Boston Consulting Group przygotowuje nową metodę szkolenia dla swoich agentów AI - zamiast uczyć je na przykładach sukcesu, będzie pokazywać, co robić nie powinny. To podejście opiera się na prostej obserwacji: nierzadko szybciej uczymy się z błędów niż ze wzorów do naśladowania. Grupa testuje tę strategię szczególnie w kontekście agentów sprzedażowych, dla których zrozumienie granic dozwolonych zachowań może być kluczowe dla efektywności pracy z rzeczywistymi klientami.
Tradycyjny trening modeli AI concentruje się głównie na propagowaniu dobrych praktyk i pozytywnych przykładów. Tymczasem w systemach interaktywnych, zwłaszcza tych pracujących bezpośrednio z ludźmi, agenci muszą nauczyć się rozpoznawać scenariusze, które mogą prowadzić do konfliktów, złych decyzji lub utraty zaufania. BCG dostrzegła, że uczenie na negatywnych przykładach - błędnych ocenach sytuacji, nieodpowiednich reakcjach, niefortunnych sugestiach - może okazać się bardziej pragmatyczne i szybsze niż wyczekiwanie na spontaniczne odkrycie granic przez model.
Jeśli ta metoda się powiedzie, może ona znacząco zmienić standardy trenowania AI w branży biznesowej. Zamiast budować agentów wyłącznie na fundamentach pozytywnych przykładów, firmy mogą zacząć celowo konstruować katalogi "anty-wzorów" - scenariuszy, które model powinien rozpoznać i uniknąć. To szczególnie ważne w sektorze sprzedaży, gdzie zły ruch agenta może nie tylko stracić przychodów, ale i uszkodzić wizerunek firmy. Pomysł BCG sugeruje, że edukacja przez kontrast może być zarówno bardziej efektywna, jak i bezpieczniejsza dla wdrażania zaawansowanych agentów w rzeczywistych operacjach korporacyjnych.