Tidak ada yang meragukan kemampuan ChatGPT untuk menghasilkan banyak ide. Tapi apakah ide-ide itu bagus?
Dalam sebuah eksperimen dunia nyata baru-baru ini, tim yang terlibat dalam tugas pemecahan masalah kreatif melihat peningkatan moderat dari bantuan AI untuk sebagian besar—dan beberapa malah berkinerja buruk.
Jangan menyalahkan teknologinya, kata Kian Gohar, CEO perusahaan pengembangan kepemimpinan GeoLab dan salah satu penulis studi tersebut, seperti dilansir oleh majalah Harvard Business Review (HBR) edisi March–April 2024.
Kesalahpahaman umum tentang AI generatif, pemecahan masalah, dan proses kreatif menyebabkan pekerja dan manajer mereka menggunakan alat ini dengan tidak tepat, terkadang membuat mereka lebih buruk daripada jika mereka melanjutkan tanpa masukan AI.
Gohar dan rekan penelitinya, Jeremy Utley dari Universitas Stanford, bermitra dengan empat perusahaan: dua di Eropa dan dua di Amerika Serikat.
Sebanyak 60 karyawan di setiap perusahaan diminta bekerja dalam tim kecil untuk menyelesaikan masalah bisnis yang dihadapi perusahaan mereka—misalnya bagaimana mengembangkan sumber daya pelatihan internal, atau bagaimana meningkatkan penjualan B2B suatu produk tertentu.
Pada setiap perusahaan, beberapa tim (mereka yang dalam kelompok kontrol) menangani masalah tanpa bantuan AI, sementara yang lain (mereka yang dalam kelompok eksperimen) diberikan versi ChatGPT sumber terbuka.
Semua tim menonton presentasi singkat tentang masalah yang mereka hadapi dan menerima lembar informasi yang menjelaskan detail yang relevan.
Tim-tim tersebut memiliki 90 menit untuk menghasilkan solusi potensial, mengikuti struktur yang ditentukan oleh para peneliti. Karyawan pertama-tama bekerja secara individu dan kemudian berbagi ide mereka dengan rekan tim mereka selama sesi brainstorming.
Tim dalam kelompok eksperimen dapat menggunakan ChatGPT selama kedua fase ideasi, dan mereka didorong untuk melatih alat tersebut pada masalah dengan memasukkan materi dari lembar informasi.
Pada akhir latihan, setiap tim mengajukan ide-idenya.
"Pemilik" setiap masalah—orang dalam setiap organisasi yang bertanggung jawab untuk mengimplementasikan solusi akhirnya—menilai ide-ide tersebut, memberikan nilai dari A (sangat menarik) hingga D (tidak layak untuk diikuti) tanpa mengetahui mana yang muncul dari kolaborasi manusia-mesin.
Hasilnya mengejutkan para peneliti, kata Gohar. Dia dan rekan-rekannya mengira bahwa tim yang memanfaatkan ChatGPT akan menghasilkan lebih banyak dan lebih baik ide daripada yang lain.
Tetapi tim-tim tersebut menghasilkan, rata-rata, hanya 8% lebih banyak ide daripada tim dalam kelompok kontrol. Mereka mendapatkan 7% lebih sedikit nilai D, tetapi mereka juga mendapatkan 8% lebih banyak nilai B ("menarik tetapi perlu pengembangan") dan kira-kira bagian yang sama dari nilai C ("memerlukan pengembangan signifikan").
Yang paling mengejutkan, mereka mendapatkan 2% lebih sedikit nilai A.
"AI generatif membantu pekerja menghindari ide-ide buruk, tetapi juga menghasilkan lebih banyak ide rata-rata," kata Gohar, dikutip dari majalah Harvard Business Review.
Survei yang dilakukan sebelum dan setelah latihan menunjukkan bahwa tim yang menggunakan AI mendapatkan lebih banyak kepercayaan diri dalam kemampuan pemecahan masalah mereka daripada yang lain—perbedaan 21%. Tetapi nilai yang mereka terima menunjukkan bahwa banyak dari kepercayaan diri itu tidak berdasar.
Cara Memaksimalkan Potensi AI Generatif
Tentu saja, potensi AI generatif dalam pemecahan masalah adalah nyata, kata Gohar. Berikut beberapa langkah untuk memaksimalkannya.
1. Jadilah spesifik tentang masalah yang ingin Anda selesaikan.
Model bahasa besar yang mendasari chatbot AI generatif dirancang untuk memberikan jawaban "rata-rata"; algoritma mereka telah dilatih untuk mengidentifikasi probabilitas tertinggi dari kata-kata berurutan.
Jika seseorang mengetik, "Saya menggonggong seperti..." dan meminta bot untuk menyelesaikan pemikiran itu, hampir pasti akan menawarkan kata "anjing." Tetapi jika tim mencari solusi out-of-the-box, jawaban rata-rata akan sangat tidak berguna.
Jadi manajer harus mengajarkan tim mereka untuk menyusun pernyataan masalah yang sangat spesifik, termasuk sebanyak mungkin detail, sebelum berinteraksi dengan alat tersebut.
Misalnya, daripada bertanya, "Bagaimana kita bisa meningkatkan kepuasan pelanggan?" tim bisa mengatakan, "Perjalanan pelanggan kami melibatkan langkah-langkah berikut... Perubahan apa pada langkah onboarding kami yang akan meningkatkan retensi sebesar 10%?"
Komentar Gohar, "Orang-orang mengharapkan AI menjadi orakel: Colokkan, dan itu akan memberikan solusi Anda."
Tim yang mengambil pendekatan itu—hanya menyatakan masalah dalam istilah luas dan meminta ChatGPT untuk menyelesaikannya—mendapatkan hasil yang biasa-biasa saja.
2. Luangkan waktu untuk brainstorming individu tanpa bot.
Sebelum mereka berinteraksi dengan AI, beri anggota tim beberapa waktu—15 menit hingga setengah jam, katakanlah—untuk secara individu menghasilkan ide.
Itu akan membantu memastikan bahwa mereka mendekati pertemuan tim dan penerapan AI tanpa dipengaruhi oleh groupthink atau oleh apa yang disarankan alat tersebut.
Langkah ini penting untuk mengumpulkan ide-ide yang beragam dan kreatif dan memaksimalkan jumlah ide unik yang dibawa ke grup untuk didiskusikan.
3. Latih AI dengan ketat.
Sistem AI generatif tidak memiliki pemahaman kontekstual yang diperoleh orang selama berbulan-bulan atau bertahun-tahun bekerja di organisasi dan industri mereka.
Sebelum mengintegrasikan ChatGPT atau alat serupa ke dalam proses ideasi, Anda perlu membantunya mengejar ketinggalan.
Masukkan sebanyak mungkin data terkait dengan masalah spesifik Anda. Itu mungkin termasuk cara berpikir kelompok pelanggan, keberhasilan dan kegagalan inisiatif sebelumnya, dan tolok ukur industri.
4. Perlakukan AI sebagai mitra percakapan yang berkelanjutan, bukan sebagai orakel.
Tim dalam studi tersebut mengembangkan ide-ide yang lebih baik ketika mereka bolak-balik dengan ChatGPT beberapa kali.
"Sebagian besar pemecahan masalah memerlukan percakapan," kata Gohar.
"Anda akan berdiskusi dengan rekan kerja Anda untuk menemukan solusi yang lebih baik untuk suatu masalah, dan itu berlaku ketika salah satu rekan kerja itu adalah ChatGPT."
Banyak tim dalam eksperimen hanya menerima saran pertama yang ditawarkan ChatGPT. Gohar mengaitkan hal ini dengan efek Einstellung: bias kognitif di mana orang cenderung pada solusi awal yang akrab daripada menjelajahi kemungkinan lebih luas.
Itu mungkin berkontribusi pada tingkat tinggi ide-ide dengan nilai B yang dihasilkan oleh tim yang dibantu AI.
Tidak peduli seberapa bagus saran awal alat mungkin terlihat, tim harus selalu menindaklanjuti dengan lebih banyak, dan lebih spesifik, pertanyaan, kata Gohar.
Melakukan hal itu memungkinkan model menyempurnakan tanggapannya dan memberi pengguna lebih banyak solusi untuk akhirnya dipilih.
"Tim yang mendapatkan nilai A adalah mereka yang memiliki percakapan interaktif dengan bot," tekan Gohar.
5. Minta seseorang di luar tim memfasilitasi keputusan akhir.
Ketika tim berkumpul untuk berbagi solusi yang mungkin, tunjuk satu anggota untuk mengkonsolidasikan saran.
Kemudian minta AI untuk menganalisisnya agar sesuai dengan tujuan Anda, memberikan kritik, menantang asumsi, dan menyarankan lebih banyak alternatif.
Langkah ini juga berfungsi sebagai mekanisme pelatihan dan akan meningkatkan kinerja model di masa depan.
Bisa bermanfaat untuk melibatkan fasilitator eksternal—seseorang yang tidak memiliki kepentingan pribadi, yang idealnya berpengalaman dalam ideasi AI—untuk memandu proses, membantu memprioritaskan ide, dan merencanakan langkah selanjutnya.
"Brainstorming dengan AI generatif memerlukan pemikiran ulang alur kerja ideasi Anda dan mempelajari keterampilan baru," Gohar menyimpulkan.
"Tetapi jika Anda mendekatinya sebagai percakapan terstruktur yang berkelanjutan, Anda dapat mengakses kapasitas luar biasa untuk mengembangkan ide-ide yang lebih baik dan lebih kreatif lebih cepat."
Posting Komentar