Εδώ και δεκαετίες, οι συμβουλευτικές εταιρείες «έβγαζαν τα λεφτά τους» πουλώντας συμβουλές, συχνά σε παρουσιάσεις και με χρέωση ανά ώρα. Ωστόσο, οι προγραμματιστές αξιοποιούν πλέον την τεχνητή νοημοσύνη (AI) για να μιμηθούν αυτή τη διαδικασία, καθιστώντας διαθέσιμους «κλώνους» συμβούλων τύπου McKinsey απευθείας στον περιηγητή σας.
Χαρακτηριστικό παράδειγμα είναι η νέα βιβλιοθήκη “skills” της Vercel, ένα αποθετήριο ανοιχτού κώδικα με σχεδόν 90.000 επαναχρησιμοποιήσιμες δεξιότητες για AI agents. Αυτές οι δεξιότητες κυμαίνονται από τη συγγραφή κειμένων και την αναθεώρηση κώδικα έως την επίλυση προβλημάτων με στυλ συμβούλου. Η Vercel, μια startup AI με αποτίμηση άνω των 9 δισεκατομμυρίων δολαρίων, λειτουργεί μια πλατφόρμα AI βασισμένη στο cloud για προγραμματιστές.
Οι “δεξιότητες” (skills) στην έννοια της AI είναι ικανότητες που οι προγραμματιστές μπορούν να δημιουργήσουν ή να κατεβάσουν και να τις δώσουν σε ένα μοντέλο ή agent AI, ώστε να μπορεί να εκτελέσει μια συγκεκριμένη εργασία χωρίς να χρειάζεται να εκπαιδεύσει το μοντέλο από την αρχή. Η ιδέα αυτή κέρδισε έδαφος μετά την παρουσίαση των “skills” από την Anthropic για το chatbot της, Claude, τον Οκτώβριο, η οποία βοήθησε στη διάδοση της έννοιας. Έκτοτε, οι προγραμματιστές άρχισαν να δημιουργούν και να μοιράζονται δεξιότητες που μπορούν να ενσωματωθούν σε διάφορα συστήματα AI.
Το Business Insider, ερευνώντας τη βιβλιοθήκη “skills” της Vercel, εντόπισε τουλάχιστον τέσσερις δεξιότητες που έφεραν τον όρο “mckinsey” και 26 δεξιότητες με την ετικέτα “consultant”. Η πιο δημοφιλής δεξιότητα που σχετίζεται με τη συμβουλευτική στη Vercel φέρει την ονομασία “mckinsey-consultant”. Ανέβηκε για πρώτη φορά στις 25 Ιανουαρίου και μέχρι στιγμής καταγράφει κατά μέσο όρο 445 εγκαταστάσεις εβδομαδιαίως, ένας αξιοσέβαστος αριθμός, αν και σημαντικά λιγότερος από τους πιο δημοφιλείς agents της βιβλιοθήκης της Vercel, που μπορούν να έχουν εκατοντάδες χιλιάδες εγκαταστάσεις. Επιπλέον, η δεξιότητα αυτή διαθέτει 200 “αστέρια” στο GitHub, ένδειξη της δημοτικότητάς της, και έχει περάσει από ελέγχους ασφαλείας, γεγονός που την καθιστά βιώσιμη και ελκυστική στους προγραμματιστές.
Η βιβλιοθήκη της Vercel περιγράφει τη δεξιότητα ως ένα πλαίσιο προτροπής (prompt framework) – αρχικά δημιουργημένο για το Claude – που καθοδηγεί την AI στη διαδικασία ορισμού προβλημάτων, δημιουργίας υποθέσεων, διεξαγωγής δομημένης ανάλυσης και δημιουργίας παρουσιάσεων, αναπαράγοντας την κλασική ροή εργασίας ενός τυπικού συμβούλου McKinsey.
Ωστόσο, ένας πρώην υπάλληλος της McKinsey, ο Arvind Vasudevan, πρώην engagement manager στην McKinsey, εξέτασε τον “agent” τύπου McKinsey που έχει ανέβει στη βιβλιοθήκη της Vercel και διαπίστωσε ότι του λείπει μια βασική ικανότητα που χαρακτηρίζει έναν πραγματικό σύμβουλο. “Χάνει την ουσία του τρόπου με τον οποίο οι MBB (McKinsey, BCG, Bain) και οι σύμβουλοι στρατηγικής προσθέτουν αξία,” δήλωσε. “Ένα μεγάλο μέρος της αξίας προέρχεται από τις ερωτήσεις που θέτουν οι σύμβουλοι και τις συζητήσεις που έχουν, οι οποίες βοηθούν στην αποσαφήνιση της σκέψης, στην αποκάλυψη μη δηλωμένων παραδοχών και στην προώθηση της εις βάθος ανάλυσης. Τίποτα από αυτά δεν συμβαίνει σε αυτόν τον agent, ο οποίος εκτελεί μια σειρά τυπικών αναλύσεων χωρίς αυτή τη Σωκρατική διερεύνηση και σκέψη.”
Παρόλο που δεν είναι το πραγματικό προϊόν, οι AI agents που μιμούνται το έργο των συμβούλων ήδη αποφέρουν εκατομμύρια σε εταιρείες όπως η PromptQL, μια πλατφόρμα AI για επιχειρήσεις που ξεκίνησε από την open-source unicorn Hasura. Η πλατφόρμα βοηθά τους πελάτες να δημιουργήσουν προσαρμοσμένους AI αναλυτές, ενσωματώνοντας τα εσωτερικά τους δεδομένα με τα θεμελιώδη μοντέλα που ήδη χρησιμοποιούν. Μόλις αναπτυχθούν, αυτοί οι AI αναλυτές μπορούν να εκτελούν εργασίες που συνήθως αναλαμβάνουν επιστήμονες δεδομένων ή μηχανικοί, μαθαίνοντας και προσαρμοζόμενοι συνεχώς στα περιβάλλοντά τους.
Ο συνιδρυτής και CEO της PromptQL, Tanmai Gopal, ανέφερε ότι το μεγαλύτερο εμπόδιο στην πώληση αναλύσεων είναι η κατανόηση των σχέσεων μεταξύ ανθρώπων, δεδομένων και εσόδων. “Οι ομάδες της McKinsey περνούν εβδομάδες ενσωματωμένες μέσα σε μια εταιρεία, απορροφώντας τον τρόπο λειτουργίας της: τις εξαιρέσεις, την άγραφη γνώση, τους ορισμούς που διαφέρουν μεταξύ των τμημάτων. Αυτό το εταιρικό πλαίσιο είναι αυτό που κάνει τις συμβουλές τους αξίας εκατομμυρίων,” δήλωσε.
Ο Gopal επεσήμανε ότι τα εργαλεία AI για επιχειρήσεις συχνά αποτυγχάνουν επειδή τους λείπει η σωστή θεμελίωση, με αποτέλεσμα να μαντεύουν αντί να ρωτούν, να μαθαίνουν από ανατροφοδότηση ή να διατηρούν κοινή κατανόηση μεταξύ των ομάδων. Η PromptQL, όπως είπε, στοχεύει να αντιμετωπίσει αυτά τα ζητήματα μέσω ενός κοινού επιπέδου κατανόησης που προσαρμόζεται με κάθε νέα εισαγωγή. “Όταν ένα μέλος της ομάδας διορθώνει την AI, της διδάσκει έναν ορισμό ή επιλύει μια ασάφεια, αυτή η γνώση γίνεται μόνιμη και διαθέσιμη σε όλους. Δεν είναι ένα σημασιολογικό επίπεδο που διατηρούν μηχανικοί δεδομένων. Προκύπτει από τις συζητήσεις.”
Τα μοντέλα δεν γνωρίζουν αυτόματα τις εσωτερικές λεπτομέρειες – όπως αλλαγές τιμών, ορολογία συγκεκριμένη για την ομάδα ή αντικρουόμενοι ορισμοί εσόδων. Το πραγματικό πρόβλημα δεν είναι η ικανότητα, αλλά η έλλειψη πλαισίου, πρόσθεσε ο Gopal. Με άλλα λόγια, η παρουσίαση του συμβούλου ποτέ δεν ήταν πραγματικά το προϊόν. Είναι η κρίση τους – και αυτό είναι το κομμάτι που η AI ακόμα μαθαίνει.
