چگونه با استفاده از هوش مصنوعی هوش جمعی شرکت خود را تقویت کنیم؟

در دنیای مدیریت، سیستم‌های هوش مصنوعی اغلب در دو دسته خودکارسازی و تقویتی بررسی می‌شود. خودکارسازی به این معناست که ماشین‌ها وظایفی را که قبلاً انسان‌ها انجام می‌دادند، بر عهده می‌گیرند. اما تقویت به همکاری انسان و ماشین برای انجام وظایف مختلف اشاره دارد.

بر اساس نظر رایج، تقویت نسبت به خودکارسازی عملکرد بهتری دارد، زیرا مشکلاتی مثل تفکر کوتاه‌مدت، کاهش انعطاف‌پذیری به دلیل وابستگی به فناوری و از دست رفتن مهارت و شهود انسانی را کاهش می‌دهد. این نقاط ضعف می‌توانند مانع موفقیت بلندمدت شوند.

تقویت یا خودکارسازی؟

متأسفانه، این دیدگاه یک نکته مهم را نادیده می‌گیرد. تقویت به معنای کنار گذاشتن خودکارسازی نیست، بلکه فقط آن را در مراحل پایین‌تری پنهان می‌کند. معمولاً این خودکارسازی در کارهای ساده‌تر مثل جمع‌آوری اطلاعات یا تصمیم‌گیری‌های اولیه انجام می‌شود.

برای مثال، وقتی یک شرکت از هوش مصنوعی برای نوشتن توضیحات محصولات کمک می‌گیرد، ممکن است نوشتن پیش‌نویس‌ها به طور خودکار انجام شود. در این حالت، شهود و تجربه انسانی کنار گذاشته می‌شود و احتمالاً باعث کاهش مهارت‌های افراد شود. در واقع، مشکلاتی که تقویت قرار بود از آن‌ها جلوگیری کند، فقط به مرحله پایین‌تری منتقل می‌شوند.

برای اینکه استفاده از هوش مصنوعی به تحقق اهداف استراتژیک و پشتیبانی از اهداف کلیدی سازمان کمک کند، مدیران باید طرز فکر خود را تغییر دهند و از هوش مصنوعی برای افزایش هوش جمعی سازمان استفاده کنند.

هوش جمعی، هوشی است که از همکاری، تلاش‌های گروهی و رقابت به وجود می‌آید. این هوش نشان‌دهنده توانایی گروه‌ها در رسیدن به توافق، حل مسائل پیچیده و تطبیق با شرایط متغیر است. تحقیقات جدید نشان می‌دهند که هوش جمعی از سه عنصر اصلی «حافظه جمعی»، «توجه جمعی» و «استدلال جمعی» تشکیل می‌شود. مدیران می‌توانند این مفاهیم را به کار بگیرند تا با استفاده از هوش مصنوعی، بخش‌هایی از سازمان را تقویت کنند، توانایی‌های فکری گروهی را ارتقا دهند و تصمیم‌گیری‌های آگاهانه‌تر و خلاقانه‌تری را در سازمان ایجاد کنند. هوش مصنوعی می‌تواند از هر سه فرایند پشتیبانی کند. در اینجا توضیح می‌دهیم این فرایندها چگونه هستند.

حافظه جمعی: تقویت توانایی فردی برای یادگیری و بهره‌برداری از فرصت‌ها

هوش مصنوعی در حال تغییر شکل وظایف کارکنان است. به‌عنوان مثال، در وال استریت، مؤسسات مالی در حال بررسی استفاده از هوش مصنوعی برای خودکارسازی وظایفی هستند که قبلاً توسط کارمندان رده پایین، مانند تحلیلگران مالی، انجام می‌شد. همان‌طور که یکی از مدیران ارشد یک بانک بزرگ گفته است: «ایده ساده این است که جوان‌ترها را با یک ابزار هوش مصنوعی جایگزین کنید.» این استراتژی ممکن است در کوتاه‌مدت برای افزایش بهره‌وری جذاب باشد، اما چالش‌های آشکاری برای نتایج بلندمدت مانند توسعه مهارت‌ها و دانش در سازمان ایجاد می‌کند.

اگر مشاغل رده پایین به طور کامل خودکار شوند، کارکنان چگونه می‌توانند یاد بگیرند و به کارشناسان خبره تبدیل شوند؟ این تغییر نه تنها می‌تواند مانع از توسعه دانش سازمانی شود، بلکه فرآیندهای شبکه‌سازی اجتماعی و اشتراک دانش که برای دسترسی و حفظ دانش جمعی در یک سازمان ضروری است، نیز مختل می‌کند.

حافظه جمعی به معنای نحوه تخصیص، بازیابی و به‌روزرسانی دانش جمعی در گروه‌ها است. این فرآیند به افراد این امکان را می‌دهد که تخصص‌های مختلف و جزئیات مکمل را به خاطر بسپارند، به طوری که گروه بتواند دانش بیشتری نسبت به زمانی که هر فرد به‌تنهایی عمل می‌کند، یادآوری و استفاده کند. برای اینکه این فرآیند مؤثر باشد، گروه‌ها باید بتوانند به طور پویا درک خود از «چه کسی چه چیزی می‌داند» را به‌روزرسانی کنند، چرا که با شناخت مهارت‌های یکدیگر، می‌توانند بهتر یاد بگیرند. همچنین هوش مصنوعی می‌تواند به شرکت‌ها کمک کند تا دانش جمعی را توسعه دهند، بازیابی و به‌روزرسانی کنند.

یک مثال

شرکت NVIDIA یک دستیار مبتنی بر هوش مصنوعی مولد توسعه داده است که به سؤالات مرتبط با وظایف پیچیده مهندسی مانند طراحی چیپ‌های صنعتی پاسخ می‌دهد. این چت‌بات بر اساس مدل‌های زبانی بزرگ موجود (مدل‌های بنیادی) ساخته شده است، اما با مستندات داخلی، کدها و ارتباطات داخلی مانند ایمیل‌ها و پیام‌های فوری تنظیم دقیق (Fine Tune) شده است.

این سیستم می‌تواند موضوعات پیچیده مربوط به طراحی را توضیح دهد، به مهندسان در پیداکردن سریع مستندات فنی کمک کند و به سؤالات مرتبط با طراحی‌ها، ابزارها و زیرساخت‌های داخلی پاسخ دهد. به این ترتیب، این سیستم کمک می‌کند تا دانش پراکنده در سراسر سازمان به طور گسترده‌تری در دسترس قرار گیرد. در واقع این موضوع به‌ویژه در شرکت‌های چندملیتی مانند NVIDIA اهمیت دارد، جایی که کارشناسان انسانی معمولاً در سراسر جهان پخش شده‌اند و ممکن است یافتن کمک فوری و سریع دشوار باشد.

زمانی که هوش مصنوعی به این شیوه استفاده می‌شود، می‌تواند به بازیابی دانش جمعی موجود در سازمان کمک کند. این امر به‌ویژه برای کسانی که اطلاعات کمی درباره مکان‌های دسترسی به اطلاعات دارند، مفید است.

تجمع دانش

با تجمع دانش در یک مکان، هم هوش مصنوعی و هم فرد استفاده‌کننده از آن، می‌توانند ارتباطات و استنباط‌هایی را ایجاد کنند که برای انسان‌ها (به دلیل محدودیت در پردازش حجم زیادی از داده‌ها) چالش‌برانگیز است. همچنین، این سیستم به شناسایی سریع‌تر و آسان‌تر کارشناسان مرتبط در سازمان نیز کمک می‌کند.

این روش می‌تواند در تخصیص اطلاعات و وظایف جدید به افراد کمک کند و این کار را بر اساس درک بهتر از تخصص‌ها و مهارت‌ها انجام دهد. در واقع هوش مصنوعی به جای خودکار کردن وظایف کارمندان رده پایین، می‌تواند به آن‌ها کمک کند که مهارت‌های خاصی را یاد بگیرند و تخصص پیدا کنند.

این کار با اختصاص وظایفی که به تخصص خاصی نیاز دارند و فراهم‌کردن دسترسی به اطلاعات مرتبط برای انجام این وظایف صورت می‌گیرد. همچنین، هوش مصنوعی می‌تواند از طریق ارتباطات میان افراد، به‌روزرسانی کند که «چه کسی چه چیزی می‌داند» و به افراد کمک کند که سریع‌تر دانش مورد نظر را پیدا کنند و اطلاعات را به فرد مناسب هدایت کنند.

این نوع از کاربردهای هوش مصنوعی می‌توانند حافظه جمعی سازمان را تقویت کنند و در نتیجه، توانایی‌های شناختی جمعی آن را به طور چشمگیری افزایش دهند.

توجه جمعی: شکل‌دهی به نحوه پردازش اطلاعات توسط افراد و گروه‌ها

یکی از حوزه‌های کلیدی که در آن هوش مصنوعی مولد به طور گسترده استفاده می‌شود، ساده‌سازی ارتباطات است. در حالی که افزایش بهره‌وری از طریق ارتباطات پشتیبانی شده با هوش مصنوعی بسیار جذاب به نظر می‌رسد، این کاربردها می‌توانند بر نحوه هماهنگی و تمرکز گروه‌ها نیز تأثیر بگذارند. هوش مصنوعی می‌تواند توجه گروه‌ها را به موضوعات مهم‌تر جلب کند و به آنها کمک کند تا بهتر و سریع‌تر به اهداف مشترک خود برسند.

توجه جمعی به نحوه تمرکز و تخصیص گروه‌ها بر روی وظایف و اولویت‌های کلیدی اشاره دارد. گاهی اوقات این به معنای آن است که چندین نفر به یک موضوع مشترک توجه می‌کنند (مثلاً زمانی که چند نفر به صحبت‌های یک فرد گوش می‌دهند). در موارد دیگر، به معنای تقسیم توجه افراد به موضوعات مختلف است تا حداکثر استفاده از توجه جمعی گروه صورت گیرد. همچنین، گروه‌ها باید به طور مداوم درک خود از تمرکز فعلی و نیازهای یکدیگر را به‌روزرسانی کنند تا هماهنگی و کارایی حفظ شود.

هوش مصنوعی می‌تواند با ساده‌سازی ارتباطات، بهینه‌سازی برنامه‌ها، جریان‌های کاری و فهرست کارها، به تخصیص توجه در گروه‌ها کمک کند. این امر باعث افزایش توجه جمعی می‌شود، زیرا هزینه‌های ناشی از تغییر وظایف و هماهنگی میان کارهای وابسته کاهش می‌یابد. در نتیجه، منابع تیم آزاد می‌شود تا بیشتر بر مسائل خلاقانه تمرکز کنند. هوش مصنوعی می‌تواند با حمایت از روال‌های گروهی که هماهنگی هم‌زمان را تقویت می‌کنند، توجه گروهی را بهبود بخشد.

به عنوان مثال، هوش مصنوعی می‌تواند به هماهنگی تمرکز اعضای تیم کمک کند، به‌طوری که یا همگی به یک موضوع واحد توجه کنند یا توجه خود را بر اساس نیازها به موضوعات مختلف تقسیم کنند. همچنین، هوش مصنوعی می‌تواند با ایجاد آگاهی مشترک از حجم کار و در دسترس بودن هر فرد، به‌روزرسانی توجه جمعی را پشتیبانی کند. با این کاربرد، سازمان‌ها می‌توانند از منابع توجه جمعی خود به بهترین نحو استفاده کنند.

استدلال جمعی: کمک به هماهنگی اهداف و اولویت‌های گروه‌ها

استدلال جمعی به توانایی یک گروه برای تفکر و هماهنگی در مورد اهداف فردی و جمعی اشاره دارد، به‌طوری که بتوانند اهداف و اولویت‌های مشترکی را تعیین کرده و به بیشترین دستاوردهای مشترک دست یابند. گروه‌ها باید اولویت‌ها را تعیین کنند و تعهدات اعضای خود را به دست آورند. همچنین باید درک خود از اهداف، انگیزه‌ها و اولویت‌های یکدیگر را به‌روز کنند.

هوش مصنوعی می‌تواند با ادغام اطلاعات از منابع مختلف (مانند تجمیع داده‌های مبتنی بر هوش مصنوعی)، هماهنگی اهداف را بهبود بخشد. همچنین می‌تواند با بهبود فرآیندهای گروهی که به تخصیص مشترک اولویت‌ها و افزایش تعهدات اعضا کمک می‌کنند، فرهنگ‌سازمانی را تقویت کند.

برای همکاری مؤثر، گروه‌ها باید درک دقیقی از دیدگاه‌ها و موقعیت‌های یکدیگر داشته باشند و بتوانند شکاف‌های ارتباطی بین افراد را برطرف کنند. هوش مصنوعی می‌تواند با خلاصه‌سازی و تحلیل دیدگاه‌های فردی، به گروه‌ها کمک کند تا ظرفیت خود را برای هماهنگی اعضا حول اهداف و اولویت‌های مشترک افزایش دهند. ابزارهای هوش مصنوعی کنونی نیز در تسهیل هم‌راستایی اهداف مؤثر بوده‌اند، چرا که استدلال‌های پشت اهداف و اولویت‌ها را برای افرادی با پیشینه‌های متفاوت، دسترس‌پذیرتر می‌کنند.

هوش مصنوعی مولد می‌تواند در حوزه‌هایی مانند توسعه نرم‌افزار، با درگیرکردن افراد بیشتری هوش جمعی را ارتقا دهد؛ حتی کسانی که به دلیل نداشتن مهارت‌های فنی، قبلاً نمی‌توانستند در این فرآیندها مشارکت کنند.

یک مثال

شرکت HubSpot در حال بررسی این است که چگونه هوش مصنوعی می‌تواند تست‌های A/B را با خودکارسازی فرایند تولید نسخه‌های مختلف وب‌سایت ساده‌تر کند. این‌گونه کاربردهای هوش مصنوعی می‌توانند توانایی استدلال افراد را تقویت کرده و سبک‌های فکری متنوع و پس‌زمینه‌های مختلف را برجسته کنند.

هوش مصنوعی همچنین می‌تواند به افراد کمک کند تا درباره اولویت‌های یکدیگر اطلاعات کسب کرده و آن‌ها را به‌روزرسانی کنند. کارمندان از همین حالا ایده‌های مشابهی را با استفاده از چت‌بات‌های عمومی هوش مصنوعی به‌عنوان ابزاری برای تفکر جمعی به کار می‌گیرند. یکی از موارد استفاده متداول هوش مصنوعی در محیط کاری، کمک به بازنگری در نحوه ارتباط با همکاران در موقعیت‌های اجتماعی دشوار است. با استفاده از نشانه‌های اجتماعی و شبیه‌سازی این موقعیت‌های پیچیده، افراد حاضر در گروه می‌توانند به ظرفیت‌های استدلال پیشرفته‌تری دست پیدا کنند.

استفاده از هوش مصنوعی به این شکل، می‌تواند فرآیند توسعه ارزش‌ها و اولویت‌های مشترک در گروه‌ها را تقویت کرده و به تنظیم منابع و اولویت‌ها برای اجرای کارآمد کمک کند. این کاربردها به افراد کمک می‌کند تا بفهمند اعضای گروه به چه موضوعاتی اهمیت می‌دهند، اهداف آن‌ها را بهتر درک کنند و تفاوت‌های پیچیده را توضیح داده و روشن کنند. در نتیجه، اولویت‌های گروهی بهتر تعیین شده، اهداف جمعی به شکلی مؤثرتر دنبال می‌شوند و در نهایت گروه می‌تواند روی سودآورترین هدف متمرکز شود.

وقتی که هوش مصنوعی به عنوان یک ابزار برای خودکارسازی فرایندها به کار گرفته می‌شود، معمولاً به طور طبیعی باعث کاهش مهارت‌ها، ایجاد ساختارهای سخت و یکنواخت شدن راه‌حل‌ها می‌شود. این موارد می‌تواند ظرفیت شرکت‌ها را برای سازگاری با تغییرات محیطی محدود کند. در نتیجه، این روند باعث کاهش تنوع ایده‌ها، فرضیات و فرایندهایی می‌شود که سازمان‌ها در نظر می‌گیرند. مدیران می‌توانند با استفاده از چند استراتژی زیر، این روند را معکوس کنند:

استفاده از هوش مصنوعی به عنوان مربی و ابزار هماهنگی

یک چت‌بات هوش مصنوعی می‌تواند وظیفه‌ای مانند نوشتن را خودکار کند، اما همچنین می‌تواند به عنوان یک مربی عمل کرده و بازخورد و نقدهایی ارائه دهد. در سیستم مدیریت دانش توسعه‌یافته توسط NVIDIA، هوش مصنوعی به عنوان یک سیستم پشتیبانی عمل می‌کند که هدف آن تقویت هوش جمعی سازمان است. از طریق این سیستم، کارکنان به دانش ارزشمندی دسترسی پیدا می‌کنند، فرصت‌هایی برای کسب مهارت‌های جدید به دست می‌آورند و درک خود از «چه کسی چه می‌داند» را به‌روزرسانی می‌کنند.

برای ارزیابی اثربخشی سیستم‌های پشتیبانی هوش مصنوعی، مدیران می‌توانند از آمار، نظرسنجی‌های رضایت‌مندی و یا ارزیابی عملکرد کارکنان استفاده کنند.

استفاده از هوش مصنوعی به عنوان ابزار تولید برای تقویت آزمایش‌ها و گسترش فضای فکری

هوش مصنوعی می‌تواند به ما در طراحی آزمایش‌ها، شناسایی داروهای مناسب، انجام تحلیل‌های «چه می‌شود اگر»، و حتی تولید چند پیش‌نویس اولیه کمک کند تا از میان آن‌ها بهترین گزینه انتخاب شود. در همه این موارد، هوش مصنوعی به ما ایده‌های جدید و متفاوتی می‌دهد که احتمالاً اگر از آن استفاده نکنیم، این ایده‌ها هرگز به ذهنمان نرسند.

البته مدیران باید مراقب باشند که به اشتباه از این فرصت‌ها غفلت نکنند. وقتی از هوش مصنوعی استفاده می‌شود تا به ما گزینه‌های مختلف بدهد (مثل چند پیش‌نویس اولیه)، احتمالاً برخی از مدیران آن را به‌عنوان اتلاف وقت و منابع ببینند و بخواهند همه چیز را ساده‌تر و سریع‌تر کنند. با اینکه ممکن است انجام این کار بهره‌وری کوتاه‌مدت را افزایش دهد، اما در بلندمدت، از دست دادن ایده‌های جدید و متنوع می‌تواند به زیان شرکت باشد.

اینکه هوش مصنوعی چطور تأثیر می‌گذارد و آیا باعث گسترش یا کاهش گزینه‌ها می‌شود، بستگی به نحوه استفاده از آن در فرآیندهای سازمانی دارد. اگر از هوش مصنوعی به طور هوشمندانه‌ای استفاده شود، می‌تواند به کارکنان کمک کند تا از وظایف تکراری و زمان‌بر رهایی یابند، آزادی بیشتری پیدا کنند و وقت خود را به تفکر خلاقانه و حل مسائل مهم‌تر اختصاص دهند. در چنین شرایطی، هوش مصنوعی می‌تواند به‌شدت هوش جمعی سازمان را تقویت کند.

تحقیقات نشان داده‌اند که برای تقویت خلاقیت، دسترسی به منابعی مانند زمان، بودجه و ابزارهای مناسب ضروری است؛ بنابراین، دادن اختیار به کارکنان برای تغییر و بهبود نقش‌هایشان، می‌تواند راهی مؤثر برای افزایش فضای ذهنی و ارتقای خلاقیت باشد.

همچنین، مدیران سازمان با گرفتن بازخورد از افرادی که مستقیماً تحت تأثیر تغییرات هستند و با نظارت دقیق بر عملکرد سازمان، می‌توانند مطمئن شوند که اقدامات کوتاه‌مدت با اهداف استراتژیک بلندمدت هماهنگ است. این اقدامات به سازمان کمک می‌کند تا هوش جمعی خود را به شکل مؤثر و هدفمند گسترش دهد.

مراقب خطرات هوش مصنوعی باشید که می‌تواند تنوع ذهنی را کاهش دهد و نابرابری‌ها را تشدید کند

اضافه‌کردن هوش مصنوعی به فرآیندهای سازمانی می‌تواند خیلی مفید باشد، اما در عین حال خطراتی هم دارد که باید به آن‌ها توجه کنید. برای مثال، تحقیقاتی که انجام شده نشان می‌دهد که هوش مصنوعی می‌تواند تأثیر زیادی بر آنچه که تیم‌ها به آن توجه می‌کنند بگذارد، حتی اگر ورودی هوش مصنوعی مفید نباشد.

در این تحقیق، وقتی تیم‌ها از دستیار صوتی هوش مصنوعی استفاده می‌کردند، توجهشان به سمت پیشنهادات هوش مصنوعی می‌رفت و حتی از کلمات و اصطلاحاتی که هوش مصنوعی استفاده می‌کرد، تقلید می‌کردند.

چیزی که ما را شگفت‌زده کرد، این بود که تیم‌ها حتی وقتی هوش مصنوعی اطلاعات نادرست و کم‌فایده می‌دهد، باز هم از همان زبان و اصطلاحات استفاده می‌کنند. جالب‌تر این که حتی بعضی از اعضای تیم‌ها به هوش مصنوعی اعتماد نداشتند، ولی باز هم تحت تأثیر زبان و پیشنهادات آن قرار می‌گرفتند.

این تحقیق نشان می‌دهد که هوش مصنوعی می‌تواند تأثیر زیادی روی تصمیمات و رفتار تیم‌ها بگذارد، حتی زمانی که کمک زیادی به آن‌ها نمی‌کند. اگر هوش مصنوعی به‌درستی مدیریت نشود، می‌تواند تنوع فکری در تیم‌ها را کاهش دهد و نابرابری‌ها را بدتر کند.

تحقیقی که اخیراً انجام دادیم نشان داد که بازخوردهای هوش مصنوعی می‌تواند به افراد کمک کند مهارت‌هایشان را بهبود دهند. اما در عین حال، این نوع بازخورد می‌تواند تنوع فکری در گروه را کاهش دهد. این پدیده به نوعی «یکدستی الگوریتمی» اشاره دارد. یعنی وقتی همه از یک سیستم هوش مصنوعی مشابه برای دریافت بازخورد استفاده کنند، افراد تمایل دارند به سمت تخصص‌های مشابه بروند و این باعث می‌شود که ایده‌ها و دیدگاه‌های متفاوت کمرنگ‌تر شوند.

همچنین این تحقیق نشان داد که سیستم‌های هوش مصنوعی که به یادگیری گروهی کمک می‌کنند، می‌توانند نابرابری‌ها را بدتر کنند. در واقع افرادی که از قبل مهارت بیشتری دارند، فرصت‌های یادگیری بیشتری از این سیستم‌ها دریافت می‌کنند و کسانی که تجربه کمتری دارند، نمی‌توانند از این فرصت‌ها بهره‌مند شوند. این اتفاق باعث می‌شود فاصله میان افراد با مهارت‌های مختلف بیشتر شود.

این‌ها فقط دو مثال از کاربردهای هوش مصنوعی هستند که با نیت خوب طراحی شده‌اند، اما می‌توانند پیامدهای غیرمنتظره‌ای داشته باشند که حافظه جمعی، توجه و استدلال گروه‌ها را محدود کنند. همچنین سیستم‌هایی که به‌خوبی طراحی شده و انسان را در مرکز توجه قرار می‌دهند، در کنار بهره‌گیری از قدرت هوش مصنوعی برای پردازش داده‌های حجیم، می‌توانند استدلال جمعی را تقویت کنند و تصمیم‌گیری گروهی را بهبود بخشند. در واقع این سیستم‌ها می‌توانند با تقویت سبک‌های مختلف تفکر و دیدگاه‌های متنوع، به بهبود عملکرد گروه‌ها کمک کنند.

برای بهره‌برداری کامل از مزایای تحولی هوش مصنوعی، باید فراتر از بهره‌وری و کارایی ناشی از اتوماسیون وظایف فکر کنیم. در واقع با نگاه گسترده‌تر و در نظر گرفتن چگونگی تقویت هوش جمعی از طریق پشتیبانی از حافظه جمعی، توجه جمعی و استدلال جمعی، می‌توان فرصت‌هایی برای آزادسازی پتانسیل واقعی همکاری انسان و هوش مصنوعی ایجاد کرد.

استفاده از دیدگاه هوش جمعی می‌تواند طراحی و پیاده‌سازی سیستم‌های هوش مصنوعی را به روشی اصولی هدایت کند تا ظرفیت گروه‌ها برای حل مسائل پیچیده و سازگاری با محیط‌های در حال تغییر افزایش یابد.