انارنامه/مجله
مجله
هوش مصنوعی در محیط کار؛ وعده‌ی سبک‌تر شدن کار و هزینه‌ای که کمتر دیده می‌شود
۵ مهر ۱۴۰۵
مدیر محصولی را تصور کنید که این هفته برای اولین بار خودش کد نوشت؛ چون یک ابزار هوش مصنوعی مسیر را نشانش داد. ناهار را جلوی لپ‌تاپ خورد و همان‌جا پرامپتی فرستاد تا موقع برگشتن، جواب آماده باشد. عصر راضی بود، چون کارهایی را جلو برده بود که مدت‌ها معطل مانده بود. اما فهرست کارهای باز او از همیشه بلندتر شده بود. این تجربه، علامت سؤالی را برای مدیران سازمان ایجاد کرده که زمانی را که ابزار صرفه‌جویی می‌کند، دقیقاً برای چه چیزی خرج می‌شود؟
هوش مصنوعی در محیط کار امروز چه کارهایی را از دوش کارکنان برمی‌دارد؟
هوش مصنوعی پیش‌نویس ایمیل و سند را می‌نویسد، صورت‌جلسه را خلاصه می‌کند، پیدا کردن خطا در کد و کنار هم گذاشتن اطلاعات چند فایل هم ازکارهایی است که کارکنان به ابزارهای هوش مصنوعی می‌سپارند. در واحد منابع انسانی می‌توانید درخواست‌های مرخصی و نامه‌های اداری را پیش از رسیدن به کارشناس دسته‌بندی کنید تا وقت‌تان را برای مواردی که نیازمند قضاوت است، صرف کنید. حتی ایجنت‌ها، چند مرحله از یک کار را پشت سر هم و بدون دخالت دائمی انسان پیش می‌برند.
سود واقعی است، اما همه یک اندازه از آن بهره نمی‌برند
در پژوهشی میدانی روی پشتیبان‌های مشتری یک شرکت نرم‌افزاری، ابزار پیشنهاددهنده بیشترین کمک را به کارکنان تازه‌کار کرد و برای کاربلدها اثر ناچیزی داشت؛ انگار تجربه‌ی همکاران ماهر به تازه‌واردها منتقل می‌شد. پژوهشگران BCG هم گزارش کرده‌اند وقتی هوش مصنوعی جای کارهای تکراری و فرساینده را می‌گیرد، نشانه‌های فرسودگی کاهش می‌یابد. اما اگر فقط یک لایه‌ی نظارتی تازه اضافه شود، سود از میان می‌رود.
تفاوت حس انجام سریع کار با اندازه‌گیری‌ها
کارکنان با وجود هوش مصنوعی بهره‌ورتر بودن را حس می‌کنند ولی کم‌کارتر نمی‌شوند؛ بعضی حتی خود را پرمشغله‌تر می‌دانند. در آزمایشی کنترل‌شده روی برنامه‌نویسان باتجربه هم آن‌ها با استفاده از ابزار خود را سریع‌تر می‌دیدند، اما زمان‌سنجی خلافش را ثبت کرد. همان گروه پژوهشی بعدتر گفت که با مدل‌های جدیدتر آن نتیجه دیگر تصویر دقیقی نیست. همچنین میان انتظار مدیران از بهره‌وری و تجربه‌ی کارکنان از حجم کار، فاصله‌ای وجود دارد. حس کارآمدی و کارآمدی واقعی الزاماً هم‌جهت نیستند و سازمان باید هر دو را بسنجد.
زمان آزادشده کجا می‌رود؟
پژوهشگران هشت ماه یک شرکت فناوری آمریکایی با حدود ۲۰۰ کارمند را دو روز در هفته حضوری مشاهده کردند، کانال‌های ارتباط داخلی را ردیابی کردند و بیش از ۴۰ مصاحبه انجام دادند. کاربران هوش مصنوعی سریع‌تر کار می‌کردند، دامنه‌ی وظایف آن‌ها گسترده‌تر بود و ساعت بیشتری کار می‌کردند. آن‌ها این کار را اغلب بدون اینکه کسی از آن‌ها بخواهد انجام می‌دادند. شرکت افراد را به استفاده از ابزار مجبور نکرده بود و فقط اشتراک‌ها را تهیه کرده بود. کارکنان خودشان سراغ کار بیشتر رفتند، چون با ابزار، انجام دادن کار بیشتر، شدنی، دم‌دست و گاهی خوشایند به نظر می‌رسید. این اتفاق یک حلقه‌ی خودتقویت‌شونده ایجاد می‌کند. سرعت بالاتر وقتی کاری زودتر تمام می‌شود، تبدیل به یک معیار می‌شود. کسی دستوری به سریع انجام دادن کار نداده است اما چون این سرعت در کار روزمره عادی می‌شود، کافی است. این معیار تازه آدم‌ها را بیشتر به ابزار وابسته می‌کند. وابستگی بیشتر دامنه‌ی کار را باز می‌کند و دامنه‌ی بازتر، حجم و تراکم کار را بالاتر می‌برد. یکی از مهندس‌ها گفته بود انتظار داشت با صرفه‌جویی زمانی کمتر کار کند، اما در عمل همان‌قدر یا بیشتر کار می‌کند.
روز کاری که تمام نمی‌شود
شروع کردن با ابزار هوش مصنوعی آن‌قدر کم‌هزینه است که کارکنان هنگام ناهار، وسط جلسه، یا پیش از ترک میز از آن استفاده می‌کنند. با یک «پرامپت آخر» ابزار در غیاب آن‌ها کار می‌کند. نوشتن پرامپت هم شبیه چت است و حس رسمی‌بودن را کم می‌کند، پس کار حتی به عصر و صبح زود هم منتقل می‌شود. مکث‌هایی که قبلاً ذهن را بازیابی می‌کردند کم‌کم اثرشان را از دست می‌دهند و کار حالتی «محیطی» پیدا می‌کند. کار تبدیل به چیزی می‌شود که همیشه می‌توان کمی جلوترش برد. مرز کار و استراحت هنوز سر جایش است، اما عبور از آن بی‌زحمت شده. گزارش‌های رفتار دیجیتال کارکنان همین الگو را نشان می‌دهند یعنی پیام و ایمیل بیشتر، زمان تمرکز کمتر.
وقتی نقش‌ها بزرگ‌تر می‌شوند، همکاران هم بارش را می‌کشند
ابزار خلأ دانش را پر می‌کند و باعث می‌شود آدم‌ها کارهایی را انجام دهند که قبلاً شخص دیگری مسئول انجامش بود. مدیر محصول کد می‌نویسد، وظایف مهندسی را پژوهشگر انجام می‌دهد و کارهایی که قبلاً برون‌سپاری می‌شدند، به میز کارکنان فعلی برمی‌گردند. قبلاً برای انجام این کارها شخص دیگری استخدام می‌شد اما الان مسئولیت انجام این کارها به عهده همکاران است. مهندس‌ها زمان بیشتری صرف بازبینی و راهنمایی کدی می‌کنند که دیگران با کمک ابزار نوشته‌اند، و این بار در هیچ برنامه‌ای ثبت نمی‌شود.
خستگی ذهنی ناشی از ایجنت‌های هوش مصنوعی
داشتن یک «شریک» حس حرکت می‌دهد، ولی در عمل توجه مدام جابه‌جا می‌شود، خروجی‌ها باید بارها بررسی شوند و کارهای باز روی هم انباشته می‌شوند. پژوهشگران BCG برای وضعیتی که ذهن مجبور است همزمان بر ابزارهای مختلفی نظارت کند، اصطلاح «AI brain fry» را به کار برده‌اند. شرکت‌کنندگان از مه‌گرفتگی ذهنی، کندی تصمیم‌گیری و نیاز به دور شدن از صفحه حرف زده‌اند. این خستگی ذهنی است و با فرسودگی شغلی، که خستگی عاطفی است، فرق دارد. بهره‌وری احساس‌شده هم با افزودن ابزار تا یک حدی بالا می‌رود و بعد از آن حد پایین می‌آید.
چرا سازمان‌ها فشار ناشی از هوش مصنوعی در محیط کار را نمی‌بینند؟
چون تلاش اضافی داوطلبانه است و اغلب به‌شکل آزمایشی لذت‌بخش روایت می‌شود، مدیران بار واقعی را نمی‌بینند. همچنین بسیاری از کارکنان استفاده‌ی خود را اعلام نمی‌کنند، چون می‌ترسند بقیه به آن‌ها برچسب تنبلی بزنند یا چون سیاست شرکت روشن نیست. در آزمایشی که همکاران یک کار یکسانی را ارزیابی کردند، وقتی می‌دانستند با هوش مصنوعی ساخته شده، قضاوتشان منفی‌تر بود. مدیر حجم کار را نمی‌بیند؛ او حتی روش انجام کار را هم نمی‌بیند، و کسی که خسته است دلیلی برای مطرح کردن آن ندارد.
تمرین هوش مصنوعی: چارچوبی برای مدیریت هوش مصنوعی در سازمان
«تمرین هوش مصنوعی»، مجموعه‌ای از هنجارها و روال‌های عمدی است که تعیین می‌کند ابزار چگونه، تا کجا و چه زمانی به کار برود. نمی‌توانید از کارکنان بخواهید خودشان از پس این تنظیم برآیند؛ باید ساختاری ایجاد کنید که کمکشان کند. در استفاده از هوش مصنوعی در سازمان، این اهرم‌ها به کار می‌آیند:
قاعده‌ی روشن
پیش از مطالبه‌ی صداقت درباره‌ی استفاده، مشخص کنید چه کاربردی مجاز است و خروجی به چه کیفیتی باید برسد. برنامه‌ی پیاده‌سازی شفاف و مدیری که فعالانه حمایت می‌کند، مشارکت بیشتر کارکنان را به همراه دارد.
مکث‌های عمدی
پیش از تصمیم‌های مهم، از تیم بخواهید برای یک استدلال مخالف و پیوند صریح تصمیم با هدف سازمان وقت بگذارد. این مکث کار را کند نمی‌کند و جلوی انباشت بی‌صدای فشار را می‌گیرد.
توالی‌بندی
اعلان‌های غیرفوری را دسته‌بندی کنید، گزارش پیشرفت و خروجی ابزارها را هم برای پایان یک کار یا فاصله‌ی جلسه‌ها نگه دارید و بخشی از روز را برای کار عمیق کنار بگذارید و در آن ساعت‌ها از هیچ‌کس انتظار پاسخ فوری نداشته باشید تا کسی مجبور نباشد به هر خروجی ابزار فوراً واکنش نشان دهد.
سقف نظارت
تعداد جریان‌های کاری هوش مصنوعی که یک نفر همزمان باید وارسی کند محدود باشد.
پیوند انسانی
بررسی‌های کوتاه و گفتگوی ساختاریافته بین همکاران، درگیری انفرادی با ابزار را می‌شکند. ابزار یک دیدگاه ترکیب‌شده می‌دهد، ولی مواجهه با دیدگاه‌های مختلف انسانی می‌تواند شما را به بینش خلاق برساند.
اندازه‌گیری دوگانه
میزان استفاده را کنار مشارکت کارکنان و حجم اصلاح و بازکاری دنبال کنید. اگر استفاده بالا برود و مشارکت پایین بیاید، احتمالاً سرعت گرفته‌اید و فشار هم بیشتر شده است.
پرسشی که باید پیش از پذیرش پاسخ داد
هوش مصنوعی در محیط کار، انجام کار بیشتر را ساده می‌کند و توقف و استراحت را دشوار می‌کند. اگر سازمانی ریتم استفاده را خودش انتخاب نکند، ابزار و عادت‌های روزمره‌ی کارکنان برایش انتخاب می‌کنند. مدیران باید بپرسند که کارکنان با زمان آزادشده چه کنند و چه کسی این تصمیم را می‌گیرد.