مقدمه

هوش مصنوعی دیگر یک فناوری حاشیه‌ای یا آینده‌نگرانه نیست؛ این فناوری اکنون در بسیاری از محیط‌های کاری، از تحلیل داده و تولید محتوا تا تصمیم‌گیری مدیریتی و طراحی فرایندها حضور دارد. مسئله اصلی برای سازمان‌ها این نیست که آیا از هوش مصنوعی استفاده کنند یا نه، بلکه این است که چگونه آن را به‌گونه‌ای به کار بگیرند که توان انسان را تقویت کند، کیفیت تصمیم‌ها را بالا ببرد و ریسک‌های جدید ایجاد نکند. همکاری با هوش مصنوعی در سازمان اهمیت بالایی دارد

پژوهشگران حاضر در کنفرانس سالانه «ابتکار اقتصاد دیجیتال MIT» پنج نکته کاربردی را برای همکاری مؤثر انسان و هوش مصنوعی مطرح کرده‌اند.

۱. طراحی هوش مصنوعی را متناسب با کاربران انجام دهید

همکاری موفق میان انسان و هوش مصنوعی فقط به قدرت فنی مدل وابسته نیست؛ تناسب میان ویژگی‌های کاربر و شیوه رفتار سامانه هوشمند نیز اهمیت دارد. پژوهش سینان آرال، استاد MIT Sloan و مدیر ابتکار اقتصاد دیجیتال MIT، نشان می‌دهد که عملکرد تیم انسان و هوش مصنوعی زمانی بهتر می‌شود که ویژگی‌های رفتاری و شیوه پاسخ‌گویی سامانه با نیاز کاربر هماهنگ باشد.

برای نمونه، در یکی از مطالعات، افراد برون‌گرا هنگام همکاری با یک هوش مصنوعی دارای ویژگی برون‌گرایانه نتایج بهتری به دست آوردند؛ اما ترکیب فرد برون‌گرا با هوش مصنوعی بسیار وظیفه‌شناس، عملکردی پایین‌تر از میانگین ایجاد کرد. این یافته نشان می‌دهد انتخاب یک مدل واحد برای همه کارکنان، لزوماً بهترین راهکار نیست.

پژوهش‌ها درباره «مدل‌های ذهنی» نیز نکته مهمی را آشکار می‌کنند. افراد معمولاً سامانه‌ای را ترجیح می‌دهند که با دیدگاه‌های آنان هم‌سو باشد، اما گاهی توصیه‌های یک مدل متفاوت یا مخالف با پیش‌فرض‌های ذهنی، تصمیم‌های دقیق‌تر و پذیرش توصیه‌های مفیدتری ایجاد می‌کند. بنابراین، طراحی AI باید هم به تناسب با کاربر توجه کند و هم امکان به چالش کشیدن فرض‌های ذهنی او را فراهم سازد.

۲. بررسی کنید آیا هوش مصنوعی واقعاً مشاوره عینی ارائه می‌دهد

اهدافی که در دستور یا پرامپت به هوش مصنوعی می‌دهیم، نوع پاسخی را که دریافت می‌کنیم شکل می‌دهد. وقتی سازمان‌ها از مدل‌های زبانی بزرگ برای تصمیم‌گیری تجاری استفاده می‌کنند، حتی انتخاب چند واژه می‌تواند جهت توصیه‌ها را تغییر دهد.

برای مثال، اگر مدل فقط با هدف «بیشینه‌سازی سود» هدایت شود، ممکن است ریسک‌ها را کم‌اهمیت جلوه دهد یا پیشنهاد نکند که اطلاعات حساس به هیئت‌مدیره منتقل شود. اریک سو، استاد MIT Sloan، هشدار می‌دهد که سازمان‌ها گاهی بدون آن‌که متوجه باشند، انگیزه‌ها و سوگیری‌هایی را در مدل وارد می‌کنند که بر چیزی که مدیران در خروجی می‌بینند اثر جدی دارد.

برای کاهش این خطر، بهتر است در دستورها چند هدف هم‌زمان مانند سودآوری، رعایت قانون، پایداری، اخلاق، ایمنی، منافع ذی‌نفعان و مدیریت ریسک لحاظ شود. همچنین توصیه می‌شود خروجی AI از زاویه‌های متفاوت بازبینی و با نظر متخصصان انسانی مقایسه شود.

۳. فقط وظایف را خودکار نکنید؛ گردش کار را بازطراحی کنید

بسیاری از سازمان‌ها هنگام ورود هوش مصنوعی، صرفاً فهرستی از وظایف قابل خودکارسازی تهیه می‌کنند. اما پیمان شهیدی، پژوهشگر دوره دکتری MIT Sloan، پیشنهاد می‌کند به جای تمرکز بر یک وظیفه منفرد، کل زنجیره کار و ارتباط میان وظایف بررسی شود.

نتایج پژوهش او نشان می‌دهد نحوه گروه‌بندی وظایف به اندازه قابلیت خودکارسازی آن‌ها مهم است. ممکن است هوش مصنوعی در برخی کارهای محدود اندکی ضعیف‌تر از انسان باشد، اما اگر چند فعالیت مرتبط به صورت یکپارچه به AI سپرده شود، کاهش رفت‌وبرگشت، نظارت تکراری و انتقال مداوم کار می‌تواند کارایی کل فرایند را افزایش دهد.

بازگشت سرمایه این نوع بازطراحی نیز معمولاً فوری و خطی نیست. گاهی سازمان تا رسیدن به یک «نقطه عطف بازسازمان‌دهی» بهبود چشمگیری نمی‌بیند؛ اما پس از عبور از آن نقطه، مزایای عملیاتی و مالی می‌تواند به شکل محسوسی افزایش یابد.

۴. پیش از عمل به توصیه‌های AI، مکث و ارزیابی کنید

در کسب‌وکار معمولاً حذف اصطکاک یک مزیت تلقی می‌شود؛ برای مثال، اینکه استفاده از AI بسیار آسان باشد و خروجی آن بدون وقفه وارد فرایند کار شود. با این حال، پژوهش رنه ریچاردسون گاس‌لاین، پژوهشگر و مدرس ارشد MIT Sloan، نشان می‌دهد که استفاده بیش از حد آسان و بی‌وقفه از AI می‌تواند تفکر انتقادی را کاهش دهد و ریسک تصمیم‌گیری را بالا ببرد.

در مطالعه تیم او، از افراد خواسته شد پیش از اجرای توصیه هوش مصنوعی توضیح دهند چرا می‌خواهند از آن پیروی کنند. همین مکث کوتاه، اتکای غیرانتقادی به AI را کاهش داد و دقت تصمیم‌ها را بیشتر کرد. حتی پرسش ساده «آیا از این نتیجه مطمئن هستید؟» باعث شد افراد با احتیاط بیشتری به توصیه سامانه اعتماد کنند.

سازمان‌ها می‌توانند در تصمیم‌های مهم، یک مرحله اجباری برای ثبت منطق تصمیم، بررسی منبع داده، ارزیابی ریسک و تأیید انسانی ایجاد کنند. این اصطکاک کوچک، مانع سرعت نیست؛ بلکه یک سازوکار کنترل کیفیت برای تصمیم‌های حساس است.

۵. پیامدهای خودکارسازی بر مشاغل و دستمزدها را دقیق‌تر تحلیل کنید

مدل‌های زبانی بزرگ معمولاً در خودکارسازی وظایف کوتاه، ساختاریافته و تکرارشونده بهتر از وظایف طولانی و پیچیده عمل می‌کنند. طبق پژوهش نیل تامپسون، پژوهشگر ارشد MIT، کارکنان کم‌درآمد سهم بیشتری از این نوع وظایف کوتاه را انجام می‌دهند؛ بنابراین احتمال حذف بخشی از وظایف آنان بیشتر است.

با این حال، حذف وظیفه همیشه به معنای کاهش دستمزد نیست. اگر AI بخش‌های ساده یک شغل را انجام دهد، فعالیت‌های باقی‌مانده ممکن است به تخصص بیشتری نیاز داشته باشند و در نتیجه ارزش و دستمزد شغل افزایش یابد. در مقابل، اگر فعالیت‌های تخصصی خودکار شوند، انجام شغل برای افراد غیرمتخصص آسان‌تر می‌شود، رقابت نیروی کار بالا می‌رود و احتمال کاهش دستمزد وجود دارد.

از این رو، مدیران منابع انسانی و مدیران ارشد باید به جای شمارش ساده مشاغل حذف‌شده، تغییر ترکیب وظایف، نیازهای مهارتی، مسیرهای آموزش مجدد و پیامدهای توزیعی فناوری را بررسی کنند.

جمع‌بندی مدیریتی

استفاده مؤثر از هوش مصنوعی نیازمند چیزی فراتر از خرید ابزار یا صدور مجوز استفاده است. سازمان باید هوش مصنوعی را متناسب با کاربران طراحی کند، اهداف و سوگیری‌های پنهان در پرامپت‌ها را بسنجد، فرایندهای کاری را از نو بچیند، برای تصمیم‌های حساس مکث و کنترل انسانی ایجاد کند و پیامدهای شغلی را بر اساس تغییر وظایف و مهارت‌ها تحلیل کند.

در یک جمله، مزیت رقابتی پایدار زمانی شکل می‌گیرد که AI نه به عنوان جایگزین ساده نیروی انسانی، بلکه به عنوان بخشی از یک سیستم کاری بازطراحی‌شده و مسئولانه به کار گرفته شود.

چک‌لیست اجرایی برای سازمان‌ها

• کاربران و نقش‌های مختلف را شناسایی و ابزار هوش مصنوعی را متناسب با نیاز هر گروه انتخاب کنید.
• پرامپت‌ها و اهداف مدل را از نظر سود، ریسک، اخلاق، قانون و منافع ذی‌نفعان بازبینی کنید.
• به جای خودکارسازی پراکنده، یک فرایند کامل را انتخاب و زنجیره وظایف آن را بازطراحی کنید.
• برای تصمیم‌های مهم، مرحله توضیح منطق، تأیید انسانی و ثبت مسئولیت ایجاد کنید.
• برای کارکنان در معرض تغییر وظایف، برنامه بازآموزی و ارتقای مهارت تدوین کنید.

همکاری با هوش مصنوعی در سازمان

منبع</h1>

ترجمه و بازنویسی بر اساس فایل «۵ Things to Consider When Working With AI» از MIT Sloan School of Management و MIT Initiative on the Digital Economy.