Ar dirbtinis intelektas darbe atims darbo vietas?

Dažniausiai automatizuojama ne visa profesija, o konkrečios rutininės funkcijos. Tyrimai rodo, kad dalis užduočių, pavyzdžiui, klientų aptarnavime, bus automatizuota, bet komandos, kurios išmoksta perleisti rutiną AI ir sutelkti dėmesį į sudėtingesnį darbą, dažniausiai laimi, o ne pralaimi.

Kaip komandai pradėti naudoti AI darbe be baimės?

Pradėkite nuo aiškaus paaiškinimo, kad AI perima rutiną, o ne darbo vietą, ir nuo praktikos su realiomis užduotimis. Kai darbuotojas pats pamato, kad AI sutaupo jam laiko nuobodžiam darbui, baimė greitai virsta noru naudoti.

Kiek laiko dirbtinis intelektas realiai sutaupo kasdieniame darbe?

Tai priklauso nuo proceso, bet tipinis pavyzdys atrodo taip: atsakymo į pasikartojantį laišką parengimas nuo 9 minučių sutrumpėja iki 4 ar 5, kai juodraštį paruošia AI, o žmogus jį peržiūri ir pataiso. Keturiasdešimčiai laiškų per savaitę tai yra apie 14 valandų per mėnesį. Vienam procesui skaičius nedidelis, o nauda susidaro sudėjus kelis procesus ir kelis žmones.

Dirbtinis intelektas darbe: kaip jį naudoja Lietuvos įmonės

Q: Kiek Lietuvos įmonių jau naudoja dirbtinį intelektą darbe?

Pagal Eurostato duomenis, cituojamus Lietuvos žiniasklaidoje, 2025 metais AI naudojo apie 20 proc. ES įmonių, turinčių bent 10 darbuotojų, o didelėse įmonėse dar daugiau. Lietuvoje naudojimas sparčiai auga, todėl tai jau kasdienybė, ne išimtis.

Dirbtinis intelektas darbe Lietuvoje jau nebe naujiena, o kasdienybė daugelyje komandų. Bet aplink jį daug ir nerimo: vieni bijo dėl darbo vietų, kiti nežino, nuo ko pradėti. Šiame tekste žiūriu, ką apie DI darbe realiai rodo tyrimai ir kaip Lietuvos komandos jį naudoja kiekvieną dieną.

Kiek DI jau yra Lietuvos darbo vietose

Pradėkime nuo skaičių. 15min publikacijoje „Dirbtinis intelektas Lietuvos įmonėse: padės atlikti darbą ar jį atims?" cituojami Eurostato duomenys: 2025 metais AI naudojo apie 20 proc. ES įmonių, turinčių bent 10 darbuotojų, o didelėse įmonėse dar daugiau. Tai reiškia, kad dirbtinis intelektas darbe jau yra norma, ne išimtis. Kaip tas pats pokytis vyksta valstybės įstaigose, apžvelgiame tekste apie dirbtinį intelektą viešajame sektoriuje.

Kurios funkcijos keičiasi labiausiai

Svarbu suprasti, kad automatizuojama ne visa profesija, o konkrečios rutininės funkcijos. Delfi publikacijoje „Dirbtinis intelektas keičia darbo rinką" skaičiuojama, kad iki 2027 metų galėtų būti automatizuota apie ketvirtadalis klientų aptarnavimo specialistų funkcijų.

Praktinė išvada aiški: laimi ne tie, kas bijo AI, o tie, kas išmoksta perleisti jam rutiną ir patys sutelkti dėmesį į sudėtingesnį, vertingesnį darbą. Kas tie įrankiai yra ir kur juos taikyti pirmiausia, paaiškiname tekste apie generatyvinį dirbtinį intelektą versle.

Kaip DI atrodo kasdieniame darbe

Realiose Lietuvos komandose AI dažniausiai naudojamas paprastiems, pasikartojantiems dalykams: el. laiškų ir pasiūlymų juodraščiams, dokumentų santraukoms, ataskaitų ruošimui, atsakymų klientams paruošimui. Nauda atrodo nedidelė vienam kartui, bet susumavus per savaitę tai virsta valandomis. Kurios įmonės tai daro sostinėje ir kur mieste galima to išmokti, surinkome tekste apie dirbtinį intelektą Vilniuje.

Baimė ir kaip ją įveikti

Didžiausia kliūtis dažniausiai ne technologija, o žmonių nerimas dėl darbo vietų. Jį reikia adresuoti atvirai: paaiškinti, kad AI perima nuobodžią rutiną, o ne visą darbą. Kai darbuotojas pats pamato, kad įrankis sutaupo jam laiko, nerimas greitai virsta noru naudoti. Kaip tas pats pokytis atrodo mokyklose, apžvelgiame tekste apie AI švietimą Lietuvoje.

Kaip atrodo tipiška savaitė

Abstrakčiai kalbėti apie DI darbe lengva, todėl naudingiau pažiūrėti į konkrečias savaitės užduotis. Lietuvos komandose dažniausiai kartojasi tos pačios kelios:

Pardavimuose. Pasiūlymo juodraštis pagal ankstesnį šabloną, atsakymas į standartinį klausimą dėl kainos, susitikimo santrauka su sutartais žingsniais.
Klientų aptarnavime. Atsakymo į pasikartojančią užklausą juodraštis, ilgo kliento laiško santrauka, to paties atsakymo versija kita kalba.
Administracijoje. Protokolo parengimas iš užrašų, dokumento santrauka vadovui, duomenų sutvarkymas į vieną formatą.
Marketinge. Straipsnio ar įrašo juodraštis, produkto aprašymo variantai, senos medžiagos pritaikymas naujam kanalui.

Bendra visų šių atvejų savybė: AI parengia juodraštį, o žmogus jį peržiūri ir pataiso. Būtent ši tvarka, o ne pilna automatika, ir duoda didžiąją dalį naudos. Daugiau tokių pavyzdžių surinkome tekste apie AI darbo eigas.

Kiek laiko tai realiai sutaupo

Skaičius verta pasidaryti savo, todėl štai aritmetika, kurią lengva pakartoti. Klientų aptarnavimo specialistas per savaitę atsako į 40 pasikartojančių laiškų, vidutiniškai po 9 minutes. Tai 6 valandos per savaitę arba maždaug 26 valandos per mėnesį.

Jei darbuotojo valandos kaštai įmonei yra 15 eurų, procesas kainuoja apie 390 eurų per mėnesį. Kai juodraštį parengia AI, o žmogus jį peržiūri ir pataiso, laikas vienam laiškui dažniausiai nukrenta iki 4 ar 5 minučių. Tarkime, 4 minutės: tai apie 11,5 valandos per mėnesį, arba 173 eurai.

Skirtumas yra maždaug 217 eurų per mėnesį. Iš jo atimkite įrankio prenumeratą, tarkime 25 eurus vienam žmogui, ir vienkartinį šablonų parengimą, kelias valandas darbo. Lieka apie 190 eurų per mėnesį iš vieno proceso ir vieno žmogaus.

Vienam procesui tai nedaug, ir taip ir turi būti. Vertė ateina iš to, kad tą pačią aritmetiką pakartojate su keliais procesais ir keliais žmonėmis, o atlaisvintas laikas nueina į darbus, kuriems anksčiau niekas nespėdavo.

Nuo ko pradėti komandoje

Išsirinkite vieną užduotį. Ne skyrių ir ne procesą apskritai, o vieną konkretų kartotinį darbą, kurį komanda atlieka kas savaitę.
Pamatuokite, kiek jis trunka dabar. Dviejų savaičių žymėjimosi pakanka. Be šio skaičiaus vėliau nebus su kuo lyginti.
Parenkite šabloną, ne instrukciją. Vienas geras užklausos šablonas su pavyzdžiu duoda daugiau nei valandos mokymų apie tai, kas yra dirbtinis intelektas.
Susitarkite dėl peržiūros taisyklės. AI parengtą tekstą visada peržiūri žmogus, ir tai užrašoma, o ne numanoma.
Po mėnesio palyginkite skaičius. Laikas vienam atvejui, taisymų dalis ir komandos nuomonė, ar jie norėtų taip dirbti toliau.

Kai vienas ciklas baigtas, imkite kitą užduotį. Kad rezultatai nesiskirtų tarp žmonių, veikiančius šablonus verta sudėti į vieną vietą, kaip aprašome tekste apie prompt biblioteką komandai.

Dažniausios klaidos

Licencijos visiems iš karto. Nuperkama dešimt prieigų, o po trijų mėnesių naudoja trys žmonės. Pataisymas: pradėkite nuo kelių žmonių ir vieno proceso.
Mokoma apie technologiją, ne apie darbą. Po teorinio pristatymo komanda supranta, kas yra kalbos modelis, bet nežino, ką daryti pirmadienį. Pataisymas: mokymai su savo pačių dokumentais ir užduotimis. Kuo praktiniai mokymai skiriasi nuo teorinių, aprašome atskirai.
Rezultatas neperžiūrimas. Vienas neperžiūrėtas laiškas klientui su išgalvotu faktu sugadina pasitikėjimą greičiau, nei jį pastato dešimt gerų.
Nėra taisyklių dėl duomenų. Darbuotojai patys sprendžia, ką galima kelti į įrankį, ir sprendžia skirtingai. Pataisymas: trumpos rašytinės AI naudojimo taisyklės.
Viskas paliekama entuziastui. Vienas žmogus komandoje viską daro pats, o išėjus atostogų procesas sustoja. Pataisymas: bent du žmonės moka tą patį darbą.

Prieštaravimai, kuriuos girdime

„Lietuviškai jis rašo prastai.“ Prieš porą metų tai buvo tiesa, dabar skirtumas mažesnis, bet vis dar juntamas. Praktinis sprendimas: duokite savo tekstų pavyzdžių ir taisykite šabloną, o ne kiekvieną atsakymą atskirai. Kaip to siekti, aprašome tekste apie ChatGPT lietuvių kalba.

„Komanda priešinsis.“ Dažniausiai priešinamasi ne įrankiui, o neaiškumui, kas bus su darbo vieta. Pasakykite tikslą tiesiai ir parodykite pirmus rezultatus. Apie tai plačiau rašome tekste pokyčių valdymas diegiant AI.

„Mūsų duomenys per jautrūs.“ Tai realus apribojimas, bet jis susiaurina, o ne uždaro sąrašą. Dalį darbų galima atlikti su nuasmenintais duomenimis, dalį su verslo plano įrankiais, kurie įvesties nenaudoja mokymui, o likusius tiesiog atidėti.

Kur AI kasdieniame darbe nepadeda

Sąžininga pasakyti ir kitą pusę. Prastai veikia ten, kur reikia tikslių įmonės vidaus faktų, kurių įrankis nemato: konkrečių kainų, sutarčių sąlygų, likučių sandėlyje. Ten, kur klaidos kaina didelė ir ją sunku pastebėti, pavyzdžiui, skaičiavimuose ar teisiniuose formuluotėse, peržiūra atima daugiau laiko nei pats darbas.

Praktinė riba paprasta: jei rezultatą patikrinti sunkiau, nei jį parengti nuo nulio, procesas netinka. Toks patikrinimas užtrunka minutę ir sutaupo mėnesį bandymų.

Vienas žmogus ir dešimties žmonių komanda

Jei dirbate vienas ar dviese, viskas paprasčiau: matuoti reikia tik savo laiką, o pilotas yra tiesiog naujas būdas atlikti tą patį darbą. Pagrindinė rizika čia yra išsibarstymas, kai bandoma penkiuose dalykuose iš karto ir neužbaigiama nė vieno.

Dešimties žmonių komandoje sudėtingiau, nes procesai kerta kelis žmones. Reikia susitarti, kas ką daro ir kur AI parengtas rezultatas keliauja toliau. Verta skirti vieną žmogų, kuris veda pirmą pilotą, ir trumpai peržiūrėti rezultatus kas dvi savaites. Be šio ritmo diegimas tyliai sustoja praėjus pirmam entuziazmo mėnesiui.

Ką iš to pasiimti

Kaip pradėti: išsirinkite vieną komandą ir vieną kasdienę užduotį, kurią jie kartoja, ir parodykite, kaip AI ją pagreitina. Vienas realus pavyzdys įtikina labiau nei bet kokia teorija.

Būtent taip ir dirbame: apmokome Lietuvos komandas naudoti dirbtinį intelektą kasdieniame darbe taip, kad jis realiai sutaupytų laiko ir sumažintų baimę. Norite tokių mokymų komandai? Konsultacija nemokama.