هوش مصنوعی و خلاقیت کارکنان: چرا خروجی یکسان، نتیجه‌های متفاوت می‌سازد؟

دو کارمند یک تیم بازاریابی، یک سوال مشابه را از یک ابزار هوش مصنوعی می‌پرسند: «برای این کمپین چه ایده‌ای پیشنهاد می‌دهی؟» یکی از آن‌ها همان پاسخ اول را کپی می‌کند و برای تایید می‌فرستد. اما کارمند دیگر وقتی که همان پاسخ را می‌خواند، دو فرض آن را رد می‌کند، از یکی از تجربه‌هایش یک مثال به آن جواب اضافه می‌کند و چیزی می‌سازد که شبیه پاسخ اول نیست، حتی چیزی که پیش از این دیده بود هم نیست؛ بلکه ترکیبی از پاسخ هوش مصنوعی و تجربه شخصی اوست. هر دو نفر به ابزار یکسانی دسترسی داشتند؛ اما نتیجه‌ای که تحویل داده‌اند مشابه هم نبوده. توصیفی از رابطه‌ی هوش مصنوعی و خلاقیت کارکنان با همین تفاوت در نتیجه‌ای که توسط دو کارمند مختلف به دست آمد بیان شد.

هوش مصنوعی خلاقیت را از بین نمی‌برد

هوش مصنوعی باعث نمی‌شود که خلاقیت از بین برود. حتی هوش مصنوعی تضمین نمی‌کند که با استفاده از آن بتوانید در کارها خلاقیت ایجاد کنید. تفاوت در نتیجه، حاصل فاصله بین دریافت یک پاسخ و انجام کاری با آن پاسخ است. کارمندی که این فاصله را طی می‌کند و اصلاحات لازم را روی خروجی آن انجام می‌دهد، از ابزار یاد می‌گیرد. کارمندی که این فاصله را نادیده می‌گیرد، با اینکه سرعتش در انجام کارها بالا می‌رود، اما چیزی به مهارتش اضافه نمی‌شود.

سه رفتار، سه نتیجه‌ی متفاوت

سازمان‌هایی که از هوش مصنوعی استفاده می‌کنند، سه الگوی رفتاری در آن‌ها قابل مشاهده است:

توانایی ارزیابی و پردازش اطلاعات

این کارکنان به خاطر توانایی‌ای که در ارزیابی و پردازش اطلاعات دارند، می‌توانند از کارکنانی که فقط خروجی‌ هوش مصنوعی را تحویل می‌دهند، متفاوت شوند. مدیری که این توانایی را دارد، وقتی یک تحلیل رقابتی از هوش مصنوعی می‌گیرد، بلافاصله متوجه می‌شود که کدام بخش بازار در تحلیل دیده نشده، کدام فرض با مشاهدات واقعی‌اش هم‌خوانی ندارد و کجای پیشنهاد را باید با شرایط خاص کسب‌وکارش تطبیق دهد. اگر آن مدیر این توانایی را نداشت، با استفاده از ابزار فقط سرعتش بالا می‌رفت. با اینکه خروجی مرتب‌تر و حرفه‌ای‌تر به نظر می‌رسد، اما کسی از خودش نمی‌پرسد که آیا استدلالی که پشت این خروجی وجود دارد، درست است یا نه.

هزینه‌ای که راحتی زیاد به همراه دارد

وقتی رسیدن به یک پاسخ «قابل‌قبول» چند ثانیه طول می‌کشد، انگیزه‌ی جست‌وجوی پاسخ بهتر کم‌رنگ می‌شود. این اتفاق را حتی در محیط‌های آموزشی حرفه‌ای هم می‌توانید ببینید؛ در جلساتی که قرار بود اعضای یک گروه تخصصی، یافته‌ها و کاربردهای تازه‌ی هوش مصنوعی را با هم به اشتراک بگذارند، با گذشت زمان تعداد ایده‌های واقعاً تازه کاهش پیدا کرد. تعداد کمی بودند که کار اکتشاف را انجام می‌دادند و بقیه فقط منتظر می‌ماندند تا از نتیجه‌ی آن بهره‌مند شوند. اینجاست که تنها سهولت دسترسی به دانش کافی نیست. اگر افراد ببینند که بدون هیچ هزینه‌ای می‌توانند از یافته‌های دیگران استفاده کنند، آن وقت افراد کمتری وقت می‌گذارند تا خودشان چیزی کشف کنند.

یک مانع کوچک، نتیجه‌ای بزرگ

برای برطرف کردن این مشکل نیازی نیست که استفاده از هوش مصنوعی را کاملاً ممنوع یا محدود کنید. قبل از دریافت پاسخ آماده، فقط یک کار کوچک انجام دهید. در یکی از تجربه‌های عملی این ایده، از شرکت‌کنندگان یک دوره‌ی مدیریتی خواسته شد که پیش از اینکه در جلسه‌ی اشتراک‌گذاری حضور پیدا کنند، شواهدی از تلاش مستقل خودشان ارائه دهند؛ حتی اگر آن تلاش ناقص یا ناموفق باشد. بعد از آن هر شرکت‌کننده به‌طور میانگین دو مسئله‌ی متفاوت مطرح کرد و برای هرکدام تقریباً یک راه‌حل جزئی آماده کرده بود؛ چیزی که پیش از این قانون دیده نمی‌شد. همین راه‌حل‌های ناقص، باعث شده که بحث‌های عمیق‌تری در گروه شکل گیرد و برای ترکیب ایده‌ها تلاش کردند. این نوع مانع را می‌توانید در سه سطح مختلف پیاده‌سازی کنید:

جایی که این روش لازم نیست

این مانع را نباید همه‌جا اعمال کنید. کارهای روتین مثل خلاصه‌کردن یک گزارش، قالب‌بندی یک ارائه یا ویرایش زبانی یک متن، کارهایی هستند که به‌سرعت باید انجام شوند و سرعت مهم‌تر از یادگیری است و اضافه‌کردن اصطکاک فقط باعث اتلاف وقت می‌شود. این قدم کوچک، جایی ارزش دارد که تصمیم، قضاوت یا تحلیلی در میان باشد که سازمان نیاز دارد در آن کارکنانش را از لحاظ فکری رشد دهد، نه اینکه فقط سریعاً به خروجی برسد.

چطور این افراد را در تیم تشخیص دهیم

در ارزیابی عملکرد یا حتی در مصاحبه‌ی استخدام، دو نشانه معمولاً این تفاوت را آشکار می‌کند. اول اینکه فرد می‌داند چه کاری را باید به هوش مصنوعی بسپارد و چه کاری را خودش انجام دهد. این افراد برای انجام کارهایی که به هوش مصنوعی می‌دهند، درخواست‌های مشخص و هدفمند دارند، و کار را به‌صورت کلی و بی‌جهت واگذار نمی‌کنند. دوم اینکه وقتی از ابزار پاسخی می‌گیرد، آن را رها نمی‌کند؛ از آن می‌خواهد استدلالش را توضیح دهد، ناسازگاری‌ها را نشان دهد و داده‌های واقعی خودش را وارد گفت‌وگو کند و هوش مصنوعی را درباره پاسخ‌هایش به چالش می‌کشد. کسی که این دو رفتار را ندارد، همان خروجی اولیه را بدون تغییر تحویل می‌دهد و روی آن ویرایشی انجام نمی‌دهد. حتی اگر ظاهر آن حرفه‌ای به نظر برسد.

اقدامات لازم برای شروع

• از کارکنان بخواهید پیش از استفاده از هوش مصنوعی برای تحلیل‌های مهم، ابتدا برداشت اولیه‌ی خودشان را یادداشت کنند.
• در جلسات تیمی، به ایده‌های ناقص هم به‌اندازه‌ی راه‌حل‌های کامل ارزش بدهید و آن‌ها را تشویق کنید.
• این نوع مانع را برای کارهای تکراری به کار نبرید و از آن برای تصمیم‌هایی که نیاز به قضاوت دارند استفاده کنید.
• در بازخورد عملکرد فقط به خروجی نهایی او نگاه نکنید و نحوه‌ی تعامل فرد با هوش مصنوعی را هم در نظر بگیرید.

جمع‌بندی

نوع ابزار و هوش مصنوعی که سازمان‌های مختلف استفاده می‌کنند تعیین نمی‌کند که آن سازمان رشد می‌کند یا اینکه در رشد خود گیر می‌کند. تفاوت آنجاست که ببینید در آن سازمان پاسخ اول، نقطه‌ی پایان تلقی می‌شود یا نقطه‌ی شروع کار است. هر چیزی که باعث شود کارمند وادار شود قبل از گرفتن جواب خودش هم فکر کند، همان چیزی است که خلاقیت را زنده نگه می‌دارد.