Sebuah beberapa hari yang lalu, seorang ahli industri memberikan kritik pedas terhadap sebuah perusahaan konsultan IT terkemuka, menyatakan bahwa daripada menggunakan jasa perusahaan ini dengan biaya jutaan dolar, cukup gunakan ChatGPT secara gratis.
Berikut adalah alasan mereka: Para konsultan hanya akan mendapatkan jawaban atau saran dari ChatGPT, jadi lebih baik menghindari pihak ketiga dan langsung menggunakan ChatGPT.
Ada pelajaran berharga bagi siapa pun yang merekrut atau mencari pekerjaan yang membutuhkan kecerdasan buatan intensif, baik itu pengembang, konsultan, atau pengguna bisnis. Pesan dari kritik ini adalah bahwa siapa pun, bahkan dengan keterampilan yang terbatas atau tidak memadai, sekarang dapat menggunakan kecerdasan buatan untuk maju, atau terlihat seperti mereka memahami segala hal. Karena itu, lapangan bermain telah dijadikan setara. Dibutuhkan orang-orang yang dapat memberikan sudut pandang dan pemikiran kritis terhadap informasi dan hasil yang diberikan kecerdasan buatan.
Bahkan teknolog terampil atau ahli dalam bidang tertentu pun bisa jatuh ke dalam perangkap terlalu bergantung pada kecerdasan buatan untuk keluaran mereka, daripada keahlian mereka sendiri.
Itulah pemikiran di Esquire Bank, yang menyediakan pembiayaan khusus untuk firma hukum – dan ingin orang-orang yang memahami bisnis dan apa yang kecerdasan buatan bisa lakukan untuk memajukan bisnis. Saya baru saja bertemu dengan Kyall Mai, chief innovation officer di Esquire Bank, di konferensi Salesforce di New York, yang membagikan pengalamannya dan perspektifnya tentang kecerdasan buatan.
Mai, yang naik pangkat dari seorang coder menjadi CIO multi-fasetnya sendiri, tidak memperdebatkan bahwa kecerdasan buatan mungkin salah satu alat peningkat produktivitas paling berharga yang ada. Tetapi dia juga khawatir bahwa terlalu bergantung pada kecerdasan buatan generatif – baik untuk konten atau kode – akan mengurangi kualitas dan ketajaman pemikiran orang.
Esquire Bank merangkul kedua sisi kecerdasan buatan – generatif dan prediktif, dengan menggunakan alat-alat Salesforce. Kecerdasan buatan prediktif memberikan warga bank dengan wawasan tentang “pengacara mana yang mengunjungi situs mereka, dan membantu personalisasi layanan berdasarkan kunjungan tersebut,” kata Mai, yang perannya sebagai CIO mencakup keterlibatan pelanggan serta sistem TI.
Sebagai bank yang seluruhnya virtual, Esquire memiliki banyak sistem kecerdasan buatan yang digunakan di tim pemasaran dengan perpaduan konten yang disampaikan oleh kecerdasan buatan generatif dan algoritma kecerdasan buatan prediktif di belakang layar. “Pengalaman ini berbeda untuk setiap orang,” kata Mai. “Jadi kami menggunakan kecerdasan buatan untuk memprediksi konten berikutnya yang akan disampaikan kepada mereka. Mereka didasarkan pada semua analitik di belakang dan dalam sistem tentang apa yang dapat kita lakukan dengan prospek tertentu tersebut.”
Dalam bekerja sama dengan kecerdasan buatan, Mai menemukan sebuah twist menarik dalam sifat manusia: Orang cenderung mengabaikan penilaian dan kewaspadaan mereka sendiri saat mereka semakin bergantung pada sistem-sistem ini. “Sebagai contoh, kami menemukan bahwa beberapa manusia menjadi malas – mereka memicu sesuatu, lalu memutuskan, ‘ah itu terdengar seperti respons yang sangat baik,’ dan mengirimkannya.”
Ketika Mai merasa ada tingkat ketergantungan berlebihan pada kecerdasan buatan, “saya akan membawa mereka ke kantor saya, mengatakan ‘saya membayar Anda untuk sudut pandang Anda, bukan prompt dan tanggapan dalam kecerdasan buatan yang akan Anda dapatkan untuk saya baca. Hanya mengambil hasil dan memberikannya kembali kepada saya bukanlah yang saya cari, saya mengharapkan pikiran kritis Anda.”
Namun, dia mendorong anggota tim teknologinya untuk memindahkan tugas-tugas pengembangan yang membosankan ke alat-alat dan platform kecerdasan buatan generatif, dan membebaskan waktu mereka untuk bekerja lebih dekat dengan bisnis. “Para coder menemukan bahwa 60 persen waktu yang mereka habiskan untuk menulis adalah untuk kode administratif yang tidak benar-benar revolusioner. Kecerdasan buatan bisa melakukannya untuk mereka, melalui perintah suara.”
Sebagai hasilnya, dia melihat “garis pemisah antara coder klasik dan analis bisnis semakin menyatu, karena coder tidak menghabiskan banyak waktu untuk melakukan hal-hal yang benar-benar tidak menambah nilai. Ini juga berarti bahwa analis bisnis bisa menjadi pengembang perangkat lunak.”
“Ini akan menjadi menarik ketika saya bisa duduk di depan platform dan mengatakan, ‘saya ingin sistem yang melakukan ini, ini, ini, dan ini,’ dan itu melakukannya.”