„Ucz się w domu”

Byłem niedawno na niewielkiej konferencji poświęconej wdrażaniu AI w organizacjach. Była jednodniowa, nastawiona bardziej na zarządzanie niż na technikę. Prezentowano tam też różne badania, w tym ankietę, w której odpytywano menedżerów, prezesów, CIO i tak dalej o różne rzeczy. Poza ładnymi wykresami pokazującymi jak tam się układały różne opinie na slajdach były też  cytaty z odpowiedzi. Jeden z nich wrył mi się w pamięć:

„Organizacja nie jest uniwersytetem, masz się uczyć w domu, a to, w jakich dziedzinach się rozwijać, wynika wprost z kompetencji, których wymaga twoja rola.”

Nie wiem, kto to napisał. Może to i lepiej bo moim zdaniem powinien się tej wypowiedzi wstydzić.

Osiem godzin to nie całe życie

Zacznę od tego, co rzuca się w oczy od razu, czyli od strony etycznej. Widzę w tym zdaniu dość brutalne, przedmiotowe podejście do ludzi: zaoszczędzimy na szkoleniach, na wiedzy, na eksperymentach, a koszty przerzucimy na pracowników. Autor tych słów najwyraźniej zapomniał też, że pracownik sprzedał firmie pewien kwant swojego czasu, zazwyczaj około ośmiu godzin dziennie. Z resztą tego czasu ma pełne prawo robić, co mu się podoba. Oczekiwanie, że po godzinach będzie rozwijał umiejętności pożyteczne dla firmy i zgodne ze stanowiskiem, jest mocno nie na miejscu.

Żeby było jasne: rozumiem, skąd to się bierze. W technologii rzeczywiście lepiej pracuje się z ludźmi, dla których jest ona pasją, u których zainteresowanie nie gaśnie o 17:00. Zaangażowani deweloperzy często mają swoje projekty, mniejsze lub większe, i z takimi ludźmi faktycznie fajnie się pracuje. Ale czym innym jest cieszyć się, że ktoś taki jest, a czym innym stawiać to jako twarde wymaganie.

W przypadku AI to się po prostu nie wydarzy

Ale ten cytat padł w kontekście sztucznej inteligencji. A tu, pomijając nawet kwestie etyczne, takie podejście jest po prostu nierealistyczne.

Teorię da się oczywiście opanować samemu. Jak zbudowane są sieci neuronowe, na czym polega trening, czym się różni od inferencji, co to jest transformer – o tym można przeczytać w artykułach i książkach albo posłuchać darmowych wykładów dostępnych w sieci. Tu rzeczywiście można od kogoś oczekiwać, że coś przeczyta.

Praktyka to już zupełnie inna historia. Subskrypcja ChatGPT, przy której da się sensownie coś zrobić i pobawić się Codexem, to około $100 miesięcznie. A żeby mieć jakieś porównanie, dobrze znać przynajmniej jeszcze modele Anthropica – druga subskrypcja, drugie $100. Razem $200, czyli ponad 800 złotych miesięcznie.

A to jest absolutne minimum. Co gdy ktoś chce naprawdę zrozumieć, jak to działa, i zbudować oraz wytrenować własną sieć? Albo, co ostatnio dość popularne, postawić u siebie model open source tak, żeby nie produkował jednego tokena na dziesięć sekund, tylko działał w przyzwoitym tempie? Do tego potrzebny jest poważny sprzęt. Karta Nvidia, na której w ogóle można się pokusić o tego typu zabawę, to kilka tysięcy złotych. Komputer klasy MacBook Pro to około dziesięciu tysięcy. DGX Spark to już 30 tysięcy. A wszystko to są nadal rzeczy raczej z poziomu „entry level”.

Czy naprawdę ktoś oczekuje, że pracownicy po godzinach i ze swojej pensji kupią taki sprzęt, żeby podnosić kwalifikacje przydatne firmie? Nie kupią. To się po prostu nie wydarzy.

Specjaliści potrzebują narzędzi

Większości pracowników firma i tak da kilka standardowych narzędzi. Nie tylko z oszczędności, ale też po to, żeby ujednolicić, mieć większą przewidywalność a także zdjąć z ludzi konieczność ciągłego analizowania narzędzi i bycia na bieżąco. Tyle że w takim razie ktoś w organizacji musi tę pracę wykonywać. Potrzebna jest komórka (a może nawet więcej niż jedna), która się tym zajmuje.

I od ludzi w tej komórce nie możemy oczekiwać, że nauczą się wszystkiego „w domu”. Musimy im dać narzędzia, dostęp do modeli i zapłacić za ich tokeny – prawdopodobnie znacznie więcej niż za przeciętnego pracownika liniowego. Bo żeby wiedzieć, do czego warto użyć dużego modelu serwowanego przez wielką firmę, do czego modelu open source, być może z post-trainingiem na własnej infrastrukturze, a do czego warto wytrenować własną sieć, trzeba te rzeczy po prostu zrobić. I to nie raz, bo ta dziedzina zmienia się tak szybko, że to, co było prawdą pół roku temu, dziś może już nią nie być.

Alternatywy są trzy i żadna nie jest dobra. Albo tej wiedzy w firmie w ogóle nie będzie, albo przyjdzie dużo później niż do konkurencji, albo trzeba będzie wynająć konsultantów. A konsultanci będą drodzy, bardzo drodzy, nawet freelancerzy. Bo ci, którzy sami zainwestowali w naukę, w sprzęt itp. później bardzo słono liczą sobie za każdą godzinę – muszą przecież odpracować pieniądze, które wydali plus zarobić.

„A jak się wyszkolą i odejdą?”

Wiem, że w tym miejscu pojawia się ta obawa. Ale ona nie jest w żaden sposób specyficzna dla AI. Dotyczy wszystkich wykwalifikowanych pracowników, wszystkich, którzy robią coś dobrze. Jak sprawić, żeby tacy ludzie chcieli z nami zostać, to osobny, szeroki problem zarządzania. Na pewno nie uzasadnia on podejścia „ucz się sam w domu”.

Jeżeli firma chce mieć specjalistów od najnowszych technologii i chce korzystać z ich dobrodziejstw w czymś więcej niż standardowa subskrypcja dla wszystkich, to nie ucieknie przed kosztami. Musi tym specjalistom dać przestrzeń, narzędzia i czas na naukę. A skoro uczą się dla firmy, to uczciwiej jest, żeby robili to w ramach swojej pracy.