Het artikel analyseert het 'ontdekkingsprobleem' bij de adoptie van AI. De kern van het probleem is dat de mogelijkheden van AI onzichtbaar blijven voor de gebruiker, die vaak niet weet welke prompts hij moet schrijven om waarde te creëren. Hoewel sjablonen en contextuele suggesties helpen, lossen ze het fundamentele probleem niet op.
Via de metafoor van een mier in de Grand Canyon wordt het verschil in perspectief tussen een AI-expert en een beginnende gebruiker geïllustreerd. De auteur concludeert dat de huidige interface — een leeg tekstvak — tekortschiet en dat systemen proactief hun eigen mogelijkheden moeten ontsluiten op basis van de context van de gebruiker.
Het ontdekkingsprobleem
De onzichtbare mogelijkheden
Het lastige is dat je niet weet wat je niet weet. Je weet niet wat een knop doet totdat je erop drukt. Je weet niet wat een prompt kan opleveren totdat je deze schrijft, op 'gaan' drukt en het resultaat ziet.
Zolang mogelijkheden verborgen blijven achter een leeg tekstvak, blijven de mogelijkheden onzichtbaar. Dat is een ontdekkingsprobleem, en dat is het punt waar we nog steeds vastlopen.
Gedeeltelijke oplossingen
Er zijn gedeeltelijke oplossingen. Sjablonen geven mensen iets om uit te voeren zonder dat ze zelf het verzoek hoeven te bedenken. Maar dan verschuift de vraag naar relevantie: sluiten deze sjablonen daadwerkelijk aan op jouw werk? Maakt het je uit?
Context helpt ook: een systeem dat jou kent, kan suggesties doen die voor jou specifiek van belang zijn, in plaats van dingen die in het algemeen relevant zijn. Beide benaderingen helpen, maar geen van beide lost het fundamentele probleem op.
De metafoor van de mier
Alan Kay heeft hier een metafoor voor. Stel je voor dat je een mier bent op de bodem van de Grand Canyon. Je kijkt omhoog en je hele beeld van de lucht is een dunne strook blauw tussen twee canyonwanden. Iemand die op de rand staat, ziet het hele blauwe vlak. Het is dezelfde lucht, maar er is een totaal ander besef van wat er bestaat. Het is niet zo dat de mier minder capabel is; hij kan simpelweg de as van mogelijkheden niet zien vanaf de plek waar hij staat.
De kloof in expertise
Dat is het gat tussen een ervaren AI-gebruiker en iedereen anders. Neem bijvoorbeeld een niet-technische marketeer en iemand die vloeiend is in het gebruik van agents en tools. De persoon die bekend is met agents kan een uur lang naar de marketeer kijken werken en direct een dozijn zaken zien om te automatiseren, te delegeren of opnieuw uit te vinden, inclusief zaken die de marketeer zelf nog niet eens heeft geprobeerd.
Maar zet het intelligentste instrument ter wereld voor de marketeer neer, en deze staart naar een leeg promptveld, onzeker over wat er getypt moet worden. Al die intelligentie is aanwezig, maar er is geen manier om het te zien.
De noodzaak voor een nieuwe interface
Dit is de vreemde staat waarin we ons bevinden: het systeem zou bijna alles kunnen doen, maar het vereist dat de gebruiker al weet waar hij om moet vragen. Te veel van het werk om te ontdekken wat mogelijk is, rust op de persoon, terwijl dat op het systeem zou moeten rusten.
Je zou verwachten dat iets dat zo geavanceerd is, zijn eigen mogelijkheden onthult — geleidelijk, contextueel en op manieren die aansluiten bij je eigenlijke werk. Daar zijn we nog niet. Op de een of andere manier moet de interface je de lucht gaan laten zien.
Het ontdekkingsprobleem
De onzichtbare mogelijkheden
Het lastige is dat je niet weet wat je niet weet. Je weet niet wat een knop doet totdat je erop drukt. Je weet niet wat een prompt kan opleveren totdat je deze schrijft, op 'gaan' drukt en het resultaat ziet.
Zolang mogelijkheden verborgen blijven achter een leeg tekstvak, blijven de mogelijkheden onzichtbaar. Dat is een ontdekkingsprobleem, en dat is het punt waar we nog steeds vastlopen.
Gedeeltelijke oplossingen
Er zijn gedeeltelijke oplossingen. Sjablonen geven mensen iets om uit te voeren zonder dat ze zelf het verzoek hoeven te bedenken. Maar dan verschuift de vraag naar relevantie: sluiten deze sjablonen daadwerkelijk aan op jouw werk? Maakt het je uit?
Context helpt ook: een systeem dat jou kent, kan suggesties doen die voor jou specifiek van belang zijn, in plaats van dingen die in het algemeen relevant zijn. Beide benaderingen helpen, maar geen van beide lost het fundamentele probleem op.
De metafoor van de mier
Alan Kay heeft hier een metafoor voor. Stel je voor dat je een mier bent op de bodem van de Grand Canyon. Je kijkt omhoog en je hele beeld van de lucht is een dunne strook blauw tussen twee canyonwanden. Iemand die op de rand staat, ziet het hele blauwe vlak. Het is dezelfde lucht, maar er is een totaal ander besef van wat er bestaat. Het is niet zo dat de mier minder capabel is; hij kan simpelweg de as van mogelijkheden niet zien vanaf de plek waar hij staat.
De kloof in expertise
Dat is het gat tussen een ervaren AI-gebruiker en iedereen anders. Neem bijvoorbeeld een niet-technische marketeer en iemand die vloeiend is in het gebruik van agents en tools. De persoon die bekend is met agents kan een uur lang naar de marketeer kijken werken en direct een dozijn zaken zien om te automatiseren, te delegeren of opnieuw uit te vinden, inclusief zaken die de marketeer zelf nog niet eens heeft geprobeerd.
Maar zet het intelligentste instrument ter wereld voor de marketeer neer, en deze staart naar een leeg promptveld, onzeker over wat er getypt moet worden. Al die intelligentie is aanwezig, maar er is geen manier om het te zien.
De noodzaak voor een nieuwe interface
Dit is de vreemde staat waarin we ons bevinden: het systeem zou bijna alles kunnen doen, maar het vereist dat de gebruiker al weet waar hij om moet vragen. Te veel van het werk om te ontdekken wat mogelijk is, rust op de persoon, terwijl dat op het systeem zou moeten rusten.
Je zou verwachten dat iets dat zo geavanceerd is, zijn eigen mogelijkheden onthult — geleidelijk, contextueel en op manieren die aansluiten bij je eigenlijke werk. Daar zijn we nog niet. Op de een of andere manier moet de interface je de lucht gaan laten zien.
Groetjes,