gyorsabbá teszi-e az egyes feladatokat elvégzését, hanem az is, hogy a széles körű használat összességében javítja vagy rontja-e egy szervezet döntéshozatali képességét. A Harvard Business Review válasza egyértelmű: azoknál a vállalatoknál, amelyek megfelelő minőségbiztosítási mechanizmusok nélkül vezették be az AI-t, a hatás inkább negatív. A szerzők szakmai háttere jelentős súlyt ad az érvelésnek, ugyanakkor fontos megjegyezni, hogy a „tudásromlás” elméletét egyelőre nem támasztják alá kontrollált empirikus vizsgálatok. A koncepció elsősorban meglévő kutatások szintézisére épül, és a BetterUp–Stanford „workslop” felmérése is önbevalláson alapuló becsléseket használ a kiesett munkaidő mérésére. Ennek ellenére több, egymástól független forrás hasonló következtetésre jut. A Goldman Sachs, az MIT, a BCG és immár két különböző HBR-kutatócsoport elemzése is ugyanabba az irányba mutat: a legtöbb vállalat nem azt kapja a generatív mesterséges intelligenciától, amit remélt, és könnyen lehet, hogy éppen azok fizetik a legnagyobb rejtett árat, amelyek a leggyorsabban és a legnagyobb lelkesedéssel vezették be a technológiát. Forrás: https://thenextweb.com