مدیریت ایجنت‌های هوش مصنوعی در سازمان: بازنگری در نحوه مدیریت کار

شکافی که در به‌کارگیری ایجنت‌های هوش مصنوعی وجود دارد، معمولاً به فناوری نسبت داده می‌شود؛ انگار مشکل این است که مدیران هنوز نتوانسته‌اند با ابزاری جدید کنار بیایند. برآوردها می‌گویند حدود ۹۴ درصد وظایف مشاغل مرتبط با کامپیوتر و ریاضیات را از نظر تئوری قابل جایگزینی با هوش مصنوعی مولد هستند؛ اما محصولات فعلی شرکت Anthropic فقط حدود یک‌سوم از این ظرفیت را پوشش می‌دهند. کمتر از 10 درصد شرکت‌ها فکر می‌کنند در طراحی تعامل مؤثر بین کارکنان و سیستم‌های هوشمند پیشرفت واقعی داشته‌اند. دقیقاً مدیریت ایجنت‌های هوش مصنوعی در سازمان از نصب یک ابزار جدید شروع نمی‌شود و باید درباره‌ی جایگاهش در کارهای روزمره‌ی تیم تصمیم‌گیری شود.

همکاری با ایجنت‌ها

یک ایجنت هوش مصنوعی وارد تیمی می‌شود که تا دیروز فقط انسان در آن کار می‌کرد، و این ورود ماهیت مسئله را عوض می‌کند. موضوع اینجا مدیریت کار است. چه کسی مسئول چیست؟ اختیارات از کجا تا کجاست؟ اگر کاری اشتباه پیش رفت، چه کسی پاسخگو است؟ هر همکار تازه‌وارد انسانی هم که به سازمان می‌آید، همین سوالات مطرح می‌شوند؛ اما این سوالات برای ایجنت‌ها یا بی‌پاسخ می‌مانند یا با فرض‌های نانوشته پر می‌شوند. سازمانی که این مسئله را نادیده می‌گیرد، صاحب ابزاری قدرتمند می‌شود اما واقعاً نمی‌داند چطور از آن استفاده کند.

شرح شغل واقعی: اولین نقطه شروع

زمانی که تیم بازاریابی یک شرکت یک ایجنت را مسئول پاسخ‌گویی به ایمیل مشتریان می‌کند، بدون این‌که مشخص کند آیا اجازه‌ی پیشنهاد تخفیف دارد یا نه، یا در چه شرایطی باید گفت‌وگو را به یک کارشناس انسانی بسپارد؛ چند هفته بعد یک مشتری با ایجنت چانه می‌زند و تخفیفی می‌گیرد که هیچ‌کس تأییدش نکرده بود. اینجا مشکل فنی نمی‌بینید. اما نبود یک تعریف روشن از حدود کار باعث به‌وجود آمدن این مشکل شده است. این موارد را باید در شرح شغل ایجنت هوش مصنوعی از ابتدا مشخص کنید: چه کارهایی جزو وظیفه‌ی ایجنت است، چه کارهایی مطلقاً نیست. مرز اختیار تصمیم‌گیری عامل هوش مصنوعی کجا تمام می‌شود.

در عمل، فاصله‌ی زیادی بین آنچه که در این جدول می‌بینید با آنچه اغلب سازمان‌ها امروز انجام می‌دهند وجود دارد. ایجنت با یک پرامپت کلی راه‌اندازی می‌شود و بقیه‌ی جزئیات به‌مرور و از دل خطاها کشف می‌شود.

ایجنت‌ها برای انجام کارهای تکراری

انتخاب اولین کاربرد یک ایجنت به‌اندازه‌ی شرح شغلش مهم است. وقتی فناوری‌ اول سراغ کارهای تکراری و بی‌روحی که خود کارکنان هم از انجامشان خسته شده‌اند، می‌رود با مقاومت کمتری روبه‌رو می‌شود. برعکسش هم صادق است؛ اگر سازمانی اولین ایجنتش را مستقیم روی تصمیمات حساس یا خلاقانه پیاده کند، کارکنان نه‌تنها همراهش نمی‌شوند، آن را تهدیدی برای جایگاه خودشان می‌بینند. برای شروع کار عامل هوشمند، فهرست کارهای ملال‌آور هر تیم، گزینه بهتری است. کارکنانی که از نزدیک ببینند بخش خسته‌کننده‌ی کارشان کم شده، دلیل واقعی برای اعتماد به مرحله‌ی بعد پیدا می‌کنند.

سرپرست انسانی برای ایجنت

بعد از این‌که مشخص کردید ایجنت روی چه کاری مستقر می‌شود، یک نکته باقی می‌ماند که نباید آن را فراموش کنید. چه کسی مسئول نتیجه‌ی کار اوست؟ وقتی چند عامل هوشمند هم‌زمان با هم هماهنگ می‌شوند، این سوال پیچیده‌تر هم می‌شود، چون باید مشخص کنید که چه کسی خود آن هماهنگ‌کننده‌ها را زیر نظر دارد. توهم یا خطای واقعیت، هنوز هم برای نسل هوش مصنوعی وجود دارد حتی اگر ایجنت هوش مصنوعی پیشرفته باشد. هرچه این سیستم‌ها به حرفه‌های حساس‌تر نزدیک‌تر شوند، هزینه‌ی همین خطا بالاتر می‌رود. سازمان، پاسخگوی هر نتیجه‌ای است که تولید می‌شود و این مسئولیت را نمی‌توانید به گردن ایجنت بیندازید. برای همین از همان ابتدا باید سرپرست انسانی ایجنت هوش مصنوعی (یک نفر مشخص، نه یک تیم) برای آموزش، ادغام و نظارت بر آن در نظر بگیرید؛ نقشی نزدیک به مدیر عامل هوشمند.

معیاری که بتوان با آن قضاوت کرد

این سرپرست، برای نظارت واقعی به معیار نیاز دارد. «عملکردش خوب است» یا «بد نیست» کافی نیست. ارزیابی عملکرد ایجنت هوش مصنوعی باید دقت خروجی را بسنجد. به‌موقع بودن و قابلیت اطمینان هم باید سنجیده شوند. بدون این معیارها، نمی‌توانید بین یک نوسان طبیعی و یک شکست واقعی تفاوت بگذارید؛ و همین جاست که تیم‌ها چون چیزی برای قضاوت در اختیار ندارند، یا بیش از حد به ایجنت اعتماد می‌کنند یا بیش از حد از آن می‌ترسند.

ایجنت‌ها به‌عنوان کارآموز

همین معیارها تعیین می‌کنند چه زمانی می‌شود به عامل هوش مصنوعی مسئولیت بیشتری داد؛ دقیقاً مثل مسیر رشد یک کارآموز. با ایجنت هوش مصنوعی مثل کارآموز رفتار کنید چون ایجنت تازه‌کار روی مفاهیم پایه‌ی وظیفه‌اش آموزش دیده، اما تجربه‌ی عملی ندارد و از فرهنگ و ارزش‌های سازمان بی‌خبر است. در ابتدا به او دسترسی محدود بدهید، و پس از ثبات نتایج ارزیابی، به‌صورت تدریجی دسترسی‌های او را گسترش دهید. اما فراموش نکنید که استعاره‌ی کارآموز برای طراحی یک مسیر تدریجی ابزار خوبی است، اما پشت هر خروجی، همچنان همان سرپرست انسانی پاسخگوست، و این را نباید در میانه‌ی راه از یاد ببرید. پژوهش‌هایی که اخیراً در نشریات مدیریتی معتبر منتشر شده‌اند نشان می‌دهند وقتی یک ابزار هوش مصنوعی با عنوان «همکار» یا «کارمند» قاب‌بندی می‌شود، افراد ناخودآگاه حس مسئولیتشان نسبت به خروجی آن کم می‌شود؛ انگار خود کلمه‌ی «کارمند» جواب سوال «مسئول کیست؟» را عوض می‌کند.

برای ایجنت هوش مصنوعی نامی انتخاب کنید

وقتی چند ایجنت هم‌زمان در یک فرآیند دخیل‌اند، ردیابی پاسخگویی سخت‌تر می‌شود. نام‌گذاری عامل هوش مصنوعی دقیقاً برای همین پیشنهاد می‌شود. قرار نیست با این نام ایجنت را انسانی جلوه دهید، بلکه با این کار نقشش را ردیابی می‌کنید. «این تصمیم را هوش مصنوعی گرفته» جمله‌ای است که به‌راحتی فراموش می‌کند پشت آن ایجنت یک مالک انسانی مشخص وجود دارد؛ و همین فراموشی، حس مسئولیت را کم‌رنگ می‌کند. اما کارشناسان حوزه‌ی حاکمیت فناوری بین دو چیز تفاوت می‌گذارند: هویت ایجنت جواب می‌دهد «چه اتفاقی افتاده»؛ مالک انسانی جواب می‌دهد «چه کسی پاسخگوست». نام اختیار بیشتری به ایجنت می‌دهد. اما پاسخگویی بیشتر هرگز نباید با آن همراه شود.

از استفاده موردی تا بخشی از شیوه کار سازمان

وقتی بخشی از کار سازمان را ایجنت‌ها انجام می‌دهند، شیوه‌ای که سازمان کار را تعریف، تقسیم و مدیریت می‌کند نیز باید متناسب با آن تغییر کند. باید عامل‌ها را به همان سازوکارهای مدیریتی و کاری که مدیران و کارکنان از قبل با آن‌ها آشنا هستند، وارد کنید. وقتی این ابزارها را به‌تدریج برای مدیریت ایجنت‌ها به کار بگیرید، اضافه شدن این نیروی مجازی به ساختار سازمانی، به جای اینکه یک تغییر کاملاً ناآشنا باشد، در ادامه همان فرآیندهای موجود قرار می‌گیرد.