مردمی‌سازی فناوری: درس‌هایی از آموزش هوش مصنوعی به هزار کارمند شرکت فورد
تیم تحریریه- ۱۸ دی ۱۴۰۰
شرکت فورد موتور، به‌تازگی با اعلام آموزش سامانه‌های هوش مصنوعی خود به بیش از هزار تن از کارکنانش، خبرساز شد. بی‌شک این عدد بزرگ جالب توجه است، اما نکته جالب‌تر این است که این هزار کارمند، مهندسان خودرو، مدیران زنجیره تأمین، طراحان و کارکنان بخش‌های دیگری غیر از IT بوده‌اند.
حالا شرکت فورد هم دانشمندان علوم داده و تکنیسین‌هایی را در اختیار دارد که در زمینه مسائل پیچیده هوش مصنوعی مانند خودروهای خودران فعالیت می‌کنند و هم بیش از هزار کارمند آموزش‌دیده در زمینه هوش مصنوعی که بر روی مسائل حوزه تخصصی خود کار می‌کنند. طبق اعلام شرکت فورد، این افراد کارهای مختلفی، اعم از بهینه‌سازی زنجیره تأمین ناپایدار تا ساخت کانال‌های هوای بی‌صداتر برای سیستمهای سرمایشی و گرمایشی خودرو را انجام می‌دهند.
مردمی‌سازی فناوری
شاید سودمندی برنامه‌هایی از این دست، واضح و حتی بدیهی به نظر برسد، اما در کمال تعجب، هنوز در بسیاری از کسب‌وکارهای فناوری اطلاعات، جای آن‌ها خالی است. به‌طور سنتی، در حوزه IT، گروهی از تحلیلگران کسبوکار به‌منظور فهم فرایند کار و طراحی سیستم پشتیبانی یا اصلاح آن فرایند، به کار گرفته می‌شوند و سپس این تحلیلگران با تکنسین‌هایی که سیستم را ساخته‌اند، تعامل می‌کنند. این روش متداول، فرضیه‌ای جالب و اغلب نامعتبر را به ذهن متبادر می‌کند: برای افراد فنی، یادگیری فوت‌و‌فن کسبوکار راحت‌تر از یادگیری موارد فنی به‌وسیله صاحبین مشاغل است.
همچنین این روش نیازمند منابع قابل ملاحظه و باارزشی از IT است. حتی بهترین و تواناترین تکنیسین‌ها نیز فقط از تعداد پروژه‌های محدودی می‌توانند پشتیبانی کنند و در بازار کار فعلی، تعداد نیروهای توانمند، به مقدار قابل‌توجهی کم شده است.
در روشی دیگر و برخلاف روش پیشین، دانش فنی به افراد خارج از حوزه IT ارائه می‌شود؛ عموماً به این رویکرد با عنوان «مردمی‌سازی فناوری» اشاره می‌شود. این روش، نیازمند سرمایه‌گذاری قابل‌توجهی برای فراهم کردن زمینه کسب مهارت‌ها و آموزش‌های لازم برای افراد خارج از حوزه IT است و همین امر مانع بزرگی برای بسیاری از سازمان‌ها است. بااین‌حال، درحال‌حاضر هم برای آموزش فرایندهای مختلف کسبوکار به کارکنان IT هزینه می‌شود. این امر بهره‌وری افراد خارج از حوزه IT که وظیفه آموزش را بر عهده دارند، کاهش می‌دهد، زیرا کار آن‌ها اغلب به‌عنوان بخشی از فرایند کشف یا تحلیل از نظر دور می‌ماند. به‌علاوه، در بیشتر موارد، پس از اینکه تحلیلگر، پروژه را کامل می‌کند و به سراغ پروژه بعدی می‌رود، دانش آموخته‌شده را از یاد می‌برد.
در مقابل، در صورت آموزش کافی نیروهای خارج از حوزه IT، هزینه‌های صرف‌شده قابل‌توجیه می‌شوند و مدارک فناوری بیشتری برای سازمان به همراه می‌آورد. مقابله با کمبود دانشمندان در حوزه علوم داده، کار دشواری است، اما صدور مدرک و مجوز برای مجموعه «شهروندان تکنیسین» خارج از حوزه IT، کار ساده‌ای است.
این افراد، بسته به زمینه کاری، ممکن است در به کارگیری فناوری‌های کاری خبره‌تر از نیروهای IT باشند، زیرا در زمینه موردنظر، سال‌ها و حتی دهه‌ها تجربه دارند. آن‌ها به مسئله به‌حدی نزدیک هستند که می‌توانند به‌طور طبیعی مهم‌ترین جنبه و عملکرد را تشخیص دهند و از درگیری‌های داخلی و رقابت‌های رایج بین واحدهای IT و تجاری بر سر منابع، اجتناب می‌شود.
به‌علاوه، از این تغییر رویه می‌توانید برای اتمام پروژه‌های عقب‌افتاده IT هم استفاده کنید. قابل‌تصور است که وقتی بر روی فراهم کردن آموزش و ابزار لازم سرمایه‌گذاری شود، شهروندان تکنسین بسیاری از پروژه‌های بخش خود را به پایان می‌رسانند و دیگر کاری به کارهای عقب‌افتاده IT اضافه نمی‌شود. بر خلاف دانش تحلیلگرها که با تمام شدن هر پروژه، دیگر قابل‌استفاده نیست؛ شهروندان تکنسین مهارت‌های پایداری دارند که ارزش آن‌ها در طول زمان، افزایش می‌یابد.
از فناوری سایه نترسید
بزرگ‌ترین دلیل مخالفت با ایجاد شهروندان تکنیسین این است که باعث رشد IT سایه می‌شود؛ منظور از سایه، سیستم‌ها و فناوری‌هایی هستند که خارج از قلمرو IT شرکت هستند. علت اصلی این ترس، این است که اگر این سیستمهای غیررسمی دچار مشکل شوند، از بخش IT درخواست کمک می‌شود و در نهایت به خاطر رفع و رجوع کار فناوری سایه، کار بخش IT زیاد می‌شود؛ در صورتی که اگر خودشان از ابتدا آن را می‌ساختند، وظیفه کمتری بر دوش داشتند.
این نگرانی غیرمنطقی نیست، اما بیشترین خطر IT سایه این است که به خاطر ناامیدی از سرعت عمل یا انعطاف IT داخلی، بدون راهنمایی یا مشاوره با آن‌ها اقدام کند. اگر کسب‌وکارها، کادر شهروندان تکنسین خود را با همکاری سایر واحدهای کسبوکار و حساب‌شده، ایجاد کنند، می‌توانند سیاست‌ها و قوانین مناسبی را درباره موارد قابل‌قبول و راه‌های پاسخ به مشکلات، تعیین کنند.
بیشتر شرکت‌ها با مجهز کردن کاربران کسبوکار خود به ابزارهای تحلیلی و گزارش‌دهی، تجربه‌ای در زمینه ایجاد شهروندان فنی داشته‌اند. می‌توان نمونه‌هایی را که درحال‌حاضر در سازمان وجود دارد، بررسی کرد و دید که چگونه می‌توان آموزش، مدیریت و پشتیبانی از فعالیت‌هایی که احتمالاً موقتی بوده‌اند و موفقیت‌هایی را که از دید عموم پنهان مانده‌اند، بهبود بخشید.
با تعداد کم شروع کنید
همان‌طور که در خصوص تمام کارهای جدید صادق است، شروع کردن با تعداد کم، هیچ اشکالی ندارد. شرکتی مانند فورد در سراسر جهان بیش از 200 هزار کارمند دارد؛ بنابراین با اینکه آموزش هوش مصنوعی به هزار نفر به نظر چشمگیر می‌رسد، اما این تعداد کمتر از یک درصد نیروی کار فورد را در بر می‌گیرد. هیچ اشکالی ندارد که کار را با یک برنامه آزمایشی و تعداد معدودی از افراد آغاز کرد. احتمالاً در هر کسب‌وکاری، بخشی وجود دارد که درخواست ابزار یا فناوری جدیدی داشته باشد؛ می‌توان در این بخش، به جای آموزش نیروهای IT و به کارگیری تحلیلگران، شهروندان تکنسین را به‌صورت آزمایشی ایجاد کرد.
ابتدا باید مشخص کرد که این افراد قرار است چه نوع مشکلاتی را با استفاده از فناوری جدید، حل کنند؛ اگر این افراد، نیروی مخصوص همان بخش کاری باشند، احتمالاً گزینه خوبی برای آزمایش خواهند بود. سپس به تکنسین‌های خارج از حوزه IT آموزش داده و امکان تماس با یک نیروی IT را ایجاد کرد که تجربه کار با آن فناوری را دارد یا اینکه مشتاق به یادگیری آن است. عملکرد این تکنسین‌های خارج از IT و تأثیر این روش جدید بر کار IT شرکت، سنجیده شود. احتمالاً نتایج، شگفت‌انگیز خواهند بود؛ زیرا مشاهده می‌شود که با تلاش و درگیری کمتر بخش IT، می‌توان نتایج بهتر و سریع‌تری گرفت و کارکنان IT، وقت بیشتری برای انجام کارهای مهم‌تر دارند.
جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید
