چگونه برای آینده‌ی غیرقابل پیش‌بینی هوش مصنوعی مولد آماده شویم؟

طوفان شروع شده است. در میان آگهی‌های شغلی، درخواست‌هایی برای مهندسان پرامپت (prompt engineers)، یعنی افرادی که از سیستم‌هایی مانند ChatGPT برای تولید محتوا استفاده می‌کنند و در واقع متخصصان برقراری ارتباط با هوش مصنوعی هستند، با حقوق ۳۰۰ هزار دلار در سال به چشم می‌خورد. با سرعت بالای توسعه‌ی فناوری هوش مصنوعی، بسیاری از مدیران به این نتیجه رسیده‌اند که ظرف چند سال آینده، سیستم‌های هوش مصنوعی قدرتمند، حتی قادر خواهند بود که کارهای شناختی را نیز در همان سطح انسان و یا حتی بهتر از او انجام بدهند. اما آیا واقعا اینگونه خواهد بود؟ خانم ایمی وب (Amy Webb)، آینده‌پژوه کمّی، مدیرعامل مؤسسه‌ی Future Today و استاد آینده‌نگاری راهبردی دانشکده‌ی کسب و کار دانشگاه نیویورک به این سؤال اینگونه پاسخ می‌دهد: «از نظر من، این یک اشتباه محاسباتی بزرگ است.»

اول، خیلی زود است که بخواهیم آینده‌ی دقیق هوش مصنوعی و به خصوص هوش مصنوعی مولد را پیش‌بینی کنیم. زیرا هوش مصنوعی مولد تنها یک حوزه‌ی کوچک از یک فناوری است که از جنبه‌های مختلف در حال توسعه است. اینکه هوش مصنوعی کدام مشاغل را حذف خواهد کرد فقط حدس و گمان است. خروجی این فناوری باید اعتبارسنجی، در جریان‌های کاری ادغام و از نظر تهدیدات و مسائل نظارتی مدیریت شود. دوم اینکه مدیران بیش از اینکه روی تغییرات شبکه‌ی ارزش خود در آینده تمرکز کنند، دستاوردهای کوتاه مدت را مدنظر قرار می‌دهند. روزهای آغازین ظهور اینترنت، حتی بهترین مدیران نیز تصور نمی‌کردند که این بستر جدید، بتواند اولین شرکت‌های تریلیون دلاری را به وجود بیاورد. از این رو با وجود اینکه پیش‌بینی آینده‌ی این فناوری جدید غیر ممکن است، اما می‌توان سازمان را برای آن آماده کرد. نیروی کار حذف نخواهد شد، بلکه به همراه هوش مصنوعی مولد تکامل خواهد یافت. نیروی کار باید مهارت‌های جدیدی بیاموزد و رهبران باید رویکرد تازه‌ای را برای به حداکثر رساندن پتانسیل هوش مصنوعی در سازمان خود پیاده‌سازی کنند. اما رهبران چه کاری می‌توانند انجام دهند؟

گام اول: کاهش انتظارات

در سال ۱۹۷۰ میلادی، ماروین مینیسکی (Marvin Minsky)، یک دانشمند کامپیوتر با نفوذ و یکی از بنیان‌گذاران هوش مصنوعی به مجله‌ی Life گفت که تا تحقق هوش مصنوعی عمومی (هوش مصنوعی با توانایی‌های شناختی غیرقابل تشخیص از یک فرد) تنها سه سال زمان مانده است. این اتفاق در سال ۱۹۸۷ میلادی نیز تکرار شد، زمانی که محققان وعده‌های جسورانه‌ای در مورد یک جدول زمانی برای هوش مصنوعی دادند که هیچگاه محقق نشد. پلتفرم‌های هوش مصنوعی که امروزه در دسترس عموم قرار گرفته‌اند، محصولات نهایی نیستند و هنوز در حال توسعه‌اند. برای انجام معجزاتی که هوش مصنوعی مولد وعده‌ی آن‌ها را داده است (در مقیاسی مقرون به صرفه)، هنوز کارهای بسیاری باید انجام شود. ما در آغاز یک مسیر بسیار طولانی ایستاده‌ایم. پس باید انتظارات خود را از آنچه هوش مصنوعی مولد می‌تواند برای کسب و کار شما انجام دهد، کاهش دهید. مدیران باید در مورد اعمالی که هوش مصنوعی مولد قرار است در سازمانشان انجام دهد، شفاف‌سازی کنند و در مورد فرصت‌ها و تهدیداتی که این فناوری نوین برای کسب و کارشان ایجاد می‌کند، عملگرا باشند. تنها تعداد کمی از رهبران امروزه در حال توسعه‌ی استراتژی‌هایی واقع‌بینانه هستند تا وظایف امروز را به چشم‌انداز فردا مرتبط کنند.

گام دوم: ارزیابی داده‌ها

داده‌های کسب و کار، به ویژه هنگامی که به یک مدل هوش مصنوعی ارائه می‌شوند، بسیار ارزشمند هستند؛ چرا که انتقال آن‌ها به یک سیستم دیگر می‌تواند بسیار پر هزینه و دشوار باشد. از آنجا که پلتفرم‌های هوش مصنوعی هنوز توانایی همکاری کامل را ندارند، ممکن است که شرکت‌های ارائه دهنده‌ی هوش مصنوعی، با ارائه‌ی پلتفرم خود به شرکت شما و پیاده‌سازی داده‌های کسب و کار شما، شما را اسیر خود کنند. همچنین تفویض داده‌های کسب و کار به یک پلتفرم هوش مصنوعی مولد، مسئولیت را از نیروی کار انسانی سلب نخواهد کرد. این پلتفرم‌ها که با استفاده از یادگیری تقویتی با بازخورد انسانی (RHLF) شکل گرفته‌اند، بدون بازخورد، خطر یادگیری و به خاطر سپردن اطلاعات اشتباه را دارند. در نتیجه هر چه هوش مصنوعی به بلوغ خود نزدیک‌تر می‌شود، متخصصان بیشتری نیاز هستند که وظیفه‌ی نظارت مستمر و بهینه‌سازی سیستم‌های و ابزارهای هوش مصنوعی را برعهده بگیرند. به مرور، سازمان‌ها نیز نیازمند یک واحد RHLF داخلی خواهند بود. همچنین از آنجایی که فناوری هوش مصنوعی مداوم در حال توسعه و بهبود است، فرصت‌ها و تهدیدات جدید را نیز به دنبال خود خواهد آورد. سازمان‌ها همچنین به یک تیم اختصاصی احتیاج دارند تا وظیفه‌ی نظارت بر سیستم‌های هوش مصنوعی مولد و امنیت سایبری را برعهده بگیرد. این تیم باید سناریو‌های کوتاه «What if …» خلق کنند که در صورت بر پا شدن طوفان و در صورتی که همه چیز اشتباه پیش رفت، بتواند از قبل تا حدودی برای آن آماده باشد.

پیشرفت روزافزون هوش مصنوعی نیاز به یک تیم داخلی توسعه‌ی کسب و کار را نیز به سازمان‌ها دیکته می‌کند تا با خلق سناریوهای کوتاه‌مدت و بلند‌مدت برای مسیرهای بی‌شماری که ابزارهای نوظهور باعث بهبود بهره‌وری و کارایی، توسعه‌ی محصول و نوآوری می‌شود را، ترسیم کنند.

گام سوم: افزایش درآمد به جای کاهش هزینه‌ها

به زودی ربات‌های چت هوشمند، مانند ChatGPT، جای خود را به سیستم‌های هوش مصنوعی چندوجهی می‌دهند که قادر به حل مشکلات مختلف و انجام وظایف مختلف در یک زمان هستند. برای مثال یک شرکت بیمه را تصور کنید که هر متصدی آن با هوش مصنوعی در ارتباط است. ابتدا ممکن است متصدی بیمه از هوش مصنوعی بخواهد تا تهدیدات مربوط به بیمه کردن یک ملک را ارزیابی کند. پس از تجزیه و تحلیل مقدماتی، ممکن است از آن بخواهد که با استفاده از تصاویر گزارش‌های بازرسی یا مصاحبه‌ با بیمه‌گذار، نتایج را اصلاح کند. ممکن است چندین و چند فرآیند برای پیدا کردن قیمت مناسب میان شرکت و بیمه‌گذار رفت و برگشت کند. اما هوش مصنوعی چند وجهی تمام این کارها را به یکباره انجام می‌دهد. کلید کارایی مناسب این سیستم، درک چگونگی کار سیستم و آنچه باید به آن تفویض (delegate) نمود، است. در نتیجه کار کردن با این مدل به افرادی متخصص نیاز دارد که به این امر تسلط داشته باشند. نیرویی که از این قابلیت برخوردار باشد می‌توان در سطوح متفاوت سازمان، ارزش آفرین باشد. در واقع با کمک هوش مصنوعی، نیرویی از کار کنار نمی‌رود، بلکه با توانمند کردن نیروی انسانی، ارزش آفرینی و در نتیجه افزایش درآمدها حاصل می‌شود.

• چارچوب IDEA

شناسایی: به دنبال سیگنال‌های تغییر در هوش مصنوعی باشید – سیگنال‌ها را به کسب و کار خود پیوند دهید.

تعیین: اهمیت توسعه‌ی هوش مصنوعی برای کسب و کار شما – موقعیت فعلی شما

برون‌یابی: چگونه کسب و کار شما می‌تواند در طی ۲ سال از این فناوری بهره ببرد - چگونه کسب و کار شما می‌تواند ورای ۵ سال از این فناوری بهره ببرد.

پیش‌نگری: شکاف‌های مهارتی نیروی کار در کوتاه مدت – فرصت‌های توسعه‌ی نیروی کار در بلند مدت

از این چارچوب باید برای توسعه‌ی سناریوها برای آینده‌ی کسب وکار استفاده کرد. البته باید توجه داشت که این چارچوب، آینده‌ی منحصر‌به‌فردی را برای سازمان شما پیش‌بینی نمی‌کند (در واقع هیچ سناریویی نمی‌تواند این کار را انجام دهد)، اما رهبران را آماده می‌کند تا زودتر از رقبای خود تصمیم بگیرند. بهترین اقدام سازمان‌ها در این دوره‌ی مملو از تغییرات و عدم قطعیت، برنامه‌ریزی برای آینده است. این امر مستلزم اطلاع از محدودیت‌ها و نقاط قوت هوش مصنوعی است. در مقابلِ وسوسه‌ی کاهش نیروی کار خود مقاومت کنید و در عوض از آینده‌نگاری راهبردی برای ایجاد آینده‌ای استفاده کنید که در آن هوش مصنوعی توسط نیروی کار ماهر بکار گرفته می‌شود. این یادداشت ترجمه ای است از مقاله ای با همین عنوان که در سال ۲۰۲۳ در مجله ی کسب و کار هاروارد منتشر شده است.

نویسندگان: