Pavadīt laiku ar vadības konsultantiem, kas sniedz padomus par mākslīgo intelektu (MI), atklāj kopīgas receptes: automatizēt rutīnas uzdevumus, efektivizēt papīrapstrādi un ātrāk apstrādāt lielus datu apjomus, lai palielinātu produktivitāti. Agrīna MI ieviešana tiek uzskatīta par veidu iegūt konkurences priekšrocību. Lai gan šīs ieguldījumu priekšrocības ir reālas, tāda efektivitātes balstīta priekšrocība ilgtermiņā, visticamāk, nepastāvēs, jo tirgū dominē tikai dažas lielas valodu modeļu sistēmas—kā, piemēram, tās, kas darbojas ChatGPT pamatā—un daudzas uzņēmumi tiem var piekļūt par pieņemamām cenām. Kad konkurenti izmanto tās pašas MI rīkus līdzīgiem efektivitātes mērķiem, viņi tendē uz līdzvērtīgām darba plūsmām un piedāvājumiem, kas samazina atšķirības. Eithens Mollicks no Wharton School apgalvo, ka, lai iegūtu patiesu konkurences priekšrocību, uzņēmumiem ir nepieciešama nozīmīgāka MI lietošana. Sarunā ar Economist Impact Mollicks piedāvā rāmja modeli inovācijām, kas balstās uz trim stūrakmeņiem: “sabiedrība” – darbinieki, kas ar MI eksperementē, vadība, kas nosaka piemērotus stimulus, un “labratorija” – telpa veiksmīgu inovāciju uztveršanai un skalošanai. Visu trīs elementu esamība patiesi var diferencēt uzņēmumu. Inovācijām būtu jāiet no “apakšas”—no darbiniekiem, kuri ikdienā saskaras ar lietderības trūkumiem un radošajām iespējām. Tā kā MI rīki ir plaši pieejami un lēti, darbinieki, kas darbojas tuvāk uzdevumiem, var viegli eksperimentēt ar MI potenciāla ieguvumiem, piemēram, mārketinga vadītājs pārbauda MI iespējas kampaņu idejām, bet jurists izmanto to memu sastādīšanai. Šādi eksperimenti ir lēti, galvenokārt attiecoties uz laiku, un rada noderīgas atziņas. Šādas pieejas atbalstam Mollicka, Havarda, MIT un BCG kopīgais lauka eksperiments atklāja, ka vairāk nekā 750 konsultanti, kuri izmantoja OpenAI GPT-4 sarežģītu, zināšanu bagātu uzdevumu veikšanā, sasniedza kvalitātes ziņā par 40 % augstāku rezultātu nekā tie, kas MI neizmantoja, īpaši tad, kad MI stiprās puses attiecās uz rakstīšanu, ideju ģenerēšanu un sintēzi. Vadība spēlē būtisku lomu, līdzsvarojoši ambīcijas ar atbalstu.

Darbiniekiem jābūt saprotošiem, ka MI balstīta pārkārtošana ir paredzama, taču eksperimentēšana nepiekusēs darba zaudējumiem. Mollicks uzsver, ka darbinieki bieži sāk uzskatīt “produktivitātes pieaugumu” par atlaišanu iemeslu, tāpēc skaidra komunikācija ir būtiska. Vadītājiem būtu jā(1) personīgi izmanto MI, lai piemērotu piemēru, (2) skaidri un konkrēti formulētu uzņēmuma nākotnes vīziju MI iespēju pasaulē—arī pārsniedzot vispārīgus aicinājumus “lieto MI, ” un (3) paskaidrot, kas uzņēmumam ir svarīgs, atšķirot procesu no rezultātiem. Piemēram, MI var ģenerēt daudz dažādu ziņojumu vai kodu, bet, ja galvenais ir tikai to apjoms, uzņēmums varoptimizēt nepareizus mērķus. Vadītājiem jādefinē, vai vērtība slēpjas sadarbības procesā, veidojot ziņojumus, vai to rezultātos, pārbaudot tradicionālas metriku kā nodarbotajiem stundu skaits vai paveiktie uzdevumi. Lai veicinātu MI balstītu inovāciju, uzņēmumiem būtu jā“sniedz konteksts” MI, ne tikai tehniski—apmācot modeļus ar uzņēmuma datiem un integrējot tos darba plūsmās—bet arī organizatoriski. Mollicka modelis aicina uzņēmumus atkārtoti veidot eksperimentu, mācīšanās un skalošanas ciklus, lai palīdzētu atklāt, kur MI patiešām pievieno vērtību. Šāda nepārtraukta mācīšanās spēja, pielāgota katra uzņēmuma unikālajam kontekstam, atšķirs organizācijas, kas izmanto MI ievērojamiem inovāciju sasniegumiem, no tām, kuras apstājas pie papildu efektivitātes. Lai gan MI drīz kļūs par ikdienas sastāvdaļu, tieši organizatoriskais konteksts, kas atbloķē tā potenciālu, paliks retums un vērtība.