Dlaczego AI potrzebuje wielu perspektyw?
W debacie o sztucznej inteligencji często mówi się o algorytmach, modelach, danych czy mocy obliczeniowej. Znacznie rzadziej zwraca się uwagę na ludzi, którzy te rozwiązania projektują. Tymczasem to właśnie skład zespołu, jego doświadczenia, kompetencje i sposób patrzenia na problemy mają ogromny wpływ na jakość powstających technologii.
Dlatego rozmowa o różnorodności w AI nie powinna być sprowadzana wyłącznie do kwestii reprezentacji czy równych szans. W praktyce jest to przede wszystkim rozmowa o jakości produktu. Im bardziej złożone stają się systemy sztucznej inteligencji, tym większe znaczenie ma zdolność zespołu do dostrzegania różnych scenariuszy użycia, potencjalnych zagrożeń oraz potrzeb użytkowników.
To właśnie z tej perspektywy coraz częściej mówi się nie tylko o różnorodności płci, ale również o różnorodności doświadczeń zawodowych, sposobów myślenia i kompetencji.
AI projektowana dla wszystkich
Systemy sztucznej inteligencji powstają dziś z myślą o bardzo różnych grupach odbiorców. Korzystają z nich pracownicy administracji, lekarze, nauczyciele, przedsiębiorcy, studenci czy klienci usług cyfrowych. Trudno więc oczekiwać, że rozwiązanie tworzone przez osoby patrzące na świat wyłącznie z jednej perspektywy będzie równie dobrze odpowiadało na potrzeby wszystkich użytkowników.
Różnorodne zespoły szybciej identyfikują błędne założenia, niejednoznaczności w wymaganiach oraz potencjalne skutki uboczne wdrożeń. Są również bardziej skłonne do zadawania pytań, które pomagają zweryfikować pozornie oczywiste decyzje projektowe.
Nie chodzi więc o różnorodność dla samej różnorodności. Chodzi o szerszą perspektywę projektową, która przekłada się na większą wiarygodność i użyteczność końcowego produktu.
Kompetencje hybrydowe stają się kluczowe
Jeszcze kilka lat temu rozwój technologii kojarzony był przede wszystkim z kompetencjami programistycznymi. W erze AI ta perspektywa okazuje się niewystarczająca.
Rynek coraz bardziej potrzebuje osób, które potrafią jednocześnie:
-
rozumieć biznes,
-
analizować dane,
-
rozumieć potrzeby użytkowników,
-
współpracować z zespołami technologicznymi,
-
przekładać wymagania organizacji na konkretne rozwiązania produktowe,
-
świadomie wykorzystywać możliwości sztucznej inteligencji.
Takie połączenie kompetencji określa się dziś mianem kompetencji hybrydowych.
Jak podkreśla kierowniczka studiów podyplomowych dr Maria Eckes-Kondak
„Dzisiaj rynek potrzebuje osób o kompetencjach hybrydowych. Nie wystarczy rozumieć wyłącznie technologii albo wyłącznie biznesu. Trzeba umieć funkcjonować na styku tych dwóch światów, dopasować się zarówno do środowiska deweloperów, jak i do środowiska biznesowego. To oznacza umiejętność zadawania właściwych pytań, porządkowania wymagań, rozumienia danych i przekładania potrzeb organizacji na język możliwy do wykorzystania przez zespół technologiczny”.
To właśnie te osoby coraz częściej stają się kluczowym ogniwem współczesnych projektów AI. Łącznik między biznesem a technologią W wielu organizacjach największym problemem nie jest dziś brak technologii, lecz brak porozumienia między osobami odpowiedzialnymi za biznes i zespołami technicznymi.
Wdrożenie nawet najbardziej zaawansowanego rozwiązania AI nie przyniesie wartości, jeśli organizacja nie będzie potrafiła jasno określić, jaki problem chce rozwiązać i jakie efekty chce osiągnąć.
Dlatego rośnie znaczenie osób zdolnych do tłumaczenia języka biznesowego na język technologiczny.
„Jedną z kluczowych kompetencji jest dziś umiejętność tłumaczenia języka biznesowego na język deweloperski. Osoby, które mają wysoko rozwinięte zdolności komunikacyjne, często bardzo dobrze radzą sobie w tej roli. Potrzebują jedynie solidnego podbudowania kompetencji technicznych i właśnie to oferuje kierunek ProductLab AI”. - podkreśla dr Maria Eckes-Kondak
W praktyce oznacza to łączenie wiedzy o procesach biznesowych z umiejętnością współpracy z analitykami, projektantami UX, programistami czy specjalistami danych.
AI to nie tylko kod
Rozwój narzędzi generatywnej sztucznej inteligencji dodatkowo zmienił sposób pracy zespołów produktowych. Coraz częściej o jakości efektów nie decyduje wyłącznie napisany kod, ale również umiejętność precyzyjnego definiowania problemu, tworzenia wymagań i właściwego komunikowania oczekiwań.
W korzystaniu z AI nie liczy się wyłącznie kodowanie. Bardzo ważne jest także to, jak formułujemy polecenia, jak opisujemy problem, jak definiujemy kontekst i jak oceniamy odpowiedź systemu. Osoby z rozwiniętymi kompetencjami miękkimi, komunikacją, precyzyjnym formułowaniem myśli, empatią wobec użytkownika, często dobrze odnajdują się w pracy z narzędziami AI, ponieważ potrafią jasno opisać cel i oczekiwany rezultat.
Z tego powodu w projektach wykorzystujących sztuczną inteligencję coraz większego znaczenia nabierają kompetencje komunikacyjne, analityczne i organizacyjne - często niedoceniane w tradycyjnym wyobrażeniu o pracy w branży technologicznej.
Odpowiedzialne AI zaczyna się od inżynierii wymagań
Jednym z największych wyzwań związanych z rozwojem sztucznej inteligencji jest budowanie systemów odpowiedzialnych, bezpiecznych i wiarygodnych. Wbrew obiegowym opiniom odpowiedzialna AI nie zaczyna się dopiero na etapie trenowania modelu czy wdrażania gotowego rozwiązania. Zaczyna się znacznie wcześniej - od zrozumienia problemu, właściwego rozpoznania potrzeb użytkownika, analizy ryzyka oraz poprawnego opisania wymagań.
Dlatego coraz większego znaczenia nabiera inżynieria wymagań, czyli obszar pozwalający uporządkować potrzeby biznesu i użytkowników jeszcze przed rozpoczęciem prac technicznych.
„Inżynieria wymagań i analiza biznesowa bardzo zyskały na znaczeniu w dobie AI. Coraz częściej to sztuczna inteligencja wspiera tworzenie kodu, prototypów czy specyfikacji, ale jakość efektu zależy od jakości wymagań. Trzeba wiedzieć, co opisać, jak opisać, jakie kryteria przyjąć i jak sprawdzić, czy rozwiązanie rzeczywiście odpowiada na potrzeby użytkownika oraz organizacji. Dlatego obecność inżynierii wymagań w programie ProductLab AI jest bardzo istotna” - dr Maria Eckes-Kondak
Kobiety w AI - ważna część większej zmiany
Czy odpowiedzialną AI da się budować bez różnorodnych zespołów? Technicznie jest to możliwe, jednak im bardziej jednorodny jest zespół, tym większe ryzyko przeoczenia istotnych aspektów projektu. Różnorodność pozwala dostrzec odmienne scenariusze użycia, potrzeby użytkowników oraz potencjalne błędy wynikające z nieświadomych założeń projektowych. Nie chodzi więc wyłącznie o reprezentację, ale o zwiększenie odporności produktu na błędy wynikające z ograniczonej perspektywy. W tym kontekście istotną rolę odgrywa obecność kobiet w zespołach tworzących rozwiązania AI. Wiele z nich bardzo dobrze odnajduje się w rolach wymagających łączenia perspektywy użytkownika, biznesu i technologii, porządkowania informacji oraz budowania porozumienia między różnymi grupami interesariuszy. Często zwracają uwagę na kwestie związane z doświadczeniem użytkownika, sposobem komunikacji, przejrzystością procesów czy jakością współpracy w zespole. W obszarze sztucznej inteligencji ma to szczególne znaczenie, ponieważ sukces projektu zależy nie tylko od jakości modelu czy algorytmu, ale również od właściwego zrozumienia problemu, precyzyjnego definiowania wymagań oraz przewidywania skutków wdrożenia. Kompetencje związane z komunikacją, empatią, analizą potrzeb użytkowników i koordynacją współpracy stają się dziś równie ważne jak wiedza techniczna. Nie oznacza to oczywiście, że określone umiejętności są przypisane do jednej płci - o sukcesie w projektach AI decydują przede wszystkim indywidualne predyspozycje, doświadczenie i gotowość do ciągłego rozwoju. Można jednak zauważyć, że większy udział kobiet w zespołach technologicznych zwiększa różnorodność perspektyw, co przekłada się na lepsze rozpoznawanie potrzeb użytkowników i wyższą jakość tworzonych rozwiązań. W tym sensie różnorodność staje się nie tylko wartością organizacyjną, ale również jednym z elementów procesu zapewniania jakości nowoczesnych systemów sztucznej inteligencji.
Technologia potrzebuje różnych perspektyw - i nowych kompetencji
Rozwijanie sztucznej inteligencji nie jest już wyłącznie domeną programistów. Tworzenie nowoczesnych produktów cyfrowych wymaga dziś współpracy specjalistów z obszaru biznesu, analizy danych, projektowania UX/UI, zarządzania produktem, komunikacji i technologii. To właśnie dlatego różnorodność kompetencji staje się jednym z kluczowych czynników wpływających na jakość rozwiązań AI. Im bardziej złożone są współczesne systemy, tym większe znaczenie mają zdolność analizowania problemów z różnych perspektyw, rozumienie potrzeb użytkowników, umiejętność definiowania wymagań oraz efektywna współpraca między zespołami. Odpowiedzią na tę zmianę jest kierunek ProductLab AI na AGH, stworzony z myślą o osobach, które chcą rozwijać produkty cyfrowe przy wykorzystaniu narzędzi sztucznej inteligencji, niekoniecznie podążając klasyczną ścieżką programistyczną. Program powstał jako odpowiedź na rosnącą lukę kompetencyjną pomiędzy światem biznesu a technologią i koncentruje się na rozwijaniu umiejętności niezbędnych do pracy na styku tych obszarów. Szczególny nacisk położono na analizę biznesową, inżynierię wymagań, projektowanie produktów cyfrowych, prototypowanie, ocenę ryzyk oraz odpowiedzialne wykorzystanie AI. Dzięki temu absolwenci zdobywają kompetencje pozwalające nie tylko rozumieć nowe technologie, ale przede wszystkim tworzyć użyteczne, wiarygodne i odpowiadające na rzeczywiste potrzeby użytkowników rozwiązania cyfrowe
Absolwenci mają wypełniać rosnącą lukę między światem biznesu a światem technologii. To osoby, które niekoniecznie chcą zostać programistami, ale chcą rozumieć proces tworzenia produktów IT i potrafić skutecznie wykorzystywać AI do rozwiązywania realnych problemów biznesowych.