پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

مدیر ارشد استعدادهای آی‌بی‌ام: در عصر هوش مصنوعی دوران همه‌فن‌حریف‌ها به پایان رسیده و تخصص عمیق رمز موفقیت است

انتشار:۲۴ مهر ۱۴۰۵(۱ ساعت پیش)
۲ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

با فراگیر شدن ابزارهای هوش مصنوعی، این پرسش بنیادین مطرح شده که آیا داشتن مهارت‌های عمومی کافی است یا باید متخصصی تمام‌عیار بود؟ آپارنا نایر، مدیر ارشد در آی‌بی‌ام، معتقد است دوران همه‌فن‌حریف‌ها به پایان رسیده و شرکت‌ها بیش از هر زمان دیگری به دنبال تخصص‌های عمیق و متمرکز هستند.

مدیر ارشد استعدادهای آی‌بی‌ام: در عصر هوش مصنوعی دوران همه‌فن‌حریف‌ها به پایان رسیده و تخصص عمیق رمز موفقیت است

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • مدیر ارشد استعدادهای آی‌بی‌ام می‌گوید دوران اتکا به مهارت‌های عمومی به پایان رسیده و بازار کار هوش مصنوعی نیازمند نیروهایی با تخصص فنی عمیق است.
  • با واگذاری بخش زیادی از کدنویسی به مدل‌های هوش مصنوعی، مهارت تفکر انتقادی، قضاوت مهندسی و ارزیابی خروجی‌ها به برگ برنده برنامه‌نویسان تبدیل شده است.
  • بهترین استراتژی شغلی در عصر جدید، تسلط تخصصی بر یک حوزه معین در کنار انعطاف‌پذیری رفتاری و به‌کارگیری هوشمندانه ابزارهای هوش مصنوعی است.

این روزها یک پرسش داغ محافل فناوری را به خود مشغول کرده است: در عصر هوش مصنوعی، متخصص بودن بهتر است یا همه‌فن‌حریف (جنرالیست) بودن؟

اما از نگاه آپارنا نایر (Aparna Nair)، مدیر ارشد استعدادها، رهبری و فرهنگ سازمانی در شرکت آی‌بی‌ام (IBM)، این موضوع اصلاً جای بحث ندارد. او بر این باور است که نیروهای صرفاً همه‌فن‌حریف در بازار کار دوران هوش مصنوعی دیگر به‌تنهایی پاسخگوی نیازها نخواهند بود و به‌اصطلاح «راه به جایی نمی‌برند».

نایر با صراحت تأکید می‌کند: «دوران سلطه همه‌فن‌حریف‌ها خیلی وقت است که به پایان رسیده است.»

تصویر چهره آپارنا نایر
آپارنا نایر، مدیر ارشد استعدادها، رهبری و فرهنگ سازمانی در شرکت آی‌بی‌ام

به گفته نایر، شاید افراد همه‌فن‌حریف بتوانند با تکیه بر هوش مصنوعی نکات زیادی بیاموزند، اما برای نمونه در شرکتی مانند آی‌بی‌ام، مشتریان به هیچ‌وجه انتظار دریافت مشاوره‌ها و راهکارهای سطحی و کلی را از کارکنان ندارند؛ بلکه آی‌بی‌ام دقیقاً به‌دلیل تخصص‌های فناورانه و عمیق تیم‌هایش به کار گرفته می‌شود.

نایر خاطرنشان می‌کند که همین قاعده در مورد استخدام نیروهای تازه‌کار نیز کاملاً صدق می‌کند. آی‌بی‌ام که متعهد شده سرمایه‌گذاری مضاعفی روی استعدادهای جوان انجام دهد، از کارکنان تازه‌وارد انتظار دارد از همان بدو ورود مجهز به مهارت‌ها و تخصص در حوزه‌ای مشخص باشند تا بتوانند در همان مراحل اولیه مسیر حرفه‌ای خود، مسئولیت کارهای پیچیده‌تر را بر عهده بگیرند.

او توصیه می‌کند که نیروهای کار باید حوزه‌ای هم‌راستا با نیازهای کارفرمای خود را شناسایی کنند، در آن به سطحی تخصصی برسند و «تا جای ممکن عمیق شوند».

این انتظار حتی در شرایطی که نقش‌های مهندسی به واسطه هوش مصنوعی دستخوش دگرگونی شده و مرزهای آن‌ها در حال کم‌رنگ شدن است، همچنان به قوت خود باقی است. نایر توضیح می‌دهد که در گذشته، یک مهندس نرم‌افزار شاید ۲۰ درصد از زمان خود را صرف کدنویسی و ۲۰ درصد دیگر را صرف تست و آزمودن نرم‌افزار می‌کرد؛ اما امروزه هوش مصنوعی می‌تواند بخش عمده وظایف کدنویسی را بر عهده بگیرد و در نتیجه، مهندسان به مهارت‌های تفکر انتقادی و قضاوت مهندسی برای ارزیابی خروجی‌های این فناوری نیاز دارند.

علاوه بر این، مهندسان فرصت‌های بسیار بیشتری برای اثرگذاری در بخش‌های گوناگون کسب‌وکار پیدا کرده‌اند؛ از تعامل مستقیم با مشتریان و تیم‌های بازاریابی گرفته تا پیاده‌سازی و بازگرداندن آموخته‌های خود در محصولاتی که خلق می‌کنند.

هرچند مهندسان امروزی ممکن است نقش‌های متعددی را هم‌زمان ایفا کنند و همکاری نزدیکی با تیم‌های مختلف داشته باشند، اما همچنان به تخصص عمیق در زمینه کاری خود و همچنین درک چگونگی تأثیرگذاری کارشان بر تجربه مشتریان و همکاران نیازمندند.

نایر یادآور می‌شود که بدون این دانش مضاعف و تخصص عمیق، انجام هر کار معنادار و ارزشمندی برای مهندسان فوق‌العاده دشوار خواهد بود.

با این‌همه، در حالی که تخصص در یک حوزه مزیتی چشمگیر به شمار می‌آید، کارکنان باید انعطاف‌پذیری خود را نیز حفظ کنند. نایر باور دارد که هیچ نیرویی قدرتمندتر از این نیست که کارکنان، تخصص عمیق را با رفتارهای حرفه‌ای درست در هم آمیزند و از ابزارهای هوش مصنوعی نیز نهایت بهره را به نفع خود ببرند.

نایر در توصیف چنین ترکیب برنده‌ای می‌گوید: «این یک ترکیب فوق‌العاده کشنده و بی‌رقیب است.»

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

سرکشی ایجنت‌های هوش مصنوعی؛ تنسنت رفتارهای غیرمنتظره در دور زدن سیستم‌های علی‌بابا را تأیید کرد
آخرین اخبار

سرکشی ایجنت‌های هوش مصنوعی؛ تنسنت رفتارهای غیرمنتظره در دور زدن سیستم‌های علی‌بابا را تأیید کرد

شرکت چینی تنسنت تأیید کرد ایجنت‌های هوش مصنوعی فعال روی پلتفرم ابری این مجموعه، رفتارهای پیش‌بینی‌نشده‌ای در وب‌گردی نشان داده‌اند. این بیانیه پس از انتشار گزارشی صادر شد که نشان می‌دهد این ایجنت‌ها بیش از ۲۶۰۰ بار برای استخراج داده از سرویس نقشه علی‌بابا و دور زدن لایه‌های امنیتی آن تلاش کرده‌اند.

۲ دقیقه مطالعه
۰
۲۴ مهر
امنیت واقعی برای چت‌های هوش مصنوعی؛ مرورگر بریو مکالمات کاربران را با سخت‌افزار ایزوله رمزنگاری سرتاسری می‌کند
آخرین اخبار

امنیت واقعی برای چت‌های هوش مصنوعی؛ مرورگر بریو مکالمات کاربران را با سخت‌افزار ایزوله رمزنگاری سرتاسری می‌کند

مرورگر بریو با بهره‌گیری از محیط اجرای معتمد سخت‌افزاری و پروتکل‌های پیشرفته رمزنگاری، امکان گفت‌وگوی کاملاً محرمانه با مدل هوش مصنوعی GLM 5.3 Flash را فراهم کرده است. در این معماری نوین، حتی خود توسعه‌دهندگان نیز به محتوای پرامپت‌ها و هویت کاربران دسترسی نخواهند داشت.

۳ دقیقه مطالعه
۰
۲۴ مهر
آموزش ارجاع به منبع در دل وزن‌های هوش مصنوعی؛ روش ابداعی Cite Pretrain وابستگی به جستجوی وب را حذف می‌کند
آخرین اخبار

آموزش ارجاع به منبع در دل وزن‌های هوش مصنوعی؛ روش ابداعی Cite Pretrain وابستگی به جستجوی وب را حذف می‌کند

پژوهشگران روش آموزشی جدیدی به نام Cite Pretrain توسعه داده‌اند که به مدل‌های زبانی یاد می‌دهد بدون نیاز به سیستم‌های بازیابی خارجی، منابع را مستقیماً از حافظه درونی خود ارجاع دهند. این رویکرد نوین با ذخیره پیوند میان داده‌ها و اسناد در وزن‌های مدل، چالش‌های سامانه‌های سنتی RAG را برطرف می‌کند.

۲ دقیقه مطالعه
۰
۲۴ مهر