Sonuç olarak şirket, ayrılanların yerine işe alınan yeni çalışanları eğitmek için çok zaman harcadı. İhtiyaç duyulan becerilerin çoğu, araştırmacıların “zımni bilgi” olarak adlandırdığı, kolayca kodlanamayan ancak büyük dil modellerinin sohbet günlüklerinden alıp sonra taklit edebildiği deneyimsel teknik bilgiydi. Şirketin robotu, hem teknik hem de sosyal beceriler konusunda yardımcı oldu, aracıları ilgili teknik belgelere yönlendirdi ve öfkeli müşterileri yatıştırmak için “Bunu bir an önce düzeltmenize yardımcı olmaktan mutluluk duyarım!”
Bot yardım etmeye başladıktan sonra, ekibin saat başına çözdüğü sorun sayısı yüzde 14 arttı. Dahası, bir işçinin belirli bir ayda işi bırakma olasılığı yüzde 9 azaldı ve müşterilerin çalışanlara karşı tutumları da iyileşti. Şirket ayrıca bir yöneticiyle konuşmak isteyen müşterilerin sayısında yüzde 25’lik bir düşüş gördü.
Ancak araştırmacılar, sonuçları beceri düzeyine göre ayırdıklarında, sohbet robotunun faydalarının çoğunun, yüzde 35’lik bir verimlilik artışı gören en az vasıflı işçilere tahakkuk ettiğini gördüler. En yüksek vasıflı çalışanlar hiçbir kazanç görmedi ve hatta müşteri memnuniyeti puanlarının hafifçe düştüğünü gördü, bu da botun dikkat dağıtmış olabileceğini düşündürüyor.
Bu arada, bu yüksek vasıflı işin değeri, yapay zeka asistanı daha düşük vasıflı işçileri aynı teknikleri kullanmaya yönlendirdikçe katlandı.
İşverenlerin bu değeri kendi istekleriyle ödüllendireceklerinden şüphe etmek için sebepler var. Syracuse Üniversitesi’nde tarihçi ve kitabın yazarı Aaron Benanav Otomasyon ve İşin Geleceği19. yüzyılın sonlarında Frederick Taylor adlı bir makine mühendisi tarafından geliştirilen ve daha sonra Henry Ford’un araba fabrikalarında benimsenen bir üretkenlik sistemi olan Taylorizm ile tarihsel bir paralellik görüyor.
Taylor, bir kronometre kullanarak fiziksel süreçleri bileşenlerine ayırarak onları tamamlamanın en verimli yolunu belirledi. Benanav, “daha az vasıflı işçileri aynı şekilde çalıştırabilmek için” bir ticarette en vasıflı işçilere özel önem verdiğini söylüyor. Artık, titiz bir mühendisin elinde kronometre kullanması yerine, makine öğrenimi araçları çalışanların en iyi uygulamalarını toplayıp yayabilir.
Bu, Taylor dönemindeki bazı çalışanlar için pek sıcak olmadı. Benanav, yöntemlerinin daha yüksek vasıflı işçiler için azalan gelirlerle ilişkilendirilmeye başlandı, çünkü şirketler aynı tür işleri yapmaları için daha az vasıflı çalışanlara ödeme yapabilir, diyor Benanav. Bazı yüksek performans gösterenler gerekli olmaya devam etse bile şirketlerin daha azına ihtiyacı vardı ve aralarındaki rekabet arttı.
Benanav, “Bazı hesaplara göre bu, 1930’larda tüm bu daha az vasıflı veya orta vasıflı işçiler arasında sendikalaşmayı ateşlemede oldukça büyük bir rol oynadı” diyor. Bununla birlikte, daha az cezalandırıcı bazı planlar ortaya çıktı. Taylor’ın yandaşlarından biri olan makine mühendisi Henry Gantt -evet, haritacı- tüm işçilere asgari ücret ödeyen ama aynı zamanda fazladan hedeflere ulaşanlara ikramiyeler sunan bir sistem yarattı.
İşverenler, yapay zeka sistemlerini öğretmek için yüksek performans gösterenlere prim ödemeye teşvik edilse veya çalışanlar bunu kendileri için kazansa bile, ganimeti adil bir şekilde bölmek zor olabilir. Birincisi, veriler birkaç işyerinden toplanabilir ve bir model oluşturan ve onu bireysel firmalara geri satan bir yapay zeka şirketine gönderilebilir.
