چرا ابزارهای هوش مصنوعی بهتنهایی سودآور نیستند؟ کلید بازگشت سرمایه در مهارت نیروهاست!

استفاده از ابزارهای هوش مصنوعی در محیط‌های کاری با سرعت تمام رو به جلو می‌تازد و هیچ نشانه‌ای از کند شدن آن دیده نمی‌شود. با توجه به اینکه حدود ۸۸ درصد از کسب‌وکارها به شکلی از هوش مصنوعی استفاده می‌کنند، شرکت‌ها حالا با وسواس زیادی به دنبال سنجش بازگشت سرمایه (ROI) هزینه‌های سنگینی هستند که پای این فناوری ریخته‌اند.

سازمان‌ها با مجهز کردن تیم‌های خود به مجموعه‌ای از ابزارهای هوش مصنوعی، قصد دارند با خودکارسازی کارهای روتین، خلاصه‌سازی و تحلیل سریع داده‌ها و ارتقای بهره‌وری، هم هزینه‌ها را کاهش دهند و هم در زمان و انرژی نیروهای کار صرفه‌جویی کنند.

به گفته مدیر ارشد هوش مصنوعی در شرکت تانگستن اتومیشن (Tungsten Automation):

اما در این مسیر یک دست‌انداز جدی وجود دارد؛ بر اساس آمارها، نیمی از کسب‌وکارهای لندن اعلام کرده‌اند که کارکنانشان در حال حاضر مهارت‌های لازم برای برآورده کردن نیازهای هوش مصنوعی سازمان را ندارند. شرکت‌ها حالا با دردسر پرهزینه‌ای روبه‌رو شده‌اند: آن‌ها سود حاصل از سرمایه‌گذاری‌شان را می‌خواهند، اما رسیدن به این سود مستلزم بازنگری اساسی در مهارت‌ها و نقش‌های شغلی است.

کسب‌وکارها باید شجاعانه و مستقیم به جنگ این چالش بروند و میان دانش فنی، خلاقیت و درک عمیق از اهداف تجاری تعادل ایجاد کنند.

اینجا دیگر فقط پای مهارت‌های فنی IT برای امور زیرساختی در میان نیست؛ سواد دیجیتال، ارزیابی نقادانه خروجی مدل‌های هوش مصنوعی و توانایی ادغام این ابزارها در جریان کارهای روزمره، از سطوح ورودی و کارآموزی گرفته تا صندلی مدیران ارشد (C-Suite)، به یک ضرورت حیاتی تبدیل شده است.

شرح وظایف شغلی باید به‌روزرسانی شود

با عمیق‌تر شدن شکاف مهارت‌های دیجیتال، اصلاً عجیب نیست که مثلاً در بریتانیا از هر چهار کارمند، یک نفر نگران از دست دادن شغلش به خاطر هوش مصنوعی باشد. اما واقعیت این است که بازار کار به جای نابودی، در حال تقسیم شدن به دو سطح کاملاً متمایز است.

سطح تخصصی و حرفه‌ای روی نقش‌های ترکیبی تمرکز دارد؛ نقش‌هایی که به قضاوت انسانی وابسته‌اند و درک می‌کنند که ابزارهای هوش مصنوعی دقیقاً به اندازه هوش کسانی که هدایتشان می‌کنند بازدهی دارند. در نقطه مقابل، در سطح عمومی و همگانی کارهای تکراری و مکانیکی بهطور کامل به ابزارهای هوش مصنوعی واگذار می‌شود.

از آنجایی که بیشتر جایگاه‌های کاری در سطح تخصصی قرار می‌گیرند، به حداکثر رساندن بهره‌وری هوش مصنوعی به تفکر انتقادی و قضاوتی وابسته است که فناوری بهتنهایی از عهده آن برنمی‌آید. با این حال، اگر این انتظارات در شرح وظایف شغلی گنجانده نشود، کارفرمایان در نهایت توانمندی‌های واقعی نیروهای خود را بیش از حد خوش‌بینانه برآورد خواهند کرد.

امروزه بسیاری از نقش‌ها با فناوری تنیده شده‌اند، اما بهجز مشاغل تخصصی کامپیوتر، برای بقیه موقعیت‌ها تمام مهارت‌های حیاتی هوش مصنوعی معمولاً در یک بند کلی و خشک مانند «تسلط بر مهارت‌های فنی» خلاصه می‌شود. چیزی که در عمل شاهد آن هستیم، تغییر معیارهای ارزش‌گذاری کارفرمایان است؛ تغییری که زمینه را برای ظهور پدیده‌ای به نام «متخصصان فناورِ خلاق» (Creative Technologists) هموار کرده است.

یک فناور خلاق کسی است که فناوری، خلاقیت و استراتژی تجاری را هم‌زمان می‌فهمد. سازمان‌هایی که چنین نیروهایی را به کار می‌گیرند و پروبال می‌دهند، شانس بسیار بیشتری برای پیشبرد موفق دگرگونی دیجیتال دارند.

جالب اینجاست که امروز خیلی از تیم‌ها پر از چنین افرادی هستند، بدون اینکه خودشان متوجه شده باشند! عواملی مثل ورود هوش مصنوعی مولد به کارهای روزمره، افزایش شدید نیاز به تولید محتوا و همکاری‌های گسترده بین‌رشته‌ای این تحول را رقم زده‌اند.

اما کارفرمایان باید مطمئن شوند شرح وظایف شغلی با این واقعیت همخوانی دارد. یک شرح شغل مدرن و ترکیبی باید دقیقاً مشخص کند فرد قرار است با چه ابزارهای هوش مصنوعی کار کند و چه مهارت‌هایی برای استفاده از آن‌ها نیاز دارد؛ به این ترتیب مواردی مثل تفکر انتقادی از قالب کلمات کلیشه‌ای خارج شده و به ابزارهای واقعی متصل می‌شوند.

اگر کارفرمایان این نکته را درست پیاده کنند، نیروهایی را استخدام خواهند کرد که می‌توانند بهره‌وری واقعی ایجاد کنند، نه اینکه صرفاً دکمه‌های یک ابزار را فشار دهند. موفقیت با هوش مصنوعی نیازمند افرادی است که تسلط فنی، شناخت صنعت و خلاقیت را در هم آمیخته باشند.

بدون چنین نقش‌های ترکیبی، کسب‌وکارها برای مشاهده سودآوری سرمایه‌گذاری‌هایشان و انتخاب ابزار درست برای کار درست، به شدت با مشکل روبه‌رو خواهند شد.

تشویق به آزمایش، آزمون و خطا در سازمان

یادگیری مؤثر تنها در فضایی حمایتی و مشوق رخ می‌دهد. راحت شدن با اصول پرامپت‌نویسی باعث می‌شود ترس نیروها از ابزارهای هوش مصنوعی بریزد؛ همین احساس راحتی است که نشان می‌دهد هوش مصنوعی کجای سازمان واقعاً به کار می‌آید. دست به آزمون و خطا زدن مهم است، حتی اگر در نهایت پروژه‌ای ادامه پیدا نکند. گاهی اوقات آموزنده‌ترین درس این است که بفهمیم چه کارهایی را نباید انجام دهیم!

یکی از بزرگ‌ترین موانع در راه به ثمر نشستن این آزمایش‌ها، پدیده «داده‌های تاریک» (Dark Data) است. بیشتر سازمان‌ها روی کوهی از اطلاعات نشسته‌اند، اما بخش اعظم این داده‌ها در قالب اسناد نامنظم، ایمیل‌ها، فایل‌های PDF و ساختارهای پراکنده‌ای قرار دارند که تحلیل آن‌ها برای مدل‌های هوش مصنوعی فوق‌العاده دشوار است.

این یعنی حتی خوش‌ساخت‌ترین مدل‌ها هم مجبورند با دیدگاهی ناقص و پر از تناقض از وضعیت کسب‌وکار کار کنند؛ نتیجه چیزی جز خروجی‌های غیرقابل اعتماد و پروژه‌هایی نخواهد بود که قبل از مقیاس‌پذیری در نطفه خفه می‌شوند.

برای عبور از این سد، باید داده‌های تاریک را به اطلاعاتی ساختاریافته، معنادار و قابل استفاده تبدیل کرد تا هوش مصنوعی بتواند با خیال راحت روی آن‌ها مانور دهد. وقتی این زیرساخت آماده شد، عملکرد مدل‌ها بسیار قابل‌اعتمادتر می‌شود و انتقال طرح‌های آزمایشی به فاز اجرایی واقعی با سرعت و دقت بسیار بالاتری اتفاق می‌افتد.

برتری و تمایز انسان در عصر ماشین

هوش مصنوعی شاید برنامه‌ریزی را سرعت ببخشد، اما فرمان اجرا همچنان در دست انسان‌هاست. همان‌طور که ابزارها وظایف روتین، پرونده‌سازی و مستندسازی را بر عهده می‌گیرند، باارزش‌ترین مهارت‌ها همان‌هایی می‌شوند که ماشین نمی‌تواند شبیه‌سازی کند: قضاوت عمیق، قصه‌گویی، تفکر خلاق و توانایی رهبری افراد در میانه دگرگونی‌ها.

تقاضای بالا برای متخصصان مسلط بر هوش مصنوعی، نسلی جدید از نیروهای همه‌فن‌حریف و توانمند ایجاد کرده که همان‌قدر که روندها و ابزارهای هوش مصنوعی را درک می‌کنند، در مدیریت ذی‌نفعان و فهمیدن نیازهای مشتریان هم مهارت دارند.

هوش مصنوعی می‌تواند فرایندها و مدارک را خودکار کند، اما هرگز نمی‌تواند یک تیم را رهبری کند، تفاوت‌های ظریف انسانی در ارتباطات را تشخیص دهد یا هدف و مأموریت بنیادین یک شرکت را لمس کند.

در گذشته اگر کسی در یک شغل چند کار مختلف را هم‌زمان انجام می‌داد، شاید ضعف تمرکز تلقی می‌شد؛ اما امروز هوش مصنوعی آن را به یکی از پربازده‌ترین روش‌های کار تبدیل کرده است. این فناوری به نیروها دسترسی به مهارت‌هایی می‌دهد که پیش از این رسیدن به آن‌ها سال‌ها زمان و چندین بار تغییر شغل نیاز داشت.

بنابراین هوش مصنوعی به جای اینکه صرفاً مشاغل را نابود کند، در حال بازتعریف آن‌هاست؛ از نقش‌های ناظر بر هوش مصنوعی گرفته تا بازبین‌های انسانی درون چرخه (Human-in-the-loop).

شکاف مهارتی چالشی واقعی در برابر سازمان‌هاست و برای پشت سر گذاشتن آن، هم کارفرما و هم کارمند باید با شهامت دست به تجربه بزنند تا همگام با این موج تازه حرکت کنند.