Obawy Kakul Srivastavy dotyczące AI: dlaczego automatyczne e-maile osłabiają prawdziwą rozmowę

Kakul Srivastava wyznaczyła wyraźną granicę wobec dokumentów pisanych przez AI, choć kieruje firmą coraz częściej wykorzystującą generatywną AI w swoich produktach. CEO Splice twierdzi, że automatyczne pisanie może osłabiać rozmowę, gdy odbiorcy nie potrafią rozpoznać ludzkiego myślenia stojącego za słowami. Te obawy Kakul Srivastavy dotyczące AI przekształcają znaną debatę o produktywności w kwestię zaufania.

Jej ostrzeżenie ma szczególną wagę, ponieważ Splice działa przede wszystkim zdalnie. Bez rozmów na korytarzach pracownicy polegają na dokumentach pisemnych, aby wyrażać decyzje, nieporozumienia i niedopracowane pomysły. Srivastava uznaje przemyślany dokument, po którym następuje autentyczna debata, za jedno ze swoich najważniejszych narzędzi pracy.

Ten sam standard stosuje do muzyki. Splice używa AI, aby pomagać producentom wyszukiwać, łączyć i przekształcać dźwięki stworzone przez ludzi. Firma opierała się podejściu „naciśnij przycisk”, kojarzonemu z generatorami piosenek takimi jak Suno. Konflikt nie dotyczy więc ludzi kontra AI. Chodzi o wsparcie kontra zastąpienie oraz o to, czy wygoda zachowuje dość ludzkiej intencji, by umożliwiać sensowną współpracę.

Co Kakul Srivastava powiedziała o e-mailach tworzonych przez AI

Sprzeciw Srivastavy nie wynika z tego, że AI pisze źle. Chodzi o to, że automatyczne pisanie może ukrywać, kto faktycznie wykonał pracę intelektualną.

W opublikowanej 3 października 2026 r. ankiecie dotyczącej pracy Srivastava wskazała dobrze napisany dokument i prawdziwą rozmowę jako swoje najbardziej niezbędne narzędzia. W Splice dokument często stanowi punkt wyjścia do wspólnego rozumowania.

Ktoś rozważa problem, zapisuje swoje stanowisko i wystawia to myślenie na sprzeciw. Współpracownicy następnie kwestionują założenia i korygują decyzję. Dokument ma znaczenie, ponieważ daje grupie coś, co można przypisać konkretnej osobie, co jest szczegółowe i otwarte na analizę.

Proza wygenerowana przez AI może zakłócić ten proces. Dopracowany e-mail może zawierać jasną rekomendację, lecz odbiorcy mogą nie wiedzieć, jak silnie nadawca w nią wierzy. Nie widzą też, które argumenty pochodzą od nadawcy, a które powstały dzięki modelowi.

Srivastava bezpośrednio opisała wynikający z tego problem zaufania: „Gdy nie można już stwierdzić, czy za słowami stoi człowiek”, rozmowa staje się gorsza. Jej obawa dotyczy dokumentów, e-maili i innych wiadomości służbowych, które sprawiają wrażenie przemyślanych, choć nie muszą odzwierciedlać przemyślanego stanowiska.

To rozróżnienie oddziela formułowanie tekstu od autorstwa. Formułowanie tworzy czytelne zdania. Autorstwo łączy te zdania z osobą, która wybrała dowody, zaakceptowała kompromisy i stoi za wnioskiem.

Narzędzia do generatywnego pisania mogą pomagać w formułowaniu tekstu, zachowując autorstwo. Ktoś może użyć AI, aby skrócić szkic lub wskazać niejasne sformułowania. Problem narasta, gdy wygenerowany tekst zastępuje pracę intelektualną, którą dokument rzekomo zapisuje.

Jest to szczególnie istotne w pracy zdalnej. Zespół pracujący w biurze może uzupełnić niejednoznaczną wiadomość nieformalną rozmową, mimiką i natychmiastowymi pytaniami. Zespół rozproszony często ma jedynie pisemny artefakt i spotkanie zorganizowane wokół niego.

Gdy temu artefaktowi brakuje wyraźnego punktu widzenia, kolejna rozmowa zaczyna się od niepewności. Uczestnicy muszą ustalić, czy kwestionują osąd współpracownika, ogólny wynik modelu czy niezweryfikowaną mieszankę obu.

Twierdzenia zawartego w tytule, że e-maile AI „zabijają rozmowy”, nie należy odczytywać jako miarodajnego dowodu na organizacyjny upadek. Srivastava przedstawiła ocenę liderki, a nie kontrolowane badanie. Jej wyjaśnienie wskazuje jednak praktyczny mechanizm, który firmy mogą badać we własnych procesach pracy.

Istotna zmiana nie polega wyłącznie na tym, że pracownicy mogą szybciej generować wiadomości. Polega na tym, że odbiorcy stają teraz przed nowym problemem przypisania autorstwa, gdy otrzymują dopracowany język bez dowodu ludzkiego zaangażowania.

Dlaczego pisanie z AI zmienia model zaufania w zespole zdalnym

Notatka napisana przez AI może oszczędzać czas potrzebny na przygotowanie szkicu, jednocześnie przenosząc pracę weryfikacyjną na każdą osobę, która ją otrzyma.

Tradycyjne pisanie w miejscu pracy nigdy nie gwarantowało uczciwości ani starannego namysłu. Liderzy od dawna zlecali przygotowanie szkiców, ponownie wykorzystywali szablony i ukrywali niepewność za formalnym językiem. Generatywna AI zwiększa skalę i obniża koszt takich działań.

Pracownik może teraz przygotować szczegółową propozycję, zanim zdecyduje, czy jej twierdzenia są poprawne. Inna osoba może zamienić kilka niejasnych notatek w pewny siebie e-mail. Rezultat może wyglądać na bardziej kompletny, niż jest nim faktyczne rozumowanie.

Tworzy to asymetrię. Nadawca oszczędza czas, podczas gdy odbiorcy muszą przeanalizować argument, sprawdzić jego źródła i ustalić, czy ktokolwiek bierze odpowiedzialność za rekomendację. Krótki prompt może wygenerować kilka stron pracy wymagającej weryfikacji.

Dopracowany styl może utrudniać wykrycie problemu. Niezręczny język kiedyś sygnalizował, że pomysł wymaga doprecyzowania. AI może usuwać te widoczne luki, nie rozwiązując kryjącego się pod nimi zamieszania.

Ryzyko nie ogranicza się do błędów rzeczowych. Wygenerowany dokument może spłaszczać niepewność, spór lub emocje do języka brzmiącego neutralnie. Usuwa to sygnały, których współpracownicy używają, aby zdecydować, które kwestie wymagają prawdziwej rozmowy.

Wyobraźmy sobie menedżera produktu rekomendującego opóźnienie premiery funkcji. Rzeczywiste powody mogą obejmować słabe testy, nierozwiązane obawy klientów i prywatny spór dotyczący harmonogramu. Przeredagowanie przez AI może przekształcić ten osąd w płynną listę ogólnych ryzyk.

Przeredagowana wersja może być łatwiejsza do przeczytania. Może jednak zacierać, która obawa rzeczywiście przesądziła o rekomendacji. Współpracownicy debatują wówczas nad powierzchniową strukturą dokumentu, zamiast nad rzeczywistym osądem danej osoby.

Ta sama dynamika dotyczy e-maili. Model może uczynić trudną wiadomość bardziej przyjazną, ale może też stworzyć emocjonalny język, którego nadawca nigdy nie odczuwał. Odbiorcy mogą odpowiadać na pozorną empatię, która została wybrana automatycznie.

Zespoły potrzebują zatem bardziej precyzyjnego rozróżnienia niż „AI dozwolona” lub „AI zakazana”. Muszą określić, które części komunikacji wymagają możliwego do prześledzenia osądu, a które mogą bezpiecznie korzystać z mechanicznego wsparcia.

Formatowanie, transkrypcja i korekta gramatyczna wiążą się ze stosunkowo niskim ryzykiem związanym z przypisaniem autorstwa. Rekomendacje strategiczne, oceny wyników, rozwiązywanie konfliktów i decyzje dotyczące bezpieczeństwa niosą je znacznie większe. Te wiadomości zależą od wiedzy, kto w co wierzy.

AI może również wspierać przygotowanie, nie wypowiadając się w imieniu użytkownika. Może porządkować notatki, wskazywać wcześniejsze decyzje lub pomagać komuś odnaleźć istotny kontekst. Osobista baza wiedzy może ograniczyć pracę związaną z wyszukiwaniem, pozostawiając końcowy osąd widocznym.

Preferowany przez Srivastavę sposób pracy oferuje użyteczny standard. Dokument powinien czynić myślenie danej osoby zrozumiałym, a rozmowa powinna je testować. AI staje się szkodliwa, gdy osłabia którąkolwiek ze stron tej wymiany.

Nie wymaga to, by każde zdanie było pisane bez wsparcia. Wymaga, by autor rozumiał twierdzenia, ujawniał istotną niepewność i brał odpowiedzialność za wiadomość.

Presja spoczywa na menedżerach wdrażających funkcje pisania z AI w całych organizacjach. Muszą zdecydować, czy sukces oznacza tworzenie większej ilości tekstu, czy poprawę decyzji, które po nim następują.

Strategia AI Splice pozostawia muzyka w centrum procesu

Strategia produktowa Splice traktuje AI jako instrument do manipulowania materiałem twórczym, a nie jako zastępstwo dla osoby tworzącej utwór.

Stanowisko Srivastavy wobec pisania w miejscu pracy odzwierciedla podejście Splice do oprogramowania muzycznego. Firma wdrożyła AI, lecz stara się zachować widoczne ludzkie wkłady i twórczą kontrolę.

Podstawowa działalność Splice zapewnia producentom dostęp do one-shotów, loopów i innych nagranych dźwięków. One-shot to pojedyncze zdarzenie dźwiękowe, a loop to fragment zaprojektowany do powtarzania. Producenci aranżują i przekształcają te elementy w cyfrowej stacji roboczej audio.

Próbki z platformy pojawiły się w znanych wydawnictwach, w tym w „Money” Lisy i „Espresso” Sabriny Carpenter. Ten zasięg czyni Splice częścią istniejącego kreatywnego łańcucha dostaw, a nie jedynie firmą eksperymentującą z modelami text-to-music.

Historia AI firmy wyprzedza także obecny boom generatywny. Splice twierdzi, że w 2019 r. wprowadziło Similar Sounds, aby znajdować próbki o podobnych cechach audio. Później rozszerzyło Create, które składa kompatybilne loopy w edytowalne Stacks.

Według historii produktów Splice użytkownicy stworzyli ponad 28 milionów Stacks do czasu ostatniej opublikowanej liczby. Dane te pochodzą od firmy i nie zostały niezależnie zweryfikowane.

Produkty te automatyzują odkrywanie i aranżację, jednocześnie utrzymując zaangażowanie producentów. Użytkownik wybiera dźwięki, ocenia kombinacje, zmienia strukturę i decyduje, czy rezultat pasuje do utworu.

W 2026 r. Splice poszło dalej w kierunku generatywnego audio dzięki Variations. Funkcja generuje nowe wersje wybranej próbki, pozwalając użytkownikom określać właściwości muzyczne, takie jak tonacja, tempo i złożoność.

Co kluczowe, wynik pozostaje powiązany ze źródłem. Splice twierdzi, że oryginalny twórca dźwięku otrzymuje wynagrodzenie, gdy wykorzystywana jest wygenerowana wariacja. Użytkownicy otrzymują powstały dźwięk w ramach tego samego modelu licencjonowania bez tantiem.

Craft działa według podobnego modelu. Przekształca dźwięki z katalogu w grywalne instrumenty, umożliwiając muzykom wykonywanie materiału na klawiaturze zamiast otrzymywania gotowej kompozycji. Magic Fit, kolejna zapowiedziana funkcja, ma dostosowywać dźwięki do muzycznego kontekstu projektu.

Narzędzia te nadal rodzą pytania o oryginalność, dane treningowe i przypisanie autorstwa. Ich projekt różni się jednak od wpisania krótkiego promptu i otrzymania gotowej piosenki z już dostarczonym wokalem, aranżacją i decyzjami produkcyjnymi.

Srivastava ujęła tę różnicę bardziej dosadnie podczas wywiadu Decoder z marca 2025 r. Odrzuciła systemy „naciśnij przycisk, dostaniesz piosenkę”, ponieważ usuwają one znaczną część procesu cenionego przez muzyków.

Jej argument nie zależy od romantyzowania pracy ręcznej. Producenci zawsze korzystali z technologii ograniczających wysiłek. Sekwencery automatyzują wykonanie, samplery ponownie wykorzystują nagrania, a cyfrowa edycja może naprawić synchronizację w ciągu sekund.

Istotne pytanie brzmi, jaki wkład narzędzie wymaga od muzyka. Preferowany przez Splice model prosi użytkowników o wybieranie, manipulowanie, wykonywanie i ocenianie. Generowanie za pomocą jednego przycisku może ograniczać te działania do zatwierdzenia lub odrzucenia gotowego wyniku.

To odzwierciedla problem e-maili. AI może pomóc komuś ukształtować pomysł albo stworzyć pozór, że pomysł został już ukształtowany. Wynik może wyglądać na kompletny w obu przypadkach, lecz ludzki wkład wyraźnie się różni.

Rzeczywisty konflikt dotyczy wsparcia kontra zastąpienia

Najważniejsze obawy Kakul Srivastavy dotyczące AI koncentrują się na zastępowaniu, ponieważ automatyzacja staje się destrukcyjna, gdy usuwa sprawczość nadającą pracy znaczenie.

Debaty o AI często sprowadzają się do fałszywego wyboru między entuzjastycznym wdrażaniem a całkowitym odrzuceniem. Srivastava zajmuje mniej wygodną pozycję, ponieważ Splice jest jednocześnie twórcą AI i krytykiem nadmiernej automatyzacji.

Firma potrzebuje AI, aby poprawić odkrywanie treści i konkurować z szybciej rozwijającymi się platformami muzycznymi. Jednocześnie opiera się na muzykach, którzy oczekują uznania autorstwa, jasnych zasad licencjonowania i wynagrodzenia.

Splice oświadczyło, że jego główny katalog Sounds nie przyjmuje nagrań dźwiękowych stworzonych przez generatywną AI. Firma twierdzi, że przesyłane sample muszą być stworzone przez ludzi i przejść weryfikację treści. Oddzielne funkcje wspierane przez AI mogą przekształcać zatwierdzony materiał po dodaniu go do platformy.

Ta granica daje twórcom jaśniejsze oczekiwania, lecz jej egzekwowanie pozostaje trudne. Narzędzia do wykrywania AI dają niedoskonałe wyniki, a systemy generatywne nadal się rozwijają. Splice przyznaje, że jego metody wykrywania muszą ewoluować wraz z technologią.

Firma przejęła również Spitfire Audio w kwietniu 2025 roku. Spitfire tworzy szczegółowe wirtualne instrumenty oparte na nagraniach orkiestr i innych wykonawców. Transakcja rozszerzyła działalność Splice z krótkich sampli na grywalne instrumenty i filmowe biblioteki dźwiękowe.

Splice podało, że przejęcie Spitfire połączy te nagrania z odkrywaniem treści wspieranym przez AI. Firma nie ujawniła publicznie ceny transakcji.

To przejęcie nadaje filozoficznej granicy firmy większe znaczenie. Splice kontroluje teraz dostęp do szerszego zbioru nagranych wykonań i narzędzi używanych przez kompozytorów. Decyzje dotyczące przekształcania, licencjonowania i wynagradzania wykraczają poza samo odkrywanie loopów.

Firma nawiązała też współpracę z Universal Music Group, aby badać możliwości wirtualnych instrumentów wspieranych przez AI i innych narzędzi komercyjnych. Spółki twierdzą, że uczestniczący artyści mogą wnosić własne dźwięki do procesów pracy Splice i pomagać kształtować rozwój produktów.

Szczegóły pozostają ograniczone. Współpraca z UMG nie określa jeszcze, jak będą działać zgody na trenowanie, akceptacje artystów, podział przychodów ani ograniczenia dotyczące wyników we wszystkich produktach.

W tym miejscu trudno oddzielić wsparcie od zastępowania. Model przekształcający autoryzowany dźwięk artysty może działać jak ekspresyjny instrument. Ten sam system może jednak stać się substytucyjny, jeśli tworzy nieograniczone imitacje przy minimalnej kontroli artysty.

Suno i Udio reprezentują bardziej zautomatyzowaną stronę rynku. Ich systemy uczyniły generowanie pełnych utworów dostępnym za pomocą zwykłych promptów, przyciągając użytkowników, a jednocześnie wywołując spory dotyczące praw autorskich z dużymi firmami muzycznymi.

Umowy licencyjne mogą rozwiązać część sporów prawnych. Nie rozstrzygają automatycznie kwestii sprawczości twórczej. Licencjonowany system nadal może minimalizować rolę muzyka, a narzędzie wspomagające nadal może niewłaściwie zarządzać zgodą.

Splice nie może więc polegać na słowie „etyczne” jako trwałym wyróżniku. Musi wykazać, w jaki sposób każdy produkt łączy wyniki z autoryzowanym materiałem, wynagradza współtwórców i zapewnia muzykom realną kontrolę.

Ten sam wymóg dotyczy narzędzi do pisania dla przedsiębiorstw. Dostawca może obiecywać odpowiedzialną AI, ale zespoły muszą widzieć, skąd pochodzi informacja i kto zatwierdził ostateczny komunikat.

Stanowisko Srivastavy jest najsilniejsze, gdy traktuje się je jako test projektowy. Czy system rozszerza intencję człowieka, czy generuje substytut, który tylko sprawia wrażenie intencjonalnego?

Gdzie obietnica Splice dotycząca człowieka w centrum napotyka presję

Strategia Splice brzmi spójnie, ale bodźce komercyjne mogą stopniowo popychać produkt wspomagający w stronę większej automatyzacji.

Użytkownicy zwykle nagradzają narzędzia, które szybciej przynoszą rezultaty. Inwestorzy i operatorzy platform również preferują produkty zwiększające zaangażowanie, produkcję i regularne użycie. Te zachęty nie zawsze współgrają z wolniejszą, prowadzoną przez ludzi pracą twórczą.

Variations ilustruje to napięcie. Producent zaczyna od sampla stworzonego przez człowieka i prosi o zmienione wersje. Splice twierdzi, że pierwotny twórca pozostaje identyfikowalny i otrzymuje wynagrodzenie, gdy jedna z nich zostanie użyta.

Te ramy chronią relację między źródłem a wynikiem. Ich sprawiedliwość zależy jednak od takich szczegółów jak stawki wynagrodzeń, dokładność raportowania, ograniczenia przekształceń oraz to, czy twórcy mogą wyrazić rzeczywiście świadomą zgodę.

Dostępne informacje publiczne nie odpowiadają na każde pytanie. Nie ustalają również, jak producenci postrzegają wartość wygenerowanych wariantów w porównaniu z oryginalnymi nagraniami.

Splice twierdzi, że jego narzędzia AI z 2026 roku zostały zbudowane wokół rzeczywistych procesów twórczych. Relacja o funkcjach generatywnych podaje, że Variations tworzy pięć alternatyw na podstawie wybranego dźwięku. To konkretny proces pracy, a nie ogólna obietnica pełnego generowania utworów.

Granice funkcji mogą się jednak przesuwać. Sekwencja narzędzi wspomagających może ostatecznie zautomatyzować wybór dźwięków, adaptację harmoniczną, instrumentację, aranżację i miks. Każdy krok może zachowywać wybór użytkownika, podczas gdy skumulowany system wykonuje większość decyzji twórczych.

Nie czyni to produktu z natury nieuprawnionym. Oznacza to, że Splice musi wyjaśnić, gdzie jego zdaniem znajduje się autorstwo, gdy kilka zautomatyzowanych funkcji działa razem.

Polityka katalogowa firmy staje przed kolejnym testem. Firma twierdzi, że materiał stworzony przez człowieka pozostaje obowiązkowy, podczas gdy użytkownicy publicznie kwestionowali, czy niektóre sample brzmią jak wygenerowane. Pojedyncze skargi nie dowodzą, że zakazane treści trafiły do katalogu.

Samo wykrywanie nie może w pełni rozstrzygnąć tych sporów. Fałszywie pozytywne wyniki mogą błędnie oznaczać autentyczne nagrania, a fałszywie negatywne mogą dopuścić materiał wygenerowany. Wiarygodna polityka wymaga procedur dochodzeniowych, odpowiedzialności dostawców i mechanizmów korekty.

Analogia do miejsca pracy jest bezpośrednia. Firmy nie mogą ustalić, czy dokument odzwierciedla ludzki osąd, uruchamiając detektor AI. Potrzebują norm organizacyjnych, które czynią odpowiedzialność widoczną.

Menedżer może wymagać od autorów wskazania rekomendowanej decyzji, określenia niepewnych dowodów i osobistego odpowiadania na pytania. Taki standard wzmacnia odpowiedzialność, nie próbując kontrolować każdego wspomaganego zdania.

Historia samej Srivastavy daje kolejny powód do ostrożności. Pomagała stworzyć Glitch w Tiny Speck, zanim firma stworzyła Slack. Glitch było ambitną grą online, ale zależało od Flash, podczas gdy komputery konsumenckie szybko przesuwały się w stronę urządzeń mobilnych.

W ankiecie z 2026 roku opisała tę porażkę jako przypadek przeoczenia dwóch dużych zmian platformowych. Lekcja nie polega na tym, że firmy powinny unikać nowych technologii. Chodzi o to, by odróżniały trwałe zmiany od atrakcyjnych wdrożeń opartych na błędnych założeniach.

Splice staje teraz przed taką oceną w kontekście generatywnej AI. Zbyt powolne działanie może sprawić, że firma stanie się nieistotna dla rozwijających się procesów tworzenia muzyki. Zbyt dalekie przesunięcie w stronę zautomatyzowanych wyników może osłabić relacje z twórcami, które ją wyróżniają.

Jej stanowisko wobec e-maili AI niesie ten sam kompromis. Organizacje, które zakazują użytecznej pomocy, mogą tworzyć niepotrzebną pracę. Organizacje, które normalizują syntetyczne autorstwo, mogą odkryć, że obfita komunikacja prowadzi do mniejszego zrozumienia.

Sceptyczny wniosek nie jest więc taki, że Splice rozwiązało problem odpowiedzialnej AI. Firma sformułowała możliwą do obrony granicę i zbudowała wokół niej produkty. Jej przyszłe wydania pokażą, czy granica ta przetrwa presję konkurencyjną.

Trzy sygnały pokażą, czy człowiek pozostaje u steru

Kolejne produkty Splice, zapisy dotyczące wynagrodzeń i reakcje twórców pokażą, czy jego stanowisko skoncentrowane na człowieku działa jako polityka, czy jako branding.

Pierwszym sygnałem jest zakres produktu. Warto obserwować, jak Variations, Craft i Magic Fit łączą się z Create i Splice INSTRUMENT. Większa integracja wzmocni argument Srivastavy, jeśli użytkownicy zachowają szczegółową kontrolę nad materiałem źródłowym i decyzjami muzycznymi.

Przeciwny wynik osłabiłby ten argument. Jeśli te funkcje zbiegną się w jednym prompcie dostarczającym niemal ukończone utwory, różnicę wobec generowania jednym kliknięciem będzie trudniej obronić.

Drugim sygnałem jest wynagrodzenie twórców. Splice twierdzi, że twórcy materiału źródłowego otrzymują uznanie, gdy producenci korzystają z wariantów wygenerowanych przez AI. Użyteczne ujawnienia pokazałyby, jak często to się dzieje, jak przychody są rozdzielane i czy uczestniczący twórcy uznają taki układ za sprawiedliwy.

Same zbiorcze dane o adopcji nie odpowiedzą na te pytania. Miliony wygenerowanych wyników mogą wskazywać na popyt użytkowników, jednocześnie ukrywając, czy osoby dostarczające materiał źródłowy uczestniczą w tworzonej wartości.

Trzecim sygnałem jest udział artystów w pracach Splice z UMG. Produkty kształtowane przez udokumentowaną zgodę artystów wspierałyby twierdzenie firmy, że AI może rozszerzać intencję twórczą. Niejasny język dotyczący uczestnictwa pozostawiłby kontrolę i licencjonowanie niepewnymi.

Te sygnały oferują także ramy dla AI w miejscu pracy. Zespoły powinny analizować cały proces pracy, mierzyć, kto ponosi ciężar weryfikacji, i pytać, czy pracownicy nadal są właścicielami swoich rekomendacji.

Pisanie z AI raczej nie zniknie z e-maili, dokumentów ani komunikacji wewnętrznej. Praktyczny wybór polega na tym, czy organizacje traktują wygenerowaną prozę jako gotowe myślenie, czy jako materiał, który człowiek musi ocenić i za który musi wziąć odpowiedzialność.

Ten standard zachowuje miejsce dla użytecznej automatyzacji. Chroni również następującą po niej rozmowę, ponieważ współpracownicy nadal mogą wskazać, kto podjął decyzję i dlaczego.

Obawy Kakul Srivastavy dotyczące AI ostatecznie podważają powszechne założenie dotyczące produktywności. Szybsza produkcja nie gwarantuje lepszej komunikacji, tak jak szybsze generowanie nie gwarantuje bardziej znaczącej muzyki.

Gdy AI następnym razem przygotuje szkic ważnej wiadomości, zadaj sobie trzy pytania przed jej wysłaniem. Czy rozumiesz każde twierdzenie, czy obroniłbyś jej wniosek w rozmowie i czy odbiorcy nadal potrafią rozpoznać twój osąd? Jeśli na którekolwiek z nich odpowiesz „nie”, narzędzie przeszło od wsparcia w stronę zastępowania.