در دنیای مدیریت امروز، هوش مصنوعی را از دریچه «اتوماسیون» در برابر «افزودگی» (augmentation) در نظر می‌گیرند. در حالی که اتوماسیون یعنی ماشین‌ها وظایفی را که قبلا توسط انسان انجام می‌شد به عهده می‌گیرند، افزودگی به همکاری بین انسان و ماشین در اجرای وظایف اشاره دارد. طبق عرف، افزودگی در مقایسه با اتوماسیون، منجر به عملکرد بهتر می‌شود، چون جنبه‌های منفی مانند تفکر کوتاه مدت، عدم انعطاف‌پذیری، و عدم وجود شهود و مهارت انسانی را کاهش می‌دهد؛ یعنی آن جنبه‌های منفی که جلوی موفقیت بلندمدت را می‌گیرند.

متاسفانه، این دیدگاه یک نکته کلیدی را نادیده می‌گیرد: افزودگی جلوی اتوماسیون را نمی‌گیرد، بلکه در یکسری کارهای سطح پایین‌تر مثل جمع‌آوری اطلاعات یا تصمیم‌گیری، آن را به سادگی پنهان می‌کند. به عنوان مثال، وقتی سازمان‌ها برای «افزودن» وظیفه نوشتن توضیحات محصول برای یک فروشگاه آنلاین، از یک دستیار هوش مصنوعی مولد استفاده می‌کنند، ممکن است کار نوشتن اولین پیش‌نویس‌ها را «اتوماتیک‌سازی» کنند. این اتوماتیک‌سازی، هرگونه شهود، تخصص، تجربه و تفکر منطقی انسان را با هر آنچه که از نظر سیستم هوش‌مصنوعی مناسب باشد جایگزین می‌کند و ممکن است همچنان به اثرات منفی مانند استفاده از کارکنانی که مهارت کمتر دارند، منجر شود. بنابراین، آن جنبه‌های منفی اتوماسیون که قرار بود استراتژی افزودن به مدیران کمک کند از آنها اجتناب کنند، به سادگی به سطح پایین‌تری منتقل می‌شوند.

مدیران برای اطمینان از اینکه به کار بردن هوش‌مصنوعی اهداف استراتژیک را ارتقا می‌دهد و از مقاصد کلیدی پشتیبانی می‌کند، می‌توانند ذهنیت متفاوتی اتخاذ کنند: استفاده از هوش مصنوعی برای افزایش هوش جمعی کل سازمان. هوش جمعی، هوش مشترکی است که از همکاری، تلاش جمعی و رقابت به وجود می‌آید و نشان‌دهنده توانایی گروه‌ها برای دستیابی به اجماع، حل مسائل پیچیده و سازگاری با محیط‌های متغیر است. تحقیقات اخیر نشان می‌دهد که هوش جمعی از سه جزء به هم پیوسته ناشی می‌شود: حافظه جمعی، توجه جمعی و استدلال جمعی. مدیران می‌توانند این ایده را برای هدف قرار دادن حوزه‌های خاصی به کار بگیرند که هوش مصنوعی می‌تواند در آنها قابلیت‌های شناختی جمعی سازمان را ارتقا دهد و باعث تصمیم‌گیری آگاهانه‌تر به روش‌های انسان محور شود و خلاقیت انسانی را تشدید کند. در ادامه گفته می‌شود که هوش مصنوعی چگونه می‌تواند هر یک از این سه فرآیند را پشتیبانی کند. 

حافظه جمعی: افزایش توانایی فردی برای یادگیری و استفاده از فرصت‌های موجود.

هوش مصنوعی مولد در حال تغییر شکل شغل کارکنان دانش‌محور است. به عنوان مثال، موسسات مالی وال استریت، در حال بررسی استفاده از هوش‌ مصنوعی برای اتوماتیک‌سازی وظایفی هستند که قبلا کارکنان سطح پایین‌تر، مانند تحلیلگران مالی آنها را انجام می‌دادند. یکی از مدیران یک بانک بزرگ می‌گوید: «ایده ساده این است که کارکنان سطح پایین تازه‌وارد را با یک ابزار هوش مصنوعی جایگزین کنید.» این استراتژی برای دستاوردهای بهره‌وری کوتاه‌مدت جذاب است، اما برای نتایج بلندمدت مانند توسعه مهارت‌ها و دانش سازمان چالش‌های واضحی را ایجاد می‌کند: اگر مشاغل سطح پایین به صورت کامل اتوماتیک‌سازی شوند، کارکنان این سطح چگونه آموزش ببینند و به متخصصان حرفه‌ای درجه یک تبدیل ‌شوند؟ چنین تغییری نه تنها مانع توسعه دانش سازمانی می‌شود، بلکه در شبکه‌های اجتماعی درون‌سازمانی و فرآیندهای به اشتراک‌گذاری دانش که برای دسترسی و حفظ دانش جمعی در یک سازمان ضروری هستند نیز اختلال ایجاد می‌کند. 

حافظه جمعی به نحوه تطبیق، بازیابی و به‌روزرسانی دانش جمعی توسط گروه‌ها اشاره دارد. این فرآیند به افراد اجازه می‌دهد در یک کار تخصص پیدا کنند و جزئیات مختلف و تکمیلی آن را به خاطر بسپارند تا گروه بتواند به طور جمعی دانش موجود را بیشتر از توانایی یک فرد، به خاطر بسپارد و استفاده کند. 

هوش مصنوعی می‌تواند به شرکت‌ها در توسعه، بازیابی و به‌روزرسانی دانش جمعی کمک کند. به عنوان مثال، شرکت «انویدیا» (NVIDIA) یک دستیار چت‌بات مبتنی بر هوش مصنوعی مولد درست کرد تا به سوالات مربوط به وظایف مهندسی پیچیده مانند طراحی تراشه‌های صنعتی پاسخ دهد. این چت‌بات بر اساس مدل‌های زبانی بزرگ طراحی شد، اما با استفاده از اسناد داخلی، کدها و ارتباطات داخلی، مانند ایمیل‌ها و پیام‌های فوری، اصلاح شده است. این سیستم می‌تواند موضوعات طراحی پیچیده را توضیح دهد، به مهندسان کمک کند تا خیلی سریع اسناد فنی را پیدا کنند و به سوالات مربوط به طراحی‌ها، ابزارها و زیرساخت‌های داخلی پاسخ دهد. بنابراین به توزیع گسترده دانش در سراسر سازمان کمک می‌کند. چنین چیزی در یک شرکت چندملیتی مانند انویدیا که در آن متخصصان انسانی اغلب در سطح جهانی توزیع شده‌اند و بنابراین کمک گرفتن فوری کمی سخت است، منطقی است.

سیستم‌های هوش مصنوعی وقتی به این طریق مورد استفاده قرار می‌گیرند، از بازیابی دانش جمعی که در سراسر یک سازمان وجود دارد پشتیبانی می‌کنند. این موضوع به‌ویژه برای افرادی که ممکن است ندانند اطلاعات مرتبط در سازمان را کجا باید پیدا کنند، مفید است. 

این رویکرد می‌تواند راهنمای تخصیص اطلاعات و وظایف جدید به افراد، بر اساس شناخت بهتر آنها از دانش و تخصص باشد. هوش مصنوعی به جای اتوماتیک‌سازی وظایف کارکنان سطح پایین، می‌تواند به آنها در ارتقای مهارت‌ها و تخصصشان کمک کند. با تخصیص مکرر وظایفی که به تخصص ویژه نیاز دارند به یک فرد می‌توان این کار را انجام داد. همچنین می‌توان با ایجاد ارتباط بین افراد سازمان، دانش افراد باتجربه و متخصص را انتقال داد. این باعث می‌شود افراد دانش سازمان را به طور موثرتری بازیابی کنند، اطلاعات دریافتی را به سوی شخص مناسب هدایت کنند، و روی کسی که دانش تخصصی و به‌روز دارد حساب کنند. 

این کارکردهای هوش مصنوعی، از حافظه جمعی سازمان پشتیبانی می‌کند و بنابراین قابلیت‌های شناختی جمعی آن به میزان قابل توجهی گسترش می‌یابد.

توجه جمعی: شکل دادن به نحوه پردازش اطلاعات توسط افراد و گروه‌ها

یکی از حوزه‌های کلیدی که در آن هوش مصنوعی مولد به شدت مورد استفاده قرار می‌گیرد، ساده‌سازی ارتباطات است. در حالی که دستاوردهای بالقوه‌ای که ارتباطات مبتنی بر هوش مصنوعی برای بهره‌وری دارند جذابند، اما این کاربردها می‌توانند بر نحوه هماهنگی و همسوسازی کانون توجه گروه‌ها نیز تاثیر بگذارند.

توجه گروهی یعنی گروه‌ها چطور توجه خود را بر وظایف و اولویت‌های کلیدی معطوف می‌کنند. گاهی اوقات این به آن معناست که چند نفر در یک رویداد مشترک شرکت می‌کنند (مثلا وقتی چند نفر به صحبت‌های یک نفرشان گوش می‌دهند)، در حالی که در مواقع دیگر به این معنی است که افراد مختلف در رویدادهای مختلف شرکت می‌کنند تا توجه جمعی گروه را به حداکثر برسانند. بار دیگر، گروه‌ها نیز باید شناخت خود را در مورد تمرکز و خواسته‌های فعلیشان به‌روز کنند.

هوش مصنوعی می‌تواند با ساده‌سازی ارتباطات و بهینه‌سازی جدول‌های زمانی، گردش کار و فهرست‌ انجام کارها، راهنمایی برای تخصیص توجه‌ها باشد. این کارها می‌تواند توجه جمعی را با کاهش هزینه‌های جابه‌جایی وظیفه‌ها و کاهش هزینه‌های هماهنگی وظایف متقابل، افزایش دهد. به این ترتیب، منابع تیم آزاد می‌شود تا توجه آنها بر موضوعات خلاقانه متمرکز بماند. هوش مصنوعی می‌تواند با حمایت از اقدامات گروهی که هماهنگی همزمان را تشویق می‌کند، از بازیابی توجه حمایت کند. برای مثال، هوش مصنوعی می‌تواند به تک تک اعضای گروه کمک کند تمرکزشان را با هم هماهنگ کنند تا بتوانند روی یک هدف مشترک کار کنند یا توجهشان را معطوف به اهداف مختلف کنند. این بستگی به نیازهای آن موقعیت دارد. هوش مصنوعی همچنین می‌تواند اعضای گروه را در جریان بار کاری همدیگر و دسترس‌پذیری افراد بگذارد و به این ترتیب آگاهی مشترک آنها را بالا ببرد. این کاربرد هوش مصنوعی به سازمان‌ها کمک ‌می‌کند از منابع توجه جمعی‌شان حداکثر استفاده را کنند.

استدلال جمعی: کمک به گروه‌ها برای هماهنگ کردن اهداف و اولویت‌هایشان.

استدلال جمعی یعنی توانایی یک گروه برای استدلال کردن اهدافی که هر فرد یا کل گروه دارد تا همه با هم هماهنگ شوند و اولویت‌هایی تعیین کنند که پاداش مشترک حداکثری برای آنها داشته باشند. گروه‌ها باید اولویت‌ها را تخصیص دهند و تعهد اعضای خود را بازیابی کنند. همچنین باید درک خود را از اهداف، انگیزه‌ها و اولویت‌های یکدیگر به‌روز کنند.

هوش مصنوعی می‌تواند با یکپارچه‌سازی اطلاعات از منابع مختلف (به عنوان مثال، استفاده از یکپارچه‌سازی داده‌های مبتنی بر هوش مصنوعی) همسویی اهداف را بهبود بخشد. همچنین می‌تواند فرهنگ سازمانی را با بهبود فرآیندهای گروهی که اولویت‌ها را به طور مشترک تخصیص می‌دهند ارتقا دهد. 

گروه‌ها برای اینکه همکاری موثری داشته باشند، باید بدانند هر یک از اعضا از کجا می‌آیند و باید شکاف‌های ارتباطی بین خود را پر کنند. هوش مصنوعی می‌تواند ظرفیت گروه را با همراستا کردن اعضا حول اهداف و اولویت‌های مشترک ارتقا دهد و خلاصه‌ و تحلیلی از دیدگاه‌های فردی ارائه کند. ابزارهای فعلی هوش مصنوعی مولد نیز با دسترس‌پذیرتر کردن استدلال‌هایی که در پس اهداف و اولویت‌ها برای افراد با پیشینه‌های مختلف وجود دارد، در افزایش همسویی اهداف مفید هستند. هوش مصنوعی مولد در حوزه‌هایی مانند توسعه نرم‌افزار نیز باعث افزایش هوش جمعی می‌شود، چون افرادی را درگیر می‌کند که در شرایط عادی به خاطر نداشتن زمینه فنی نمی‌توانستند وارد این فرآیند شوند. 

هوش مصنوعی همچنین می‌تواند به افراد کمک کند اولویت‌های یکدیگر را بدانند و به‌روز کنند. کارکنان در حال حاضر این ایده‌ها را با چت‌بات‌های هوش مصنوعی عمومی، عملی می‌کنند. افراد یک گروه می‌توانند با بهره‌گیری از نشانه‌های اجتماعی و نقش‌آفرینی در موقعیت‌های اجتماعی دشوار، به ظرفیت‌های استدلال بالاتری دست یابند. وقتی هوش مصنوعی به این شیوه مورد استفاده قرار بگیرد، می‌تواند نحوه توسعه ارزش‌ها و اولویت‌های مشترک گروه‌ها را افزایش دهد و به سازماندهی منابع و اولویت‌ها برای اجرای موثر کمک کند.

چنین کاربردهایی از سیستم‌های هوش مصنوعی به افراد کمک ‌می‌کند بدانند که سایر اعضای گروه به چه چیزهایی اهمیت می‌دهند، درک تفاوت‌ها را آسان می‌کند، و اهداف گروه را اولویت‌بندی می‌کند. به این ترتیب، اعضای گروه می‌توانند اولویت‌های مشترک خود را با مذاکره در مورد اهداف جمعی و اطمینان از اینکه گروه معنادارترین هدف را دنبال می‌کند، بهتر مشخص کنند. 

چگونه استراتژی هوش مصنوعی موفقی داشته باشید

وقتی هوش مصنوعی به عنوان یک ابزار تولید برای اتوماتیک‌سازی فرآیندها به کار گرفته می‌شود، به شیوه‌ای عمل می‌کند که باعث تقلیل مهارت‌ها می‌شود، ساختارهای سفت و سخت ایجاد می‌کند و راه‌حل‌ها را یکدست می‌کند، و همه اینها توانایی شرکت‌ها را برای انطباق و سازگاری با محیط‌های متغیر محدود می‌کند. در نتیجه، سازمان‌ها تمایل پیدا می‌کنند تنوع ایده‌ها، فرضیات و فرآیندهای خود را کاهش دهند. 

مدیران می‌توانند با چند استراتژی، با این روند مقابله کنند:

• از هوش مصنوعی به عنوان یک مربی و ابزار هماهنگی استفاده کنید

یک چت‌بات هوش مصنوعی مولد می‌تواند کار نوشتن را اتوماتیک کند، اما می‌تواند به عنوان یک مربی که بازخورد و انتقاد ارائه می‌دهد هم استفاده شود. در سیستم مدیریت دانشی که شرکت انویدیا توسعه داده، هوش مصنوعی به عنوان یک سیستم پشتیبانی طراحی شده تا هوش جمعی یک سازمان را ارتقا دهد. کارکنان از طریق این سیستم، به دانش ارزشمند دسترسی پیدا می‌کنند، فرصت‌هایی برای کسب مهارت‌های جدید پیدا می‌کنند و درک خود را از «چه کسی چه چیزی می‌داند» به‌روز می‌کنند. مدیران برای اینکه بدانند آیا سیستم‌های پشتیبانی هوش مصنوعی موثر هستند، می‌توانند با استفاده از آمارهای کاربرد، نظرسنجی‌های رضایت‌مندی یا ارزیابی عملکرد کارکنان، آنها را ارزیابی کنند.

• از هوش مصنوعی به عنوان یک ابزار تولید استفاده کنید تا آزمایش‌ها را به‌شدت تقویت کرده و فضاهای فکری را گسترش دهید

هوش مصنوعی می‌تواند به طراحی آزمایش‌ها، شناسایی داوطلب‌های تست داروهای امیدوارکننده، تسهیل تجزیه و تحلیل‌های مجازی یا ایجاد چند پیش‌نویس اولیه که می‌توان از بین آنها بهترینشان را انتخاب کرد، کمک کند. در تمام این مثال‌ها، هوش مصنوعی فضای فکری را با پیشنهاد ایده‌های جدید و متفاوت که ممکن بود نادیده گرفته شوند، گسترش می‌دهد. 

اینکه آیا هوش مصنوعی گزینه‌ها را بیشتر می‌کند یا کمتر، به این بستگی دارد که چطور در فرآیندهای سازمانی به کار می‌رود. وقتی می‌توان از دستاوردهای بهره‌وری که هوش مصنوعی ایجاد می‌کند برای کم کردن بار کاری کارکنان، افزایش استقلال آنها و آزاد کردن زمانشان برای تفکر خلاق استفاده کرد، پس پتانسیل افزایش هوش جمعی را هم دارد. تحقیقات در مورد خلاقیت، مدت‌ها پیش نقش مهم دسترسی به منابع ضروری مانند زمان، پول و تجهیزات را نشان داده که می‌تواند فرآیند خلاقیت را تسهیل کند. توانمندسازی کارکنان برای انطباق‌پذیری نقش‌هایشان می‌تواند مسیری قدرتمند برای تضمین گسترش فضای فکری باشد. درخواست ورود اطلاعات از افرادی که مستقیما تحت تاثیر قرار می‌گیرند و راه‌اندازی روش‌های سیستمی نظارت و اندازه‌گیری برای همراستا کردن اقدامات کوتاه مدت با اهداف استراتژیک بلند‌مدت، می‌تواند به مدیران کمک کند این کار را به درستی انجام دهند. 

• مراقب خطرات هوش مصنوعی که تنوع شناختی را کاهش می‌دهند و نابرابری‌ها را تشدید می‌کنند، باشید

اضافه کردن هوش مصنوعی به فرآیندهای سازمان، ناگزیر خطراتی هم دارد. به عنوان مثال، تحقیقات آزمایشگاهی نشان می‌دهد که هوش مصنوعی می‌تواند به طور چشمگیری بر آنچه تیم‌ها به آن اهمیت می‌دهند و توجه می‌کنند، صرف نظر از کیفیت مشارکت هوش مصنوعی، تاثیر بگذارد. وقتی تیم‌ها با صدای دستیار صوتی هوش مصنوعی جمع می‌شوند، دائم متوجه آن هستند و حتی اصطلاحات خاصی را که دستیار هوش مصنوعی به کار می‌برد، به کار می‌برند. چیزی که بیش از همه مایه شگفتی است، این است که تیم‌ها حتی در حوزه‌هایی که به وظیفه در حال انجام ارتباطی نداشت، همچنان از زبان مورد استفاده هوش مصنوعی استفاده می‌کردند. این اتفاق حتی زمانی که هوش مصنوعی اطلاعات ورودی غیرمفیدی ارائه می‌کرد و وجودش از نظر تیم کمک‌کننده نبود، رخ داد. آنها حتی گزارش کردند که به هوش مصنوعی در این شرایط اعتماد ندارند. 

مطالعه دیگری نشان داد اگرچه بازخوردی که هوش مصنوعی ارائه می‌کند، به افراد کمک می‌کند مهارت‌های جدید بیاموزند یا مهارت‌های خود را ارتقا دهند، اما باعث کاهش تنوع فکری در کل جمعیت گروه نیز می‌شود. 

اینها فقط دو نمونه از کاربردهای هوش مصنوعی هستند که در آنها حسن نیت وجود دارد، اما می‌تواند پیامدهای ناخواسته‌ای داشته باشد که حافظه جمعی، توجه جمعی و استدلال جمعی را محدود کند. سیستم‌هایی که خوب طراحی شده‌اند و با قرار دادن انسان در مرکز فعالیت‌ها همزمان با استفاده از قابلیت‌های هوش مصنوعی، بر جنبه‌های انسانی موقعیت‌ها هم تاکید دارند، می‌توانند استدلال جمعی را افزایش دهند، چون سوابق و سبک‌های تفکر متنوع را تشدید می‌کنند. 

برای اینکه مزایای تحول‌آفرین هوش مصنوعی را درک کنیم، باید فراتر از عملکرد و کارآیی آنی اتوماتیک‌سازی وظایف را در نظر بگیریم. داشتن یک دیدگاه گسترده‌تر که می‌گوید هوش مصنوعی چطور می‌تواند هوش جمعی را با پشتیبانی از حافظه جمعی، توجه جمعی و استدلال جمعی تقویت کند، فرصت‌هایی را برای بهره‌برداری از پتانسیل واقعی همکاری بین انسان و هوش مصنوعی ایجاد می‌کند. به‌کارگیری لنز هوش جمعی می‌تواند به طراحی و استقرار سیستم‌های هوش مصنوعی به روش‌های اصولی و برای افزایش توانایی گروه‌ها در جهت حل مشکلات پیچیده و سازگاری با محیط‌های متغیر کمک کند.

منبع: HBR