سواد هوش مصنوعی دیگر برای کسب‌وکارها کافی نیست؛ مهارت‌های کلیدی جدید کدامند؟

مفهوم «سواد هوش مصنوعی» این روزها همه‌جا به گوش می‌رسد؛ با این حال، داشتن آشنایی مقدماتی با این فناوری دیگر برای بسیاری از کسب‌وکارها کافی نیست. پرسش اساسی این است که سازمان‌ها اکنون به چه چیزی نیاز دارند؟ پاسخ کوتاه این است: تسلط کاربردی گسترده در میان اعضای تیم‌ها و تخصص عمیق و متمرکز در میان گروهی از افراد کلیدی.

در وهله اول، سواد هوش مصنوعی چیست؟

تعاریف گوناگونی برای سواد هوش مصنوعی وجود دارد که اغلب به زمینه و محیط کاربرد آن وابسته‌اند؛ برای نمونه، تعریفی که برای دانش‌آموزان ارائه می‌شود با تعریف مناسب برای محیط‌های حرفه‌ای تفاوت دارد. با بررسی تعاریف معتبر، سواد هوش مصنوعی در محیط‌های کاری معمولاً شامل مهارت‌های زیر است:

• توانایی کار با ابزارهای پایه‌ای هوش مصنوعی مانند ChatGPT، Gemini یا Claude برای انجام امور روزمره.
• درک عمومی از نقشی که این ابزارها می‌توانند در جریان‌های کاری روزانه ایفا کنند و آشنایی با قوانین و خط‌مشی‌های سازمانی درباره نحوه استفاده از آن‌ها؛ از جمله کاربرد هوش مصنوعی برای پژوهش‌های مقدماتی، ایده‌پردازی و ساخت اسلایدهای ارائه.
• درک کلی از ریسک‌های حریم خصوصی، امنیت داده‌ها و مخاطرات تجاری ناشی از به‌کارگیری این فناوری‌ها.

با گسترش هوش مصنوعی، مهارت‌هایی چون «مهندسی پرامپت» (Prompt Engineering) به واژه‌هایی رایج تبدیل شدند. توانایی نوشتن دستورات و پرامپت‌های مناسب برای انجام وظایف یادشده، نمونه بارزی از سواد پایه هوش مصنوعی به‌شمار می‌رود.

چرا سواد پایه دیگر کافی نیست؟

دلایل متعددی وجود دارد که نشان می‌دهد چرا سواد پایه هوش مصنوعی، با تعریفی که ارائه شد، روزبه‌روز برای سازمان‌ها ناکافی‌تر می‌شود:

1. استفاده از هوش مصنوعی ساده‌تر شده، اما تلفیق آن با تخصص کاری دشوار است. نسخه‌های اولیه مدل‌های زبانی بزرگ نظیر ChatGPT برای ارائه پاسخ‌های مناسب نیازمند ساختاربندی دقیق پرامپت بودند. اکنون با هر به‌روزرسانی جدید، مدل‌ها توانایی بیشتری در درک قصد و منظور کاربر پیدا کرده‌اند، حتی اگر درخواست به‌درستی صورت‌بندی نشده باشد. این مدل‌ها هم‌چنین می‌توانند با مطرح‌کردن پرسش‌های تکمیلی، به کاربر کمک کنند تا خواسته‌اش را شفاف‌تر بیان کند. این روند سبب شده مهارت اصلی دیگر در نحوه نوشتن پرامپت خلاصه نشود، بلکه هنر تشخیص مسئله درست و پرسیدن سؤالات متناسب با حوزه تخصصی، اهمیت بنیادین پیدا کند.
2. واحد کار هوش مصنوعی از فرد مجهز به ابزار، به هماهنگی ایجنت‌ها با یکدیگر تغییر کرده است. تسلط فردی روی یک ابزار خاص، به‌تنهایی یک دارایی سازمانی پایدار به‌شمار نمی‌رود. برای نمونه، در یک آزمون شرکت OpenAI حدود ۱٬۲۰۰ ایجنت هوش مصنوعی که قرار بود مستقل از هم فعالیت کنند، راهی برای ارتباط و هماهنگی پیدا کردند و حدود ۷۰۰ مورد از آن‌ها به پلتفرم Hugging Face حمله کردند. این ماجرا نشان داد که ایجنت‌ها دست‌کم در محیط‌های آزمایشی قادر به سازماندهی خودجوش در مقیاس وسیع هستند. بنابراین، مدیریت و هدایت مجموعه‌ای از ایجنت‌ها مهارتی کاملاً متفاوت با کار ساده با یک ابزار در مرورگر وب است.
3. واداشتن هوش مصنوعی به انجام دقیق خواسته سازمانی دشوار است و به درک عمیق فناوری نیاز دارد. اگرچه هوش مصنوعی در استنباط منظور کاربر از روی درخواست‌های ناقص مهارت یافته، اما این موضوع تضمین نمی‌کند که خروجی حاصل با استانداردها و معیارهای پذیرفته‌شده کسب‌وکار مطابقت داشته باشد. این چالش فنی «هم‌ترازی» (Alignment) با اهداف تجاری نام دارد. سواد ساده هوش مصنوعی تنها به شناخت ریسک‌های کلان نظیر حریم خصوصی محدود می‌شود، اما تسلط واقعی یعنی درک چگونگی انحراف سیستم؛ اینکه چطور یک پاسخ در ظاهر درست به نظر می‌رسد اما اصول کاری یا ارزش‌های کسب‌وکار را نقض می‌کند. در همان رویداد حمله جمعی ایجنت‌ها، بسیاری از آن‌ها به‌جای حل مسئله تعیین‌شده، به تقلب در سیستم امتیازدهی روی آوردند. شناسایی و پیش‌گیری از چنین انحرافاتی هم به تخصص عمیق در زمینه کاری و هم به شناخت فنی از نحوه کارکرد هوش مصنوعی نیاز دارد.

اگر سواد ساده کافی نیست، کسب‌وکارها به چه چیزی نیاز دارند؟

هر کسب‌وکاری امروز به دو بال اساسی نیاز دارد: «تسلط کاربردی فراگیر بر هوش مصنوعی» (AI Fluency) در سطح تیم‌ها و «تخصص و استادی هدفمند» (AI Mastery) در میان افراد کلیدی. برای درک بهتر این تمایز، می‌توان از یک تشبیه ملموس استفاده کرد:

• سواد هوش مصنوعی: معادل توانایی ساده خواندن و نوشتن است. در دنیای اداری، این مرحله شبیه توانایی باز کردن و خواندن یک ایمیل ساده است.
• تسلط کاربردی بر هوش مصنوعی: بسیار فراتر از خواندن و نوشتن ساده است؛ این مهارت یعنی توانایی حل مسائل واقعی در تعامل با همکاران، پیوند دادن هوش مصنوعی به نیازهای تخصصی صنعت و هماهنگ‌سازی آن با فرایندهای سازمان. مدیریت ایجنت‌های هوشمند در تیم‌ها و توانایی ارزیابی و انتخاب تامین‌کنندگان ابزارهای هوش مصنوعی در این دسته قرار می‌گیرند. در مثال ایمیل، تسلط کاربردی به معنای استفاده موثر از ایمیل برای مذاکره، حل تعارضات کاری و پیشبرد پروژه‌ها بر پایه درک تخصصی است.
• تخصص و استادی در هوش مصنوعی: توانایی ساخت، استقرار، بهینه‌سازی و ایمن‌سازی سیستم‌های هوشمندی است که کسب‌وکار به آن‌ها تکیه دارد. این مفهوم شامل تنظیم دقیق مدل‌ها، مهندسی زیرساخت و مقابله با رخدادهای غیرعادی و امنیتی می‌شود. هر کسب‌وکاری حتماً به افراد صاحب این تخصص نیاز دارد، اما قرار نیست تک‌تک کارکنان سازمان در این سطح باشند؛ همان‌طور که ساخت و حفظ امنیت سرورهای ایمیل کار متخصصان شبکه و امنیت است و سایر کارمندان فقط از سیستم ایمن استفاده می‌کنند.

معیار غیرقابل‌مذاکره: بازگشت سرمایه

معیار اصلی و غیرقابل‌مذاکره در دنیای تجارت همواره نرخ بازگشت سرمایه (ROI) است. هر یک از این سطوح مهارتی چه نقشی در تحقق سودآوری ایفا می‌کنند؟

• سواد هوش مصنوعی، شرط اولیه ورود: این سطح صرفاً نقطه شروع است. استخدام کارمندی بدون سواد هوش مصنوعی، درست مثل استخدام فردی است که حتی خواندن و ارسال ایمیل را بلد نباشد.
• تسلط کاربردی، معیار استاندارد جدید: این مهارت باید در تمام تیم‌هایی که کارشان با فناوری گره خورده است جاری باشد؛ چراکه نیازهای تجاری را به قابلیت‌های عملیاتی هوش مصنوعی در جریان‌های کاری تبدیل می‌کند. تحقق بهره‌وری واقعی و بازگشت سرمایه دقیقاً در همین نقطه و با ادغام عملیاتی هوش مصنوعی رخ می‌دهد.
• تخصص عمیق، موتور محرک نوآوری و امنیت: سازمان‌ها به تعداد محدودی متخصص زبده نیاز دارند تا به رویدادهای غیرمنتظره رسیدگی کنند، نقشه راه استقرار فناوری‌های نوین را ترسیم نمایند و بستر امن لازم برای تسلط کاربردی سایر کارکنان را فراهم سازند. این متخصصان، پشتیبان و سوخت موتور بازگشت سرمایه در شرکت هستند.

به بیان خلاصه: سواد هوش مصنوعی نقطه آغاز است، تسلط کاربردی استاندارد پایه محسوب می‌شود و تخصص عمیق همان شایستگی ویژه‌ای است که سازمان تنها به تعداد انگشت‌شماری از صاحبان آن نیاز دارد.