چرا پروژه‌های هوش مصنوعی هنوز سودده نشده‌اند؟ مؤسسه بهره‌وری منچستر پاسخ می‌دهد

دانشگاه منچستر در حال بررسی این مسئله است که چرا گسترش روزافزون استفاده از ابزارهای هوش مصنوعی هنوز به رشد پیش‌بینی‌شده در بهره‌وری منجر نشده است. با این حال، پژوهشگران برای پر کردن این شکاف، موسوم به «شکاف جاه‌طلبی هوش مصنوعی»، پاسخ ساده و دم‌دستی سراغ ندارند.

مؤسسه بهره‌وری این دانشگاه بریتانیایی در گزارشی با عنوان «شکاف جاه‌طلبی هوش مصنوعی»، پیشرفت‌های حاصل‌شده در حوزه هوش مصنوعی و فراگیری روزافزون آن را زیر ذره‌بین قرار داده و راهکارهایی را به رهبران کسب‌وکارها و سیاست‌گذاران پیشنهاد کرده است تا بتوانند مزایای بالقوه این فناوری را به واقعیت تبدیل کنند.

این گزارش با سفارش شرکت ارائه‌دهنده خدمات فناوری اطلاعات Bytes Technology Group تهیه شده است.

یکی از دلایل اصلی ملموس نبودن نتایج این است که سازمان‌ها در گام نخست، سرمایه‌گذاری سنگینی روی آموزش مجدد نیروی انسانی، سازمان‌دهی مجدد شیوه‌های کاری و دیگر تغییرات ساختاری انجام داده‌اند. این هزینه‌ها بلافاصله در تراز مالی ثبت می‌شوند، اما بازگشت سرمایه و سودآوری آن‌ها زمان‌بر خواهد بود.

دلیل دیگر مطرح‌شده در گزارش این است که اگرچه ابزارهای هوش مصنوعی می‌توانند کارایی را در سطح وظایف فردی بالا ببرند، اما این پیشرفت‌ها به‌شکل خودکار به افزایش بهره‌وری در کل نقش یک کارمند یا سرتاسر یک سازمان تبدیل نمی‌شوند.

این گزارش به نمونه توسعه‌دهندگان نرم‌افزار اشاره می‌کند که با استفاده از GitHub Copilot توانسته‌اند حدود ۲۶ درصد وظایف بیشتری را انجام دهند؛ یا متخصصانی که با بهره‌گیری از ChatGPT برای امور روزمره نگارش و تحلیل، زمان انجام وظایف را ۴۰ درصد کاهش داده و هم‌زمان کیفیت خروجی کار خود را ۱۸ درصد بهبود بخشیده‌اند.

با این حال، مطالعه‌ای روی ابزارهای هوش مصنوعی مخصوص برنامه‌نویسی نشان می‌دهد که این ابزارها فعالیت کدنویسی را تقریباً ۲۴۰ درصد افزایش داده‌اند، در حالی که تعداد انتشار نرم‌افزارهای واقعی و نهایی تنها حدود ۳۰ درصد رشد داشته است. این اختلاف معنادار به این دلیل است که نیروی انسانی همچنان باید پیش از انتشار، کدها را بازبینی و آزمایش کند و این بخش به گلوگاه فرایند تبدیل می‌شود.

به گفته پژوهشگران، درگیر شدن بخش زیادی از وظایف با هوش مصنوعی لزوماً بهره‌وری کل یک شاغل را بیشتر نمی‌کند. مشاغل معمولاً ترکیبی از کارهای قابل اتوماسیون و وظایفی هستند که به قضاوت، هماهنگی، تعامل با مشتری و تفکر انتقادی نیاز دارند. با حذف یا سرعت گرفتن بخش‌هایی از کار توسط هوش مصنوعی، وظایف مکمل انسانی به عامل بازدارنده‌ای در صرفه‌جویی زمان تبدیل می‌شوند و مانع از سرایت مستقیم دستاوردهای سطح وظیفه به بهره‌وری فراگیر سازمانی می‌گردند.

این گزارش می‌افزاید که نتایج شغلی به ترکیب وظایف و مهارت‌های مکمل انسانی وابسته است. هوش مصنوعی احتمالاً بخشی از نیروی کار را از وظایف فعلی جابه‌جا می‌کند، اما هم‌زمان وظایف جدیدی می‌آفریند که انسان‌ها در آن‌ها دارای مزیت نسبی هستند.

محققان معتقدند این موضوع می‌تواند خبری امیدوارکننده برای بریتانیا باشد. بر اساس این گزارش، در مقایسه با پنج کشور دیگر یعنی آمریکا، برزیل، کلمبیا، هند و آفریقای جنوبی، بریتانیا بیشترین سهم نیروی کار را در مشاغلی دارد که هم پیوند بالایی با هوش مصنوعی دارند و هم «مکمل‌پذیری بالایی» نشان می‌دهند. این مزیت تا حدی به بخش بزرگ خدمات مالی و مشاغل تخصصی تجاری در این کشور مربوط می‌شود که سهم بالایی از مشاغل شناختی و فکری را در خود جای داده‌اند.

این وضعیت با اهداف کلان دولت بریتانیا هم‌خوانی دارد؛ چراکه دولت در استراتژی اقتصادی اعلام‌شده در آغاز سال گذشته، امید زیادی به استفاده از هوش مصنوعی برای پیشبرد رونق و بهبود اقتصادی بسته است.

بخش هوش مصنوعی بریتانیا با استانداردهای اروپایی نسبتاً بزرگ است و گزارش با استناد به برآوردهای اخیر سازمان همکاری و توسعه اقتصادی (OECD) اشاره می‌کند که اقتصادهای با وابستگی بالا به فناوری مانند بریتانیا و آمریکا می‌توانند شاهد رشد سالانه بهره‌وری نیروی کار بین ۰٫۴ تا ۱٫۳ واحد درصد باشند.

در این تحلیل تأکید شده است که حتی افزایش سالانه حدود ۰٫۵ تا ۰٫۷ واحد درصد، در صورت تداوم، می‌تواند جهشی بزرگ و چشمگیر در مقایسه با وضعیت راکد بهره‌وری بریتانیا طی یک دهه گذشته رقم بزند.

مؤسسه بهره‌وری چندین «اهرم توانمندسازی مکمل» را برای کمک به سازمان‌ها در پر کردن این شکاف جاه‌طلبی فهرست کرده است. البته هیچ‌کدام از این موارد چندان غیرمنتظره نیستند، به‌ویژه برای افرادی که پیش‌تر گزارش‌های مربوط به موفقیت شرکت‌ها در به‌کارگیری هوش مصنوعی را مطالعه کرده باشند.

یکی از این موارد، تعیین مسیر راهبردی توسط مدیریت است و مورد دیگر، تقویت توانمندی کارکنان از طریق ارتقای دانش و سواد داده به‌شمار می‌رود تا سازمان‌ها بتوانند بینش‌های فردی را به یاد‌گیری مشترک تبدیل کنند. موارد دیگر شامل پیاده‌سازی حاکمیت هوش مصنوعی و تمرکز بر کاربردهایی است که می‌توانند محصولات جدیدی خلق کنند، فرایندهای اصلی را ارتقا دهند یا مسائلی را که پیش‌تر غیرقابل حل به نظر می‌رسیدند درمان کنند.

«بارت ون آرک»، استاد مؤسسه بهره‌وری و نویسنده اصلی گزارش، در این باره می‌گوید: «پتانسیل بهره‌وری هوش مصنوعی زمانی به حقیقت می‌پیوندد که انجام سریع‌تر وظایف، به عملکرد بهتر در کل مجموعه کسب‌وکار منجر شود. شکاف جاه‌طلبی درست میان این کارایی‌های فردی و نتایج پایدار تجاری جای گرفته است؛ پر کردن این شکاف نیازمند آن است که شرکت‌ها علاوه بر خود فناوری، روی مدیریت، مهارت‌آموزی و بازطراحی جریان‌های کاری نیز سرمایه‌گذاری کنند.»

نتیجه‌گیری گزارش این است که شرکت‌ها باید مسیر خود را ادامه دهند و به سرمایه‌گذاری روی هوش مصنوعی پایبند بمانند، چراکه با اجرای اقدامات اصولی، مزایای آن در نهایت پدیدار خواهد شد. این اقدامات شامل تمرکز بر کاربردهای پرارزش متصل به استراتژی، ارزش‌آفرینی برای مشتریان و رفع گلوگاه‌های عملیاتی است؛ رویکردی که در آن هوش مصنوعی نه صرفاً به‌عنوان یک ابزار مجزا، بلکه به‌منزله بازطراحی جامع محیط کار تلقی می‌شود.

بر اساس این گزارش، سیاست‌گذاران نیز می‌توانند با کمک به شناسایی فرصت‌های مناسب، ریسک‌ها و نااطمینانی‌های مسیر پذیرش فناوری را کاهش داده و پشتیبان کسب‌وکارها باشند.

گزارش‌های دیگری که هم‌زمان منتشر شده‌اند، تصویر واقع‌بینانه‌تری ارائه می‌دهند: شرکت تحقیقاتی Gartner اعلام کرده است که ۷۵ درصد از اعضای هیئت‌مدیره شرکت‌ها هنوز هیچ‌گونه افزایش بهره‌وری یا کاهش هزینه‌ای را از به‌کارگیری هوش مصنوعی تجربه نکرده‌اند؛ شرکت سرمایه‌گذاری Apollo Global Management نیز ارزیابی می‌کند که در حال حاضر تنها غول‌های بزرگ فناوری از بازدهی مالی هوش مصنوعی سود می‌برند.