Szabó Tamara MCC: Interjú Fülöp Géza mesterséges intelligencia-szakértővel

Tamara: Szeretettel köszöntünk titeket ezen a mai beszélgetésen, ahol mesterséges intelligenciáról és coachingról fogunk beszélgetni. Én Szabó Tamara vagyok, coach, MCC, és ezen kívül pedig coach-trénerként is találkozhattok velem, a Co-Create coach képzésein, illetve a METU (Metropolitan University)  posztgraduális business és team coach képzésén.  Beszélgetőtársam Fülöp Géza.

Géza, mondj kérlek egy pár gondolatot magadról, meg hogy neked mi közöd van a mesterséges intelligenciához!

Géza: Sziasztok! Ahogy Tamara mondta, Fülöp Gézának hívnak, egy Qamcom nevű svéd cégnek a budapesti leányvállalatát vezetem, és mi úgy fogjuk fel a létjogosultságunkat, hogy ügyfeleinknek segítünk modern technológiákat bevezetni. A mesterséges intelligencia az egyik ilyen modern technológia, amivel foglalkozunk. Úgy hisszük, hogy ez az egyik nagy befolyásoló tényező lesz a jövőben, és már a közeljövőben is. Sőt már a jelenben is a munkahelyeinknek, vállalatainknak. Ezért éreztük azt, hogy érdemes lehet akár arról is beszélni, hogy egy coachnak az életét hogy tudja megváltoztatni ez az egész eszköztár.

Tamara: Mielőtt belecsapnánk abba, hogy nekünk, mint coachnak az életét ez hogyan változtatja meg, hogy van ránk hatással, szerintem kezdjük a nagyon alapokról. Géza, te hogyan magyaráznád el valakinek, hogy miben rejlik a mesterséges intelligencia lényege?  Olyan valakinek, aki nem technológiai vonalon mozog, hanem csak él a mindennapokban, és találkozik ezzel a fogalommal.

Géza: Akkor kezdjük a legelején. Ez egyféle disclaimer is, hogy van egy ősi magyar közmondás, hogy annyi mesterséges intelligencia definíció, ahány ház.

Tehát ezt mindenki másképp fogalmazza meg, mindenki másképp érti. Az a megértés, ahogy mi dolgozunk, az nagyjából hasonlít ahhoz, ahogy az MIT meghatározza. Ez a következő: Van egy feladatod, amit meg kell oldani valamilyen számítógépes módszerrel. A régi világban azt csináltad, hogy egy okos programozó írt egy algoritmust, ahhoz egy szoftvert, és a számítógép végrehajtotta ezt a feladatot. Ha jól csinálta, akkor a feladat megoldódott. Ez egy klasszikus problémamegoldási módszer. A mesterséges intelligencia annyiban más, hogy nem megadod az algoritmust ennek a számítógépnek, hanem megmutatsz neki egy csomó hasonló feladat megoldását. És ebből a gép megtanulja azt, hogy milyen megoldások léteznek, és ő maga készíti el saját magának az algoritmust, amit aztán végrehajt, és hogy ha jól van megcsinálva, akkor megtörténik. Tehát igazából nekem a különbség a klasszikus megoldások és a mesterséges intelligencia közt lényegében ott van, hogy ki írja az algoritmust. Ki dönti el, hogy hogy fogjuk ezt a feladatot megoldani. Ha egy ember, az klasszikus, ha egy gép, akkor ez mesterséges intelligencia. Nagyjából ennyi. Ezzel lehet vitatkozni, és nagyon sok egyéb definíció is van, néha nehéz tudni észrevenni a különbséget, mert vannak nagyon okos és komplex algoritmusok, amikbe belekerülhetnek öntanuló loopok, stb. Tehát ez nem egy ilyen nagyon-nagyon éles határ, de körülbelül azért ez elmondja, hogy hogy gondolkozunk.

Tamara: Tehát akkor tulajdonképpen valami olyasmit képzeljünk el, hogy mutatunk valami mintát, valami adathalmazt a számítógépnek, aki ebből kidolgoz valamilyen algoritmust, és ez az algoritmus egy bármilyen más helyzetben, ami hasonlít ahhoz, amit mutattunk, újra alkalmazható.

Géza: Igen. És ennek a legegyszerűbb dimenziója egy gépi látás. Megmutatsz a gépnek tízezer macskát. A régi megoldás az volt, hogy ha látod, hogy ilyen kontúrokat látsz, akkor azt nevezd macskának. Ez a megoldás (MI) pedig az, hogy mutatok tízezer macskáról fényképet, és azt mondom, hogy találd ki, hogy mi a közös bennük, például milyen kontúrok, milyen színek, milyen mintázatok, és találd ki, hogy ezek alapján mi az, amit később macskának fogsz nevezni.

Tamara: Menjünk akkor egy picit tovább. A bemutatkozóban említetted, hogy a mesterséges intelligencia a jövőnek, közeljövőnek, sőt már a jelenünknek egy nagyon meghatározó technológiai trendje.  De mi az, ami most ezt ennyire közelivé hozta? Azért kérdezem, mert én legalább 20 évvel ezelőtt tanultam alkalmazott nyelvészetet, és még mi is tanultunk mesterséges intelligenciát. De akkoriban tulajdonképpen ez a terminus annyira volt benne a köztudatban, hogy csak aki ezzel foglalkozott, vagy valami miatt tanulta, az a nagyon néhány százaléka az emberiségnek foglalkozott ezzel. Most meg annyira itt van, és annyira közel van hozzánk! Mi hozta ezt ennyire közel? Mitől lett ez ennyire nagyon időszerű?

Géza: Kezdjük azzal, hogy először is három technikai dolog történt. Az egyik az, hogy ahhoz, hogy egy öntanuló rendszer működhessen, nagyon-nagyon sok adatra van szükség. És emiatt el kellett oda jutni, hogy az adattárolás elérhető legyen. De úgy, hogy nem kilobájt meg megabájt, hanem hatalmas adatmennyiségeket tudjunk olcsón tárolni.
Ahogy fejlődött a technológia, mondjuk azt, hogy a 2010-es évek elejére jutottunk oda, hogy eszméletlen, korábban elképzelhetetlen mennyiségű adatot tudtunk tárolni. Tehát ez megadja az alapot, hogy van miből dolgozni. Másik dolog az, hogy ahhoz, hogy egy ilyen komplex dolgot, mint például egy macska felismerése, meg tudj csinálni, akkor az a legjobb módszertan, hogyha egyszerre párhuzamosan dolgozol a kép különböző elemeivel. Régebben erre nem volt technológia. Egy klasszikus számítógép egyszer elvégez egy feladatot, lejelenti, hogy kész van, utána elvégzi a következőt, elvégzi a harmadikat. Nem tud sok ezer, vagy akár sok millió feladatot egyszerre végezni. Ezen az változtatott nagyon furcsa módon, hogy fejlődtek a számítógépes játékok, melyekben nagyon-nagyon fontos volt a grafika: mert egy aktív játékosnak az a fontos, hogy szép is legyen a játék.  Ők kidolgoztak olyan módszertanokat, amelyek masszív, párhuzamos adatfeldolgozást tettek lehetővé. Ehhez – technikai szavakban – régebben voltak a CPU-k, tehát a processzorok, processzor egységek, és ehelyett megjelent az a fogalom, amit GPU-nak, neveznek, ami grafikai, tehát képfeldolgozási technológia. Ami arról szól, hogy egyszerre nagyon-nagyon sok képpel párhuzamosan tudsz dolgozni. Kiderült, hogy pont ugyanez a technológia kell a mesterséges intelligenciához, mert ott nem bonyolult, hosszú műveleteket kell elvégezni, hanem nagyon sok apró műveletet egymással párhuzamosan.

Akkor kiderült, hogy ez a technológia használható, ott voltak az adatok, és ennek alapján azok a kutatók, akiket említettél, akik régebben is foglalkoztak mesterséges intelligenciával, hirtelen felbátorítva érezték magukat, hogy még okosabb, jobb, ravaszabb, mesterséges intelligencia fejlesztő algoritmusokat dolgozzanak ki. Megjelentek olyan architektúrák ezekben a processzorokban, amik lehetővé tették, hogy ezt a nagy mennyiségű adatot, ezt a sok adatfeldolgozó erőt okosabban használjuk ki. És ez a három adta azt, hogy 2015-16-ra megjelent egy teljesen új paradigma, egy teljesen új lehetőség a mesterséges intelligenciában. Technikailag ezért jutottunk el mondjuk 2017-re oda, hogy most már valóban lehetett hatékony mesterséges intelligenciáról beszélni.

Erre jött rá még egy érdekes dimenzió. Amiről az előbb beszéltem: ez problémamegoldásról szól. Itt van előttem egy tárgy, van egy feladat, hogy találjuk ki, hogy ez most macska vagy kutya. Tehát ez egyféle feladatcsomag. De közben rájöttek, hogy ugyanaz a technológia elvileg lehetővé teszi azt, hogy nyelvi vagy képi modellekből új dolgokat alkosson. Ez az, amit generatív mesterséges intelligenciának neveznek, vagy geniálnak. Lényegében ugyanazzal a technológiai alappal megjelentek ezek a generatív mesterséges intelligencia megoldások, amelyeknek egy része publikussá vált. És ez az, ami hirtelen elérte, hogy az emberiség kinyitotta a szemét, és rájött, hogy “hoppá, itt van valami, amit eddig nem használtunk”.

 Nyilván megjelent több megoldás, a leghíresebb a Chat Gpt, de van ezen kívül még legalább tíz használható nyelvi megoldás, vannak képi megoldások, tudunk filmeket csinálni, tudunk zenét csinálni, bármit tudunk alkotni ezekkel a generatív mesterséges intelligencia megoldásokkal. Ez az szerintem, ami ezt az új hullámot okozza, aminek egy része hype, egy része valóság. Ha visszaemlékszünk a kora gyerekkorodból, amikor az internet boom történt a 2000-es években, akkor is nagyon nagy hype volt egy része az akkori álmoknak. Meg egy része az akkori cégeknek eltűnt, csődbe ment, megszűnt, de az internet igenis itt van, és meghatározza az életünket. Szerintem most ugyanaz következik: ennek a hype-nak egy része le fog ülni, és egy része pedig eszköztárrá válik, amit a mindennapjainkban fogunk használni.

Tamara: Most nagy kérdés sok szakmában, és azt gondolom, hogy ez így minket, coachokat is elér, hogy lecserélhetőek vagyunk-e, és hogy mi az, amit meg tud helyettünk akár az AI is csinálni, és mi az, amit nem tud.

Vagy hogy ne ez legyen a kérdés, hanem az legyen a kérdés, hogy egyébként hogyan tudjuk jól használni úgy, hogy ez az ügyfeleinknek még nagyobb értéket képviseljen. Szerintem azért ti abban sokat dolgoztok, hogy hogyan viszitek oda a mesterséges intelligenciát az ügyfélnek, hogy lesz egyébként ettől szolgáltatás, vagy hogy lesz az ügyfél működési módja ettől eggyel magasabb színvonalú. De például, ha azt mondom neked, hogy coaching és mesterséges intelligencia, akkor neked mi ugrik be?

Géza: Hát először is két dolog. Az egyik azzal kezdődik, amivel te kezdted a kérdést, hogy lecserélhetőség. Nem cseréljük le a coachokat. Tehát itt nem erről van szó. Ha le akarom egyszerűsíteni a képet, akkor neked, mint coachnak nem a mesterséges intelligenciával kell versenyezni, hanem azokkal a coachokkal, akik ügyesebben használják a mesterséges intelligenciát.

Tehát kaptál egy új eszközt. Ez az új eszköz nem fog mindent megoldani. Ezt kell megtanulnod okosan használni és éberen odafigyelni, hogy mi történik. És mint minden egyéb ilyen jellegű, többé vagy kevésbé kreatív munkában, ahol a dolgok egy része valamilyen mintára megy, más részéhez meg kell a te emberi kreativitásod, itt is be tudsz vonni olyan megoldásokat, amik segítik a munkádat, hatékonyabbá teszik, és emiatt te jobb coach leszel.
Ha csak mondjuk két példát mondok. Van naponta 24 órád, ennek egy részében különböző dolgokat csinálsz, például dolgozol, és ennek csak egy részét tudod arra fordítani, hogy a legújabb irodalmat elolvasd. A Chat Gpt vagy ahhoz hasonló eszközök mindent elolvasnak, ami megjelenik, és ezért rá tudsz kérdezni arra, hogy melyek azok az új könyvek, cikkek, amik az utóbbi két évben megjelentek coaching szempontból. És ezért sokkal jobban naprakészen tudod tartani a tudásodat, mintha te vadásznád egyenként, hogy na, ez a híres coach írt-e valami újat. A Chat Gpt, vagy akármelyik gép megmondja neked, hogy igen, most ezt olvasd el, ezt olvasd el, itt megjelent egy publikáció, ami érdekes lehet, és akár készít róla egy kivonatot, hogy ebből ez volt a tanulság. Ez egy példa.

A másik példa, ami esetleg érdekes lehet: mondjuk azt, hogy van egy vállalkozó, akit coacholsz, és meg akarod tudni, hogy pontosan hogy áll különböző dimenzióiban a vezetői képességeidnek, és akarsz íratni vele egy tesztet. Ilyet nyilván tudsz csinálni, milliót csináltál már, de az is lehet, hogy egyszerűbb, ha megkéred a gépedet, hogy “készíts nekem egy 12 kérdésből álló listát, ahol ezt az ifjú embert letesztelem vezetői képességekben”. Akkor öt perc múlva kezedben a lista, amin természetesen neked abszolút jogodban áll módosítani. Azt mondod, hogy na erre a kérdésre már ismerem a választ, ez a kérdés túl tolakodó, és megtartasz belőle tíz olyat, amire azt gondolod, hogy jó, de ez sokkal gyorsabban megvan, mint hogyha te nekiállnál és egy fél délután összeszednél 12 jó kérdést.

Tamara: Nem mondom azt, hogy teljesen mesterséges intelligencia-szűz vagyok, mert azért használom szerintem sokat a munkám során, főleg háttérdolgokhoz. Azért néha érnek meglepetések. Éppúgy érnek kellemes meglepetések, mint kellemetlen meglepetések. Csak tesztelek rajtad egy-két dolgot, mert szerintem fogsz tudni nekünk mondani a mesterséges intelligencia természetéről, ami lehet, hogy megmagyarázza ezeket.

Egyrészt időnként meg szoktam kérdezni, hogy van-e valami friss kutatás valaminek a tekintetében. Például, hogy mondjuk a vezetők és a változások, hogy élik meg őket, és időnként bedob olyan kutatásokat, aminek, ha megfeszülök, se tudok utánanézni. Nem tudom, hogy honnan szerzi az adatokat, vagy az van, hogy nagyon sok olyan dologhoz hozzáfér, amihez én természetes személyként nem férek hozzá, vagy behoz olyan dolgokat, amik egyébként nincsenek.

Géza: Igen, ez létezik. Ez egy létező jelenség, hogy valamilyen szinten, szinte úgy tűnik, mintha pszichológia lenne – a gép meg akar felelni. És szeretne valami olyat mondani, amitől te boldog leszel. Ezért ad egy választ arra, amit kérdezel, és annak egy része nem feltétlenül valós. Ezt több dimenzióban körbe lehet járni. Az egyik az, hogy a legtöbb ilyen eszköz nincs rajta aktívan az interneten, tehát ő azt a tudást tudja megadni, ami ezelőtt körülbelül fél évvel volt, vagy egy évvel, amikor kibocsátották. Tehát ez a legelső, amit lehet tudni. A második dolog pedig ez, amit ha akarjuk hallucinációnak nevezzük, ha akarjuk kreativitásnak. Egy ember is mond néha olyanokat, amiket ő csak kitalál. Ha ember mondja, akkor kreatívnak nevezzük, ha a gép mondja, akkor hallucinációnak, de a lényeg az, hogy olyan dolgok jelennek meg, amik nem léteznek a valóságban. Erre van igazából egy olyan paraméter, amit hőmérsékletnek neveznek a generatív mesterséges intelligencia viszonylatában, amit körülbelül úgy képzelj el, hogy minél hidegebbre állítod, annál kevesebb a hallucináció, és annál szigorúbban csak a tényekre vonatkozik. Minél melegebbre állítod, annál szabadabban alkot, vagy hallucinál, nevezzük, ahogy akarjuk. Tehát hogy ha nagyon szigorúan a tényekre vonatkozó, vagy tényekre vonatkozó információt akarsz, akkor ezt a hőmérsékletet le kell vinni minél alacsonyabbra ahhoz, hogy tényleg csak szigorúan bizonyított tényeket kapj, viszont akkor elképzelhető, hogy létező, de nem bizonyított tényekhez nem jutsz hozzá, mert ő nem biztos benne. Ez az egyik. A másik pedig az, hogy akik ilyen technológiákat fejlesztenek nagyon is dolgoznak azon, hogy hogy lehet azt megcsinálni, hogy ténylegesen a valóságot kapjuk. Tehát a tények, azok tények maradjanak, és azokon ne lehessen változtatni. Akkor is, ha tetszik, ha nem tetszik az emberiségnek egy-egy válasz, de ez egy aktív kutatás. Tehát vannak olyan helyzetek, mikor teljesen emberi jóindulatból, valamilyen szempontból igazságosabb akar lenni, vagy méltányosabb a gép, és olyasmit mond, ami tényszerűen nem igaz. Ez a kérdés még nincs lefutva, nincs befejezve, nincs rendesen megoldva, mert ezek a megoldások az internetről tanulnak, és ahogy az interneten nagyon sok baromság, hazugság, tévedés, mindenféle van, ezek a gépek megtanulták azokat is. Ezeket nehéz kiszűrni, tehát nehéz egy gépet okosabbá tenni, mint az egész emberiség. Erre igenis oda kell figyelni. Ha valami nagyon komoly, akkor annak neked utána kell nézni, hogy az tényleg minden dimenzióban stimmel. És ezért jelenleg nagyon sokszor az a tanács, hogy olyankor használ ilyen eszközt egyrészt, amikor garantáltan tesztelődik. Tehát például írsz egy szoftvert, annak van egy csomó automatikus tesztje, ha rosszul írja, akkor kiesik a teszten. Ez az egyik. A másik pedig az, hogy olyasmi legyen, ahol nem tudsz nagyon nagy kárt okozni. Tehát, ha ne adj isten, mint coach mondasz valami hülyeséget a gép miatt, akkor azért ne menjen csődbe a másik, az ügyfeled cége, hanem – mit tudom én – legfeljebb bosszankodjon egyet. Tehát ha ezeket az irányelveket figyelembe veszed, akkor igenis értékkel tudod használni ezeket a megoldásokat.

Tamara: Igen, ne helyettem dolgozzon, inkább a kezem alá dolgozzon!

Géza: A kezed alá dolgozzon, és nézz rá! Van még egy dolog: ez egyébként az emberi vezetési technikáidat is javítja meglepő módon. A gépnek, ha utasítást adunk, vagy kérdést teszünk fel, ezt promptnak szokták nevezni. Egy prompt minél jobban megfogalmazott, annál inkább jó választ kapsz. De a végén kiderül, hogy ez, ha az emberekkel beszélsz is igaz. Tehát vezetőként is tanulhatsz a saját tapasztalataidból: hogyan beszéltél a géppel, az adott esetben példát ad arra, hogy hogyan kéne beszélned a munkatársaiddal is. Mert precízen kell megfogalmazni, azt kell mondani, amit gondolsz, azt kell kérdezni, amire tényleg kíváncsi vagy, a számítógép nem érti meg a célzásokat. Az emberek lehet, hogy megértik, de lehet, hogy félreértik. Ezért sokkal jobb a tiszta, őszinte, direkt kommunikáció.

Tamara: De jó, hogy mondod ezt, mert készülve erre az interjúra, amire még így kíváncsi voltam az AI-val kapcsolatban, és nem volt időm az elmúlt időben letesztelni, most jó pár dolgot leteszteltem az elmúlt napokban. És képzeld, az egyik dolog az volt, hogy megnéztem, hogy mennyire ügyesen empatizál. Persze coachként ez egy nagyon fontos készségünk, és akkor beírtam neki, hogy nagyon rossz napom volt, egy csomó mindent kipróbáltam, nem sikerült, szükségem lenne egy kis empátiára. Kaptam körülbelül három bekezdést, és ami izgalmas volt, hogy ebben egy volt a valós empátia. Volt egy bekezdés, ami elgondolkodtatott, hogy akik programozzák az AI-t – és beállítják ezeket a paramétereket, amiről meséltél, hogy hideg-meleg – milyen kulturális háttérrel rendelkezhetnek.  Mert hogy jött ez a rózsaszín szemüveg, hogy “ne aggódj, holnap majd minden jobb lesz”, és a végén még kaptam valami jó tanácsot is, hogy mivel töltsem az időmet. Akkor csak nem hagytam ennyiben. Mondtam neki, hogy figyelj, nekem csak empátiára van szükségem, szerintem hagyjuk a rózsaszín szemüveget, meg hagyjuk a tanácsot. És akkor kaptam egy jó hosszú bekezdésnyi tiszta empátiát.
Szóval, hogy nagyon tudok azzal menni, amikor azt mondod, hogy minél jobban leszűkítjük, minél inkább azt mondjuk, amire szükségünk van, és akár még egyébként korrigálva is (sőt!), annál inkább olyat kapunk, amire egyébként szükségünk van.

Géza: Ezzel teljesen egyetértek. Ennek nyilván az a veszélye, hogy egy kicsit túl is lehet tolni. Tehát annyira magad mellé akarod állítani, hogy az egyik kollégám meggyőzte a gépet, azt hiszem egy olyan dologról, hogy három plusz kettő az hat, vagy valami, merthogy az neki olyan nagyon-nagyon jó lenne, és a gép el tudta fogadni. Ez jó két évvel ezelőtt volt, tehát valószínűleg, hogy ennyire naiv gépet, ma már nem találsz, de egyébként teljesen igazad van: tisztán meg kell fogalmazni, hogy mire van szükséged, mi az, ami érdekel, és valóban mondtak már ilyet, hogy empatikusabb válaszokat tudsz kapni egy ember a géptől, mint rosszul felkészült embertársainktól.

Tamara: Kifejezetten nem csak rosszul felkészült, mert szerintem közepesen felkészült embertársainknál is szebb volt az az empatizálás, amit egyébként ott hirtelenjében a gépnél kaptam. Ezt csak mint pozitív meglepetést mondom, hogy nagyon szép nyelvi fordulatok voltak.

Géza: Ami szintén jó nekünk, hogy egyre több nyelven lehet jó szövegeket elérni. Nyilván először minden csak angolul volt, aztán minden angolul, meg kínaiul. Most körülbelül egészen tűrhető nyelvi modellek vannak magyarul is például. Ehhez hozzátevődik, hogy ezek a mesterséges intelligencia megoldások, ezek  LLM, azaz nagy nyelvi modelleken alapulnak, és nem mindig ezek a leghatékonyabbak. Mert egész egyszerűen túl nagy az eszköztár, amivel dolgoznak. Ezen is komoly kutatás folyik, hogy hogy lehet kisebb nyelvi modellekből, ami valamilyen szakmához kapcsolódó nyelvi elemeket tartalmaz, mit tudom én, csak sebészeknek segítsen, akkor csak orvosi dolgokban fog tudni válaszolni. A coacholás azért elég tág fogalom, tehát elég sok mindent kell tudni, elég sokféle mindent kell kifejezni. Tehát nem tudom, hogy itt érdemes-e nem nagy nyelvi modellekről beszélni, mert ez egy nagyon gazdag foglalkozás, ami sok emberi vonatkozást érinthet. De más szakmai, tehát szűkebb szakmai rétegben igenis lesznek hatékonyabb, gyorsabb modellek, amiket letöltesz a telefonodra, és az bőven elég ahhoz a mesterséghez, amivel foglalkozol. Akkor nem kell állandóan fent lenni az interneten, nem kell akkora hatalmas energiamennyiséget felhasználni egy kérdéshez, mert megkapod azt, ami kell, akár egy telefonnyi eszközzel.

Tamara: Na, és akkor még letesztelek rajtad valamit, amit kipróbáltam, mert ott meg nem voltam elégedett azzal, amit kaptam.Szerintem valamilyen tréningre kerestem feladatot. Azt hiszem, a megoldásfókuszt akartam bevinni a tréning résztvevőknek a tudatába, de hogy valami élményalapú feladatot szerettem volna. És megkérdeztem a Chat Gpt-t, hogy van-e valami ötlete, úgy nagyjából körvonalaztam a célcsoportot, hogy valami hozzájuk való feladatot szeretnék, és ami ‘aha élményeket’ tud generálni a megoldásfókusz hasznossága kapcsán. És képzeld el, adott is feladatokat. De az volt az érdekes, hogy többszöri visszadobásra is végtelenül kognitív feladatokat kaptam. Én élményalapút akartam, érzelmeket akartam megszólítani, és ezt hiába dobtam neki oda többször, ezzel nem tudott mit kezdeni. Pedig szerintem a prompt  jó volt. Mintha a tanulásnak ezt a mélyebb érzelmi rétegét még nem ismerte volna, mintha arról nem lenne még elég tudása.

Géza: Ez nagyon könnyen előfordul. Esetleg megpróbálhatod teljesen újrafogalmazni, lehet, hogy van valami kulcsszó, amitől beakad. Az a szó, hogy feladat, vagy az a szó, hogy edzés, vagy tanulás, vagy valami. Ez az egyik. A másik pedig, hogy még van három vagy négy másik nagy nyelvi modell, amit lehet használni. Kipróbálhatod, mert van kicsi profiljuk. Tudod, a Microsoft megoldásának, a Google megoldásának, a Chat Gpt-nek, tehát lehet, hogy érdemes egy kicsit játszani a másik kettő vagy hárommal is. Megnézni, hogy melyik áll közelebb ahhoz, amit te szeretnél. Elképzelhető, sőt, egészen biztos, hogy lesznek különbségek, és nagyon könnyen elképzelhető, hogy van, amelyik jobban talál egy coach világához, mint a Chat Gpt. De ezt igazából nem tudom, ezt ki kellene próbálni.

Tamara: Mondjuk ezt inkább tréneri sapkámban tettem, csak hogy így ne keveredjenek össze a sapkák, ezt én sem hangsúlyoztam ki. Van még pár dolog, ami elképesztően mozgatja a fantáziámat a mesterséges intelligenciával kapcsolatban, és csak kíváncsi lennék a véleményedre, hogy milyen gondolataid vannak ennek kapcsán. Mi coachként nagyon sokat dolgozunk mindenféle érzelmi világgal. Erről van több teória, hogy egyébként a pici arcrezdülésekben hogyan jelennek meg a különböző érzelmek, és hogy még mondtad, hogy svéd cég, így eszembe jutott, hogy még Svédországban voltam egy  technológiai múzeumban, ahol az arcodat megnézve egy csomó genetikai információt is hirtelenjében odatesz, ahogy közelítesz a géphez, ott vetíti ki a falra. Szóval az a fantáziám, hogy most már tényleg sok mindent le lehet olvasni testtartásról, mindenről, de erről mit gondolsz, mennyi idő még, amíg például zoomon coacholok valakit, és ő elkezd nekem súgni, hogy figyelj, ami most történik … Persze közben ennek megvan a hátránya, hogy elveszítem azt a nagyon direkt kapcsolatot az ügyféllel. De lehet, hogy kapok valamit.

 
Géza: Egy csomó információt kapsz. Igen, ez egyre jobb, tehát a technológia ebben egyre jobb. Egyre többet ki lehet olvasni. Például kezdve azon, hogy van olyan, hogy a pupillád állásából ki tudja olvasni, hogy kávéztál-e, teáztál, drogoztál, ittál, tehát egészen idáig el lehet jutni. Ez még talán az egyszerűbb feladatok közé tartozik, de igen, a különböző mozgásaiból, és főleg, miután az a mesterséges intelligencia megoldás megismert, utána nagyon hamar le tud olvasni. Nem azt mondom, hogy már most világbajnokok, mert nem tudom, egész centire most hol állunk, de ebben egyre jobbak leszünk. Sőt, már annyira jó, hogy munkahelyen tilos érzelemelemzésre használni a mesterséges intelligenciát, ez az egész Európai Unióban teljesen tilos. Nem tudom, hogy ismered-e ezt a AI ACT nevű törvénykeretet.

Tamara: És majd ezzel kapcsolatban lesz még egy másik kérdésem is feléd.

Géza: Abban mindenképpen benne van az, hogy mint munkaadó nem végezhetsz automatikus érzelemelemzést az embereidnek. Mint coach természetesen, ha ebben megegyezel az ügyféllel, hogy márpedig te fogsz, a teljes eszköztárat beveted azért, hogy őt segítsd, és ha ezt elfogadja, akkor bizonyára lesznek olyan elérhető eszközök, amivel ezt fogod tudni használni, és ez az, amit Augmented Realitynek hívnak. Hogy látod a valóságot, de mellette megjelenik mondjuk egy feliraton a képernyő bal oldalán: pl.: ‘ezt az embert Kis Jánosnak hívják; most éppen hazudik; nagyon álmos; nem ivott ma még kávét; a hangsúlyából kiolvasom azt, hogy még fél is tőled ráadásul.’ Vagy pedig ‘most nagyon boldog, és azért nem figyel rád, mert most született az unokája.’ Tehát egy csomó ilyesmit le fogsz tudni olvasni, és neked, mint felhasználónak meg kell tanulni kezelni az augmented reality-t, hogy egyrészt a szemébe nézel az embernek, de másrészt olvasod a bal szemeddel azt, hogy milyen extra információk jönnek be róla. Ennek a legegyszerűbb példája, amikor turista vagy, felveszed a szemüveged, látod az Eiffel-tornyot, és mellette megjelennek az adatok, hogy az ekkor épült, ilyen magas, ilyen széles, ennyi tonna festékkel évente a karbantartásához. Ez emberekre is vonatkozik. Szerintem nagyon oda kell figyelni: mert csak azért, mert tilos, az nem jelenti azt, hogy nem fogják használni. Nem jelenti azt, hogy nem fognak visszaélni ezzel az eszköztárral, és tényleg oda kell figyelni! Viszont meg kell nézni, hogy mit tud, és le kell tesztelni. Azért nem adnék még egyelőre semmiféle hatalmat egy ilyennek, de adhat neked egy kis mellékinformációt arról, hogy hoppá, ez az ember most zavarban van. És akkor az ad egy lehetőséget, hogy azt mondd, hogy “jó, akkor téged most mi zavar?”, “Mi az, amit nem értesz / nem tudsz elfogadni /nem szeretsz?”.

Tamara: Nem is annyira tényleges coaching üléseken … Még azt tudom elképzelni, hogy lehet, hogy a képzés során ennek lenne tere. Tehát, hogy valami olyan e-learning, ami segíti ezt, hogy megtanulja az ember ezt észrevenni. 

Na, de amit kérdezni akartam, és tök jó, hogy behoztad ezt a szabályozás vonalat. Mert nagyon gyorsan jön, és tényleg valami elképesztő tempóban jelennek meg, újabb és újabb, nem is tudom, hogy ezt feature-nek nevezzem-e, vagy minek szokás így a mesterséges intelligencia világában hívni ezeket a különböző funkcionalitásokat, de hogy te mit látsz azzal kapcsolatban, hogy a szabályozás, az etikai aspektusok mennyire tudnak lépést tartani azzal a gyors ütemmel, amiben a technológia halad?

Géza: Én úgy veszem észre, hogy a világ mondjuk három darabra szakadt. Szinte olyan, mint az 1984-ben: hogy van három nagy világrész, amelyek egymástól nagyon eltérően fogalmazzák meg azt, hogy ez mire jó, és mit szabad, és mit nem. Még nagyon nem látjuk ennek a játszmának a végét.  Ott van egyrészt az Egyesült Államok, ahol nagyjából a vállalatok döntik el, hogy mi az, milyen irányban fejlődnek, és a törvény viszonylag szabad kezet ad nekik. A másik szélsőség az Kína, ahol az állam dönti el, hogy mi az, és osztályoz, és jegyet ad arra, hogy mennyire vagy jó állampolgár, ilyen igazi Big Brother típusú hozzáállás. És akkor a harmadik az Európa, ahol megpróbálunk emberi dimenziókban gondolkozni, hogy az egyénnek a védelme ilyen-olyan-amolyan nem óhajtott befolyásoktól, és ez a három dolog vetélkedik egymással. Emiatt Európában sokkal fontosabb, vagy sokkal erősebb a jogi szabályozás. Lévén, hogy ez egy hatalmas piac, mégiscsak egy félmilliárd ember, ez azért befolyásolja a másik kettőt is. Valamilyen szinten minden visszahat arra, hogy ők hogy gondolkoznak, mert ide nem lehet behozni olyasmit, ami nem felel meg ezeknek az emberi dimenzióknak. De az abszolút igaz, hogy a technológia előbbre van, mint a szabályozás. Gyorsabban fejlődik, a szabályozás  lassabb, sokkal többet kell róla vitatkozni. A jogászok sem feltétlenül értik, hogy mi van. Időnként azt hiszik, hogy ők vannak a szekér elején. Hallottam már jogászt, aki azt mondta, hogy a mesterséges intelligenciában a jogászok a legfontosabbak. Ebben azért ennyire nem lennék biztos, de mindenképp fontos az, hogy ezt az eszköztárat valamilyen mederben tartsuk, mert ha nem, elég gonosz dolgok sülhetnek ki belőle.

Az európai törvénykezés körülbelül négy rétegből áll, amiből az egyik, a legkönnyebb az olyan, hogy csak csináld, amit akarsz. A második réteg az olyan, hogy kell tudnod, hogy valamit mesterséges intelligencia generált, de te egyébként azt csinálsz vele, amit akarsz: tanácsot kérhetsz, ugyanúgy, mint a Google térképet megkérded, tudod, hogy egy gép adta azt a választ, ezt tudomásul veszed, és vagy felhasználod, vagy nem. A harmadik réteg az már különböző mélységben szabályozott, hogy ezt vagy azt, csak ez, vagy csak az használhatja. Tehát például arcfelismerést csak a rendőr használhat, érzelemfelismerést, mit tudom én, a pszichológus, satöbbi. És van egy réteg, amit egyszerűen nem szabad használni: például ez az, hogy a munkahelyeken érzelemfelismerés nem szabad pont, és ez lehet akármilyen munkahely, sehol nem szabad. Ebben a négy kategóriában próbálják szabályozni, hogy Európán belül hogy lehet ezeket a módszertanokat használni. És pont emiatt mi is beszélgetünk ügyvédekkel is, hogy segítsünk nekik eligazodni ebben a dologban, mert nem feltétlenül egyszerű.

Tamara: Én ebből azt hallom, hogy ahhoz, hogy mederben tartsuk ezt az egészet, van egy óriási nagy felelősségünk, és hogy van egy felelősségünk, egyénként és van egy felelősségünk, mint a szakma. Egyébként meg a tágabb jogi makrokörnyezetnek is van egy felelőssége, hogy meghúzza azokat a vonalakat, amiben egyébként valahol vigyáz ránk, valahol egy struktúrát ad az egészhez, és keretezi azt, hogy mire és hogyan.
Géza, zárszóként, ha kellene adnod egy jó tanácsot a coachoknak, akkor az mi lenne?

Géza:  Az, hogy ez egy olyan eszköztár, amit használni kell. Egy olyan eszköztár, amit segítségül kell hívni. Ha itt van a reklám helye, akkor beszéljünk, mert egészen konkrét ötleteket tudunk adni, hogy mire lehet és hol lehet használni. Nem olyan varázslatos, minden fejfájásodat nem fogja megoldani, de lényegesen hatékonyabbá fog tenni a coaching munkádban, és ahogy mondtam, ahogy egy olyan könyvelő 2024-ben, aki nem ismeri az exceltáblát nincs, és szerintem olyan coach, aki nem ismeri a mesterséges intelligenciát, 2030-ban nem lesz.

Ugyanúgy egy standard eszköztár lesz a kezünkben, kell használni, oda kell figyelni, és szabad beszélgetni egymással, szabad beszélgetni szakértőkkel, csak oda kell figyelni, hogy ne vigyen el túlzottan egy techno irányba, ahol már nem az embereken segítesz, hanem szereted használni az eszközödet. Nem szabad beleszeretni az eszköztáradba. Főleg azért nem  – meg hát belefektetni az érzelmeket – mert minden hónapban jön valami új. Mire megszereted, addigra születik egy új.

Tamara: Nagyon köszi itt a sok hasznos gondolatot és hasznos tippet! Nekem például nagyon sokat adott az a mondatod, hogy nem a mesterséges intelligenciával versenyzünk coachként, ha nem használom, akkor azokkal, akik egyébként használják.
Géza. Igen.

Tamara: És közben, ahogy beszélgettünk, így hirtelenjében elkezdtem nagyon máshogy gondolkodni a felelősségről is, és az egész etikai vonzatairól is. Szóval: használjuk, de azért nagyon észnél kell, hogy legyünk.
Géza:  Ezt aláírom.

Tamara: Köszönöm szépen a beszélgetést, Géza.
Géza: Én köszönöm ezt az alkalmat, hogy beszélgethettünk.

Szabó Tamara MCC, business-, executive-, DEI coach, teamcoach, organizational coach; a Co-Create Coach Camp és a Co-Create TeamCoach Camp egyik alapítója és vezetője

„Több mint tíz évet töltöttem el egy multinacionális környezetben: feleltem belső kommunikációért, stratégiai tervezésért, innovációs tevékenységekért. 2010-ben kezdődött fejlesztő szakemberi pályafutásom. Mára már nagyon sok módszertanban (egyéni, csoportos, teamcoaching, facilitáció, készségfejlesztés, komplex szervezetfejlesztés) otthonosan mozgok. Egyaránt dolgozom multikkal, és KKV-kkel, a végeken dolgozó kollégákkal és (felső)vezetőkkel. Lételemem a változatosság. Belső és külső coachként is rengeteg egyéni, csoportos és teamcoaching folyamat van mögöttem. Azon túl, hogy számos ügyfelet támogatok Magyaroszágon és világszerte, az elmúlt években 150+ coachot és teamcoachot, csoportos coachot képeztem, nyílt képzés formájában és kihelyezetten is.”

Fizikusból lett cégvezető, gyakorló teal / holokratikus szervezetépítő

Egy ilyen csapatban mindenkinek van szaktudása és emiatt meghallgatásra érdemes véleménye. Már csak emiatt is adja magát a gondolat, hogy nem feudalisztikus piramisban látjuk munkatársaink tehetségét kibontakozni, hanem egy teal-inspirálású, organikus felelősségvállalásban gondolkodó, majdnem lapos szervezetben. 

Mivel újszerű feladatokkal dolgozunk, aktívan követjük a technológiai fejlődés hullámait. Az utóbbi évek egyik meghatározó fejleménye a Mesterséges Intelligencia kibontakozása és széles körben elérhetővé válása. A hihetetlenül gyors fejlődés zűrzavaros porfelhőket kavar és nem mindig könnyű tudni, hogy mi fog hosszú távon értéket adni és mi az üres „hype”. Ezért feladatunknak érezzük az MI olyan dimenzióit megérteni és munkára fogni, amely valóban előmozdítja ügyfeleink és a társadalom problémamegoldási készségét. Saját szerepemet itt abban látom, hogy felmutassam azokat a realisztikus fejlődési utakat, melyeknél az MI se nem megváltás, se nem a pokolba vezető ösvény, hanem még egy hasznos eszköz, amely mindannyiunkat közelebb visz az előttünk álló igen nehéz kihívások megoldásához.