تو یکی دو سال اخیر، بحثهای زیادی سر هوش مصنوعی (همون AI خودمون!) توی شرکتها درگرفته. یعنی دیگه فقط حرفش نیست، کلی شرکت دارن بکوب سیستمهای جدید رو امتحان میکنن و کلی پول خرجش کردن. اما واقعیت اینه که اکثر شرکتها هنوز موندهان تو فاز “آزمایش”، یعنی فقط دارن تست میکنن و کمتر کسی تونسته از AI واقعی سود ببره یا ببرتش تو کار واقعی شرکت.
یه آمار بامزه هم هست که میگه تقریباً سه چهارم شرکتها هنوز تو همین فاز آزمایشن و هنوز نتونستن هوش مصنوعی رو جوری پیاده کنن که واقعاً تأثیر جدی تو کارهاشون داشته باشه.
حالا چرا پیش نمیره؟ خانم “شرلی هانگ” از گروه اورست (Everest Group) میگه بیشتر شرکتها بهش میخورن به یه جور داستان “PTSD” که مخفف Process, Technology, Skills, Data هست (یعنی مشکلات فرایندی، تکنولوژی، مهارت و اطلاعات). این یعنی چی؟ یعنی ساختارهای خشک و قدیمی دارن، کلی سیستم دارن که با هم حرف نمیزنن (!)، کارمندها به جای کار باحال مجبور شدن کارهای کمارزش انجام بدن و مهمتر از همه، اطلاعاتشون پخش و پلاست و هیچ چیزی اینا رو به هم وصل نمیکنه.
مشکل اصلی دقیقاً همینه: باید فکر کنیم چطور آدما و فرایندها و تکنولوژی واقعاً با همدیگه همکاری کنن و بهم وصل بشن. این فقط برای شرکتهای حوزه تکنولوژی نیست، همین شرکتهای کشاورزی یا حتی بانکها و خدمات مشتری هم همین داستان رو دارن: سیستمهای فعلی انقدر خشک و سنتیان که اصلاً نمیتونن با چیزی مثل AI “عاملمحور” یا “Agentic AI” کنار بیان. (عاملمحور یعنی AIهایی که خودشون میتونن تصمیم بگیرن و کار رو جلو ببرن.)
مسئله اساسی اینه که باید کل سیستم تصمیمگیری و نحوه انجام کارها رو دوباره مهندسی کنن. اینکه انسان چی کار کنه و هوش مصنوعی چی کار کنه، اصل ماجراست. مثلاً رایان پیترسون (رئیس محصولات در Concentrix) میگه: خیلی مهمه که همچنان خود آدما بیان و درست بودن کار رو بررسی کنن. یعنی گذاشتن همه کار به گردن AI بدون چک کردن، فعلاً منطقی نیست.
راجعبه همکاری آدم و AI کلی صحبت شده؛ الان دیگه بحث سر اینه که چطوری واقعاً یه سیستم بسازیم که آدم و ماشین هر دو با هم کار کنن. یعنی نه اینکه AI فقط ابزار باشه که هر وقت خواستیم بریم سراغش و یه کار دستی باهاش انجام بدیم؛ بلکه AI باید یه جورایی توی عمق سیستم باشه و بتونه تصمیم آدم رو قویتر کنه و کارها رو سریعتر کنه. (مثلاً هوش مصنوعی بیاد و کارهای تکراری رو خودش انجام بده و اجازه بده آدمها به چیزهای مهمتر برسن.)
این وسط برای موفق شدن، باید ارزشهایی که میخوایم خلق کنیم رو مشخص کنیم؛ یعنی بدونیم دقیقاً چی میخوایم از AI. بعد، فرایندهایی بسازیم که هم آدمها توش نظارت داشته باشن و هم اتوماسیون با AI انجام بشه. کلی زیرساخت هم میخواد: داده و امنیت و قانونگذاری درست. (قانونگذاری یعنی یه سری قواعد و نظارت که جلوی سواستفاده رو بگیره.)
هایدی هاگ، معاون شرکت Valmont هم میگه: صبر داشته باشین، چون باید امنیت دادهها رو جدی بگیرین. یعنی اگه اول از همه از صفر شروع کنین و روی امنیت و قانونگذاری فکر کنین، آخرش نتیجه بهتری میگیرین.
کسایی که زودتر شروع کردن و اصطلاحاً “پیشرو” هستن، نشون دادن مسیر چیه: اول با کارهای کمخطر شروع کردن، دادهها رو تیکه تیکه و جدا نگه داشتن، قانون و نظارت رو از اول وارد تصمیمگیری کردن و حتی به خود مدیران شرکت (نه فقط بخش فناوری!) اختیار دادن که جایی که فکر میکنن AI بدرد میخوره، پیشنهاد بدن و پیگیری کنن.
این داره یه مدل و نقشه جدید برای استفاده از هوش مصنوعی تو شرکتها میسازه؛ این بار نه فقط برای اینکه کارها رو بهتر انجام بدی (یعنی Optimizing)، بلکه برای اینکه کارها و ایدههایی پیدا کنی که قبلش اصلاً وجود نداشت! (همون Reimagination یا کلّی دوباره فکر کردن به کارها.)
نکته آخر اینه که این تغییر فقط با همکاری نزدیک آدما و AI شدنیه و باید بدونیم هیچ راه میانبری براش وجود نداره. هر کی بتونه این همکاری رو درست پیاده کنه، احتمالاً تا ۲۰۲۶ از بقیه جلوتر میزنه!
(این محتوا توسط تیم محتوای اختصاصی MIT Technology Review با همکاری Concentrix تهیه شده و توسط نویسنده و تحلیلگرهای واقعی نوشته شده. بخشهایی از پردازش ثانویه با AI انجام شده ولی توی نوشتار نهایی انسانها همه چیز رو کنترل کردن.)
منبع: +
