« Le plan est prêt, jetez-y un coup d'œil, nous en discuterons demain matin. »
Immédiatement après, un document de plus de vingt pages fut publié.
Avec un titre complet, une table des matières claire, contenant des analyses de tendances sectorielles, d'utilisateurs, des comparaisons avec la concurrence et un plan d'exécution, à première vue, c'était un plan assez « professionnel ».
Mais toi, chargé de sa mise en œuvre, en moins de dix minutes de lecture, tu as découvert le problème.
Les données de marché citées dans le plan ne mentionnaient aucune source, un concurrent était crédité d'une fonctionnalité qui n'existait pas en réalité, les prétendus « points de friction des utilisateurs » n'étaient que des phrases passe-partout valables dans n'importe quel secteur, et les points les plus importants – budget, calendrier et répartition du personnel – n'étaient tout simplement pas abordés.
Lors de la réunion du lendemain, la personne qui avait rédigé le plan déclara : « Ce n'est qu'une première ébauche, les détails concrets doivent être complétés par tout le monde. »
À ce moment-là, tu as réalisé que l'autre n'avait pas accompli un travail, mais avait utilisé l'IA pour créer une nouvelle tâche pour l'équipe.
01
Autrefois, pour juger si un travail était terminé, on regardait s'il y avait un livrable. Aujourd'hui, ce critère a changé.
Avec l'IA, n'importe qui peut générer en dix minutes un rapport structurellement complet, un plan rédigé dans un langage professionnel, ou une présentation PowerPoint qui semble riche en informations.
Le problème est que « avoir l'air terminé » n'est pas synonyme de « vraiment terminé ».
À l'étranger, il existe un terme : « Workslop », qu'on pourrait traduire par « déchets professionnels générés par l'IA », soit des résultats de travail produits rapidement grâce à l'IA, en apparence complets, mais qui manquent de vérification des faits, de jugement professionnel et de valeur pratique.
Ce qu'il y a de plus gênant, ce n'est pas seulement sa mauvaise qualité, mais le fait qu'il transfère le coût du travail à autrui.
Celui qui génère gagne deux heures, mais celui qui reçoit doit en passer quatre à vérifier les informations, comprendre l'intention, corriger les erreurs.
L'efficacité d'une personne s'améliore, mais celle de toute l'équipe régresse.
02
Une entreprise a commencé à encourager ses employés à utiliser l'IA, espérant qu'ils réduisent les tâches répétitives. Lin, un employé des opérations, a rapidement trouvé une « méthode pour gagner en efficacité ».
Tous les vendredis, il copiait les données du back-office dans l'IA pour qu'elle génère automatiquement son rapport hebdomadaire. Les rapports étaient plutôt élégants :
« Cette semaine, l'engagement des utilisateurs a progressé régulièrement, la stratégie de contenu a obtenu des résultats tangibles. Il est recommandé de continuer à se concentrer sur les besoins fondamentaux des utilisateurs et de renforcer l'opérationnalisation fine. »
Pendant plusieurs semaines, le manager n'y a vu aucun problème.
Jusqu'au jour où l'entreprise, s'apprêtant à augmenter le budget de promotion sur la base de ces rapports, le responsable a vérifié au hasard les données brutes et a découvert que la prétendue « hausse de l'engagement » était due à un simple changement de périmètre statistique.
L'IA ne savait rien de ce changement de périmètre, ni de l'événement ponctuel de la semaine. Elle avait simplement généré une explication plausible en se basant sur les chiffres du tableau.
Le responsable a dû revérifier les tableaux du mois passé, en interrogeant point par point l'origine des données.
Lin n'avait effectivement passé que dix minutes à rédiger son rapport, mais pour déterminer s'il pouvait lui faire confiance, le responsable y avait passé tout un après-midi.
L'IA fait gagner du temps à celui qui écrit, mais consume la confiance de celui qui lit.
Lors de l'entretien de mi-année sur les performances, la chef de produit Amin a reçu un commentaire très « formel » :
« Il est recommandé de renforcer davantage la pensée systémique, d'améliorer l'efficacité de la collaboration inter-services, et de renforcer le sens des objectifs et l'orientation résultats dans les projets complexes. »
Elle connaissait chaque mot, mais une fois assemblés, elle ne savait pas quoi en faire.
Sur quelle collaboration exactement y avait-il eu un problème ? Que signifie « manque de pensée systémique » ? Jusqu'à quel niveau devait-elle progresser dans la seconde moitié de l'année pour qu'on considère qu'elle avait « renforcé son orientation résultats » ?
Amin a découvert plus tard que son responsable s'était contenté de donner quelques mots-clés à l'IA pour qu'elle affine et produise ce retour sur les performances.
Le responsable avait économisé le temps de structurer son discours, mais Amin allait devoir passer une semaine à deviner ce qu'il voulait vraiment dire.
Un retour efficace n'a pas nécessairement besoin d'un langage fleuri, mais il doit contenir des faits :
Qu'est-il arrivé ? Quel impact cela a-t-il eu ? Qu'attend-on concrètement que la personne change ?
Si ces questions restent sans réponse, les expressions les plus professionnelles ne font que reporter la responsabilité de la réflexion sur le destinataire.
Une autre équipe utilisait l'IA à presque toutes les étapes.
Les planificateurs utilisaient l'IA pour générer des propositions d'événements ; le chef de projet l'utilisait pour résumer les propositions ; pendant les réunions, l'assistant s'en servait pour rédiger les comptes rendus ; avant une présentation, le responsable demandait à l'IA d'étendre le compte rendu en une présentation PowerPoint.
Le processus était très fluide, et les documents se multipliaient, jusqu'à ce qu'un client demande en réunion : « Sur quoi vous basez-vous pour penser que les jeunes utilisateurs aimeraient cette fonctionnalité ? »
Un silence soudain tomba dans la salle de réunion.
La proposition mentionnait « correspond à la tendance des jeunes utilisateurs à rechercher l'expression individuelle », le PowerPoint indiquait « répond précisément aux besoins des utilisateurs de la nouvelle génération », mais personne n'avait interrogé d'utilisateurs, ni consulté de données pertinentes.
Tout le monde avait touché au projet, mais personne n'avait réellement étudié le problème.
Finalement, l'équipe possédait des dizaines de pages de documentation, mais personne ne pouvait assumer la responsabilité des conclusions qui y figuraient.
03
Ce que l'IA amplifie vraiment, ce sont les habitudes de travail d'une personne. En utilisant la même IA, certains deviendront plus forts, d'autres deviendront simplement plus habiles à se débarrasser du travail.
La différence ne réside pas dans la qualité de la formulation des prompts, mais dans le fait qu'il considère l'IA comme un « assistant » ou comme « quelqu'un qui assume la responsabilité à sa place ».
Une personne sérieuse utilisera l'IA pour organiser des données, comparer des idées, vérifier l'expression, puis vérifiera personnellement les faits, ajoutera des informations de première main, jugera de la faisabilité du plan.
Une personne encline à la négligence soumettra directement la première version générée par l'IA, en ajoutant : « Ce n'est qu'une première ébauche, tout le monde peut participer à son amélioration. »
Pour juger de la valeur d'un travail, il ne faut pas seulement regarder à quelle vitesse il a été accompli, à quel point sa présentation est soignée, ni combien d'outils d'IA ont été utilisés.
Il faut plutôt se poser trois questions :
Apporte-t-il de nouveaux faits ? Formule-t-il des jugements clairs ? Y a-t-il quelqu'un prêt à en assumer la responsabilité ?
L'IA peut certes nous aider à rédiger des rapports hebdomadaires, synthétiser des comptes rendus de réunion, créer des présentations PowerPoint, analyser des documents, et même proposer une première ébauche de plan.
Mais elle ne peut pas aller sur le terrain à notre place, elle ne peut pas juger des avantages et des inconvénients à notre place, et elle ne peut pas assumer les conséquences de nos décisions à notre place.
Cet article provient du compte WeChat officiel « Liepin » (ID : liepinwang), auteur : Matcha Guo Bao Rou.
