پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

هوش مصنوعی سرعت کار را بالا برده، اما کارمندان از کیفیت خروجی‌ها رضایت ندارند

انتشار:۱۴ آبان ۱۴۰۵
۲ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

یافته‌های جدید نشان می‌دهد اگرچه هوش مصنوعی سرعت انجام وظایف روزمره را افزایش داده است، اما استفاده فردی و جزیره‌ای از این فناوری نتوانسته کیفیت کلی خروجی سازمان‌ها را به‌شکل ملموسی ارتقا دهد و حتی باعث انزوای بیشتر کارمندان شده است.

هوش مصنوعی سرعت کار را بالا برده، اما کارمندان از کیفیت خروجی‌ها رضایت ندارند

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • بیش از ۸۶ درصد کارمندان معتقدند هوش مصنوعی سرعت کار آن‌ها را افزایش داده، اما تنها ۵۷ درصد شاهد بهبود کیفیت خروجی‌های نهایی سازمان بوده‌اند.
  • حدود ۷۱ درصد از شاغلان به‌صورت انفرادی و در محیط‌های خصوصی با ابزارهای هوش مصنوعی کار می‌کنند که این روند باعث کاهش تعامل تیمی و افزایش حس تنهایی در محیط کار شده است.
  • کارشناسان توصیه می‌کنند شرکت‌ها به‌جای استفاده از ابزارهای پراکنده و جزیره‌ای، به سراغ پلتفرم‌های اشتراکی بروند تا دانش و داده‌ها در سطح کل تیم به اشتراک گذاشته شود.
  • هوش مصنوعی بی‌تردید سرعت تولید خروجی توسط کارمندان را افزایش می‌دهد، اما لزوماً به معنای ارتقای کیفیت کار نیست.
  • کارمندان احساس می‌کنند که استفاده از هوش مصنوعی باعث کاهش ارتباط با همکاران و افزایش حس تنهایی در محیط کار شده است.
  • شرکت‌ها برای حل این چالش باید ابزارهای پراکنده و داده‌های جزیره‌ای خود را یکپارچه کنند.

بر اساس جدیدترین گزارش پلتفرم Miro با عنوان وضعیت همکاری هوشمند (State of Intelligent Collaboration)، اگرچه ۸۶ درصد از شرکت‌کنندگان بریتانیایی می‌گویند هوش مصنوعی بهره‌وری و توانمندی آن‌ها را افزایش داده است، اما این گزارش معنای واقعی «بهره‌وری» را به چالش می‌کشد؛ چراکه بخش کمتری از کارمندان (۵۷ درصد) شاهد بهبود واقعی در کیفیت خروجی‌های سازمان خود بوده‌اند.

نکته کلیدی این گزارش آن است که هرچند هوش مصنوعی بدون شک سرعت کارمندان را در انجام وظایف بالا می‌برد، اما این سرعت بالا همیشه به معنای کار باکیفیت‌تر نیست.

با این حال، پلتفرم Miro به‌جای مقصر دانستن خودِ فناوری، شیوه استفاده ما از آن را نقد می‌کند و نشان می‌دهد که ۷۱ درصد از پاسخ‌دهندگان در بریتانیا، به‌جای استفاده تیمی و مشارکتی، در نشست‌های خصوصی و انفرادی با هوش مصنوعی کار می‌کنند.

بهترین عملکرد هوش مصنوعی زمانی است که در قالب کار تیمی استفاده شود

این گزارش نشان می‌دهد که کارمندان با رویکردی «تک‌نفره» با این ابزارها کار می‌کنند؛ به این معنا که همکاران از زمینه کاری مشترک، دانش انباشته یا شفافیت روندها بهره‌مند نمی‌شوند و همین موضوع، کارایی هوش مصنوعی را برای ایجاد مزایای گسترده در کل سازمان محدود می‌کند.

در همین راستا، ۲۸ درصد از شرکت‌کنندگان بریتانیایی می‌گویند افزایش استفاده از هوش مصنوعی باعث شده است احساس جدایی و بی‌ارتباطی بیشتری نسبت به همکارانشان داشته باشند و ۱۸ درصد نیز معتقدند محیط کار نسبت به گذشته تنهاتر و منزوی‌تر شده است.

دیو راس (Dave Ross)، مدیر ترویج محصول در شرکت Miro، در این باره می‌گوید: «یافته‌های این پژوهش، نیاز روزافزون به فضایی مشترک را نشان می‌دهد که در آن افراد و هوش مصنوعی بتوانند برای اتخاذ تصمیم‌های حیاتی با یکدیگر همکاری کنند، نه اینکه هر شخص در ابزارهای تک‌نفره، پراکنده و ناهماهنگ فعالیت کند.»

برای رفع این مشکل، پلتفرم Miro پیشنهاد می‌کند که کسب‌وکارها با ادغام ابزارهای پراکنده، سرمایه‌گذاری روی فناوری‌های هوش مصنوعی اشتراکی را آغاز کنند. این گزارش هم‌چنین به پژوهش مشابهی از مؤسسه Gartner اشاره می‌کند که ایده «قطب‌های کاری هوش مصنوعی» (AI workhubs) را مطرح کرده است؛ رویکردهایی که ابزارهای پراکنده و داده‌های جزیره‌ای را به یکدیگر متصل می‌کنند.

راس در ادامه افزود: «با ایجاد قطب‌های کاری هوش مصنوعی، تیم‌ها و ایجنت‌های آن‌ها به درک مشترک و اطلاعات زمینه‌ای لازم دست می‌یابند تا تصمیم‌های بهتری بگیرند و این تصمیم‌ها را به اجرای سریع‌تر و نتایج باکیفیت‌تر تبدیل کنند.»

درمجموع، کسب‌وکارها برای نشان دادن بازگشت سرمایه از هزینه‌هایی که در بخش هوش مصنوعی کرده‌اند تحت فشار فزاینده‌ای قرار دارند و دیگر صرفاً استفاده نمایشی از هوش مصنوعی کافی نیست. اکنون که رقابت اصلی بر سر بهبود واقعی کیفیت خروجی‌ها آغاز شده است، یافته‌های Miro بر اهمیت تدوین یک استراتژی شفاف و سراسری برای هوش مصنوعی در کل سازمان تأکید می‌کند.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

مخالفت شهروندان با ساخت مراکز داده هوش مصنوعی؛ چرا محاسبه دقیق مصرف آب این مراکز دشوار است؟
آخرین اخبار

مخالفت شهروندان با ساخت مراکز داده هوش مصنوعی؛ چرا محاسبه دقیق مصرف آب این مراکز دشوار است؟

مراکز داده هوش مصنوعی به‌دلیل بلعیدن منابع آب و برق محلی با موجی از اعتراضات مردمی روبه‌رو شده‌اند. بااین‌حال، واقعیت ماجرا درباره نحوه خنک‌سازی سرورها و میزان واقعی مصرف آب این مراکز بسیار پیچیده‌تر از آمارهای کلی است.

۶ دقیقه مطالعه
۰
۱۴ آبان
تلاش آزمایشگاه چینی Moonshot AI برای اجاره تراشه‌های Blackwell انویدیا از طریق مراکز داده اروپا
آخرین اخبار

تلاش آزمایشگاه چینی Moonshot AI برای اجاره تراشه‌های Blackwell انویدیا از طریق مراکز داده اروپا

آزمایشگاه چینی Moonshot AI در پی تحریم‌های صادراتی آمریکا، مذاکراتی را با ارائه‌دهندگان خدمات ابری در اروپا آغاز کرده است تا به ظرفیت پردازشی هزاران تراشه پیشرفته Blackwell انویدیا از راه دور دسترسی پیدا کند.

۵ دقیقه مطالعه
۰
۱۴ آبان
معرفی درگاه Scalekit AgentKit؛ اتصال امن ایجنت‌های هوش مصنوعی به بیش از ۳۰ هزار ابزار کاربردی
آخرین اخبار

معرفی درگاه Scalekit AgentKit؛ اتصال امن ایجنت‌های هوش مصنوعی به بیش از ۳۰ هزار ابزار کاربردی

پلتفرم Scalekit از درگاه جدید AgentKit رونمایی کرد؛ راهکاری مبتنی بر پروتکل MCP که به ایجنت‌های هوش مصنوعی اجازه می‌دهد با هویت و سطح دسترسی دقیق خود کاربر، به بیش از ۳۰ هزار ابزار در ۶۰۰ برنامه مختلف متصل شوند و مصرف توکن را تا ۸۰ درصد کاهش دهند.

۲ دقیقه مطالعه
۰
۱۴ آبان