خطر ورود هوش مصنوعی به دانشگاه‌ها؛ وقتی اتوماسیون بار اداری استادان را سنگین‌تر می‌کند

دانشگاه‌ها در نقطه عطفی حساس قرار دارند، زیرا دانشجویان و استادان با سرعتی چشمگیر به استفاده از هوش مصنوعی روی آورده‌اند. حتی در حال حاضر، دانشگاه‌هایی مانند هاروارد دوره‌های آموزشی جدیدی ارائه می‌دهند که در آن‌ها از یک آواتار هوش مصنوعی به‌عنوان مدرس استفاده می‌شود.

وعده‌های هوش مصنوعی برای نظام آموزش عالی آشنا و فریبنده‌اند: ارتقای بهره‌وری در پی کاهش کارهای اداری، پوشش گسترده‌تر کلاس‌ها، ارائه بازخوردهای سریع‌تر و ارزیابی هوشمندانه‌تر عملکرد تحصیلی. با این حال، تزریق سیستم‌های هوش مصنوعی برای حل این مشکلات، چاره کار نیست؛ چراکه در عمل این فناوری‌ها بوروکراسی و دیوان‌سالاری اداری را که عامل اصلی افول دانشگاه‌هاست، شتاب بخشیده و آن را تشدید می‌کنند.

در عمل، پیامد محتمل این روند بسیار نگران‌کننده‌تر است: هوش مصنوعی ماشین اداری و دیوان‌سالاری دانشگاه‌ها را ریشه‌کن نخواهد کرد، بلکه این سازوکار فرساینده را به سازوکار نظارتی تازه‌ای برای انطباق با قوانین هوش مصنوعی متصل می‌سازد. نتیجه چنین تغییری، تحمیل سیاست‌های متعدد، فرم‌های خوداظهاری بی‌پایان، سامانه‌های رهگیری، نقش‌های نظارتی پیچیده و انباشت کارهای اداری جدید بر دوش استادانی است که همین حالا نیز زیر فشار طاقت‌فرسای کاری قرار دارند.

خطر اصلی این نیست که هوش مصنوعی دانشگاه‌ها را نابود کند، بلکه خطر آنجاست که دانشگاه‌ها از هوش مصنوعی برای تداوم و تثبیت همان روندهای ناکارآمدی استفاده کنند که کارکرد اصلی آن‌ها را فلج ساخته است. اگر چنین شود، استادان زمان کمتری برای پژوهش و تدریس در اختیار خواهند داشت و ساعات ارزشمند کاری آن‌ها صرف اموری خواهد شد که هیچ اثر مستقیمی در تولید دانش یا رشد فکری دانشجویان ندارد.

این پدیده هم‌اکنون در سیستم ارزیابی آموزشی بریتانیا کاملاً ملموس است و رگه‌های آن به‌سرعت در دانشگاه‌های سایر نقاط جهان و به‌ویژه ایالات متحده نمایان می‌شود. برای نمونه، یک تکلیف ساده دانشجویی ممکن است برای ثبت، مجبور باشد از سامانه تشخیص سرقت ادبی، رابط بارگذاری نمرات، فایل اکسل اشتراک بازخورد استادان، درگاه انتقال نمرات و در نهایت صورت‌جلسه رسمی آزمون‌ها عبور کند. هر مرحله نام کاربری، مهلت زمانی، قوانین استثنا و فرآیندهای راستی‌آزمایی ویژه خود را تولید می‌کند. هیچ‌کدام از این موارد ذاتاً بدخواهانه نیستند؛ تصحیح بی‌نام برگه، بازنگری منصفانه نمرات، رسیدگی به اعتراض‌ها، دسترسی‌پذیری و حفظ صداقت علمی دغدغه‌هایی کاملاً منطقی به شمار می‌روند، اما وقتی هر دغدغه به سامانه‌ای مجزا تبدیل می‌شود، حاصل نهایی چیزی جز هرج‌ومرج و ناهماهنگی اداری نخواهد بود.

در حقیقت، استادان به رابطی انسانی میان پلتفرم‌های ناسازگار با یکدیگر بدل می‌شوند و به‌جای تدریس و برقراری ارتباط عمیق با دانشجویان، وقت خود را صرف تطبیق نمرات و پیگیری مدارک ناقص می‌کنند. اگرچه این وضعیت بیشتر در دانشگاه‌های بریتانیا دیده می‌شود، اما تب توسعه کادر اداری سال‌هاست که در آمریکای شمالی نیز جریان دارد. ورود هوش مصنوعی صرفاً فرصتی طلایی پیش روی دانشگاه‌ها می‌گذارد تا ساختارهای اداری خود را بزرگ‌تر و فربه‌تر کنند.

هوش مصنوعی در تئوری می‌تواند حلال این بحران باشد؛ این فناوری می‌تواند سامانه‌ها را یکپارچه کند، گزارش‌های روتین را خودکار سازد، پیش‌نویس بازخوردها را تدوین کند، تناقض‌ها را بیابد و ورود تکراری اطلاعات را از میان بردارد. با این حال، انگیزه نهادی در ساختار دانشگاه‌ها به‌ندرت حذف کارهاست، بلکه مرئی‌سازی و تولید کار اداری است. دانشگاهی که یک فرآیند معیوب را با هوش مصنوعی خودکار می‌کند، لزوماً آن را ساده‌تر نکرده است؛ بلکه فقط با سرعتی بالاتر از آن روال ناقص گزارش می‌گیرد، داشبوردهای مدیریتی پیچیده‌تری پدید می‌آورد و مستندات قانونی پرزرق‌وبرق‌تری خلق می‌کند. میل درونی بوروکراسی با تغییر ادبیات به بقای خود ادامه می‌دهد: واژگانی چون مدیریت ریسک، تضمین کیفیت، شفافیت، حاکمیت سازمانی و نوآوری مسئولانه.

یکی از پیامدهای محتمل این مسیر آن است که دانشگاه‌ها دستورالعمل‌های سخت‌گیرانه‌ای برای استفاده از هوش مصنوعی بنویسند، برای هر درس بیانیه‌های جداگانه درخواست کنند، تکمیل فرم‌های افشاگری را اجباری سازند، فهرست ابزارهای مجاز صادر کنند و کمیته‌های بازبینی متعددی تشکیل دهند. در پی آن، از استادان خواسته می‌شود شیوه‌های ارزشیابی را بازطراحی کنند، موارد مشکوک به تخلف را رصد نمایند، چرایی تصمیم‌های خود را مستند کنند، دوره‌های آموزشی خسته‌کننده بگذرانند و قوانین را برای دانشجویان توضیح دهند. بخش اعظمی از این حجم کار طاقت‌فرسا کاملاً نامرئی خواهد ماند؛ یعنی در قالب عنوانی شغلی یا ترفیع کاری دیده نمی‌شود، بلکه وظیفه‌ای سنگین و بدون دستمزد است که به تدریس سنجاق خواهد شد.

این روند یک پدیده آشنا را بازتولید می‌کند: مسئولیت بدون اختیار. از مدرسان دانشگاه انتظار می‌رود درباره صداقت تحصیلی، عدالت، حریم خصوصی و اعتبار امتحانات تصمیم‌گیری‌های حساس و پرهزینه انجام دهند، در حالی که هیچ نظارت و اختیاری بر خریدهای نرم‌افزاری، طراحی سیستم‌ها، خط‌مشی‌های کلان یا رویه‌های انضباطی دانشگاه ندارند. هر زمان اشتباهی رخ دهد، استاد مقصر شناخته می‌شود؛ اما هرگاه سیستم درست کار کند، افتخار آن سهم مدیران ارشد سازمان خواهد بود.

این عدم توازن، سمی و فرساینده است. این وضعیت به نیروهای متعهد دانشگاه یاد می‌دهد که داوری موشکافانه و تخصصی آن‌ها ارزش به شمار نمی‌رود، بلکه خطری انضباطی است که باید مهار شود. پیامدهای این نگرش آسیب‌زا به شکلی نابرابر توزیع می‌شود؛ استادان باتجربه پس از آنکه هشدارهای مکررشان نادیده گرفته شد، دانشگاه را ترک می‌کنند، پیش از موعد بازنشسته می‌شوند یا انگیزه‌شان را از دست می‌دهند. در مقابل، استادان و پژوهشگران جوان که هنوز موقعیت استخدامی پایداری ندارند، کمترین توان را برای ایستادگی خواهند داشت. در نهایت، این دانشجویان هستند که از حیاتی‌ترین سرمایه آموزشی یعنی تمرکز و توجه مستمر فکری استادان محروم می‌شوند.

سناریوی محتمل دیگر آن است که دانشگاه‌ها مسیر توسعه آواتارهای هوش مصنوعی به‌جای استادان را در پیش گیرند و ساعات تدریس و کادر آموزشی را کاهش دهند. سپس مدیریت دانشگاه برای توجیه استخدامی تازه، نیروهای اداری و کارشناسان بیشتری برای نظارت و نگهداری همین آواتارها به کار می‌گیرد؛ رویکردی که هرگونه ادعا درباره افزایش بهره‌وری و کاهش هزینه‌ها را باطل می‌کند. در این وضعیت، ساختار دیوان‌سالاری مدام گسترش می‌یابد تا بحران‌های ناشی از توسعه بی‌رویه خود را مدیریت کند، آن هم در شرایطی که کیفیت تحصیلی برای دانشجویانی که شهریه‌های کلان پرداخته‌اند به قهقرا می‌رود. دانشگاه ناچار می‌شود ناظران آواتارها، وکلا برای پیگیری حقوقی پروانه‌ها، تیم‌های کنترل کیفیت برای مهار اشتباهات بات‌ها و کارشناسان شبکه برای اتصال آن‌ها به پلتفرم‌های آموزشی استخدام کند.

با این حال، راهکاری معقول برای مهار این حجم از کارهای اداری وجود دارد. ورود هوش مصنوعی به دانشگاه‌ها باید مشروط به یک قاعده روشن سازمانی باشد: هیچ تعهد و بار نظارتی جدیدی تصویب نشود مگر آنکه به همان اندازه، باری از دوش کادر آموزشی برداشته شود. اگر دانشگاهی از استاد می‌خواهد ارزیابی‌های درسی را متناسب با هوش مصنوعی تغییر دهد، باید وقت مشخص، پشتیبانی فنی کافی و پلتفرمی منسجم برای او فراهم سازد. اگر از استادان انتظار می‌رود استفاده از هوش مصنوعی را در کلاس هدایت کنند، باید پشتیبانی سازمانی صریحی دریافت کنند و بدون راهنما به حال خود رها نشوند. از همه مهم‌تر، پیش از تحمیل سراسری هر ابزار نرم‌افزاری، باید کارایی عینی آن در کاهش زحمت واقعی پرسنل اثبات شود.

مسئله بنیادین به خود فناوری مربوط نیست، بلکه به رسالت وجودی دانشگاه بازمی‌گردد. دانشگاه به وجود آمده است تا درک عمیق، قدرت استدلال، داوری علمی و استقلال اندیشه را پرورش دهد. اگر سیستم‌های فناورانه وقت استاد را ببلعند، تجربه یادگیری دانشجو را پاره‌پاره کنند و به‌جای ارتقای یادگیری، به فرم‌های کاغذی و مستندسازی صوری پاداش دهند، هوش مصنوعی تنها به ابزاری تازه برای حفظ ساختار قدرت مدیریتی بدل خواهد شد. پرسش اصلی این نیست که آیا دانشگاه‌ها می‌توانند هوش مصنوعی را به کار بگیرند یا خیر؛ بلکه پرسش اساسی این است که آیا دانشگاه‌ها می‌توانند مانع از خودکارسازی امور پوچ و بی‌حاصل با هوش مصنوعی شوند؟

اگر پاسخی منطقی به این چالش داده نشود، محصول نهایی نظام آموزشی خواهد بود که در ظاهر مدرن، اما از درون کاملاً تهی است: مملو از نظارت‌های امنیتی و اداری اما عاری از اعتماد؛ سرشار از شاخص‌های اندازه‌گیری اما بی‌بهره از تدریس اثرگذار؛ شیفته انطباق‌های آیین‌نامه‌ای اما بی‌تفاوت به انسان‌هایی که آموزش را ممکن می‌سازند؛ و اسیر تشریفات دست‌وپاگیر، بدون ذره‌ای حیات فکری. چنین نهادی صرفاً به نمایشی بی‌روح از یادگیری تبدیل می‌شود که ارزش وقت و هزینه دانشجو را نخواهد داشت.