هرچه هوش مصنوعی مستقل‌تر می‌شود، استراتژی انسان حیاتی‌تر است؛ پارادوکس بزرگ عصر ایجنت‌ها

طی چند سال گذشته، بیش‌تر بحث‌ها و سر و صداها پیرامون هوش مصنوعی روی «توانایی‌ها» و کار‌هایی که از پس‌شان برمی‌آید متمرکز بود. همه ما دیدیم که چطور این فناوری از تولید محتوا و خلاصه کردن متن‌ها شروع کرد و کم‌کم به تحلیل داده، کدنویسی و انجام کار‌های پیچیده‌تر رسید. اما حالا با جهش سریع ایجنت‌های هوش مصنوعی (AI Agents)، ماجرا وارد فاز تازه‌ای شده و دیگر فقط کار‌های ساده را به آن‌ها نمی‌سپاریم، بلکه بخش‌هایی از جریان کار و حتی تصمیم‌گیری‌ها را هم به دستشان می‌دهیم.

این پیشرفت سریع طبیعتاً این نگرانی را ایجاد کرده که با مستقل‌تر شدن هوش مصنوعی، چه بلایی سر نیروی انسانی می‌آید؟ اما واقعیت این است که شاید داریم از زاویه اشتباهی به ماجرا نگاه می‌کنیم. تغییر اصلی این نیست که آدم‌ها حذف شوند، بلکه نوع انتظاری است که از آن‌ها داریم. وقتی ابزار‌های هوش مصنوعی بخش‌های اجرایی را به دست می‌گیرند، انسان‌ها باید وقت بیشتری بگذارند تا درباره کل سیستم و نحوه کارکرد آن فکر کنند. برای رسیدن به این درک، باید چند سوال کلیدی از خودمان بپرسیم:

• در نهایت واقعاً می‌خواهیم به چه هدفی برسیم؟
• این فناوری برای اینکه تصمیم درستی بگیرد به چه داده‌ها و اطلاعاتی نیاز دارد؟
• کار‌ها چطور باید از یک مرحله به مرحله بعد منتقل شوند؟
• هوش مصنوعی در چه مراحلی می‌تواند خودش تصمیم بگیرد و در چه جاهایی حتماً باید پای یک انسان در میان باشد؟

شرکت‌ها همین امروز هم با این جنس پرسش‌ها سروکله می‌زنند، اما هوش مصنوعی حساسیت بازی را چند برابر کرده؛ چون تصمیم‌ها و اقدامات با سرعتی سرسام‌آور و در مقیاسی بسیار بزرگ‌تر اتفاق می‌افتند. مثلاً یک تیم بازاریابی را در نظر بگیرید.

ما همین الان هم به نقطه‌ای رسیده‌ایم که هوش مصنوعی می‌تواند مخاطبان را تحلیل کند، محتوا بنویسد، آن را برای کانال‌های مختلف بازنویسی کند، با خط‌مشی‌های شرکت تطبیق دهد و بازخوردها را بسنجد. اصلاً دور از ذهن نیست که این قابلیت‌ها مثل دانه‌های تسبیح به هم وصل شوند و هر اقدام، به صورت خودکار جرقه‌بخش کار بعدی باشد.

هنر استراتژی در هماهنگ کردن قطعات است

چالش اصلی دقیقاً اینجاست: تک‌تک اجزای این زنجیره ممکن است طبق برنامه‌ریزی مو‌به‌مو کارشان را درست انجام دهند، اما نتیجه نهایی نامطلوب باشد! مثلاً یک مدل تحلیل مخاطب ممکن است کسانی را پیدا کند که بیش‌ترین احتمال کلیک یا خرید آنی را دارند، اما مشتریانی را که شرکت برای آینده بلندمدت به آن‌ها نیاز دارد کاملاً نادیده بگیرد.

یا یک ایجنت تولید محتوا متنی بنویسد که بازدید بالایی بگیرد، ولی با لحن و هویت برند همخوانی نداشته باشد و حتی به اعتبار آن صدمه بزند. سیستم ارزیابی عملکرد هم شاید بر اساس شاخصی که به آن داده شده، پیشنهادی کاملاً منطقی بدهد؛ در حالی که آن شاخص اصلاً بازتاب‌دهنده هدف اصلی و کلان کسب‌وکار نیست.

این موارد لزوماً نقص یا خرابی هوش مصنوعی نیستند. در بسیاری از سناریوها، فناوری دقیقاً همان کاری را کرده که از آن خواسته شده بود. اشکال کار جای دیگری رقم خورده است: در مراحل قبل‌تر، یعنی وقتی که اهداف، زمینه کاری و پیوند بین تصمیم‌ها درست چیده نشده بودند. دقیقاً در همین نقطه است که نقش انسان از همیشه پررنگ‌تر و حیاتی‌تر می‌شود.

همیشه باید انسانی حضور داشته باشد که تصویر بزرگ کسب‌وکار را ببیند و مطمئن شود تک‌تک تصمیم‌هایی که در طول این مسیر گرفته می‌شوند، در نهایت هم‌راستا با همان هدف کلی هستند.

هرکسی که تجربه‌ای در سازمان‌های بزرگ داشته باشد، نمونه مشابه این وضعیت را قبلاً دیده است. طی دو دهه گذشته، شرکت‌ها تقریباً برای هر نیازی یک ابزار تخصصی خریدند: نرم‌افزارهای CRM، پلتفرم‌های اتوماسیون بازاریابی، ابزار‌های تحلیل داده، نرم‌افزارهای مدیریت پروژه و ده‌ها سرویس دیگر. هرکدام از این‌ها دردی را دوا می‌کردند، اما بعد از مدتی شرکت‌ها متوجه شدند که حالا باید فکری برای متصل کردن و کارکرد هماهنگ این سامانه‌ها بکنند.

تیم‌ها دست به کار شدند تا ارتباط بین سامانه‌ها را بسازند، داده‌ها را میان پلتفرم‌ها جابه‌جا کنند، تضاد اطلاعات را رفع کنند و شکاف میان سیستم‌هایی را که اصلاً برای کار مشترک ساخته نشده بودند پر کنند. در بسیاری از مجموعه‌ها، در عمل کارمندان نقش همان «لایه یکپارچه‌ساز» را بازی می‌کردند و با انتقال اطلاعات از یک پلتفرم یا تیم به تیم دیگر، ارتباط را زنده نگه می‌داشتند.

حالا با ورود همه‌جانبه هوش مصنوعی به بخش‌های مختلف سازمان‌ها، احتمال بسیار زیادی وجود دارد که همان چالش دوباره تکرار شود؛ منتها این بار با سرعتی به‌مراتب بالا‌تر و با فناوری‌هایی که خودشان می‌توانند مستقلاً تصمیم بگیرند و عمل کنند!

امروز برای یک بخش سازمان خیلی راحت است که یک ابزار هوش مصنوعی به کار بگیرد یا ایجنتی بسازد که فلان مشکل خاص را حل کند. اما وقتی تک‌تک بخش‌ها این کار را بکنند، سازمان خیلی زود به خودش می‌آید و می‌بیند انبوهی از مدل‌ها و ایجنت‌ها دارند با داده‌های گوناگون، دستورات مختلف و برای اهداف سازمانی ناسازگار کار می‌کنند.

شاید این قطعات جداگانه بسیار باهوش‌تر از نرم‌افزارهای نسل قبل باشند، اما دقیقاً به همین خاطر است که هماهنگ کردن آن‌ها عواقب سنگین‌تری دارد و داشتن یک استراتژی کلان — استراتژی‌ای فراتر از یک ایجنت یا تسک خاص — را بیش از پیش حیاتی می‌کند.

پیدا کردن تعادل طلایی؛ مرز بین استقلال هوش مصنوعی و نظارت انسان

استراتژی انسانی در طراحی این سیستم بزرگ نقشی حیاتی دارد، اما نباید این موضوع را با گذاشتن یک ناظر انسانی بالای سر هر تصمیم هوش مصنوعی اشتباه گرفت. اگر قرار باشد برای هر خروجی کوچکی یک نفر تاییدیه بدهد، فلسفه اصلی ساخت سیستم‌های خودکار و مستقل از ابتدا زیر سوال می‌رود!

سازمان‌ها باید به یک فرمول شفاف برسند: در چه بخش‌هایی هوش مصنوعی می‌تواند با خیال راحت خودش کار کند؟ کجاها فقط یک نظارت و بررسی کلی کفایت می‌کند؟ و در چه موقعیت‌هایی پیامدهای یک تصمیم آن‌قدر سنگین است که حضور مستقیم انسان را الزامی می‌سازد؟

این نقطه تعادل برای هر شرکت و حتی برای هر فرایند درون یک شرکت می‌تواند کاملاً متفاوت باشد. یک تصمیم روتین و روزمره با قوانینی مشخص شاید اصلاً نیازی به دخالت نداشته باشد، اما تصمیمی که مستقیماً روی ارتباط با مشتری، اعتبار برند، هزینه‌های هنگفت مالی یا مسیر استراتژیک تأثیر می‌گذارد، نیازمند وسواس و بررسی دقیق انسانی است.

علاوه بر این، سیستم باید طوری طراحی شود که اگر شرایط غیرعادی یا پیش‌بینی‌نشده‌ای رخ داد، زنگ خطر را به صدا درآورد و کار را به دست انسان بسپارد. تعیین همین مرزها و معماری درست گردش کار، در نهایت اهمیتی به‌مراتب بیش‌تر از انتخاب این یا آن مدل هوش مصنوعی خاص خواهد داشت.

انعطاف‌پذیری و همراهی با موج تغییرات فناوری

فناوری زیربنایی همه این ابزار‌ها با سرعتی سرسام‌آور به تحول خود ادامه خواهد داد. مدل‌هایی که امروز فرسنگ‌ها جلوتر از رقبای خود به نظر می‌رسند، ممکن است ظرف چند ماه عقب بیفتند و قابلیت‌هایی که امروز خاص تلقی می‌شوند، فردا به دسترسی عمومی درآیند. بنابراین هیچ شرکتی نباید فکر کند دسترسی به یک مدل خاص مزیتی پایدار برایش می‌آورد؛ به‌خصوص که شکاف فنی میان مدل‌های مختلف روزبه‌روز باریک‌تر می‌شود.

آنچه کپی کردنش برای رقبا بسیار دشوار است، همان تفکر و شناختی است که پشت استفاده از این فناوری قرار دارد: شناخت دقیق سازمان از مشتریان و فرایندها، معماری خلاقانه جریان کار، زمینه‌ای که در اختیار سیستم‌های هوش مصنوعی گذاشته می‌شود و قضاوت درستی که در تصمیم‌های سرنوشت‌ساز اعمال می‌گردد. این موارد دارایی‌های اختصاصی هر کسب‌وکارند و اتفاقاً هرچه دسترسی به فناوری پایه ساده‌تر و همگانی‌تر شود، ارزش این بینش انسانی دوچندان خواهد شد.

بنابراین، مستقل‌تر شدن هوش مصنوعی به این معنی نیست که جهان به هوش انسانی کمتری نیاز پیدا می‌کند؛ برعکس، ما به افرادی نیاز پیدا خواهیم کرد که دیدی همه‌جانبه به کل این ساختار داشته باشند و بدانند چه چیزی از فناوری خواسته شده، آیا چرخ‌دنده‌ها درست در کنار هم می‌چرخند و آیا خروجی کار واقعاً به نفع کسب‌وکار است یا خیر.

شکی نیست که ما در ساخت هوش مصنوعی‌هایی که کار‌ها را به نیابت از ما انجام دهند بسیار ماهر خواهیم شد؛ اما چالش واقعی و بزرگ‌تر این است که مطمئن شویم حاصل همه این کارها، به خروجی ارزشمندی ختم می‌شود که ارزش انجام دادن داشته باشد.