دپارتمان فناوری اطلاعات، جایی که هوش مصنوعی در آن جان می‌سپارد

ما هنوز به طور کامل دلیل آن را نمی‌فهمیم؛ اما بااین‌حال، غریزه غالب در سراسر دنیای سازمانی این است که با هوش مصنوعی طوری رفتار کنند که گویی صرفاً یک نرم‌افزار سازمانی دیگر است؛ یعنی آن را در فرایندهای موجود جای دهند، شاخص‌های کلیدی عملکرد (KPI) برای آن تعیین کنند و مدیریت آن را به دپارتمان فناوری اطلاعات بسپارند.

«اتان مولیک» (Ethan Mollick) دانشیار مدرسه کسب‌وکار وارتون و نویسنده کتاب Co-Intelligence: Living and Working with AI است.

این یک اشتباه استراتژیک عمیق است. شرکت‌ها در حال مسابقه برای «غرابت‌زدایی» (Deweird) از هوش مصنوعی هستند و با این کار، آنچه را که باعث تحول‌آفرینی آن می‌شود، هدر می‌دهند و آن را صرفاً به جدیدترین موج اتوماسیون اداری تقلیل می‌دهند. برای شفافیت باید گفت، استفاده آسان از هوش مصنوعی مهم است و گنجاندن آن در ابزارها و جریان‌های کاری آشنا، صرفاً یک مهندسی هوشمندانه است. اشتباه این است که اجازه دهیم این رابط‌های کاربری روان، درک شما از امکانات و پتانسیل‌های این فناوری را محدود و سطحی کنند.

تمایل به غرابت‌زدایی یا همان عادی‌سازیِ پدیده‌های غریب، قابل‌درک است. مدیران اجرایی آموزش دیده‌اند تا فناوری‌های جدید را عادی‌سازی کنند و آن‌ها را در دسته‌بندی‌های آشنا قرار دهند. بنابراین، هوش مصنوعی به یک پردازنده منطق فازی تبدیل می‌شود که در یک جریان کاری تعبیه شده یا ابزاری که چند دقیقه از مدت‌زمان انجام یک وظیفه را کاهش می‌دهد. فناوری‌های عادی برنامه‌های استقرار عادی دریافت می‌کنند، مانند الزام به اینکه ۹۰ درصد از کارکنان باید هر هفته از یک بسته نرم‌افزاری جدید استفاده کنند.

اما وقتی این هدف را برای هوش مصنوعی تعیین می‌کنید، واقعاً چه اتفاقی می‌افتد؟ کارکنان از هوش مصنوعی برای پیاده‌سازی متن جلسات استفاده می‌کنند یا جریان بی‌پایانی از «هرزکاری» (workslop) را در قالب ده‌ها یادداشت یا پاورپوینت اضافی تولید می‌کنند. رفتار با این فناوری به‌عنوان یک استقرار نرم‌افزاری دیگر، مانند دریافت یک مصنوع بیگانه و اسرارآمیز و استفاده فوری از آن به‌عنوان گیره کاغذ است.

انگیزه غرابت‌زدایی، شکست دوم و عمیق‌تری را به همراه دارد. این امر باعث می‌شود شرکت‌ها به طور پیش‌فرض به سمت «اتوماسیون» (خودکارسازی) حرکت کنند تا «ارتقا» (افزایش توانمندی انسانی). وقتی مدیران مطالعاتی را می‌بینند که نشان‌دهنده افزایش ۳۰ درصدی بهره‌وری به‌واسطه هوش مصنوعی است، اقدام غریزی آن‌ها کاهش ۳۰ درصدی نیروی کار است. این محاسبه ریاضی ساده است. آنچه دشوار است و به تخیل واقعی نیاز دارد، پرسیدن یک سؤال متفاوت است:

• بازسازی یک سازمان حول این واقعیت که یک برنامه‌نویس اکنون می‌تواند صدها برابر بیشتر کد بنویسد، به چه معناست؟
• چه محصولات جدیدی امکان‌پذیر می‌شوند؟
• چه بازارهای جدیدی باز می‌شوند؟

هیچ ارائه‌دهنده‌ای نمی‌تواند به این سؤالات برای شما پاسخ دهد و هیچ مشاوری دستورالعمل آماده‌ای برای این کار ندارد؛ هرچند ممکن است ادعا کنند که دارند. کار استراتژیک و دشوارِ بازآفرینیِ آنچه سازمان شما می‌تواند به آن تبدیل شود، دقیقاً همان کاری است که غرابت‌زدایی از هوش مصنوعی به سازمان‌ها اجازه می‌دهد از آن اجتناب کنند.

اما یک موقعیت طبیعی وجود دارد که هوش مصنوعیِ غرابت‌زدایی شده در آنجا جان می‌سپارد، دپارتمان فناوری اطلاعات. این انتقادی به متخصصان فناوری اطلاعات نیست که کارهای ضروری و حیاتی انجام می‌دهند؛ اما در بیشتر شرکت‌ها، مأموریت اصلی آن‌ها به‌حداقل‌رساندن ریسک است. هر کار خلاقانه‌ای که یک کارمند با رایانه انجام می‌دهد، سازمان را به طور بالقوه آسیب‌پذیر می‌کند. در مقابل، هوش مصنوعی می‌طلبد که سازمان‌ها با آزمایش‌های متهورانه، تحمل شکست و پذیرش این واقعیت که هنوز هیچ‌کس راه درست استفاده از این ابزارها را نمی‌داند، از ریسک استقبال کنند. واگذاری کنترل انحصاری هوش مصنوعی به دپارتمانی که مأموریت اصلی آن حذف ریسک است، یک خطای مقوله‌ای (Category Error) است.

پس شرکت‌ها به‌جای این کار چه باید بکنند؟ مولیک در کار خود در این زمینه، من یک مدل سه‌بخشی رسیده است:

1. مدیریت
2. کارکنان
3. آزمایشگاه

مدیریت به این معناست که جهت‌گیری باید از بالا صورت گیرد. مدیرعامل و سایر مدیران ارشد نمی‌توانند استراتژی هوش مصنوعی را به مدیریت میانی یا فناوری اطلاعات تفویض کنند. آن‌ها باید چشم‌اندازی را تبیین کنند که چگونه هوش مصنوعی ماهیت سازمان را تغییر می‌دهد، نه‌فقط نحوه عملکرد آن. همچنین باید مشوق‌هایی ایجاد کنند که آزمایشگری را ایمن سازد و آن‌ها باید با استفاده شخصی از این سیستم‌ها، مدیریتش را بر عهده بگیرند.

اگر مدیران چنین کنند، می‌توانند الهام‌بخش کارکنان باشد؛ کسانی که وقتی به ابزارهای هوش مصنوعی دسترسی پیدا کنند و واقعاً اجازه آزمایش آن را داشته باشند، موارد استفاده‌ای را کشف خواهند کرد که حتی شرکت‌های سازنده هوش مصنوعی نیز پیش‌بینی نمی‌کردند. ازآنجایی‌که هوش مصنوعی در دستان متخصصان بیشترین اثربخشی را دارد، کارکنان همان‌جایی هستند که بهترین ایده‌ها از آنجا نشئت می‌گیرند.

سپس این ایده‌ها به بوته آزمایش می‌روند، جایی که تیمی از کارکنان فنی و غیرفنی به‌صورت تمام‌وقت روی هوش مصنوعی مولد کار می‌کنند. این‌ها افرادی هستند که وظیفه آن‌ها جابه‌جاکردن مرزها، توسعه جریان‌های کاری جدید و بازگرداندن کشفیات به بدنه سازمان است. شگفت‌زده می‌شویم وقتی می‌بینیم هنوز چه تعداد از شرکت‌های بزرگ حتی فاقد چنین چیزی هستند و بدون آن، هیچ سازوکاری برای یادگیری اینکه هوش مصنوعی واقعاً چه کاری می‌تواند برای آن‌ها انجام دهد، ندارند. گویی با چشم بسته در حال حرکت هستند و به‌جای ایجاد دانش سازمانی، به نسخه‌های نمایشی وندورها و سخنرانی‌های کنفرانس‌ها متکی هستند.

غرابت‌زدایی از هوش مصنوعی یک مشکل دیگر نیز ایجاد می‌کند و شاید پردردسرترین آن‌ها باشد. وقتی سازمان‌ها در ایجاد مشوق‌های مناسب شکست می‌خورند، کارکنان واکنشی منطقی نشان می‌دهند؛ آن‌ها استفاده خود از هوش مصنوعی را پنهان می‌کنند. برخی از تنبیه می‌ترسند. برخی اعتماد ندارند که دستاوردهای بهره‌وری با آن‌ها به اشتراک گذاشته شود و نگران‌اند که صرفاً توسط شرکت تصاحب شود. برخی بی‌سروصدا ۹۰ درصد کمتر کار می‌کنند و هیچ دلیلی برای ارائه داوطلبانه این اطلاعات نمی‌بینند. نتیجه؛ یک شکاف اطلاعاتی عظیم است. مدیران نمی‌توانند تأثیر واقعی و کنونی هوش مصنوعی را در داخل سازمان‌های خود ببینند که این امر توسعه یک استراتژی واقعی را دشوارتر می‌کند.

مقاومت در برابر روند غرابت‌زدایی تضمین نمی‌کند که هوش مصنوعی به‌خوبی پیش خواهد رفت یا نه. هیچ نتیجه مطلوب پیش‌فرضی وجود ندارد؛ اما ناتوانی در دیدن هوش مصنوعی همان‌گونه که هست؛ ‌یعنی یک فناوری عمیقاً عجیب، پرخطر و قدرتمند نتایج بد را تضمین خواهد کرد. شرکت‌هایی که لبه‌های عجیب‌وغریب هوش مصنوعی را صیقل می‌دهند به سمت اتوماسیون و تعدیل نیرو منحرف خواهند شد؛ زیرا این تنها چیزی است که می‌توانند ببینند. کسانی که مایل به رویارویی مستقیم با این فناوری هستند، می‌توانند چیزهای بسیار جالب‌تری بیابند. چیزهایی مانند راه‌هایی برای کمک به توانمندسازی افراد و سازمان‌هایشان برای انجام کارهایی که یک سال پیش غیرممکن بود و پیش‌بینی آن‌ها برای یک سال آینده نیز غیرممکن خواهد بود. هیچ‌کس دقیقاً نمی‌داند این مسیر به کجا ختم می‌شود. اما نمی‌توانید در یک قلمرو ناشناخته و عجیب با تظاهر به اینکه نقشه‌های قدیمی‌تان کارساز خواهند بود، مسیریابی کنید.

گزارش حاضر در نسخه April 4^th 2026 نشریه The Economist منتشر شده است.