بومی هوش مصنوعی شدن کار راحتی نیست؛ ناگفته‌های مدیران سیسکو و UBS از نبرد ایجنت‌ها با مقاومت سازمانی

خیلی زود، بخش زیادی از ما دیگر حتی یادمان نخواهد آمد دنیا قبل از این‌که مدل‌های زبانی بزرگ (LLM) بتوانند با ما گفت‌وگو کنند، عکس و داستان بسازند، در نقش روان‌شناس ظاهر شوند و تست‌های تورینگ را یکی پس از دیگری پشت سر بگذارند، چطور جایی بود! مرزهای میان ساخته‌های انسانی و ماشینی روزبه‌روز کم‌رنگ‌تر می‌شود و نشانه‌های غیرانسانی در تولید محتوا به‌زودی ناپدید خواهند شد. در واقع ما داریم در کنار گونه‌ای تازه زندگی می‌کنیم؛ گونه‌ای که نه از مسیر تکامل زیستی، بلکه روی تراشه‌های سیلیکونی متولد و مهندسی شده است.

پیامدهای فلسفی و ساختاری این تحول بسیار عمیق است. پژوهشگران و نخبگان در مراکزی مانند دانشگاه ام‌آی‌تی (MIT) و سرمایه‌گذاران حوزه فناوری، در همکاری با دانشمندانی چون دانیلا راس (Daniela Rus) و رامش راسکار (Ramesh Raskar)، همواره در تلاشند تا پاسخی مناسب برای سرعت سرسام‌آور این تغییرات فناورانه بیابند.

اما نکته کلیدی دیگر این است: به‌زودی نسلی قد می‌کشد که از بدو تولد با این ابزار‌ها زندگی کرده است؛ تفاوتی اساسی که همه‌چیز را دگرگون می‌کند.

کسانی که با هوش مصنوعی بزرگ نشده‌اند و به‌اصطلاح «بومی هوش مصنوعی» (AI-Native) نیستند، مسیر چالش‌برانگیزی پیش‌رو دارند. نسلی که شاهد تولد اینترنت، کامپیوترهای شخصی و رایانش ابری بود، تصور می‌کرد بزرگ‌ترین عصر تغییرات را تجربه کرده است؛ اما واقعیت این است که حتی فیلم‌هایی مثل «بازگشت به آینده» هم نتوانستند ما را برای هوشی که از دل محاسبات کامپیوتری خلق می‌شود آماده کنند؛ پدیده‌ای شگفت‌انگیز که همان‌طور که بیل گیتس می‌گوید، ابتدا در آزمایشگاه مهندسی شد و حالا خودش به مسیر رشدش ادامه می‌دهد.

کسب‌وکارها در دنیای فردا

کاملاً پیداست که در سال‌های پیش‌رو، همه افراد و سازمان‌ها باید بیاموزند که چگونه «بومی هوش مصنوعی» شوند. اما این مفهوم در دنیای واقعی چه معنایی دارد؟

در رویداد Next Endeavor در کالیفرنیا، نشستی تخصصی میان دنیس لی (Denise Lee) از شرکت سیسکو (Cisco) و جو کوردیرا (Joe Cordeira) از شرکت مدیریت ثروت یو‌بی‌اس (UBS) برگزار شد تا ابعاد بومی‌سازی هوش مصنوعی و کاربرد آن در کسب‌وکارها مورد واکاوی قرار گیرد.

هر دو مدیر از تجربه خود در به‌کارگیری ایجنت‌ها سخن گفتند.

دنیس لی از سیسکو در این باره گفت: «من ایجنت‌هایی دارم که در طول شب برایم کار می‌کنند؛ بنابراین صبح‌ها خلاصه‌ای دقیق از تمام کار‌هایی که باید در طول روز انجام دهم، آماده روی میزم است. من روی پرامپت‌ها و داده‌های ورودی بسیار حساسم تا ایجنت‌ها اطلاعات کلی و تکراری به من تحویل ندهند. این ایجنت مدام در حال یادگیری است و کاملاً بر اساس نیازهای کاری من شخصی‌سازی شده و در تمام وظایف روزمره‌ام به کمکم می‌آید.»

جو کوردیرا از UBS نیز به رویکرد مشابهی اشاره کرد: «من از چندین ایجنت استفاده می‌کنم و به تجربه کاربری هوش مصنوعی ایجنتی (Agentic AI) باور عمیق دارم. رویکرد من این است که تمام این ایجنت‌ها زیر نظر یک ایجنت هماهنگ‌کننده مرکزی (Orchestrator Agent) فعالیت کنند. من در خانه هم مدام از هوش مصنوعی استفاده می‌کنم و همین موضوع سرعت کار‌های من در محل کار را هم بالا برده است؛ بنابراین می‌توانم بگویم یک خوش‌بین تمام‌عیار به هوش مصنوعی هستم.»

با این نگاه، بحث به تعریف دقیق اصطلاح «بومی هوش مصنوعی» کشیده شد.

دنیس لی توضیح داد: «ادبیات و واژگان این حوزه هر دو سه هفته یک‌بار با مفاهیم جدیدی به‌روزرسانی می‌شود. از نظر من، بومی هوش مصنوعی بودن مثل همان روحیه حاکم بر سیلیکون ولی است؛ همان آرمان‌گرایی که می‌گوید ما می‌خواهیم بسازیم و دنیا را تغییر دهیم. اما سؤال اینجاست که چطور باید با این فناوری همراه شد و از آن برای خلق اتفاقات مثبت استفاده کرد؟ شاید گفتن این حرف برای کسی که نسل چهارم در سیلیکون ولی است آسان باشد، اما وقتی به نقاط دیگر سفر می‌کنم، به‌خوبی می‌بینم که هوش مصنوعی هنوز در گفتمان روزمره بسیاری از مردم و کسب‌وکارها جایگاهی طبیعی و درونی پیدا نکرده است.»

او در ادامه تعریف خود افزود: «بومی هوش مصنوعی بودن یعنی نوآوری بی‌وقفه، تمرکز مداوم بر قدم بعدی و استفاده از این پتانسیل در جهت منافع واقعی جامعه.»

جو کوردیرا نیز از زاویه ساختار کسب‌وکار به ماجرا نگاه کرد: «اگر قرار بود سازمان یا کسب‌وکارمان را با قابلیت‌های امروزی هوش مصنوعی از صفر پایه‌گذاری کنیم، چطور آن را می‌ساختیم؟ چه شکلی به خود می‌گرفت؟ مسلماً قرار نیست فرایندهای قدیمی و سنتی گذشته را برداریم و صرفاً یک لایه هوش مصنوعی روی آن‌ها بچسبانیم! باید تمام فرایندها را از ابتدا تا انتها زیر ذره‌بین بگذاریم و برای عصر هوش مصنوعی بازآفرینی کنیم.»

او همچنین درباره جایگاه انسان در این معادله تأکید کرد: «عنصر انسانی فوق‌العاده حیاتی است. پرسش اصلی این است که چگونه باید رویکرد بومی هوش مصنوعی را با توانمندی‌های انسانی پیوند بزنیم؟»

پرسشی به‌موقع و تعیین‌کننده که آینده کاری شرکت‌ها را شکل می‌دهد.

موانع و چالش‌های تبدیل شدن به سازمان بومی هوش مصنوعی

طبیعتاً چنین تحولی با موانع جدی روبه‌روست. کوردیرا با اشاره به سابقه طولانی شرکت UBS که بسیار پیش از پیدایش هوش مصنوعی مدرن تأسیس شده، گفت: «بزرگ‌ترین چالش در این مسیر، رهبری تغییر و مدیریت تحول سازمانی است. شرکتی مانند UBS با بیش از ۱۶۰ سال سابقه، سال‌ها با روشی مشخص موفق بوده و سودآوری چشمگیری داشته است. وقتی یک روش جواب می‌دهد، سیستم تثبیت و نفوذناپذیر می‌شود؛ زیرساخت فناوری، فرایندها و حتی تیپ افرادی که استخدام می‌کنید همگی حول همان چارچوب شکل می‌گیرند. اما حالا وارد عصری شده‌ایم که باید همه‌چیز را بازتعریف کنیم. سیستم‌های قدیمی باید دگرگون شوند و در مواردی کاملاً برچیده و از نو ساخته شوند. این ماجرا نمونه بارز معمای کلاسیک نوآوران (Innovator's Dilemma) است.»

کوردیرا به تأمین داده‌ها و ابزار‌ها اشاره کرد و دنیس لی نیز چالش‌های فعالیت در ساختارهای سنتی را برشمرد. به گفته لی، بخشی از این دشواری‌ها به فشارهای مالی مربوط می‌شود: «مدیران ناچارند صورت‌های مالی را سه‌ماهه به سه‌ماهه گزارش کنند و تمام حواسشان به دستیابی به تارگت‌های مالی فصل جاری است. اما در دنیای استارتاپ‌ها، تحول یک‌شبه یا در طول یکی دو فصل مالی رخ نمی‌دهد.»

لی که بیش از چهار سال و نیم است روی یک ابتکار نوآورانه داخلی در سیسکو با عنوان Energy Networking Systems کار می‌کند، توضیح داد: «ما همیشه یک تیم کوچک و چابک بودیم؛ از همان تیم‌هایی که به اندازه دو جعبه پیتزا غذا می‌خورند! برای پیشبرد کار‌ها در هزارتوی سازمان، به همان ذهنیت استارتاپی و نگاه بومی هوش مصنوعی نیاز بود تا موانع برطرف شوند.»

او چالش بزرگ دیگر را مقاومت‌های محیطی و اجتماعی دانست؛ از مخالفت با ساخت دیتاسنترها گرفته تا نگرانی‌ها درباره گسترش نقش هوش مصنوعی و زیرساخت‌های آن: «کافی است تیتر اخبار را نگاه کنید. فرقی نمی‌کند در کجای لایه نرم‌افزاری یا API کار می‌کنید، اگر دیتاسنترها توسعه پیدا نکنند، زیربنایی برای ساختن وجود نخواهد داشت. شرکت‌های بزرگ با انبوهی از چالش‌ها و محدودیت‌ها روبه‌رو هستند، اما در عین حال فرصت‌های فوق‌العاده‌ای هم برای شتاب بخشیدن به رشد خود در اختیار دارند.»

مدیران ارشد چه چیزی را متوجه نمی‌شوند؟

در پاسخ به این پرسش که مدیران ارشد معمولاً چه نکته‌ای را درباره تبدیل شدن به یک شرکت بومی هوش مصنوعی درک نمی‌کنند، دنیس لی پاسخی بسیار کوتاه و تکان‌دهنده داد:

«روش‌ها و سیستم‌های سنتی گذشته دیگر پاسخگو نیستند.»

جو کوردیرا نیز این دیدگاه را تکمیل کرد: «به عقیده من این مسئله ربطی به فناوری ندارد؛ بلکه کاملاً به نیروی انسانی مربوط است. فناوری، ایجنت‌ها و سیستم‌های ما روزبه‌روز پیشرفته‌تر خواهند شد، اما عاملی که سرعت پیشرفت را تعیین و محدود می‌کند، مقاومت و هماهنگی انسان‌هاست.»

تجربه یو‌بی‌اس در پیاده‌سازی هوش مصنوعی

روایت کوردیرا از تجربه بانک UBS در پیاده‌سازی هوش مصنوعی بسیار آموزنده است: «ما با خودمان فکر می‌کردیم اگر ابزاری بسازیم، همه خودبه‌خود به سراغش می‌آیند! قابلیت‌های هوش مصنوعی فوق‌العاده و واقعاً ساختارشکنی هم توسعه دادیم و آن را در سطح سازمان معرفی کردیم.»

اما مشکل از جایی شروع شد که مشاوران مالی روزانه با صدها ایمیل بمباران می‌شوند: «این مشاوران ۳۰ سال کار خود را به یک شیوه ثابت انجام داده بودند و معرفی یک ابزار جدید به‌تنهایی نمی‌توانست عادت‌های ۳۰ ساله را عوض کند. در نهایت متوجه شدیم موفق‌ترین شیوه، ارتباط نزدیک و چهره‌به‌چهره است. ما باید کنار تک‌تک آن‌ها می‌نشستیم و تیم‌هایی را اعزام می‌کردیم؛ یعنی به انسان‌های بیشتری نیاز داشتیم تا به دیگر انسان‌ها یاد بدهند چطور با هوش مصنوعی کار کنند. تنها در این صورت بود که استفاده از هوش مصنوعی رواج پیدا کرد.»

در بخش دیگری از گفت‌وگو، دنیس لی به بحران انرژی و کوردیرا به موضوع مقررات و قوانین اشاره کرد.

لی با اشاره به مصرف برق سرسام‌آور هوش مصنوعی گفت: «بسیاری از ما دسترسی به انرژی را یک موضوع بدیهی فرض می‌کنیم. اما واقعاً چند نفر می‌دانند وقتی غول‌هایی مثل گوگل، مایکروسافت یا متا یک دیتاسنتر غول‌پیکر در نزدیکی شهر شما می‌سازند، چه فشاری به شبکه برق و منابع آب وارد می‌شود؟ مصرف بالای آب و انرژی دیتاسنترها موضوعی حیاتی است که نباید آن را نادیده گرفت.»

کوردیرا نیز درباره قوانین و نظارت‌های دولتی تأکید کرد: «مقررات ممکن است سرعت پیشرفت را کاهش دهد، اما رعایت آن یک اصل بنیادی است. دلیل این‌که UBS توانسته ۱۶۰ سال پایدار بماند، توجه به امنیت مالی و تعهد به قوانین سخت‌گیرانه است.»

نسل جدید و آینده کار با ایجنت‌ها

بحث در ادامه به نسلی رسید که به‌طور طبیعی با هوش مصنوعی رشد می‌کند.

دنیس لی گفت: «کارمندان بومی هوش مصنوعی مثل اسفنج همه‌چیز را جذب می‌کنند و سریع یاد می‌گیرند؛ اما نمی‌توانند به‌تنهایی پیش بروند. آن‌ها به تجربیات نسل گذشته نیاز دارند تا تفکر انتقادی لازم برای موقعیت‌های شغلی پیچیده را بیاموزند. من معتقدم بدون استثنا تک‌تک مشاغل با هوش مصنوعی زیرورو خواهند شد.»

او افزود که همین حالا دستیاران اجرایی در حال همکاری با ایجنت‌ها هستند: «با این حال حضور نیروی انسانی متخصص همچنان برای پیشبرد کار‌ها ضروری است؛ چرا که تفکر انتقادی و تصمیم‌گیری نهایی چیزی نیست که بشود آن را کاملاً به ماشین سپرد.»

جو کوردیرا نیز این جمع‌بندی الهام‌بخش را مطرح کرد: «در آینده، همه ما باید به جای این‌که صرفاً یک مجری ساده باشیم، خود را یک مهندس فرایند بدانیم. در دنیایی که تحت تسلط ایجنت‌هاست، وظیفه انسان‌ها مدیریت و هدایت ایجنت‌هایی خواهد بود که فرایندها را به اجرا درمی‌آورند. این فناوری به ما کمک می‌کند تا کار‌ها را بسیار مؤثرتر پیش ببریم، اما تجربه، شهود و ارزش‌آفرینی انسانی همچنان هسته اصلی جامعه باقی خواهد ماند.»