“Waarom doet-ie dat nou niet?” Iedereen kent de frustratie als een computer niet doet wat je wil. Computer says no uit de serie Little Britain is zelfs een gevleugelde uitdrukking geworden. Computers kunnen ons flink tegenwerken. Maar ze kunnen ook juist van ons leren, taken overnemen of met ons samenwerken – bijvoorbeeld bij een cyber human learning loop of co-intelligence. Terwijl we zoeken naar een optimale samenwerking, verschuift de grens tussen mens en computer voortdurend.

Mensen leren van elkaar. De een doet iets voor, de ander doet het na. Dat heet opvoeding, school of sportclub. Computers kunnen ook leren. Dat heet machine learning en werkt meestal met grote hoeveelheden data, waarbij de computer leert om patronen te herkennen of voorspellingen te doen. Als je menselijk leren en machine learning combineert, krijg je een cyber human learning loop: een proces waarin computers stap voor stap leren om taken van de mens over te nemen. Dat kan handig zijn voor saaie, administratieve klusjes. Maar het kan ook veel tijd en geld besparen, omdat je sneller en efficiënter kunt werken. Thomas W. Malone zegt in zijn boek Superminds dan ook dat “we should design our processes from the beginning in a way that makes the boundary between what people do and what computers do as flexible as possible”.

Malone schreef dit in 2018, dus nog voor de doorbraak van ChatGPT & co. De brede toegankelijkheid en toepasbaarheid van generatieve AI kan een flinke boost geven aan Malones cyber human learning loop. Een pionier op het gebied van experimenteren met generatieve Aanvullende Intelligentie (zie deze eerdere blogpost) is Ethan Mollick. Hij spreekt over de jagged frontier of AI capabilities: de grillige grens tussen wat mensen kunnen en wat AI kan. Die grens verschuift voortdurend – onder meer doordat AI steeds beter wordt. De ware impact van de veelzijdige tool AI als systeemtechnologie gaan we volgens Mollick pas zien als we AI in al onze werkzaamheden betrekken. Always invite AI to the table is dan ook een van de vier regels in de omgang met AI in Mollicks veelgeprezen boek Co-Intelligence. Door constant te experimenteren met AI kun je ontdekken hoe AI taken van jou kan overnemen of je erbij helpen. Co-intelligence gaat over ontdekken wat AI (beter) kan en hoe je samen met AI slimmer kunt werken.

Hoe kan de toekomst van co-intelligence en de cyber human learning loop eruitzien? Misschien wel als een wereld vol met agents. Zoals je nu apps hebt die je helpen met dingen als de weg vinden, een hotel boeken of een treinreis plannen, heb je in de toekomst mogelijk de beschikking over zogenaamde agents. Dat zijn AI-assistenten die voortdurend van jou leren en de meest uiteenlopende taken kunnen uitvoeren. Ze zullen overal te vinden zijn en niet meer weg te denken. Kinderen hebben speel-agents, scholieren en studenten studie-agents en ouders opvoed-agents. In bedrijven heeft elke medewerker en elk team de beschikking over collega-agents. Elke smartphone, elke laptop en elke AR-bril is uitgerust met agents. Je kunt ze vragen stellen, opdrachten laten uitvoeren, scenario’s laten maken (en doorvoeren), agenda’s beheren, documenten ordenen en terugvinden, analyses maken en ga zo maar door. We zullen ons tegen die tijd afvragen hoe we in hemelsnaam ooit zonder die agents konden overleven. (Net zoals nu bijna niemand zich meer een leven zonder smartphone met apps kan voorstellen.) Agents zullen ons helpen en ons werk en leven makkelijker maken. Maar er zullen ook agents komen die onze banen even goed of zelfs beter doen. Nu al zijn er AI-assistenten die het werk van de klantenservice kunnen overnemen. En dat zal in de toekomst mogelijk voor meer beroepen gelden.

Krijg je nu lichte FOBO-verschijnselen (fear of becoming obsolete, oftewel angst om overbodig te worden)? Maak je geen zorgen. Tot nu toe heeft elke technologische revolutie juist voor meer banen gezorgd in plaats van minder (zie deze eerdere blogpost). Maar wees er wel op voorbereid dat je werk gaat veranderen. Of ga voor een carrièreswitch en word leraar, want daar zijn er nog genoeg van nodig (zoals je in deze blogpost kunt lezen). Zo doe je meteen ook iets wat er toe doet. Teacher says yes!

(De afbeelding bij deze blogpost is gemaakt met DALL-E.)