تا امروز، بیشتر مدیران این جمله را بارها شنیدهاند: پروژههای هوش مصنوعی به خاطر خود فناوری شکست نمیخورند؛ بلکه به این دلیل شکست میخورند که شرکتها شیوه انجام کار را بازطراحی نمیکنند تا هوش مصنوعی واقعاً بتواند در آن نقش مؤثری داشته باشد. این حرف درست است، اما چیز تازهای نیست. مجمع جهانی اقتصاد، BCG، McKinsey، RAND و MIT همگی طی دو سال گذشته نسخهای از همین موضوع را مطرح کردهاند. اگر اخیراً مطلبی درباره استراتژی هوش مصنوعی خوانده باشید، احتمالاً بارها با این ایده روبهرو شدهاید. با این حال، این هنوز مشکل را حل نکرده است. بیشتر شرکتها هنوز بازطراحی لازم را انجام ندادهاند و حتی آنهایی که این کار را کردهاند نیز همچنان برای دستیابی به بازده واقعی در مقیاس بزرگ با مشکل مواجه هستند. بنابراین، بازطراحی جریان کار واقعی است و اهمیت دارد، اما تمام ماجرا نیست. هنوز چیزی کم است.
Karen Zeigler
آنچه کم است این است که هر طراحی خوب، چه محصول باشد، چه خدمت و چه فرآیند کاری، باید از نیازهای انسانی که قرار است از آن استفاده کند آغاز شود. محصولی که نیاز واقعی مشتری را نادیده بگیرد شکست میخورد. یک فرآیند کاری هم دقیقاً به همین دلیل شکست میخورد اگر نیازهای واقعی کارکنان را نادیده بگیرد؛ و این شکست فقط در همان مرحله باقی نمیماند، بلکه در نهایت روی محصول و خدماتی که مشتری دریافت میکند نیز اثر میگذارد.
تصمیمگیری درباره اینکه کدام وظایف را هوش مصنوعی انجام دهد، بخش قابل مشاهده و قابل اندازهگیری طراحی کار است. اما این ریشه اصلی شکست پروژههای هوش مصنوعی نیست. ریشه اصلی یک لایه عمیقتر قرار دارد؛ جایی که این سؤال مطرح میشود:
آیا این بازطراحی واقعاً نیازهای انسانهایی را که مسئول انجام کار هستند برآورده میکند؟
این هم موضوع جدیدی نیست. براساس پژوهش گارتنر در سال ۲۰۲۰ با عنوان «اصطکاک در کار آسیب میزند، طراحی کار میتواند کمک کند»، کارکنانی که مجبورند با فرآیندهای کاری ضعیف و پر از اصطکاک کنار بیایند، به طور متوسط روزانه ۱.۹ ساعت بیشتر صرف انجام کارهای عادی میکنند. این یعنی فرسایش ذهنی که افراد سالها، و در برخی موارد دههها، پیش از ظهور هوش مصنوعی آن را تحمل کردهاند.
این وضعیت برای شرکتها به معنای کاهش بهرهوری و سود است و برای کارکنان به معنای استرس و فرسودگی شغلی. این دو هزینه از هم جدا نیستند. کارکنان خسته و بیانگیزه، نرخ ترک شغل و غیبت را افزایش میدهند و همین موضوع مستقیماً سودآوری شرکت را تحت تأثیر قرار میدهد. هوش مصنوعی این مشکل را ایجاد نکرد؛ بلکه آن را به ارث برده است. فقط اکنون هزینه آن آنقدر زیاد شده که مدیران دیگر نمیتوانند آن را نادیده بگیرند.
توجه کردن اتفاق خوبی است، اما توجه با آگاهی تفاوت دارد.
توجه معمولاً روی «چه چیزی» متمرکز میشود؛ یعنی طراحی کار، وظایفی که باید انجام شوند و اینکه کدام بخشها را میتوان به هوش مصنوعی سپرد.« چگونه» نیز معمولاً به این محدود میشود که چه بخشی از یک وظیفه را هوش مصنوعی انجام دهد و چه بخشی را انسان.
بسیاری از مدیران فقط نیمه مربوط به هوش مصنوعی را تحلیل میکنند، چون تصور میکنند تمام منافع در همان بخش نهفته است. آنها ساعتها بررسی میکنند که هوش مصنوعی چه کارهایی باید انجام دهد، اما بعد نمیدانند با انسانهایی که بخش باقیمانده کار را بر عهده دارند چه کنند.
در حالی که آمار شکست پروژههای هوش مصنوعی دقیقاً نشان میدهد مشکل جای دیگری است. اما آگاهی سؤال سختتری میپرسد:چرا این وضعیت مدام تکرار میشود؟ و دقیقاً همانجا ریشه مشکل قرار دارد. بخش انسانی این معادله اساساً هیچوقت مورد بررسی قرار نگرفته است.
این مثل پزشکی است که تب بیمار را با گذاشتن کمپرس یخ درمان کند، بدون اینکه علت عفونت را پیدا کند. شکست در جا دادن هوش مصنوعی در فرآیند کار مانند تب است؛ یک نشانه است، نه علت بیماری. خود بیماری سالها نادیده گرفته شده و اکنون به سرعت در حال تبدیل شدن به بحرانی جدی است.
راهحل این نیست که کار را صرفاً برای جا دادن راحتتر هوش مصنوعی بازطراحی کنیم. این رویکرد هنوز هم هوش مصنوعی را در مرکز طراحی قرار میدهد، در حالی که قرار نبود هوش مصنوعی محور اصلی کار یک شرکت باشد.
راهحل واقعی این است که کار را برای انسانی که آن را انجام میدهد بازطراحی کنیم؛ همان راهکاری که سالها قبل از ظهور هوش مصنوعی نیز میتوانست بهرهوری و سودآوری را افزایش دهد.
هوش مصنوعی هم از چنین بازطراحیای سود میبرد، اما هدف اصلی هرگز خود هوش مصنوعی نیست.
طراحی برای انسانها
وقتی یک ابزار جدید هوش مصنوعی وارد محیط کار میشود، بیشتر کارکنان از خود نمیپرسند:
- آیا این ابزار درست کار میکند؟
- آنها سؤالهای شخصیتری دارند:
- الان جایگاه من کجاست؟
- آیا در تصمیمگیری درباره اینکه هوش مصنوعی چگونه و در کجا استفاده شود، نظر من هم اهمیت دارد؟
- آیا هنوز شغلم را خواهم داشت؟
- و اگر شغلی باقی بماند، آیا همان کاری است که واقعاً دوست دارم انجام دهم و بهترین تواناییهایم را به کار بگیرد؟
مدیران نمیتوانند مستقیماً به این سؤالها پاسخ دهند و قرار هم نیست چنین کنند. هر یک از این پرسشها به یک نیاز انسانی عمیقتر اشاره میکند.
- جایگاه من کجاست؟ به نیاز انسان برای تعلق داشتن اشاره دارد.
- آیا نظر من اهمیت دارد؟ به نیاز برای مشارکت، خلق کردن و اندیشیدن انتقادی درباره کار مربوط میشود.
- آیا هنوز شغلم را دارم؟ به نیاز برای درآمد و تأمین زندگی خود و خانواده اشاره دارد.
و اینکه آیا کاری که برای فرد باقی میماند ارزشمند است یا نه، دوباره به همان نیازها بازمیگردد؛ نیاز به مشارکت، خلق کردن، فکر کردن و ارتباط برقرار کردن. وظیفه واقعی رهبران پاسخ دادن جداگانه به این سؤالها نیست، بلکه شناسایی نیازهایی است که پشت آنها قرار دارد. شرکتها امروز بهخوبی میدانند هوش مصنوعی برای بهترین عملکرد خود به چه چیزهایی نیاز دارد. اما باید دقیقاً به همین شکل، کار را برای بخش انسانی معادله نیز طراحی کنند.
اگر این بخش نادیده گرفته شود، دیگر مهم نیست هوش مصنوعی چقدر قدرتمند باشد. کارکنان یا بهآرامی در برابر تغییر مقاومت میکنند، یا راههایی برای دور زدن آن پیدا میکنند، یا در تلاش برای هماهنگ شدن با آن دچار فرسودگی میشوند.
در چنین شرایطی، پروژه به این دلیل شکست نمیخورد که هوش مصنوعی ناکارآمد بوده است؛ بلکه به این دلیل که هوش مصنوعی همیشه فقط یک ابزار بوده، نه قهرمان داستان.
قهرمان واقعی انسان است.
توانایی خارقالعاده از ابتدا در وجود او بوده است؛ استعدادها و قابلیتهایی که بسیاری از آنها هنوز استفاده نشدهاند. هوش مصنوعی فقط فرصتی است برای تقویت همین تواناییها، البته اگر کار واقعاً بر اساس انسان طراحی شده باشد. هوش مصنوعی یک فرصت بزرگ دیگر نیز ایجاد میکند. این فناوری به شرکتها اجازه میدهد از محدودیتهای شرح شغلهای سنتی فراتر بروند و سؤال بهتری بپرسند:
استعدادها و تواناییهای واقعی این فرد چیست و در کدام بخش سازمان بیشترین ارزش را ایجاد میکند؟
اگر درست از آن استفاده شود، هوش مصنوعی باید به کارکنان کمک کند، نقاط قوت آنها را تقویت کند و کارهای تکراری و خستهکنندهای را که اغلب علاقهای به انجامشان ندارند، خودکار سازد. اما این فرصت شبیه برنده شدن در قرعهکشی نیست. شرکتها باید مسئولیتهای جدیدی نیز بپذیرند.
شرکت Bain & Company اشاره کرده است که هوش مصنوعی یک دسته از مشکلات، یعنی سرعت، مقیاس و هزینه را حل کرده، اما همزمان مشکلات تازهای مانند اعتماد، مشارکت و معنا را ایجاد کرده است.
پژوهشهایی که در MIT Sloan Management Review و مدرسه کسبوکار وارتون منتشر شدهاند نیز نشان میدهند شکاف قابل توجهی میان برداشت مدیران از تجربه کارکنان و احساس واقعی کارکنان نسبت به هوش مصنوعی وجود دارد.
اکثر کارکنان اضطراب بیشتری و اشتیاق کمتری نسبت به آنچه مدیران تصور میکنند تجربه میکنند.این احساسات واقعی هستند.و نتیجه همان سؤالهای بیپاسخی هستند که پیشتر مطرح شد.
فرقی نمیکند مدیران نتوانسته باشند با شفافیت به آنها پاسخ دهند یا کارکنان مجبور شده باشند خودشان مدام درباره آنها فکر کنند؛ در هر دو حالت، مسئله به نیازهای برآوردهنشده انسانی بازمیگردد.
نیازهای برآوردهنشده موتور محرک هر نوآوری موفق هستند و یک پروژه هوش مصنوعی نیز چیزی جز یک نوآوری درونسازمانی نیست. اگر این نوآوری قرار است موفق شود، رهبران باید از همان جایی شروع کنند که هر نوآوری موفق آغاز میشود:
نیازهای برآوردهنشده کاربران.
و در اینجا، کاربر همان کارمند است.
