My Take On HBR by David De Cremer
کل حرف این مقاله از یک دغدغه شروع میشود؛ اینکه خیلی از سازمانها افتادهاند دنبال AI-Driven شدن، اما یک مانع بزرگ وسط راه وجود دارد: کارمندها هیچوقت احساس نمیکنند میتوانند به این فرآیند اعتماد کنند. نویسنده معتقد است دلیل اصلی این اتفاق این است که در فرآیندهای هایپراتومیشن، از همان افرادی که قرار است بیشترین تأثیر را از این تغییر بگیرند، یعنی کارمندها، هیچ بازخوردی گرفته نمیشود. آدمهایی که هم شغلشان و هم سبک کارشان قرار است تغییر کند. در نهایت هم به این نتیجه میرسد که موفقیت AI بیشتر از آنکه یک مسئله تکنولوژیک باشد، به تعامل انسان با انسان وابسته است.
مقاله از اینجا شروع میکند که مدیرها وقتی با AI روبهرو میشوند، اولین واکنششان این است که «من از ساختار و نحوه کار این چیز سر درنمیآورم.» نتیجه هم میشود اجرای AI بدون درک درست. بعد توصیه میکند که لازم نیست همه مدیرها متخصص AI باشند؛ کافی است AI-Savvy باشند. یعنی آنقدر بفهمند که بتوانند برای تیمشان توضیح بدهند AI قرار نیست جای همه را بگیرد، بلکه آمده کارهایی مثل خواندن رزومه، ارزیابی عملکرد، بهینهسازی تسکها و اتومیت کردن کارهای تکراری را انجام دهد تا کارمندها وقت بیشتری برای فکر کردن به ایدههای جدید داشته باشند. چون در نهایت، از دید نویسنده، AI هنوز نمیتواند مثل انسان فکر کند.
اینجا دقیقاً همان جایی بود که دو سؤال مهم برای من شکل گرفت:
آیا اتوماسیون یا Hyperautomation اصلاً بخشی از AI محسوب میشود؟
اگر تیمی را توسعه داده باشیم که اساساً مسئول اجرا باشد، وقتی AI تمام اجرای آن را به عهده بگیرد، این تیم قرار است به چه چیزی فکر کند؟
ادامه دادم ببینم آیا جایی از مقاله جواب این سؤالها را پیدا میکنم یا نه.
بعد مقاله سه دلیل را مطرح میکند که باعث میشود کارمندها با AI احساس همدلی نکنند.
دلیل اول: از دست دادن کنترل
مثالش یک بانک بود. مشتری برای دریافت اعتبار مراجعه کرده بود و کارمند بانک فقط یک جمله میگفت:
«سیستم میگوید شما واجد شرایط نیستید.»
وقتی مشتری پرسیده بود «چرا؟»، کارمند هیچ پاسخی نداشت، جز اینکه «سیستم این را گفته.»
نویسنده اینجا میگفت نهتنها کارمند دیگر کنترلی روی تصمیم ندارد، بلکه این موضوع باعث تجربه بد مشتری و حتی از دست رفتن فرصتهای کسبوکار میشود.
یک جمله جالب هم وسط مقاله داشت:
When you automate easy tasks but leave difficult and emotionally demanding ones to humans, you negatively affect the well-being of your workers.
یعنی اگر کارهای ساده را اتومات کنی و فقط کارهای سخت و از نظر احساسی فرسایشی را برای انسان بگذاری، در واقع کیفیت زندگی کاری او را پایین آوردهای.
پس اولین دلیل، از دست دادن حس کنترل بود.
دلیل دوم: نفهمیدن AI
اینجا مثال بخش Packaging آمازون را زده بود. بخشی از کار کارگرها با AI مدیریت شده بود و در نهایت تعدادی از آنها با پلاکاردهایی مثل «ما ربات نیستیم» یا «شرکت فقط خروجی میخواهد» اعتصاب کرده بودند.
راستش اینجا امیدوار بودم جواب یکی از سؤالهایم را بگیرم، اما نتیجهای که مقاله گرفت این بود که مدیرها باید صبور باشند تا کارمندها کمکم اهمیت AI و نقش آن را در کارشان درک کنند.
دلیل سوم: ایجاد سیلوهای دانش
نویسنده میگفت وقتی AI به داده کافی دسترسی نداشته باشد یا دادهها در بخشهای مختلف سازمان پراکنده باشند، آدمها کمکم تصمیم میگیرند وارد تعامل نشوند و هرکس در دنیای خودش کار کند. نتیجه هم میشود AI ضعیفتر و سازمان جزیرهایتر.
در نهایت، از دید مدیر، راهحل همه این مشکلات را این میدانست که مدیرها خودشان AI را به اندازه کافی بفهمند و بتوانند اهمیت آن را برای تیم توضیح بدهند؛ اینکه دقیقاً AI چگونه کار میکند، چه نقشی در تصمیمگیری دارد و قرار است چه تغییری در نحوه کار ایجاد کند.
آخر مقاله هم مثال جالبی از اتوپایلوت هواپیما زده بود.
میگفت مشکل اتوپایلوت این است که وقتی شرایط غیرقابل پیشبینی پیش میآید، تنها کسی میتواند درست تصمیم بگیرد که هم پرواز را بلد باشد و هم منطق اتوپایلوت را بفهمد. یعنی صرفاً خلبان بودن کافی نیست و صرفاً شناخت AI هم کافی نیست؛ باید هر دو را با هم بلد باشی.
و جمله آخر مقاله هم این بود:
It should begin with managers learning enough about AI to feel confident communicating its importance with the team.
وقتی مقاله تمام شد، هنوز سؤالهای من بیجواب مانده بود.
شاید یک دلیلش این باشد که مقاله مربوط به ۲۰۲۴ است و بیشتر مثالهایش بین سالهای ۲۰۲۱ تا ۲۰۲۴ اتفاق افتادهاند؛ در حالی که فقط طی همین دو سال، سرعت تغییرات AI آنقدر زیاد بوده که خیلی از آن مثالها امروز دیگر همان معنا را ندارند.
برای همین تصمیم گرفتم خودم دنبال جواب سؤالها بروم.
سؤال اول
جواب سؤال اول را خیلی سریع در یکی از مطالب O’Reilly Media پیدا کردم.
خلاصهاش این بود:
از خودت بپرس:
اگر مدل AI را حذف کنم و فقط Ruleهای ثابت بگذارم، سیستم هنوز تقریباً همان کار را انجام میدهد؟
اگر بله → بیشتر Automation است.
اگر نه → احتمالاً AI-Driven است.
تعریف سادهای بود، ولی به نظرم یکی از بهترین مرزبندیهایی بود که تا امروز دیدهام.
سؤال دوم
اما برای سؤال دوم هنوز به جواب قانعکنندهای نرسیدهام.
فعلاً فقط دو سناریو میبینم.
اول اینکه KPI و معیار ارزشآفرینی آن تیم عوض شود. مثلاً اگر قبلاً وظیفه تیم اجرای ۲۰۰ کمپین بود، حالا وظیفهاش این باشد که مطمئن شود ۲۰۰۰ کمپین بدون خطا اجرا میشود. ولی حس میکنم این راهحل موقتی است و در بلندمدت خود این نقش هم اتومات خواهد شد.
سناریوی دوم این است که این تیمها اساساً به ساختار جدیدی تبدیل شوند. اما همین سناریو، خودش دهها سؤال جدید ایجاد میکند.
لزومی ندارد هر چیزی که میخوانم حتماً یک جواب روشن به من بدهد.
گاهی ارزش یک مقاله این است که سؤال خوبی در ذهنت ایجاد کند.
این مقاله برای من دقیقاً همین کار را کرد.
هنوز یک سؤال بیجواب دارم، اما اگر حرفهایی که زده درست باشند، با همه پیشزمینه فنیای که دارم، احتمالاً وقتش رسیده بیشتر درباره خود این موجود یاد بگیرم؛ نه درباره ابزارهایش، بلکه درباره اینکه واقعاً چطور فکر میکند و چطور تصمیم میگیرد.