خدمات حرفهای در عصر هوش مصنوعی
هوش مصنوعی در حال دگرگونکردن شیوه جذب استعدادها در شرکتهای مشاوره است
شرکتهای ارائهدهنده خدمات حرفهای، از جمله شرکتهای حقوقی معتبر و مشاورههای مدیریتی تراز اول، سالها بر یک راهبرد ساده در مدیریت استعدادها تکیه داشتهاند: استخدام تعداد زیادی از نیروهای جوان، مستعد و پرانرژی برای انجام بخش عمده کارهای اجرایی و زمانبر سازمان؛ اقدامی که به شرکا و مدیران ارشد اجازه میدهد بر جذب پروژههای جدید، توسعه کسبوکار و تعیین راهبردهای کلان تمرکز کنند.
در ادامه، این نیروهای تازهوارد بهتدریج غربال میشوند. بخشی از آنها به سازمانهای دیگر که اغلب مشتریان همان شرکت هستند میپیوندند، برخی به دلیل فرسودگی شغلی یا سیاستهای سنتی و ناکارآمد شرکتها از ادامه مسیر منصرف میشوند و تنها تعداد اندکی موفق میشوند تا پایان دوران حرفهای خود در همان شرکت باقی بمانند و به جایگاه شراکت برسند.
روند و الگو
نکته قابلتوجه این است که هنگام استخدام، این نیروهای جوان معمولاً بر اساس ظرفیت بالقوهشان برای تبدیلشدن به شریک آینده ارزیابی نمیشوند. در مدلی که بر جذب گسترده و نرخ بالای خروج نیروها استوار است، اساساً نیازی به چنین ارزیابیای وجود ندارد. شرکتهای خدمات حرفهای بر این فرض تکیه میکنند که از میان انبوه نیروهای ورودی، در نهایت تنها تعداد بسیار محدودی که در شرکتهای معتبر معمولاً حدود یک یا دو نفر از هر صد نفر است به مقام شریک خواهند رسید.
اما اکنون این الگوی سنتی مدیریت استعدادها با ظهور هوش مصنوعی در معرض تهدید قرار گرفته است. بسیاری از شرکتهای خدمات حرفهای با این تصور که هوش مصنوعی میتواند بخش قابلتوجهی از کارهای تکراری و زمانبر را خودکار کند، استخدام نیروهای تازهکار را بهشدت کاهش دادهاند؛ درحالیکه هنوز تصویر روشنی از پیامدهای بلندمدت این رویکرد جدید بر مسیر پرورش شرکای آینده ندارند.
مدیرعامل یکی از شرکتهای پیشرو در حوزه فناوری حقوقی به HBR گفت که بسیاری از شرکتهای حقوقی بزرگ بینالمللی، با مشاهده سرعت و صرفه اقتصادی هوش مصنوعی، در حال بررسی کاهش ظرفیت جذب کارآموزان تابستانی از حدود ۱۰۰ نفر به تنها ۳۰ نفر هستند. بحثهای مشابهی نیز در شرکتهایی با اندازههای مختلف و در بخشهای گوناگون خدمات حرفهای جریان دارد.
بهعنوانمثال، DeciBio که یک شرکت مشاوره مدیریت تخصصی با ۵۰ کارمند است اعلام کرد که افزایش بهرهوری ناشی از هوش مصنوعی به این شرکت اجازه داده تعداد نیروهای ورودی خود را از ۱۵ نفر در سال ۲۰۲۱ به تنها ۴ نفر در برنامه استخدامی سال ۲۰۲۶ کاهش دهد؛ این در حالی است که درآمد شرکت طی همین دوره رشدی دورقمی را تجربه کرده است.

پرسشهای بسیاری درباره تأثیر هوش مصنوعی بر بازار کار همچنان بیپاسخ ماندهاند:
- کدام گروه از کارکنان بیش از همه تحتتأثیر هوش مصنوعی قرار خواهند گرفت؟
- میزان واقعی کاهش نیروی کار تا چه اندازه خواهد بود؟
- آیا همانگونه که سم آلتمن پیشبینی کرده است، شرکتهای سرمایهگذاری خصوصی خواهند توانست مدیرعامل شرکتهای موجود در پرتفوی خود را با هوش مصنوعی جایگزین کنند؟
- آیا همانند اتفاقی که در آلبانی رخ داده است، وزیران دولت نیز جای خود را به هوش مصنوعی خواهند داد؟
صرفنظر از اینکه این پیشبینیهای آیندهنگرانه تا چه اندازه واقعبینانه به نظر برسند، واقعیت این است که هوش مصنوعی هماکنون نیز موجب کاهش فرصتهای شغلی شده است. پژوهشی تازه که بر پایه دادههای بسیار دقیق حقوق و دستمزد انجام شده، نشان میدهد تعداد مشاغل سطح ورودی در حوزههایی که بیشترین مواجهه را با هوش مصنوعی دارند، ۱۳ درصد کاهش یافته است. این روند با بهبود فناوری و افزایش نرخ پذیرش هوش مصنوعی، بیتردید ادامه خواهد یافت. در ماه مه ۲۰۲۵ نیز داریو آمودی، مدیرعامل آنتروپیک از رهبران کسبوکار خواست واقعیتهای پیش رو را «شیرینسازی» نکنند و هشدار داد که هوش مصنوعی ممکن است ظرف پنج سال آینده، ۵۰ درصد از مشاغل دفتری سطح پایه را حذف کند.
در شرایطی که حجم استخدام نیروهای تازهکار کاهش یافته و قاعده هرم استعدادها روزبهروز کوچکتر میشود، شرکتهای خدمات حرفهای باید مدل مدیریت استعداد خود را چگونه بازطراحی کنند و مهمتر از آن، چگونه باید درباره مسیر پرورش شرکای آینده و درآمدهایی که این شرکا در آینده برای شرکت ایجاد خواهند کرد، بیندیشند؟
بهجای استخدام برای انجام کارهای تکراری، برای پرورش رهبران آینده استخدام کنید
در مدل سنتی که در آن شرکتها ۱۰۰ نیروی تازهکار را استخدام میکردند و انتظار داشتند تنها دو نفر از آنها در آینده به شریک تبدیل شوند، ضرورتی نداشت فرایند استخدام با دقت زیادی بر شناسایی ویژگیهای موردنیاز برای یک شریک آینده متمرکز باشد. اما زمانی که سازمانها به سمت مدلهای کارآمدتر و مقرونبهصرفهتر در مدیریت استعداد حرکت میکنند، لازم است با دقت بیشتری اطمینان حاصل کنند که افراد استخدامشده با نقشهایی که قرار است در آینده بر عهده بگیرند، تناسب داشته باشند.

پژوهش علمی گستردهای نیز درباره نحوه انجام این کار انجام شده است. مهمترین اقدامات عبارتاند از:
- بازنگری در شیوههای سنتی استخدام
- تعریف دقیق عواملی که موفقیت شغلی را پیشبینی میکنند
- استفاده از روشهای مبتنی بر شواهد در فرایند جذب نیرو
- شفافبودن با داوطلبان درباره ماهیت واقعی جایگاهی که برای آن استخدام میشوند، موضوعی که بسیاری از نیروهای سال اول درک روشنی از آن ندارند.
البته برندگان عصر هوش مصنوعی صرفاً تعداد کارکنان خود را کاهش نخواهند داد، بلکه ماهیت کار را نیز بازطراحی خواهند کرد؛ همانگونه که امروزه استفاده از جریانهای کاری متعلق به دوران پیش از اینترنت برای نقشهای کنونی در یک شرکت مشاوره مدیریت، کاملاً غیرمنطقی به نظر میرسد. نباید صرفاً فقط انتظار داشت که هوش مصنوعی انجام تکتک وظایف را کارآمدتر کند؛ بلکه باید درباره بازطراحی کامل فرایندهای کاری اندیشید و کارکنان را برای عملکرد بهتر در این چارچوب جدید آموزش داد، هدایت کرد و مشوقهای مناسبی برای آنها در نظر گرفت.
متخصصان فناوری در سازمان باید به طور مستمر تحولات فناوری در داخل و خارج از صنعت را دنبال کنند، این دانش را به سازمان منتقل کنند و نیروهای تازهکار و شرکا را برای بهرهگیری از فناوریهای جدید آموزش دهند. رهبران کسبوکار نیز میبایست از این رویکرد حمایت کنند. شرکت حقوقی Latham & Watkins این رویکرد را نهادینه کرده و یک کارگروه تخصصی هوش مصنوعی تشکیل داده است که مأموریت آن انتقال جدیدترین دانش هوش مصنوعی به سازمان و آموزش کارکنان از طریق آکادمی داخلی هوش مصنوعی این شرکت است.
اگر اجرای چنین تحولاتی بیش از حد دشوار به نظر میرسد، میتوان با دیگران همکاری کرد. برای مثال، شرکتها میتوانند با استارتاپهای حقوقی یا دانشگاهها برای آزمایش جریانهای کاری جدید مشارکت کنند. Aioi Nissay Dowa Insurance Company یکی از بزرگترین شرکتهای بیمه ژاپن است که با همکاری دانشگاه آکسفورد، آزمایشگاه Aioi R&D Lab–Oxford را راهاندازی کرده است. هدف این برنامه، تبدیل پژوهشهای هوش مصنوعی به کاربردهای صنعتی است؛ از جمله از طریق فراهمکردن فرصتهای کارآموزی برای دانشجویان که فاصله میان دانشگاه و صنعت را کاهش میدهد.
به همین ترتیب نیز وکلا، مشاوران یا حسابداران نیز میتوانند با همکاری استارتاپها و دانشگاهها، دانش فنی خود را ارتقا دهند. البته برای بهرهمندی از چنین فرصتهایی لزوماً نیازی به تأمین مالی یک برنامه دانشگاهی وجود ندارد. دانشگاه آلبرتا نیز با همکاری مؤسسه Alberta Machine Intelligence Institute تاکنون با بیش از ۳۰۰ شرکت در پروژههای انتقال دانش مشابه همکاری کرده است.
برای ساختن آینده، باید قواعد قدیمی را شکست
نوآوری واقعی در عصر هوش مصنوعی ممکن است شرکتها را وارد حوزههایی کند که برایشان ناخوشایند و حتی تهدیدکننده مدل کسبوکار فعلی باشد. این دشوارترین بخش تحول است، زیرا دیگر تنها به مدیریت استعداد محدود نمیشود.
برای مثال، بسیاری از شرکتهای خدمات حرفهای همچنان حقالزحمه خود را بر اساس تعداد ساعات کاری محاسبه میکنند. اما هوش مصنوعی این فرصت را فراهم کرده است که در این مدل قیمتگذاری بازنگری شود؛ زیرا بخش زیادی از فعالیتهای تکراری که پیشتر توسط نیروهای تازهکار انجام میشد، اکنون توسط هوش مصنوعی انجام میشود و در نتیجه تعداد ساعاتی میتواند صورتحساب شود کاهش مییابد.
یکی از راهکارهای منطقی آن است که بهجای قیمتگذاری بر مبنای زمان صرفشده، هزینه پروژهها بر اساس ارزش ایجادشده یا حتی بر مبنای قیمتی تعیین شود که یک رقیب کمبرخوردار از فناوری برای همان پروژه دریافت میکند. در برخی حوزههای خدمات حرفهای مانند خدمات حقوقی، قراردادهای با مبلغ ثابت بهمراتب رایجتر شدهاند و حتی مدلهای اشتراکی نیز بهتدریج در حال گسترش هستند.
بسیاری از موفقترین شرکتهای خدمات حرفهای، رشد خود را مدیون فروش پروژههای بزرگ و یکپارچه با ارزش مالی بالا بودهاند. بااینحال، کیفیت خدمات حرفهای پیش از خرید بهسختی قابلارزیابی است. از همین رو، این شرکتها معمولاً از شرکای باتجربه و پردرآمد استفاده میکنند که دهها یا حتی صدها ساعت صرف ایجاد رابطهای مبتنی بر اعتماد با مشتری میکنند. اما این مدل، هزینه جذب مشتری بسیار بالایی دارد؛ به همین دلیل تمرکز بر پروژههای بزرگ برای شرکتهای خدمات حرفهای از نظر اقتصادی توجیهپذیرتر بوده است. در مقابل، ارائه خدمات کوچکتر و تفکیکشده معمولاً ارزش سرمایهگذاری نداشته و حتی گاهی تهدیدی برای مدل اصلی کسبوکار تلقی شده است.
در فرایند بازآزمایی مدل کسبوکار و راهبرد قیمتگذاری، ممکن است مشخص شود که مدل مدیریت استعداد نیز باید به طور کامل تغییر کند. شاید دیگر برای فروش خدمات کوچک و استانداردشده، نیازی به حضور یک شریک با حقوق بسیار بالا نباشد. برای مثال، بسیاری از شرکتهای ارائهدهنده نرمافزار بهعنوان خدمت (SaaS)، فروش پروژههای کوچک را به نیروهای جوان یا میانرده میسپارند و نیروهای باسابقه فروش سازمانی را بر مشتریان بزرگ متمرکز میکنند.

چرا باید فرض کرد که تنها شرکا قادر به ایجاد اعتماد نزد مشتری هستند؟ در برخی صنایع، متخصصان میانرده از همان سالهای ابتدایی، اختیار قابلتوجهی برای مدیریت روابط با مشتری دارند و این موضوع سبب تسریع بلوغ تجاری آنها میشود.
در صنعت تبلیغات، مدیران حساب کاربری در ابتدای مسیر شغلی معمولاً رابط اصلی روزانه با مشتریان هستند. همچنین پزشکان شاغل در درمانگاههای خصوصی نیز از نخستین سال فعالیت حرفهای خود موظفاند شبکه مشتریان و مراجعان خود را توسعه دهند.
آینده متعلق به سازمانهایی است که امروز شیوه استخدام خود را بازآفرینی میکنند
در دورانی که قدرت تحولآفرین هوش مصنوعی قواعد بازی را دگرگون کرده است، شرکتهای خدمات حرفهای فرصت محدودی برای بازنگری در راهبردهای جذب استعداد در اختیار دارند. رهبران امروزی باید فراتر از کاهش تعداد نیروهای تازهکار بیندیشند و مدلی هدفمند و آیندهنگر برای مدیریت استعدادها طراحی کنند. این بدان معناست که باید افرادی جذب شوند و پرورش یابند که نهتنها توان انجام وظایف فعلی را داشته باشند، بلکه بتوانند به شرکای آیندهنگر، سازگار با تغییرات و مسلط بر فناوری تبدیل شوند.
سازمانهایی که این تغییر پارادایم را بپذیرند، جریانهای کاری خود را بازطراحی کنند، فرهنگ یادگیری نوآورانه را گسترش دهند و از رفتارهای آیندهنگر حمایت کنند، خواهند توانست به سطوح جدیدی از بهرهوری و مزیت رقابتی دست یابند؛ مزیتی که با تداوم تحول فناوری، اهمیت آن بیشازپیش آشکار خواهد شد.
آینده از آنِ سازمانهایی است که از همین امروز راهبردهای استخدام خود را متحول میکنند و سرمایه انسانی خود را به مهمترین عامل تمایز رقابتی تبدیل میکنند.
گزارش حاضر در نسخه March-April 2026 نشریه Harvard Business Review منتشر شده است.