ظهور مدیران مبتنی بر هوش مصنوعی

به‌ جای آنکه متخصصان ماهر کنار گذاشته شوند، هوش مصنوعی بستری فراهم می‌کند تا کارکنان متخصص از نقش‌های فردی به مدیران با نفوذ بالا تبدیل شوند، مدیرانی که تیم‌هایی از عوامل هوش مصنوعی را هدایت می‌کنند تا بتوانند وظایف را با کارایی خیره ‌کننده‌ای انجام دهند.

به‌جای آنکه تخصص و خلاقیت انسان‌ها به حاشیه رانده شود، این ویژگی‌ها بیش از پیش اهمیت می‌یابند، چرا که انسان‌ها وظیفه هدایت و راهبری عوامل هوش مصنوعی را برای دستیابی به بهترین نتایج بر عهده خواهند داشت.

هوش مصنوعی به‌عنوان اعضای تیم با عملکرد بالا

سیستم‌های هوش مصنوعی امروزی در انجام وظایفی مانند تحلیل داده‌ها، تولید گزارش و حتی تصمیم‌گیری‌های پیچیده در حوزه‌های مالی، پژوهش‌های حقوقی و صنایع خلاق، تسلط خود را به ‌خوبی نشان داده‌اند. در بسیاری از حوزه‌ها، این قابلیت‌ها تنها در چند سال اخیر و با بالغ شدن هوش مصنوعی مولد به عنوان ابزاری عملیاتی برای کسب‌وکارها، پدیدار شده‌اند.

گام منطقی بعدی، هوش مصنوعی عاملیت‌ محور یا عامل ‌محور (Agentic AI) است؛ جایی که هوش مصنوعی تنها یک ابزار در خدمت کاربر انسانی نیست، بلکه به ‌صورت همزمان و با درجه‌ای از خودمختاری در کنار انسان فعالیت می‌کند.

در واقع، عوامل دیجیتال (Digital Agents) در حال تبدیل شدن به نوع جدیدی از نیروی کار هستند. این نوع از نیروی کار توانمند، باثبات و در حال پیشرفت مداوم هستند و توانایی کار شبانه‌روزی و قابلیت پردازش حجم عظیمی از داده‌ها تنها در چند ثانیه را دارند.

قابل درک است که این موضوع برای بسیاری ترسناک باشد. عوامل هوش مصنوعی در حوزه‌های فعالیت خود می‌توانند سریع‌تر، دقیق‌تر و مقرون‌به‌صرفه‌تر از انسان‌ها باشند، اما حتی بهترین نیروها نیز نیاز به یک مدیر دارند. آن دسته از مدیرانی که با برترین استعدادها کار می‌کنند، معمولاً تأثیرگذارترین افراد در سازمان هستند. در واقع آینده متعلق به آن دسته از متخصصانی است که توانایی‌های هوش مصنوعی را در مسیر تولید نتایجی قرار می‌دهند که به‌ مراتب بهتر از دستاوردهای یک فرد به‌تنهایی است.

رهبری عوامل هوش مصنوعی از طریق مدیریت فنی

اینجاست که این پرسش مطرح می‌شود: «مدیریت عوامل هوش مصنوعی دقیقاً به چه معناست؟» واقعیت این است که مدیریت مؤثر، چه در مورد انسان‌ها باشد و چه در مورد سیستم‌های هوش مصنوعی، همواره نیازمند ترکیبی از دو دسته مهارت بوده است.

از یک سو، مهارت در مدیریت افراد است، یعنی هنر و علم درک رفتار انسان، انگیزش و هیجانات. با اینکه هوش مصنوعی فاقد عمق احساسی انسان است، اما برای همکاری مؤثر با عوامل هوش مصنوعی، نیاز به برخی مهارت‌های نرم (Soft Skills) از جمله توانایی تعیین انتظارات و ارائه دستورالعمل‌های شفاف و بدون ابهام  وجود دارد.

از سوی دیگر، مدیریت به معنای سازمان‌دهی، تفویض وظایف و تضمین وجود سازوکارهایی برای اجرای یک چشم‌انداز راهبردی است. این فرایند تنها تعیین جهت حرکت نیست، بلکه اطمینان از این است که هر وظیفه در راستای تحقق یک هدف مشترک عمل می‌کند.

توانایی‌هایی مانند نظارت تاکتیکی، بهینه‌سازی فرایندها و تصمیم‌گیری راهبردی، مهارت‌هایی تخصصی هستند که به ‌سادگی بین حوزه‌های مختلف قابل انتقال نیستند. به همین دلیل است که احتمالا یک مدیر فروش برجسته نتواند در نقش مدیریت تیم مهندسی عملکرد مناسبی داشته باشد، یا یک مدیر محصول موفق در انگیزه‌بخشی به تیم فروش دچار مشکل شود.

در جهانی که عوامل هوش مصنوعی در کنار انسان‌ها فعالیت می‌کنند، این دو جنبه از مدیریت از همیشه مهم‌تر می‌شوند. در حالی که هوش مصنوعی می‌تواند بسیاری از وظایف را با سرعت و دقت چشمگیر انجام دهد، مدیری که تیمی از عوامل هوش مصنوعی را هدایت می‌کند باید هم درک دقیقی از سازوکارهای فنی این فناوری داشته باشد و هم به جنبه‌های انسانیِ همکاری با دیگر همتایان انسانی که خود مدیر تیم‌های هوش مصنوعی هستند، آگاه باشد.

این تصور رایج که یک مدیر خوب فقط باید در مدیریت افراد مهارت داشته باشد و نیازی به درک نحوه انجام کارها ندارد، به ‌کلی اشتباه است. هر کسی که تجربه کار با مدیری را داشته باشد که از واقعیت‌های عملی شغل بی‌اطلاع است، می‌داند که رهبری واقعی نیازمند ترکیبی از شناخت عملی و بینش راهبردی است.

بازنگری در افسانه‌ حذف شغلی توسط هوش مصنوعی

برخی از افراد نگران‌ هستند که با پیشرفت بیشتر هوش مصنوعی، نیاز به نیروی انسانی کاهش یابد و این امر در نهایت به بیکاری گسترده منجر شود، اما پاسخ رایج به این نگرانی، «پارادوکس ژِوونز» (Jevons Paradox) است، یعنی افزایش بهره‌وری، می‌تواند به‌ طرز متناقضی منجر به افزایش کلی تقاضا شود.

هرچند هوش مصنوعی ممکن است برخی از وظایفی را که در حال حاضر توسط انسان‌ها انجام می‌شود بر عهده بگیرد، اما همین افزایش بهره‌وری در بخش‌هایی از کار باعث خواهد شد که نیاز به دخالت انسانی در حوزه‌های دیگر افزایش پیدا کند.

اشتباهی که بارها و بارها تکرار می‌شود، این است که تصور می‌شود تقاضا برای نیروی انسانی و مهارت‌های انسانی تنها یک مسیر نزولی دارد. گویی ما به سقف قابلیت‌های مفید بودن انسان‌ها رسیده‌ایم و از اینجا به بعد فقط شاهد کاهش این سقف خواهیم بود، اما اگر این امکان را در نظر بگیریم که یک فرد، با استفاده از هوش مصنوعی، می‌تواند خروجی‌هایی فراتر از حد تصور ما تولید کند، آنگاه با آینده‌ای روبه‌رو هستیم که در آن فرصت‌ها کاهش نمی‌یابند، بلکه چند برابر می‌شوند.

به ‌طور مشابه، انقلاب صنعتی بسیاری از مشاغل دستی را (به‌ویژه در صنایعی مانند تولید پوشاک) از بین برد، اما در عین حال باعث انفجار تاریخی در ثروت شد که تا به امروز ادامه دارد، هرچند این ثروت به شکل نامتوازنی توزیع شده است. این انقلاب منجر به کاهش قیمت بسیاری از کالاهای اساسی و حتی کالاهای لوکس شد که به نوبه خود سطح زندگی انسان‌ها را بالا برد.

موج بدبینی نسبت به هوش مصنوعی که امروز شاهد آن هستیم، روندهای تاریخی گذشته را نادیده می‌گیرد. به همان اندازه که نگرانی‌ها معقول به نظر می‌رسند، به همان اندازه هم این احتمال وجود دارد که جهش بهره‌وری ناشی از هوش مصنوعی، فرصت‌هایی کاملاً جدید، بازارهای نو، صنایع تازه و محصولات نوآورانه‌ای که اکنون حتی تصورشان را هم نمی‌کنیم، ایجاد کند.

ممکن است برخی مشاغل حذف شوند، اما مشاغل دیگری نیز به وجود خواهند آمد که این خلا را جبران می‌کنند. مدیریت عوامل هوش مصنوعی تنها یکی از این نمونه‌هاست.

پس، چطور باید خودمان را برای این تغییر آماده کنیم؟

من همواره توجه داشته‌ام که درد و دشواری‌های تحول به سمت اقتصادی متمرکز بر هوش مصنوعی را دستِ کم نگیرم. همان‌طور که انقلاب صنعتی با جابه‌جایی‌های شغلی کوتاه‌مدت همراه بود، این تغییر نیز با پیامدهای مشابهی همراه خواهد بود. با این حال، این بار شدت و شوک سیستمی آن به اندازه مکانیزه شدن کامل نیروی کار انسانی نخواهد بود. باور دارم که مسیر هوش مصنوعی آهسته‌تر و حساب‌شده‌تر طی خواهد شد و این فرصت را داریم که با برداشتن گام‌های مناسب، این مسیر را بسیار نرم‌تر و قابل‌تحمل‌تر کنیم.

در گام نخست، اجازه دهید درباره آموزش صحبت کنیم. دانشگاه‌ها در تربیت پژوهشگران علمی عملکرد خوبی دارند، اما لزوماً مهارت‌های حرفه‌ای و شغلی را به دانشجویان نمی‌آموزند. برای مثال، در یک برنامه آموزشی علوم کامپیوتر، شما با الگوریتم‌ها آشنا می‌شوید، اما ممکن است ابزارهایی مانند GitHub یا Docker آموزش داده نشود.

در مسیر تحول به سمت نیروی کاری مبتنی بر هوش مصنوعی، احتمالاً باید تمرکز را از آموزش صرفاً آکادمیک، به سمت مهارت‌های کاربردی و دنیای واقعی ببریم. این همان نوع آموزش‌هایی است که در گذشته توسط مؤسسات پلی‌تکنیک ارائه می‌شد و اکنون در ایالات متحده توسط کالج‌های محلی (Community Colleges) دنبال می‌شود. به ‌نظر من، ما به تعداد بیشتری از این نوع آموزش‌ها نیاز داریم و باید برای آن‌ها ارزش بیشتری قائل شویم.

شرکت‌ها باید برای نیروی کار فعلی سواد هوش مصنوعی (AI Literacy) را بخشی از استراتژی آموزشی خود قرار دهند؛ یعنی آن را در ذهن و عمل کارکنان فعلی نهادینه کنند و به ‌عنوان بخشی از فرایند جذب نیروهای جدید بگنجانند. این آموزش باید به ‌شکل برابر از سطوح پایین سازمان تا مدیران ارشد (C-Suite) ارائه شود. شرکت‌هایی که از ابتدا نیروی کاری آگاه و مجهز به هوش مصنوعی داشته باشند، در این دوران بیشترین موفقیت را تجربه خواهند کرد.

همچنین برای مشاغلی که بیشتر در معرض خطر اختلال ناشی از هوش مصنوعی قرار دارند، اکنون زمان عمل فرا رسیده است. در واقع بهترین کاری که این دسته از افراد می‌توانند انجام دهند، شروع به یادگیری است. لازم نیست همه تبدیل به مهندس نرم‌افزار شوند، اما آشنایی با ابزارهای هوش مصنوعی، تسلط به فرایندهای دیجیتال و تقویت مهارت‌های حل مسئله، تفاوت زیادی در آینده شغلی ایجاد خواهد کرد.

البته نکته اینجاست: موضوع فقط این نیست که بدانید چطور از هوش مصنوعی استفاده کنید. بلکه باید به اندازه کافی بدانید که بتوانید آن را زیر سوال ببرید.

هوش مصنوعی قدرتمند است، اما بی‌نقص نیست. در واقع پذیرش کورکورانه خروجی‌های آن بدون درک منطق پشت آن‌ها یا عدم آگاهی درباره محدودیت‌های مدل‌های هوش مصنوعی، می‌تواند فاجعه‌آفرین باشد. در واقع، این همان تعریف «بی‌سوادی در حوزه هوش مصنوعی» است. در نهایت، مدیرِ عوامل هوش مصنوعی باید بتواند گاهی اوقات در برابر «کارمندان دیجیتال» خود ایستادگی کند.

متخصصانی که در این عصر جدید موفق خواهند شد، کسانی هستند که مهارت‌های تفکر انتقادی خود را حفظ می‌کنند و می‌توانند پیشنهادات هوش مصنوعی را ارزیابی کنند. این افراد باید بدانند چه زمانی به آن اعتماد کنند و چه زمانی تصمیم به رد آن بگیرند.

خبر خوب این است که منابع یادگیری فراوانی از جمله دوره‌های آموزشی رایگان، آموزش‌های درون‌سازمانی، بوت‌کمپ‌های هوش مصنوعی (AI Boot Camps)، یادگیری‌های خودآموز و… وجود دارد. منابع در دسترس هستند، اما گام اول را باید خودتان بردارید. آینده متعلق به کسانی است که خود را تطبیق می‌دهند و مهم‌تر از آن، به‌درستی فکر می‌کنند.

این مطلب نخستین بار توسط «تیگران اسلویان»، ۳۰ فروردین ۱۴۰۴ در «fastcompany» منتشر شده است.