ใครมีสิทธิ์ในพื้นที่เผื่อที่เกิดจากประสิทธิภาพ?

ประสิทธิภาพที่ขับเคลื่อนด้วย AI ทำให้ได้เวลากลับคืนมา หากการวิจัย การจัดระเบียบ การเปรียบเทียบ หรือการร่างเอกสารใช้เวลาน้อยลง เวลาบางส่วนที่ก่อนหน้านี้ถูกผูกไว้กับกิจกรรมเหล่านั้นก็จะพร้อมใช้งาน โดยทั่วไปการเปลี่ยนแปลงนี้ถูกเข้าใจว่าเป็นผลิตภาพที่สูงขึ้น เพราะสามารถสร้างผลลัพธ์ได้มากขึ้นในเวลาเท่าเดิม หรือสร้างผลลัพธ์เท่าเดิมในเวลาที่สั้นลง แต่มีปัญหาหนึ่งที่ตัวชี้วัดประสิทธิภาพเพียงอย่างเดียวไม่อาจตัดสินได้ นั่นคือ ใครเป็นผู้ใช้เวลาที่เกิดจากการลดเวลานั้น และใช้เพื่ออะไร? หากเวลาที่ได้คืนมาถูกนำเข้าสู่กระบวนการถัดไปโดยอัตโนมัติ ประสิทธิภาพจะเพิ่มขีดความสามารถในการประมวลผล แต่ไม่ได้หมายความว่าจะเพิ่มพื้นที่ที่มนุษย์สามารถเปลี่ยนการตัดสินของตนได้เสมอไป

ในการพิจารณาปัญหานี้ ต้องแยกพื้นที่เผื่อออกจากเพียง “เวลาที่ยังไม่ได้ใช้” งานมีองค์ประกอบที่ไม่สามารถคาดการณ์ได้อย่างสมบูรณ์ตั้งแต่เริ่มต้น ความเข้าใจข้อกำหนดผิด ข้อมูลที่ขาดหาย การเปลี่ยนแปลงของเงื่อนไขภายนอก ข้อผิดพลาดที่ค้นพบจากการตรวจสอบ และความแตกต่างในการทำความเข้าใจระหว่างผู้มีส่วนเกี่ยวข้อง ไม่ใช่สิ่งที่สามารถแจกแจงได้ครบถ้วนเสมอในตอนที่จัดทำแผน หากเวลาตามแผนถูกใช้เต็มทั้งหมดกับงานที่ทราบอยู่ในปัจจุบัน ก็จะไม่มีทรัพยากรเหลือเมื่อเกิดเหตุการณ์ที่ไม่คาดคิด ดังนั้นพื้นที่เผื่อจึงอาจเข้าใจได้ว่าไม่ใช่เวลาที่เหลือเพราะไม่มีการใช้งานในปัจจุบัน แต่เป็นเวลาที่เก็บรักษาไว้โดยเปิดการใช้งานของมันไว้สำหรับความไม่แน่นอนในอนาคต

การทำให้ส่วนสำคัญเป็นรูปเป็นร่างตั้งแต่เนิ่น ๆ มีผลในการสร้างพื้นที่เผื่อนี้ จุดประสงค์ไม่ใช่เพียงการทำให้เสร็จก่อนกำหนด การเข้าถึงส่วนที่ยากก่อนช่วยให้เราทดสอบได้ตั้งแต่ต้นว่าการประมาณการเดิมสมเหตุสมผลหรือไม่ หากพบว่างานไม่สามารถดำเนินไปตามแผนได้ ก็ยังมีทางเลือกเหลืออยู่ เช่น เปลี่ยนข้อกำหนด ขอข้อมูลเพิ่มเติม เปลี่ยนวิธีการ หรือเจรจากำหนดเวลาใหม่กับผู้เกี่ยวข้อง ความคืบหน้าตั้งแต่เนิ่น ๆ ควรถูกเข้าใจไม่ใช่ว่าเป็นการเพิ่มความสามารถในการทำนายอนาคตอย่างแม่นยำ แต่เป็นโครงสร้างที่ช่วยให้ค้นพบได้เร็วขึ้นว่าการคาดการณ์ของเราผิด

เมื่อเชื่อมโครงสร้างนี้เข้ากับ AI ความหมายของความเร็วก็เปลี่ยนไป คุณค่าของการที่ AI สามารถสร้างข้อเสนอเบื้องต้นได้อย่างรวดเร็วไม่ได้จำกัดอยู่เพียงการเพิ่มจำนวนผลลัพธ์ต่อหน่วยเวลา หากส่วนสำคัญถูกทำให้เป็นรูปธรรมตั้งแต่เนิ่น ๆ มนุษย์สามารถสังเกตเห็นปัญหาที่มองไม่เห็นในขั้นตอนการวางแผนเชิงนามธรรม ข้อสมมติที่ผิด เงื่อนไขที่ขาดหาย ความขัดแย้งระหว่างคุณค่า หรือความไม่สอดคล้องระหว่างสิ่งส่งมอบที่คาดหวังกับผลลัพธ์จริง อาจปรากฏขึ้นได้ตั้งแต่เนิ่น ๆ จากนั้นความเร็วของ AI จะทำหน้าที่ค้นพบความไม่แน่นอนล่วงหน้า หากสามารถเก็บรักษาเวลาที่เหลือไว้ได้ มนุษย์ก็ยังคงมีทางเลือกในการตอบสนองต่อสิ่งที่ค้นพบ

อย่างไรก็ตาม ผลนี้จะหายไปเมื่อเวลาที่เกิดจากประสิทธิภาพถูกจัดสรรใหม่โดยอัตโนมัติไปสู่การผลิตเพิ่มเติม ร่างแรกเสร็จก่อนหนึ่งวัน จึงสร้างอีกหลายเวอร์ชัน การวิจัยเสร็จเร็ว จึงขยายขอบเขต การตรวจสอบใช้เวลาสั้นลง จึงเพิ่มอีกโครงการหนึ่งภายในกำหนดเวลาเดิม การจัดสรรใหม่เช่นนี้อาจสมเหตุสมผลเมื่อผลลัพธ์เพิ่มเติมมีมูลค่าสูง แต่หากกลายเป็นกิจวัตร พื้นที่เผื่อที่ AI สร้างขึ้นจะถูกใช้ทันทีที่เกิดขึ้น และเวลาสำหรับเปลี่ยนแผนหรือพิจารณาใหม่ก็จะขาดแคลนอีกครั้ง ประสิทธิภาพเฉพาะจุดจึงลบความสามารถในการแก้ไขที่ประโยชน์จากประสิทธิภาพนั้นควรจะเปิดทางให้เกิดขึ้น

สิ่งนี้แสดงให้เห็นว่าพื้นที่เผื่อเป็นปัญหาเรื่องการจัดสรร ในองค์กร เวลาที่เกิดจากประสิทธิภาพอาจถูกเปลี่ยนไปสู่เป้าหมายผลลัพธ์เพิ่มเติม สำหรับบุคคล อาจเริ่มงานใหม่ ตรวจสอบงานปัจจุบัน หรือใช้เวลาเพื่อพักผ่อนก็ได้ อย่างไรก็ตาม ในการทำงานร่วมกับ AI ยิ่งต้นทุนของการสร้างและการสำรวจต่อเนื่องลดลงมากเท่าไร ข้อเท็จจริงที่ว่า “ยังสามารถประมวลผลได้อีก” ก็ยิ่งเปลี่ยนเป็นบรรทัดฐานว่า “ควรประมวลผลเพิ่ม” ได้ง่ายขึ้นเท่านั้น ความสามารถที่ยังเหลืออยู่กับภาระผูกพันที่จะต้องใช้มันตอนนี้ไม่ใช่สิ่งเดียวกัน หากอำนาจในการกำหนดการใช้พื้นที่เผื่อถูกมอบให้กับตรรกะของระบบอัตโนมัติด้วย มนุษย์อาจได้รับประโยชน์จากประสิทธิภาพ แต่สูญเสียความสามารถในการเลือกว่าจะใช้ประโยชน์นั้นอย่างไร

ดังนั้น พื้นที่เผื่อในการทำงานร่วมกันระหว่างมนุษย์กับ AI จึงสามารถเข้าใจได้ว่าเป็นส่วนหนึ่งของความสามารถในการตัดสินใจ การแก้ไขคำตัดสินต้องใช้เวลา การพิจารณาข้อคัดค้าน การตรวจสอบเพิ่มเติม หรือการถอนแนวทางที่เลือกไว้ก่อนหน้านี้ ล้วนต้องใช้เวลา หากเวลาถูกจัดสรรจนหมด แม้ในทางรูปแบบมนุษย์จะยังคงมีอำนาจตัดสินใจขั้นสุดท้าย แต่ในทางปฏิบัติอาจมีทางเลือกน้อยนอกจากอนุมัติแนวทางที่กำหนดไว้แล้ว หากยังมีเวลาที่ไม่ได้ใช้เหลืออยู่ พวกเขายังสามารถคัดค้าน ย้อนกลับไปยังคำถาม และเปลี่ยนเงื่อนไขหลังจากได้รับผลลัพธ์จาก AI พื้นที่เผื่อจึงสนับสนุนไม่เพียงเสรีภาพก่อนการตัดสินใจ แต่ยังรวมถึงเสรีภาพในการตัดสินใจใหม่อีกครั้ง

มุมมองนี้ยังเรียกร้องให้เปลี่ยนวิธีประเมินประสิทธิภาพ เวลาประมวลผลที่สั้นลง ต้นทุนที่ต่ำลง และผลลัพธ์ที่มากขึ้นยังคงสำคัญ แต่สิ่งเหล่านี้ไม่สามารถสะท้อนได้ว่าระบบการทำงานร่วมกันมีความทนทานต่อการเปลี่ยนแปลงเพิ่มขึ้นเพียงใด สมมติว่ามีสองระบบที่สร้างสิ่งส่งมอบเดียวกันเสร็จก่อนกำหนดสองวัน ระบบหนึ่งเติมสองวันนั้นด้วยงานอื่นทันที ส่วนอีกระบบเก็บบางส่วนไว้เป็นเวลาสำรองจนกว่าการตรวจสอบที่สำคัญจะเสร็จสิ้น ในสภาวะปกติ ระบบแรกอาจดูเหมือนมีผลลัพธ์สูงกว่า แต่หากภายหลังพบข้อผิดพลาดสำคัญในข้อสมมติ ระบบที่สองยังคงมีทางเลือกสำหรับการแก้ไข ระบบใดเหมาะสมกว่าขึ้นอยู่กับลักษณะและความไม่แน่นอนของงาน

พื้นที่เผื่อไม่ได้ดีกว่าเสมอไปเพียงเพราะมีมากกว่า เวลาสำรองที่มากเกินไปอาจทำให้งานที่จำเป็นล่าช้า ในกระบวนการที่มีเสถียรภาพและมีการเปลี่ยนแปลงน้อย การใช้กำลังให้สูงอาจสมเหตุสมผลกว่าการรักษาพื้นที่สำรองขนาดใหญ่ ดังนั้นคำถามจึงไม่ใช่ว่าจะเพิ่มประสิทธิภาพหรือพื้นที่เผื่อให้สูงสุด แต่คือควรเก็บพื้นที่เผื่อไว้เท่าใดโดยพิจารณาจากความไม่แน่นอน ผลกระทบของความล้มเหลว เวลาที่ต้องใช้ในการเปลี่ยนแปลง และความจำเป็นในการคืนการตัดสินให้แก่มนุษย์ พื้นที่เผื่อไม่ใช่สิ่งดีโดยไม่มีเงื่อนไข แต่เป็นทรัพยากรที่มีคุณค่าในบริบทที่จำเป็นต้องมีความสามารถในการเปลี่ยนแปลง

เมื่อนำมุมมองนี้มาใช้กับ Sai＊aus การเลือกที่จะไม่ส่งผลประโยชน์ทุกอย่างจาก AI ที่เร็วขึ้นกลับไปสู่การสร้างเพิ่มเติมจึงมีความสำคัญ AI สามารถแสดงโครงสร้างได้ตั้งแต่เนิ่น ๆ ทำให้มนุษย์ค้นพบปัญหาได้เร็ว หากไม่มีปัญหา การประมวลผลก็สามารถดำเนินต่อไปได้ แต่หากพบความไม่สอดคล้อง เวลาที่เหลือสามารถใช้ตรวจสอบข้อสมมติ เปลี่ยนทิศทาง และเมื่อจำเป็น คัดค้านข้อเสนอของ AI เองได้ ในที่นี้ ความเร็วของ AI ถูกใช้ไม่ใช่เพื่อแทนที่การตัดสินของมนุษย์ แต่เพื่อขยายช่วงเวลาที่มนุษย์สามารถเปลี่ยนการตัดสินนั้นไปข้างหน้า เป็นการออกแบบที่แปลงความเร็วไม่เพียงเป็นการประมวลผลเพิ่มเติม แต่ยังเป็นความสามารถในการแก้ไขได้

ความแตกต่างนี้ไม่สามารถอธิบายได้เพียงจากการที่ AI มีหรือไม่มีฟังก์ชันบางอย่าง การสร้างอย่างรวดเร็ว การจัดระเบียบข้อมูล การเปรียบเทียบ และการสนับสนุนการพิจารณาใหม่ สามารถทำได้โดย AI หลายประเภท ความแตกต่างปรากฏอยู่ที่ว่าเวลาที่เกิดจากความสามารถเหล่านั้นถูกออกแบบให้รับใช้สิ่งใด การออกแบบหนึ่งอาจส่งส่วนเกินทั้งหมดกลับไปสู่การเพิ่มประสิทธิภาพต่อไป ขณะที่อีกการออกแบบหนึ่งอาจกันบางส่วนไว้สำหรับการตรวจสอบ การคัดค้าน การชะลอการตัดสินใจ และการถอนโดยมนุษย์ Sai＊aus ให้ความสำคัญกับการไม่ทำให้ความสามารถของ AI ในการประมวลผลได้มากขึ้นเป็นเป้าหมายในตัวเอง แต่จัดวางทั้งความสามารถที่ถูกใช้และยังไม่ได้ใช้ เพื่อให้มนุษย์ยังคงเป็นประธานของความเข้าใจและการตัดสิน

ใครมีสิทธิ์ในพื้นที่เผื่อที่เกิดจากประสิทธิภาพ? ไม่มีสัดส่วนการจัดสรรแบบสากลเพียงหนึ่งเดียว แต่เพียงข้อเท็จจริงที่ว่า AI ทำให้งานใช้เวลาสั้นลง ไม่ได้หมายความว่าเวลาที่ประหยัดได้ควรถูกนำกลับไปใส่ใน AI หรืองานเพิ่มเติม เวลาที่ยังไม่ได้ใช้ยังเป็นความสามารถในการตอบสนองต่อความเป็นไปได้ที่ยังไม่เกิดขึ้น ได้แก่ ความล้มเหลว การเปลี่ยนแปลง การคัดค้าน และการถอน ดังนั้น การคิดเรื่องประสิทธิภาพในยุค AI จึงต้องให้ความสนใจไม่เพียงกับทรัพยากรที่ถูกใช้ไปแล้ว แต่รวมถึงทรัพยากรที่ตั้งใจเหลือไว้ให้พร้อมใช้เมื่อจำเป็นด้วย การถามว่าใครเป็นผู้จัดสรรพื้นที่เผื่อนั้น และมันถูกเก็บรักษาไว้เพื่อความสามารถในการตัดสินของใคร จะย้ายการทำงานร่วมกันระหว่างมนุษย์กับ AI จากเพียงการเร่งความเร็วไปสู่ปัญหาของการออกแบบ

ไม่ใช่คำตอบ แต่คือความเข้าใจ