با وجود این‌‌‌، هنوز هم پیش‌‌‌نیاز اصلی و گریزناپذیر عملیاتی شدن تمام ماشین‌‌‌های هوش مصنوعی یک‌‌‌ چیز است: نیاز به آموزش دیدن و تغذیه شدن این ماشین‌‌‌ها با داده. علاوه بر این، داده‌‌‌هایی که در اختیار هوش مصنوعی قرار می‌گیرد آن‌‌‌قدر عظیم و سنگین است که استفاده از آن نیازمند کامپیوترهایی با قدرت محاسباتی بسیار بالا و زیرساخت‌‌‌های پیشرفته‌‌‌ای است که در همه‌‌‌جا یافت نمی‌شود و همین عوامل بیرونی هستند که توسعه بیشتر هوش مصنوعی را با محدودیت مواجه می‌‌‌سازند.

البته با وجود پیشرفت‌‌‌های خوبی که در زمینه یادگیری ماشینی اتفاق افتاده، هنوز هم ضعف‌‌‌ها و چالش‌‌‌هایی در مورد به‌‌‌کارگیری ماشین‌‌‌ها به‌‌‌جای انسان وجود دارد که باعث می‌شود ما در برنامه‌‌‌ریزی‌‌‌ها در حوزه‌‌‌هایی مانند ماشین‌‌‌های خودران محتاط باشیم و از شتاب‌‌‌زدگی در این زمینه‌‌‌ها خودداری کنیم. آنچه تاکنون در مورد استفاده از ماشین‌‌‌های خودران در بعضی کشورها اتفاق افتاده، محدود است به مجوز دادن برای تردد این ماشین‌‌‌ها در برخی بزرگراه‌‌‌ها و خیابان‌‌‌های فرعی و خارج از شهرها، یعنی جاهایی که ترددها نظم مشخصی دارند و در آنها خبری از عابران پیاده نیست و رانندگی کردن در آنجا برای ما انسان‌‌‌ها تا حد زیادی یکنواخت و خسته‌‌‌کننده است. پرواضح است که استفاده از هوش مصنوعی به‌‌‌جای انسان در چنین موقعیت‌‌‌هایی کاملا ایده‌‌‌آل و اطمینان‌‌‌بخش است و نشستن در چنین ماشین‌‌‌هایی که با هوش مصنوعی هدایت و کنترل می‌‌‌شوند خیلی بهتر از نشستن در ماشین‌‌‌هایی است که راننده‌‌‌های خسته و خواب‌‌‌آلوده آن را می‌‌‌رانند. با این ‌‌‌همه، هنوز هم تردیدهای جدی و احتیاط‌‌‌آمیزی در مورد مجوز دادن به ماشین‌‌‌های خودران برای تردد در معابر پرازدحام شهری وجود دارد و هنوز هم کمتر شرکت یا شخصی حاضر می‌شود تمام مسوولیت‌‌‌های حقوقی و اخلاقی نشستن در ماشین‌‌‌های خودران را بپذیرد.

پیش‌بینی سرعت پیشرفت‌‌‌های هوش مصنوعی امری دشوار و پیچیده است. در سال ۱۹۶۵، مهندس «پاسگان مور» پیش‌بینی کرده بود که سرعت محاسبات کامپیوترها هر دو سال یک‌‌‌بار دو برابر خواهد شد؛ پیش‌بینی درستی که تا مدت‌‌‌ها به قوت خود باقی بود. اما ارائه چنین پیش‌بینی جسورانه‌‌‌ای در مورد سرعت پیشرفت‌‌‌های هوش مصنوعی دشوارتر و تا حدی غیرممکن است، چراکه با توجه به افزایش شگفت‌‌‌انگیز قدرت محاسباتی و پردازشگری کامپیوترها امکان هر جهش بزرگ و بی‌‌‌سابقه‌‌‌ای در هر بخش از هوش مصنوعی وجود دارد.

به همین ترتیب، پیش‌بینی سرعت و دامنه به‌‌‌کارگیری هوش مصنوعی در حوزه‌‌‌های جدید نیز بسیار سخت خواهد بود، هرچند که یک‌‌‌چیز در این میان قطعی است و آن اینکه ظرفیت‌‌‌ها و قابلیت‌‌‌های هوش مصنوعی برای استفاده شدن در زمینه‌‌‌های مختلف به‌‌‌سرعت در حال افزایش است. درنتیجه می‌توان انتظار داشت طی ۵، ۱۰ یا ۲۵ سال آینده شرایط به‌‌‌گونه‌‌‌ای رقم بخورد که هوش مصنوعی را بتوان در هر زمینه‌‌‌ای که فکرش را در سر داشته باشید جایگزین انسان کرد و انجام همه کارها را به آن سپرد. تا آن زمان، کاربردهای امروزی هوش مصنوعی نیز عمق و رواج بیشتری پیدا خواهند کرد و در دسترس عموم مردم قرار خواهند گرفت، به‌‌‌طوری که ماشین‌‌‌هایی که امروزه در سطح آزمایشگاهی و در محیط‌‌‌های کنترل‌‌‌شده در حال خدمت‌‌‌رسانی به دانشمندان و محققان هستند در آینده‌‌‌ای بسیار نزدیک به بخشی جدانشدنی از زندگی روزمره مردم عادی در سراسر جهان تبدیل خواهند شد. بر این اساس معقول خواهد بود اگر انتظار داشته باشیم که هوش مصنوعی نیز با سرعتی شبیه به قدرت محاسباتی کامپیوترها رشد کند و دست به رکوردشکنی‌‌‌های پی‌‌‌درپی و سریع بزند و مثلا طی ۱۵‌‌‌تا ۲۰ سال آینده چند میلیون برابر شود! وقوع چنین پیشرفت عظیمی در زمینه هوش مصنوعی موجب خواهد شد تا شبکه‌‌‌های عصبی قدرتمندی به وجود آیند که دقیقا مثل مغز انسان عمل می‌کنند. در حال حاضر قدرت شبکه‌‌‌های عصبی به‌‌‌کار رفته در GPT-۳ حدود ۱۰ به توان ۱۱ واحد کمتر از سیناپس‌‌‌های مغز انسان است و هنوز هم قدرت مجموعه‌‌‌هایی مانند GPT-۳ بسیار کمتر از مغز انسان است. با این ‌‌‌همه، در صورتی‌‌‌ که پیشرفت‌‌‌های هوش مصنوعی به شکلی ادامه پیدا کند که قدرت ماشین‌‌‌ها به‌‌‌مانند کامپیوترها هر دو سال یک‌‌‌بار دو برابر شود، این فاصله بین محصولات هوش مصنوعی و مغز انسان در کمتر از یک دهه آینده به حداقل خواهد رسید و همان‌طور که هوش مصنوعی توانست برنامه‌‌‌ای را برای بازی شطرنج ارائه دهد که هیچ انسانی قادر به شکست دادن آن نیست، شاید خیلی زود زمانی فرابرسد که مغز متفکر هوش مصنوعی به جایی برسد که از قدرت مغز انسان نیز فراتر رود و عملکردی بهتر از آن را از خود نشان دهد. یکی از ایده‌‌‌ها و اهدافی که برخی از توسعه‌‌‌دهندگان هوش مصنوعی به دنبال تحقق آن در آینده‌‌‌ای نزدیک هستند «ابر‌هوش مصنوعی» یا «هوش مصنوعی جامع» (Artifical General Intelligence) نام دارد. به‌‌‌طورکلی، هوش مصنوعی جامع به دنبال ایجاد مجموعه‌‌‌ای از ظرفیت‌‌‌های هوش مصنوعی است که بتواند تمام‌‌‌کارهایی را که مغز انسان قادر به انجام آنهاست با همان کیفیت انجام دهد و از این ‌‌‌جهت، در نقطه مقابل هوش مصنوعی امروزی قرار دارد که با هدف انجام ‌‌‌وظیفه‌‌‌ای خاص توسعه پیدا کرده است. به ‌‌‌هر حال، مهم‌ترین و حیاتی‌‌‌ترین عنصر توسعه‌‌‌دهنده هوش مصنوعی جامع چیزی نیست مگر یادگیری ماشینی. در واقع با برداشته شدن محدودیت‌های موجود در زمینه یادگیری ماشینی، امروز می‌توان امیدوار بود که به‌‌‌زودی هوش مصنوعی به‌‌‌گونه‌‌‌ای آموزش ببیند که بتواند در چندین و چند حوزه مختلف قادر به انجام ‌‌‌وظیفه باشد و تخصص‌‌‌های مختلف خود را به‌‌‌صورت ترکیبی و در قالب یک مجموعه واحد بروز دهد و به یک «شبه‌مغز» تبدیل شود.

با این ‌‌‌همه، دانشمندان و فلاسفه درباره این موضوع که آیا ایده هوش مصنوعی جامع امری امکان‌‌‌پذیر و شدنی است و اینکه چه ویژگی‌‌‌هایی باید داشته باشد باهم اختلاف‌‌‌نظر دارند. پرسشی که در اینجا مطرح می‌شود این است که آیا این ابرهوش مصنوعی قرار است دارای مغزی شبیه به مغز یک انسان معمولی باشد یا اینکه باید توانایی‌‌‌هایی در حد مغز بهترین و برجسته‌‌‌ترین متخصص حوزه‌‌‌ای خاص داشته باشد؟ و آیا رسیدن هوش مصنوعی به سطحی همسان یا بالاتر از مغز دانشمندان و محققان نخبه نمی‌تواند چالش‌‌‌برانگیز و خطرناک باشد؟

تشدید استفاده از شبکه‌های اجتماعی در میان افراد جامعه موضوعی است که مزایا و معایب مخصوص به خود را دارد. در‌حالی‌که ارتباط آسان‌تر و دسترسی ساده به حجم بالایی از اطلاعات می‌تواند مزایای این موضوع محسوب شود، اما خطرات آن نیز به قوت خود باقی هستند. انتشار اطلاعات اشتباه و وقوع انواع کلاهبرداری‌ها از جمله این مشکلات است. برای مثال افرادی وجود دارند که بدون تخصص مشاوره‌های مالی می‌دهند و مخاطبان را گمراه می‌کنند. یکی خرید طلا را توصیه می‌کند و دیگری بهترین حوزه سرمایه‌گذاری را رمزارز می‌داند.

همین باعث به وجود آمدن نوعی گمراهی می‌شود و ممکن است سرمایه افراد را به باد دهد. از سوی دیگر با وجود تلاش‌های بسیاری که در راستای فیلترینگ شبکه‌های اجتماعی در کشور انجام شده و حتی هزینه ۲۰۰میلیاردی برای اجرای فیلترینگ هوشمند، به نظر می‌رسد چندان اثری نداشته است. آسیب‌ها و مخاطرات گسترش استفاده از شبکه‌های اجتماعی و مسیری که مخاطبان این شبکه‌ها جامعه را به سوی آن خواهند برد، موضوعی است که هفته‌نامه «تجارت فردا» در پرونده ویژه این هفته خود با عنوان «خطر لایک» به بررسی آن پرداخته است.

امروزه نگاهی به وضعیت افراد از پیر و جوان نشان از شبکه‌زده شدن جامعه دارد. مردم ساعت‌های زیادی را صرف گشت‌وگذار در شبکه‌های اجتماعی می‌کنند. علاوه بر مشاهدات روزانه همه ما، آمارهای رسمی نیز تشدید استفاده از شبکه‌های اجتماعی را تایید می‌کند. بر اساس آخرین آمار (یکتانت) تعداد کاربران اینستاگرام از مرز ۴۱میلیون نفر عبور کرده است. از سوی دیگر به گفته رئیس مرکز پژوهش‌های صداوسیما، طبق آمار به‌دست‌آمده در مرکز تحقیقات، مصرف رسانه‌های اجتماعی از ۴۲درصد در سال ۱۳۹۴ به ۶۷درصد در سال ۱۴۰۲ رسیده است.

این آمار در کنار میزان سرانه مطالعه افراد، ابعاد جدیدی از موضوع را روشن می‌کند. مطالعه رفتار فرهنگی خانوار ایرانی در سال ۱۳۹۹ نشان می‌دهد سرانه کل مطالعه غیردرسی ۸ ساعت و ۱۸ دقیقه در ماه و به‌عبارت دیگر ۱۶ دقیقه و ۳۶ ثانیه در روز بوده است.  سرانه مطالعه روزنامه چاپی و الکترونیکی هم ۲ دقیقه و ۴۶ ثانیه در روز و نشریات ۴۶ ثانیه در روز است. این آمار زمانی جالب‌تر می‌شود که سرانه حضور در شبکه‌های اجتماعی در ایران بیش از ۲ ساعت در روز است. البته این مشکل فقط محدود به ایران نبوده و مطالعات سایر کشورها نشان می‌دهد این پدیده در میان نوجوانان بیشتر مشهود است. بر اساس مطالعه‌ای که در سال ۲۰۱۶ در آمریکا منتشر شد، تقریبا ۸۲درصد از دانش‌آموزان کلاس دوازدهم هر روز از سایت‌هایی مانند فیس‌بوک، شبکه اجتماعی ایکس و اینستاگرام بازدید می‌کردند، در‌حالی‌که تنها ۱۶درصد گزارش کردند که هر روز یک کتاب، مجله یا روزنامه می‌خوانند. مواجهه با افرادی که با آرامش، روزانه کتاب به دست می‌گیرند و مطالعه می‌کنند، به‌سرعت در حال تبدیل شدن به یک اتفاق نادر است.

هزینه برای هیچ

نکته مهم در این رابطه، تلاش‌هایی است که برای فیلتر کردن شبکه‌های اجتماعی درون کشور صورت گرفته است که به نظر می‌رسد چندان مثمر‌ثمر نبوده است. برای مثال تنها حدود ۲۰۰میلیارد تومان برای فیلترینگ هوشمند هزینه شده که تعداد بالای مخاطبان این شبکه‌ها اثرگذاری آن را زیر سوال می‌برد. یکی دیگر از نکاتی که باید به آن توجه کرد این است که رسانه‌های اجتماعی، با وجود دسترسی بیشتر، به ما این اجازه را نمی‌دهند که خارج از چهارچوب فکر کنیم. اما هنگام خواندن یک کتاب، به یک بعد کاملا جدید می‌رویم.  برای مثال، دوستداران کتاب اغلب بوی کتاب را به تجربه و احساس خاصی در گذشته مرتبط می‌دانند. حتی بوی یک کتاب خاص می‌تواند یادآور خاطرات خوش زمان مطالعه آن باشد، تجربه‌هایی که شبکه‌های اجتماعی شما را از کسب آنها محروم خواهند کرد.

مقایسه اشتباه

یکی از مهم‌ترین تاثیرات روان‌شناختی استفاده از شبکه‌های اجتماعی، تصاویری است که افراد از زندگی سایرین می‌بینند. به طور کلی این تصاویر همگی غرق در خوشی و لذت آنلاین‌اند؛ در تعطیلات خوش می‌گذرانند، پول‌های بادآورده دارند، رویایی زندگی می‌کنند و آن وقت بدون دانستن واقعیت‌های خشن (یا دروغ‌های) پشت آن پست‌ها، با خودتان فکر می‌کنید حتما یک جای کار می‌لنگد که نمی‌توانید مانند دیگران زندگی کنید. تحلیلگران اعتقاد دارند بسیاری از مردم زندگی واقعی خود را متوقف کرده و در فضای آنلاین زندگی می‌کنند. این موضوع به سطحی شدن افراد دامن زده و باعث می‌شود مردم قضاوت‌های خود را به آنچه در فضای مجازی به عنوان معیار به آنها ارائه می‌شود محدود کنند.

این موضوع به این دلیل رخ داده که ما به رسانه‌های اجتماعی اجازه داده‌ایم به ما بگویند که چه چیزی را باید تماشا کنیم، گوش کنیم یا به آن توجه کنیم و هر چیز دیگری غیر از اینها چندان اهمیتی ندارد. این مساله زمانی حساس‌تر می‌شود که برای بزرگسالانی که از رسانه‌های اجتماعی استفاده می‌کنند، ممکن است تشخیص واقعیت‌ها از چرندیات آسان باشد. اما این تشخیص برای گروه‌های سنی پایین‌تر ازجمله نوجوانان آسان نیست، به‌ویژه اگر با جذابیت‌هایی همراه باشد.

کلاهبرداران در کمین هستند

مشکلات شبکه‌های اجتماعی و خطرات آنها، تنها به فکر و روح و روان افراد محدود نمی‌شود و می‌تواند منجر به ضررهای مالی نیز بشود. در بسیاری از صفحه‌ها و کانال‌های فضای مجازی، افرادی که خود را کارشناس می‌خوانند در حال ارائه مشاوره‌های سرمایه‌گذاری به مردم هستند. این کارشناس‌نماها که تخصصی هم ندارند اطلاعات متناقضی به مردم می‌رسانند. برای مثال یکی می‌گوید طلا بخرید، دیگری معتقد است بهترین سرمایه‌گذاری مسکن است و دیگری در تلاش است شما را به‌زور، به خریداری رمزارزها علاقه‌مند کند.

اطلاعات نادرست می‌تواند سرمایه‌گذاران خرد را با ارائه تحلیل‌های نادرست و پیش‌بینی‌های نامطمئن، گمراه کند. ادعاهای نادرست در مورد سلامت مالی یک شرکت، چشم‌انداز آینده یا روند بازار می‌تواند بر تصمیمات سرمایه‌گذاری آنان تاثیر بگذارد. علاوه بر این، روایت‌های نادرست می‌تواند ارزش واقعی و ریسک‌های بالقوه سرمایه‌گذاری‌ها را پنهان کند و سرمایه‌گذاران را به بیراهه بکشاند. سرمایه‌گذاران برای کسب اطلاعات در مورد سرمایه‌گذاری به‌طور فزاینده‌ای به شبکه‌های اجتماعی متکی شده‌اند. گرچه رسانه‌های اجتماعی می‌توانند مزایای زیادی برای سرمایه‌گذاران فراهم کنند، فرصت‌هایی را نیز برای کلاهبرداران ایجاد کرده‌اند. کلاهبرداران ممکن است اطلاعات نادرست را به صورت ناشناس یا در‌حالی‌که وانمود می‌کنند کارشناس و حرفه‌ای هستند، منتشر کنند.  ممکن است اعتبار یا نمایه‌های کاملا جعلی ایجاد کنند. شرایط زمانی دشوارتر می‎شود که امکان شناسایی این افراد چندان آسان نیست.

در نتیجه، تعجب‌آور نیست که این اثرات نامطلوب اکنون به حوزه مالی نفوذ کرده، جایی که اطلاعات نادرست و گمراه‌کننده می‌تواند بازارها را دستکاری کند. بنابراین باید توجه کرد در شرایطی که این روزها همه این امکان را دارند که تولید محتوا کرده و این محتواها را به‌سادگی در شبکه‌های اجتماعی به اشتراک بگذارند، این امکان وجود دارد که بدون وجود معیاری برای سنجش این اطلاعات، حجم زیادی از محتوای تولید‌شده در حال جان بخشیدن به «خرافات» و «شبه‌علم» باشد و موضوع نگران‌کننده‌ای محسوب شود.

داده‌‌‌هایی که قرار بود به او ارائه کنم، نشان می‌‌‌دادند که سرمایه‌گذاری ما نتیجه نداده و طرح، بدتر از برنامه‌‌‌ریزی پیش رفته. اگر دلسرد یا حتی عصبانی می‌‌‌شد، کاملا درک می‌‌‌کردم.  حتی انتظار داشتم که بگوید: «کجای کار ایراد داشت؟»یا «چطور می‌‌‌شد جلوی آن را بگیریم؟» (برای هر دو سوال، جوابی آماده داشتم). اما او به جایش، یک سوال ساده پرسید:

«چه چیزی یاد گرفتی؟» الان می‌‌‌فهمم که کاری که او انجام داد، ایجاد امنیت روانی بود. او می‌‌‌دانست که یادگیری، مهم‌ترین چیز است و عملکرد آینده من و تیم به آن بستگی دارد. امنیت روانی، یک مفهوم حیاتی برای تیم‌‌‌ها و رهبرانشان است. و موضوعی نیز هست که ما بارها درباره‌‌‌اش در مجله کسب و کار هاروارد صحبت کرده‌‌‌ایم. اما کمتر کسی آن را می‌‌‌شناسد یا کاملا درک می‌‌‌کند.  به همین دلیل، سراغ «امی ادموندسن»، استاد مدرسه کسب و کار هاروارد و نویسنده کتاب «سازمان بی‌‌‌پروا» رفتم. او کسی ا‌‌‌ست که عبارت «امنیت روانی تیم» را ابداع کرده. با او صحبت کردم تا در این‌باره اطلاعات جدید بگیرم. از او پرسیدم که این اصطلاح از کجا سرچشمه گرفته، چطور تکامل یافته و البته، آدم‌‌‌ها چطور می‌توانند در تیم‌‌‌ها امنیت روانی ایجاد کنند.

 امنیت روانی چیست؟

بیایید با یک تعریف شروع کنیم. امنیت روانی تیم یعنی باور مشترک میان اعضای تیم مبنی‌بر اینکه ریسک کردن، بیان ایده‌‌‌ها و دغدغه‌‌‌ها، مطرح کردن سوالات و اقرار به اشتباهات، هیچ اشکالی ندارد، بدون اینکه ترس از عواقب منفی سراغمان بیاید. امی می‌‌‌گوید: «احساسی که به آدم دست می‌‌‌دهد، مثل اجازه برای صراحت داشتن است.»

امی اولین بار وقتی داشت برای پی‌‌‌اچ‌‌‌دی خود تحقیق می‌‌‌کرد به این مفهوم برخورد. او قصد داشت رابطه میان خطا کردن و کار گروهی در بیمارستان‌‌‌ها را مطالعه کند. انتظار داشت به این نتیجه برسد که تیم‌‌‌های موثرتر، خطاهای کمتری مرتکب می‌‌‌شوند. اما چیزی که کشف کرد این بود: به نظر می‌‌‌رسید تیم‌‌‌هایی که کار تیمی بهتری داشتند، خطاهای بیشتری را تجربه می‌‌‌کردند. وقتی داده‌‌‌ها را بیشتر بررسی کرد، شک کرد که شاید تیم‌‌‌های بهتر، تمایل بیشتری به گزارش خطاهای خود دارند چون از اقرار به خطا، نمی‌‌‌ترسند و احساس امنیت می‌‌‌کنند. سپس یک تحقیقات تکمیلی انجام داد تا فرضیه‌‌‌اش را بیشتر بررسی کند.

در مفهوم امنیت روانی تیمی، «تیم» بسیار مهم است. امی می‌‌‌گوید: «(امنیت روانی) یک پدیده در سطح گروهی است که رفتار یادگیری گروه را شکل می‌‌‌دهد و در نتیجه، روی عملکرد تیم و نهایتا عملکرد سازمان تاثیر می‌‌‌گذارد». همان‌طور که امی برایم توضیح داد، احساس امنیت و تمایل به صحبت کردن، یک ویژگی فردی نیست، حتی اگر آن را در سطح فردی تجربه کنید.

این حس، یک ویژگی گروهی است که نمایان می‌شود. در واقع، در بیشتر مطالعات، افرادی که همکاری نزدیک با یکدیگر دارند، دارای میزان مشابهی از امنیت روانی در مقایسه با اعضای تیم‌‌‌های دیگر هستند.

 چرا امنیت روانی مهم است؟

اولا، امنیت روانی باعث می‌شود اعضای تیم حس مشارکت و انگیزه بیشتری داشته باشند چون حس می‌‌‌کنند نقش و سهمشان، مهم است و می‌توانند بدون ترس از مجازات، حرفشان را بزنند.

دوم، امنیت روانی می‌تواند به تصمیم‌گیری بهتر منجر شود چون افراد، راحت‌‌‌تر نظرات و دغدغه‌‌‌های خود را مطرح می‌‌‌کنند.

این باعث می‌شود قبل از تصمیم‌گیری، طیف متنوعی از دیدگاه‌‌‌ها شنیده و لحاظ شوند.

سوم، امنیت روانی می‌تواند یک فرهنگ یادگیری و پیشرفت مداوم را تقویت کند چرا که اعضای تیم، از بیان اشتباهات خود و یادگیری از آنها هراسی ندارند (این دقیقا همان کاری‌‌‌ است که رئیس من انجام داد).

همه این مزایا، از تاثیر بر عملکرد تیم گرفته تا نوآوری و ابتکار عمل و برگشت‌‌‌پذیری و یادگیری، طی سال‌ها و به دنبال تحقیقات، اثبات شده‌‌‌اند، به‌ویژه در تحقیقات اصلی امی و تحقیقاتی که در شرکت گوگل انجام شد.

 هدف آن تحقیقات که به «پروژه ارسطو» معروف شد، درک و شناسایی فاکتورهای موثر بر اثربخشی تیم‌‌‌ها در گوگل بود.

آنها با استفاده از بیش از ۳۰ مدل آماری و صدها متغیر، به این نتیجه رسیدند که اینکه «چه کسی» در تیم است، کمتر اهمیت دارد و «چگونگی» همکاری اعضا با هم، مهم‌تر است. و مهم‌ترین فاکتور، امنیت روانی بود.

تحقیقات بیشتر در این رابطه نشان داده که عدم‌امنیت روانی، مضرات باورنکردنی‌‌‌ دارد، از جمله تاثیر منفی بر سلامت کارکنان، مثل استرس، فرسودگی و گردش نیروهای کار و البته، تاثیر منفی بر عملکرد کلی سازمان.

 ایده امنیت روانی چطور تکامل یافته؟

از امی پرسیدم که از۲۰ سال پیش که شروع به بررسی این موضوع کرد تا به امروز، این ایده چه تغییراتی کرده؟ محققان و دانشگاهیان، چند نکته ظریف را کشف کرده‌‌‌اند. مثلا، او اشاره کرد که به نظر می‌رسد امنیت روانی در محیط‌‌‌های کاری که کارکنان باید از اختیارات خود استفاده کنند، مهم‌تر است. او در ادامه توضیح می‌‌‌دهد: «در شرایطی که نتیجه از پیش تعیین یا دیکته نشده، و وقتی در حال انجام کاری خلاقانه یا جدید یا عمیقا مشارکتی هستید، رابطه میان امنیت روانی و عملکرد، قدرتمندتر است.»  

او دو سال پیش، مقاله‌‌‌ای در مجله کسب و کار هاروارد نوشته و در آن به تفصیل شرح داده که در کار ترکیبی (تلفیقی از کار حضوری و دورکاری)، مدیران باید تفکر خود درباره امنیت روانی را گسترش دهند. به‌‌‌علاوه، او و سایر محققان به بررسی رابطه میان تنوع اعضای تیم و امنیت روانی پرداخته‌‌‌اند. تحقیقات جدید او با همکاری «هنریک برسمن»، استاد رفتار سازمانی در شرکت INSEAD نشان می‌‌‌دهد که در تیم‌‌‌های دارای ‌امنیت روانی بالا، رابطه مثبت میان تنوع مهارت‌‌‌ها و عملکرد وجود دارد. گرچه فقط یک تحقیق در این رابطه انجام شده و در یک صنعت خاص (تولید دارو)، اما این اثبات می‌‌‌کند که «امنیت روانی می‌تواند کلید شکوفایی پتانسیلی باشد که در دل تنوع، نهفته است.»

 از کجا بدانیم تیم‌مان امنیت روانی دارد؟

این سوالی‌‌‌ست که در ذهن بسیاری از رهبران سازمانی وجود دارد. امی برای ارزیابی احساس امنیت روانی، یک پرسشنامه شامل هفت سوال طراحی کرده (اگر قصد دارید این نظرسنجی را در تیم خود برگزار کنید، می‌توانید از ابزاری که در وب‌سایت او هست، استفاده کنید).

پاسخ افراد به این سوالات، تا حدی به شما نشان می‌‌‌دهد که تا چه حد احساس امنیت روانی می‌‌‌کنند:

۱- اگر در این تیم مرتکب اشتباه شوید، از آن علیه‌‌‌تان استفاده نمی‌شود.

۲- اعضای تیم می‌توانند مشکلات و مسائل سخت را مطرح کنند.

۳- افراد این تیم، گاهی آدم‌‌‌ها را با وجود تفاوتشان می‌‌‌پذیرند.

۴- ریسک کردن در این تیم، خطری ندارد.

۵ - درخواست کمک کردن از اعضای تیم کار سختی نیست.

۶- هیچ‌‌‌کس در این تیم عمدا کاری نمی‌‌‌کند که تلاش‌‌‌های من بی‌‌‌اثر یا تضعیف شوند.

۷- در همکاری با اعضای این تیم، مهارت‌‌‌ها و استعدادهای منحصر به فرد من ارزشمند تلقی شده و مورد استفاده قرار می‌‌‌گیرند.

امی هشدار می‌‌‌دهد که نمرات این تست، قطعی نیستند. آنچه مهم است، واریانس است. او می‌‌‌گوید: «هر کسی این نظرسنجی را پر می‌‌‌کند، در واقع نسبت به انتظاراتش این کار را انجام می‌‌‌دهد. مثلا اگر من بگویم بله! می‌توانم درخواست کمک کنم! در واقع دارم آن را نسبت به روالی که فکر می‌‌‌کنم «باید» وجود داشته باشد، می‌‌‌سنجم». او به مدیران پیشنهاد می‌‌‌کند که از داده‌‌‌های نظرسنجی برای بررسی تجربیات تیم استفاده کنند و کنجکاوانه به دنبال راه‌‌‌هایی برای ایجاد تغییر و بهبود تجربیات آنها باشندکه همین، منجر به سوال مهم بعدی می‌شود: برای ایجاد و تقویت امنیت روانی چه کارهایی می‌توان کرد؟

 چطور امنیت روانی ایجاد کنیم؟

امی بلافاصله تاکید می‌‌‌کند که «این بیشتر جادو است تا علم» و مدیران باید به یاد داشته باشند که امنیت روانی، «یک جو است که آن را با هم می‌‌‌سازیم. گاهی به روش‌‌‌های اسرارآمیز.» هر کسی در تیمی کار کرده باشد که مشخصه اصلی‌‌‌اش، سکوت و ناتوانی در حرف زدن بوده، می‌‌‌داند که تغییر آن روال چقدر سخت است.

بسیاری از کارهایی که برای ایجاد یک محیط روانی امن انجام می‌‌‌شوند، همان روش‌‌‌های مدیریتی خوب هستند. کارهایی مثل ایجاد هنجارها و انتظارات شفاف، تا احساس پیش‌بینی‌‌‌پذیری و عدالت برقرار شود یا تشویق به ارتباطات آزاد و گوش دادن فعال به صحبت‌‌‌های کارکنان یا حصول اطمینان از اینکه کارکنان مورد حمایتند یا قدردانی و فروتنی، وقتی کارکنان تصمیم به صحبت می‌‌‌گیرند.

چند تاکتیک دیگر نیز وجود دارند که امی روی آنها تاکید می‌‌‌کند:

  مشخص کنید که چرا نظر کارمندها اهمیت دارد

اغلب آدم‌‌‌ها ترجیح می‌‌‌دهند عقب بنشینند و ساکت بمانند چون این‌ طوری احساس امنیت بیشتری می‌‌‌کنند. آنها به طور پیش‌‌‌فرض، ایده‌‌‌ها و نظرات خود را برای خود نگه می‌‌‌دارند. امی می‌‌‌گوید: «باید با ایجاد بستر لازم برای صحبت کردنشان، این میل باطنی را از بین ببرید». برایشان به طور شفاف و دقیق توضیح دهید که چرا باید صحبت‌‌‌هایشان را بشنوید، چرا دیدگاه‌‌‌ها و اطلاعاتشان مهم است و چه تاثیری بر خروجی کارها دارد.

  اشتباهات خود را بپذیرید

اگر شما به عنوان رهبر تیم یا سازمان، مسوولیت اشتباهات خود را بپذیرید و توضیح دهید که چطور از آنها درس گرفته‌‌‌اید، مسیر برای دیگران نیز هموار می‌شود. اگر می‌‌‌خواهید رفتاری را در تیم ترویج کنید، باید خودتان الگو باشید و آسیب‌‌‌پذیری را عادی‌‌‌سازی کنید. این شامل مواردی مثل احترام گذاشتن، پذیرش بازخورد و تمایل به ریسک کردن است.

  فعالانه نظر بخواهید

فرض را بر این نگذارید که آدم‌‌‌ها هر چه به ذهنشان می‌رسد را می‌‌‌گویند یا می‌‌‌دانند که نظرشان را می‌‌‌خواهید. امی می‌‌‌گوید: «مستقیما درخواست کنید». او پیشنهاد می‌‌‌کند سوالات پایان ‌‌‌باز بپرسید. مثلا «شما چه می‌‌‌بینید؟ نظر شما درباره‌‌‌اش چیست؟ موضعت در این‌باره چیست؟» می‌توانید از آدم‌‌‌ها نظر بخواهید یا به آنها بگویید که «انسان جایز الخطاست» اما اگر حس کنند سرزنش یا سرکوب می‌‌‌شوند، نه نظر خواهند داد و نه به اشتباهاتشان اقرار خواهند کرد. امی پیشنهاد می‌‌‌کند از خودتان بپرسید: «وقتی فردی، یک ایده عجیب می‌‌‌دهد یا اظهارنظر تند می‌‌‌کند، چطور به آن جواب می‌‌‌دهم؟» قدردان و آینده‌‌‌نگر باشید. به‌‌‌علاوه، سرزنش را با کنجکاوی جایگزین کنید. «لورا دلیزونا»، نویسنده و مربی، می‌‌‌گوید: «اگر اعضای تیم حس کنند که قصد دارید سرزنششان کنید، مانند شکار از شما پنهان خواهند شد. جایگزین سرزنش، کنجکاوی است. اگر معتقدید که می‌‌‌دانید طرف مقابل چه فکر می‌‌‌کند، پس آماده گفت‌‌‌وگو نیستید. بهتر است ذهنیت خود را تغییر دهید و به دنبال یادگیری باشید. بدانید که شما همه حقایق را نمی‌‌‌دانید.»

 تصورات غلط درباره امنیت روانی چیستند؟

از امی پرسیدم که آیا افسانه یا باور غلطی درباره امنیت روانی وجود دارد. او به دو مورد اشاره کرد:

۱- امنیت روانی به‌معنای مهربان بودن است. امی می‌‌‌گوید ایجاد یک فضای امن روانی به معنای مهربان بودن نیست. در واقع، در بسیاری از محیط‌‌‌های کار، ادب و احترام برقرار است اما بیشتر آنها از امنیت روانی برخوردار نیستند چون میان افراد، صراحت وجود ندارد و افراد حس می‌‌‌کنند ادب اجباری حاکم بر فضا، ساکتشان کرده. متاسفانه در محیط کار، مهربان معمولا مترادف با صادق نبودن و عدم‌صراحت است.

۲- شما در یک محیط امن روانی، باید احساس راحتی کنید. امی می‌‌‌گوید: «بسیاری از مردم فکر می‌‌‌کنند امنیت روانی یعنی همیشه احساس راحتی کنیم و هیچ‌وقت نباید چیزی بگوییم که باعث ناراحتی دیگران شود، وگرنه امنیت روانی نقض می‌شود». اما این درست نیست. یادگیری، خرابکاری کردن و اشاره به اشتباهات، هیچ‌کدام از این‌‌‌ها راحت نیستند. ابراز آسیب‌‌‌پذیری، به آدم احساس ریسک می‌‌‌دهد. راهش این است که در یک محیط امن، ریسک کنیم؛ محیطی بدون عواقب میان‌‌‌فردی منفی. او می‌‌‌گوید: «هر چیزی که به دست آوردنش سخت باشد، قطعا در مسیر آن، سختی هم وجود خواهد داشت». از نگاه او، چنین شرایطی، مثل ژیمناستی است که برای المپیک آماده می‌شود. او در تمرینات، خودش و بدنش را تحت فشار قرار می‌دهد، و ریسک می‌‌‌کند اما در حدی که صدمه نبیند.

امی یادآور می‌شود: «صراحت سخت است اما عدم‌صراحت، بدتر است».

وقتی با احساس شکست پیش رئیسم رفتم، پاسخ ساده او تاثیر بسیار عظیمی روی من گذاشت. همان سوال ساده، «چه چیزی یاد گرفتی؟»، نگاه من نسبت به خطاهایم و برخوردم با افرادی که مرتکب خطا می‌‌‌شوند را تغییر داد. باعث شد با دلسوزی و درک بیشتری به آنها نگاه کنم. همان‌طور که تجربه‌‌‌ام نشان داد، با تبدیل امنیت روانی به یک اولویت، رهبران می‌توانند بستر موفقیت تیم خود در حال حاضر و بلندمدت را فراهم کنند. مدیران و تیم‌‌‌ها به‌ویژه در دوران‌‌‌های سخت و بحرانی، برای پیشرفت نیازمند صراحت، سرعت و نوآوری هستند. امنیت روانی یعنی حس اعتماد به اینکه صراحت و آسیب‌‌‌پذیری، مورد پذیرش است. لازمه ایجاد یک فضای امن روانی، تعهد و مهارت است اما شدنی‌‌‌ است. با تمرکز بر عملکرد، آموزش افراد و تیم‌‌‌ها و عادی‌‌‌سازی خطا و آسیب‌‌‌پذیری، می‌توانید محیطی امن برای کارکنان ایجاد کنید تا بدون‌واهمه، ریسک کنند، نوآوری را تمرین کنند، اشتباهات و خطاها را قبل از آنکه دیر شود شناسایی و مطرح کنند و در برابر تهدیدها، برگشت‌‌‌پذیرتر شوند.

البته راه‌‌‌هایی برای فائق آمدن بر این ابهام و سردرگمی وجود دارد که توسعه برنامه‌‌‌ها، وضع قوانین و مقررات و الزامی کردن دریافت یک‌سری تاییدیه‌‌‌ها قبل از عملی کردن تصمیم‌‌‌ها از جمله آنها هستند. به نظر می‌رسد شبیه همین اقدامات باید در مورد هوش مصنوعی نیز به کار گرفته شود. به‌‌‌ عنوان‌‌‌ مثال، دانشمندان می‌توانند برای استفاده عملی و به‌‌‌کارگیری هوش مصنوعی شرط و شروط بگذارند و فقط درصورتی ‌‌‌که یک هوش مصنوعی توانست تست‌‌‌های ویژه‌‌‌ای را با موفقیت پشت سر بگذارد استفاده از آن مجاز خواهد بود. بنابراین طراحی و توسعه ابزارهای اعتبارسنجی و تایید هوش مصنوعی، مانیتورینگ و سنجش عملکرد ماشین‌‌‌های هوش مصنوعی در آینده از اهمیت بسزایی برخوردار خواهد بود.

چنین ابزارهایی در عرصه ساخت اپلیکیشن‌‌‌ها و وسایل خانگی و بسیاری دیگر از چیزهایی که ما انسان‌‌‌ها در زندگی روزمره خود از آنها استفاده می‌‌‌کنیم وجود دارند و به‌‌‌کارگیری آنها باعث می‌شود تا جلوی وقوع حوادث ناگوار ناشی از عملکرد ضعیف یا خطرناک اختراعات و محصولات جدید گرفته شود. به همین دلیل هم هست که چنین تست‌‌‌هایی قبل از عملیاتی شدن ماشین‌‌‌های جدید هوش مصنوعی کاملا ضروری هستند. علاوه بر این باید به این نکته نیز توجه داشت که فاکتورهایی مانند میزان ریسکی بودن کارکردهای هوش مصنوعی و جامعه هدفی که هوش مصنوعی به دنبال خدمت‌‌‌رسانی به آن است در تعیین میزان سختی و حساس بودن این تست‌‌‌ها تاثیرگذار باشند. به‌‌‌ عنوان ‌‌‌مثال، اگر قرار است از هوش مصنوعی برای راندن خودروها یا کامیون‌‌‌های خودران استفاده شود شدیدترین و سخت‌‌‌گیرانه‌‌‌ترین تست‌‌‌ها و تاییدیه‌‌‌ها باید برای مجاز اعلام کردن این نوع از هوش مصنوعی در نظر گرفته شود، چراکه خروجی این فرآیند چیزی است که با جان انسان‌‌‌ها سروکار دارد؛ حال ‌‌‌آنکه چنین سخت‌‌‌گیری‌‌‌هایی در مورد هوش مصنوعی دیگری که قرار است در پلتفرم‌‌‌های بازی‌‌‌های کامپیوتری یا سرگرمی و رسانه‌‌‌ها مورد استفاده قرار گیرد چندان ضرورت و حساسیتی ندارد. یکی از ترس‌‌‌ها و نگرانی‌هایی که پیرامون آینده هوش مصنوعی مطرح می‌شود ناشی از این احتمال است که ماشین‌‌‌های هوش مصنوعی آینده ممکن است به درجه‌‌‌ای از پیشرفت و یادگیرندگی برسند که از کنترل انسان‌‌‌ها خارج شوند و دست به نافرمانی‌‌‌های خطرناکی بزنند.

نمونه مشهور چنین نافرمانی‌‌‌هایی چت‌بات Tay متعلق به شرکت مایکروسافت بود که در سال ۲۰۱۶ در معرض سخنان رکیک و حاوی نفرت‌پراکنی قرار گرفت و به‌‌‌واسطه یادگیری این نوع گفتار از آن تقلید کرد و آن‌‌‌قدر در این زمینه جلو رفت که سازندگانش را مجبور کرد تا این برنامه هوش مصنوعی را برای همیشه تعطیل کنند. به همین دلیل اغلب ماشین‌‌‌های هوش مصنوعی به‌‌‌گونه‌‌‌ای طراحی می‌‌‌شوند که فاز یادگیری‌‌‌شان از فاز عملیاتی آنها جداست، به‌‌‌طوری که مدل‌‌‌های یادگیری آنها و پارامترهای شبکه‌‌‌های عصبی‌‌‌شان پس از پایان فرآیند یادگیری در وضعیت ثابتی باقی می‌‌‌مانند و همین توقف در یادگیری این امکان را به انسان می‌دهد تا عملکرد و توانایی‌‌‌های هوش مصنوعی را مورد سنجش و ارزیابی دقیق قرار دهد. به همین خاطر طراحان ماشین‌‌‌های خودران مدعی هستند که هوش مصنوعی به‌‌‌کاررفته در این ماشین‌‌‌ها هیچ رفتار غیرعادی و غیرمنتظره‌‌‌ای غیر‌ازآنچه برای آنها تعریف ‌‌‌شده از خود نشان نخواهند داد. مثلا ماشین خودرانی که یاد گرفته در صورت مشاهده چراغ ‌‌‌قرمز توقف کند، هیچ‌گاه تصمیم نخواهد گرفت که شروع به حرکت کرده و چراغ‌‌‌ قرمز را رد کند.

 البته باید به این واقعیت نیز توجه داشت که این ثابت بودن سطح یادگیری هوش مصنوعی به آن معنا نیست که هیچ‌گونه رفتار غیرمنتظره‌‌‌ای از جانب ماشین‌‌‌های هوش مصنوعی سر نخواهد زد؛ به‌‌‌ویژه زمانی که با موقعیت‌‌‌هایی روبه‌‌‌رو می‌‌‌شوند که برایشان تعریف ‌‌‌نشده و آنها نمی‌‌‌دانند که در برخورد با چنین وضعیت‌‌‌هایی چه واکنشی باید از خود نشان دهند.

به‌‌‌طور کلی، هوش مصنوعی به سه شکل توسط کدهایش محدود می‌شود: اول اینکه کدهای داده ‌‌‌شده به هوش مصنوعی باعث می‌‌‌شوند پارامترهایی شکل بگیرند که دامنه مجاز فعالیت‌‌‌های هوش مصنوعی را مشخص می‌کنند و ماشین‌‌‌ها نمی‌توانند و حق ندارند خارج از آن دامنه اقدامی صورت دهند. به ‌‌‌عنوان ‌‌‌مثال، یک ماشین خودران اجازه دارد به‌‌‌منظور اجتناب از تصادف کردن با عابران پیاده یا سایر ماشین‌‌‌ها و موانع اطرافش یا ترمز کند، یا تغییر مسیر دهد یا اینکه سرعتش را کم‌‌‌ و زیاد کند. یا آلفازیرو به‌‌‌گونه‌‌‌ای طراحی ‌‌‌شده که اگرچه استراتژی‌‌‌های جدیدی را در بازی شطرنج به کار می‌گیرد، اما تمام قوانین و مقررات بازی را موبه‌‌‌مو رعایت می‌کند و حرکتی غیرقانونی در بازی شطرنج انجام نمی‌‌‌دهد، چراکه انجام چنین حرکت‌‌‌هایی اصلا برای آن تعریف ‌‌‌نشده است. در حالت دوم، هوش مصنوعی توسط کارکردها و وظایفی که برایش تعریف شده محدود می‌شود و هدفش فقط بهینه‌‌‌سازی و ارائه بهترین عملکرد در همان چارچوب وظیفه‌‌‌ای خاصی است که برایش مشخص ‌‌‌شده است. سومین و مهم‌ترین محدودیتی که برای هوش مصنوعی در نظر گرفته می‌شود این است که فقط می‌تواند آن ورودی‌‌‌هایی را پردازش کند که قرار است اقدام به تحلیل و تشخیص آنها کند. درنتیجه حتی اگر این احتمال وجود داشته باشد که هوش مصنوعی با داده‌‌‌ها و اطلاعات متفاوتی روبه‌‌‌رو شود، توان پردازش و فهم آنها را نخواهد داشت. مثلا ماشینی که برای ترجمه متون طراحی‌‌‌ شده و آموزش ‌‌‌دیده، نمی‌تواند از داده‌‌‌ای استفاده کند که ارتباطی با فرآیند ترجمه ندارد.

به هر حال، باید دانست که روزی فرا خواهد رسید که خود ماشین‌‌‌های هوش مصنوعی می‌توانند اقدام به نوشتن کدهایی برای خودشان کنند. تلاش‌‌‌های اولیه برای ساخت چنین ماشین‌‌‌هایی مدتی است که شروع‌‌‌ شده و مراحل نخستین خود را می‌‌‌گذراند؛ هرچند که حتی چنین ماشین‌‌‌هایی نیز همچنان هدف‌محور هستند و این کارکردها و اهداف تعریف‌ شده برای آنها هستند که عملکردشان را مشخص و محدود خواهند ساخت و باز هم آنها در چارچوب همان قوانین و قواعدی حرکت خواهند کرد که توسط ما انسان‌‌‌ها برایشان تعریف خواهد شد.

شرکت‌ها بدون افراد مناسب چیزی نیستند. آن دسته از شرکت‌هایی که قادر به جذب افراد با مهارت‌‌‌ها و استعدادهای مناسب هستند، به احتمال زیاد از مزیت رقابتی موردنیاز برای موفقیت در حال حاضر و آینده برخوردار خواهند بود. بنابراین ضروری است که شرکت‌ها، سیستم‌ها و فرآیندهای هوشمندی را برای یافتن، استخدام و حفظ افراد مناسب برای خود به کار گیرند.

واضح است که منابع انسانی (HR)  در مرکز این نیاز قرار دارد. با این حال، تعداد زیادی از تیم‌‌‌های منابع انسانی بیشتر وقت خود را صرف کارهای اداری یا مسائل حقوقی می‌کنند. فرآیندهای نامطلوب ارزیابی کارکنان، جزئیات روزمره یافتن و مدیریت افراد، و فعالیت‌‌‌های پرهزینه مانند نظرسنجی‌‌‌های سالانه زمان می‌‌‌برد که بهتر است در جای دیگری صرف شود. علاوه بر این، منابع انسانی به طور سنتی انسان‌‌‌محور است و چندان با اعداد و داده‌‌‌ها سروکار ندارد. حتی زمانی که داده‌‌‌ها نقشی را ایفا می‌کنند، لزوما به روشی هوشمندانه که بیشترین ارتباط را با کسب‌و‌کار مورد نظر دارد، استفاده نمی‌‌‌شوند. بسیاری از تجزیه و تحلیل داده‌‌‌های منابع انسانی به شکل شاخص‌‌‌های کلیدی عملکرد (KPI)  هستند که عواملی مانند غیبت یا تعداد ساعات آموزشی برای هر کارمند تمام‌وقت را اندازه‌‌‌گیری می‌کنند، گاهی اوقات به این دلیل که اندازه‌‌‌گیری این معیارها آسان است یا به این دلیل که شرکت‌های دیگر هم این کار را انجام می‌دهند. این روزها معیارهای بسیار منحصربه‌‌‌فرد و ارزشمندتری وجود دارد که می‌توان آنها را اندازه‌‌‌گیری کرد؛ معیارهایی که می‌توانند بینش‌‌‌های مهم کسب‌وکار را ارائه دهند و تاثیر زیادی بر عملکرد و نتایج سازمان داشته باشند.

برنارد مر، نویسنده کتاب می‌‌‌گوید: «من مطمئنا نمی‌‌‌گویم که منابع انسانی دیگر نباید در مورد افرادی باشد که برای سازمان کار می‌کنند. حتی در عصر افزایش اتوماسیون، روباتیک و هوش مصنوعی مردم همچنان محرک اصلی موفقیت خواهند بود. آنچه من می‌‌‌گویم این است که نقش تیم منابع انسانی در حال تغییر است و با افزایش توانایی ما در جمع‌‌‌آوری و تجزیه و تحلیل مقادیر روزافزون داده‌‌‌ها، فرصت‌‌‌هایی برای تیم‌‌‌های منابع انسانی برای افزودن ارزش بیشتر به سازمان و کمک به دستیابی به آن افزایش می‌‌‌یابد. اهداف استراتژیک منابع انسانی مبتنی بر داده را به جلو پیش ببرید.»

 ظهور منابع انسانی مبتنی بر داده یا هوشمند

همه چیز به سرعت در حال تغییر است و دنیای ما هر روز هوشمندتر می‌شود. امروزه تقریبا هر کاری که ما در محل کار انجام می‌‌‌دهیم قابل اندازه‌‌‌گیری است؛ از اقدامات روزمره کارکنان، تمرکز، شادی و رفاه گرفته تا عملیات تجاری گسترده‌‌‌تر. این انفجار در داده‌‌‌ها به این معنی است که تیم‌‌‌های منابع انسانی داده‌‌‌های بیشتر - و پتانسیل برای بینش بیشتر - نسبت به قبل در اختیار دارند.

منابع انسانی مبتنی بر داده یا منابع انسانی هوشمند، در مورد استفاده از این انفجار داده‌‌‌ها به روشی هوشمندانه و استخراج بینشی است که نه‌تنها عملکرد افراد درون شرکت (از جمله تیم منابع انسانی آن) را بهبود می‌‌‌بخشد، بلکه به موفقیت کلی سازمان نیز کمک می‌کند. تیم‌‌‌های منابع انسانی می‌توانند از داده‌‌‌ها برای اتخاذ تصمیمات منابع انسانی بهتر، درک و ارزیابی بهتر تاثیر تجاری افراد، بهبود تصمیم‌گیری رهبری در امور مربوط به افراد، کارآمدتر و موثرتر کردن فرآیندها و عملیات منابع انسانی، و بهبود رفاه و اثربخشی کلی افراد استفاده کنند. همه اینها می‌توانند تاثیر قابل‌توجهی بر توانایی شرکت در دستیابی به اهداف استراتژیک خود داشته باشند. در حال حاضر، ایده تیم منابع انسانی مبتنی بر داده در بسیاری از سازمان‌ها، خارج از شاید بزرگ‌ترین یا نوآورترین شرکت‌ها وجود ندارد، اما مطمئنا در حال افزایش است. مدیریت منابع انسانی و افراد دستخوش یک انقلاب شده و این موج داده‌‌‌ها و تجزیه و تحلیل‌ها در حال تسخیر شدن هستند. این بخش از عملکرد کسب‌و‌کار که به طور سنتی بر عناصر نرم‌‌‌تر مانند افراد، فرهنگ، یادگیری و توسعه، و مشارکت کارکنان متمرکز شده است، به طور فزاینده‌‌‌ای توسط تجزیه و تحلیل داده‌‌‌ها و با دلایل موجه هدایت می‌شود. کارفرمایان مدت‌‌‌هاست که از داده‌‌‌ها و تجزیه و تحلیل‌‌‌ها برای درک معیارهایی مانند رضایت کارکنان استفاده می‌کنند. ظهور کلان‌داده‌‌‌ها این عمل را تسریع کرده است و همچنین آن را در جهت‌‌‌های جدید و هیجان‌‌‌انگیز سوق داده است.

 افزودن ارزش هرجا که ممکن است

با مدیریت هوشمند افراد مبتنی بر داده، اولویت اصلی افزودن ارزش به سازمان و انجام این کار به هوشمندترین روش ممکن، با استفاده از تمام ابزارهایی است که در اختیار تیم منابع انسانی قرار دارد؛ از جمله داده‌‌‌ها، حسگرها، تجزیه و تحلیل، یادگیری ماشینی و هوش مصنوعی. تیم‌‌‌های منابع انسانی زمانی که از داده‌‌‌ها به شیوه‌‌‌ای هوشمندانه استفاده می‌کنند و ابزارهای تحلیلی را برای تبدیل آن داده‌‌‌ها به بینش‌‌‌های حیاتی برای کسب و کار به کار می‌‌‌برند، می‌توانند مزایای چشمگیری کسب کنند. به عنوان مثال، رویکرد گوگل را برای مدیریت افراد در نظر بگیرید. گوگل به کارکنان خود، کمک هزینه بسیار ناچیزی برای تعطیلات، امکان چرت زدن در طول روز و فضایی برای پرورش میوه و سبزیجات در محل کار می‌دهد. این روزها به همه ثابت شده که تیم رهبری گوگل مملو از افراد دوست‌داشتنی و سخاوتمند است. اما به این دلیل نیست که شرکت این سیاست‌‌‌ها را اجرا کرده است؛ یا حداقل این تنها دلیل نیست. این تصمیمات به این دلیل اتخاذ شدند که داده‌‌‌ها به آنها گفته بودند رضایت کارکنان را افزایش می‌دهند. رویکرد گوگل برای افزایش رضایت کارکنان، دنیای فناوری را کاملا متحول کرد، و طرز فکر کارفرمایان سیلیکون ولی در مورد مزایای کارکنان را به طرز چشمگیری تغییر داد. اکنون شرکت‌های فناوری در هر اندازه، از بازیگران بزرگ گرفته تا استارت‌آپ‌‌‌های کوچک، به دنبال تقلید از رویکرد گوگل هستند. و در حالی که جابه‌‌‌جایی کارکنان به طور مداوم در دنیای فناوری بالاست، در ایالات متحده گوگل به طور منظم توسط مجله فورچون به عنوان شرکت شماره یک برای کار انتخاب می‌شود.

نویسنده در مقدمه کتاب می‌‌‌گوید که چند سال پیش، مقاله‌‌‌ای نوشتم و در آن سوال کردم که آیا ما هنوز به بخش‌‌‌های منابع انسانی به شکل کنونی‌‌‌شان نیاز داریم یا خیر؟ هدف آن برانگیختن بحث‌‌‌ها و شاید کمی جنجال بود و دقیقا همین اتفاق هم افتاد. منظور من این بود که تیم‌‌‌های منابع انسانی همان‌طور که الان هستند، باید سازماندهی مجدد شوند تا ارزش بیشتری ارائه دهند، و من پیشنهاد کردم که منابع انسانی را به دو تیم جداگانه تغییر دهیم:

تیم پشتیبانی و یک تیم تجزیه و تحلیل افراد. تیم پشتیبانی مردمی، همان‌طور که از نام آن پیداست، وظیفه پشتیبانی از کارکنان سازمان - از کارکنان خط مقدم تا تیم رهبری ارشد - را بر عهده دارد. این شامل کمک به افراد در توسعه، نظارت و تقویت تعامل کارکنان، شناسایی مسائل مربوط به فرهنگ شرکت و به طور کلی مراقبت از رفاه کارکنان است. از سوی دیگر، تیم تجزیه و تحلیل افراد، از جنبه‌‌‌های نرم‌‌‌تر مدیریت افراد عقب‌‌‌نشینی می‌کند و به افراد به شیوه‌‌‌ای علمی‌‌‌تر و تحلیلی‌‌‌تر نگاه می‌کند و با بینش‌‌‌های انتقادی که عملکرد را بهبود می‌‌‌بخشد، از شرکت حمایت می‌کند. نقش تیم تجزیه و تحلیل افراد یافتن پاسخ به سوالات کلیدی مانند اینهاست:

 شکاف استعداد ما چیست؟

 یک کارمند خوب در شرکت ما کیست؟

 چگونه آن افراد را به بهترین نحو جذب کنیم؟

 چگونه می‌توانیم گردش کارکنان را پیش‌بینی کنیم؟

مهم‌تر از همه، پاسخ به سوالات بالا بر اساس داده‌‌‌ها خواهد بود، نه غریزه درونی یا آنچه در شرکت‌های دیگر کار می‌کند. «مر» هنوز فکر می‌کند موردی برای تقسیم تیم‌‌‌های منابع انسانی به این روش وجود دارد، زیرا مسیر روشنی برای استفاده مداوم‌‌‌تر از داده‌‌‌ها فراهم می‌کند و اساسا پایه‌‌‌ای برای منابع انسانی هوشمند و مبتنی بر داده‌‌‌ها فراهم می‌کند. ممکن است با رویکرد دو‌تیمی موافق باشید یا نه. در هر صورت، از آنجا که روش انجام کسب و کار به سرعت در حال تغییر است، یک مورد واضح برای تیم‌‌‌های منابع انسانی وجود دارد که ارزش بیشتری ارائه دهند و داده‌‌‌ها راهی برای انجام آن ارائه می‌کنند.

 ارتباط با اهداف شرکت

با انبوهی از داده‌‌‌ها که در اختیار تیم منابع انسانی است، این تیم به خوبی می‌تواند نقش مهمی در کمک به شرکت در اجرای استراتژی و تحقق اهداف کلیدی خود ایفا کند. «من اغلب با شرکت‌ها کار می‌‌‌کنم تا یک طرح در صفحه ایجاد کنم؛ یک استراتژی ساده یک صفحه‌‌‌ای که مختصر و قابل درک است. در بالای این طرح در یک صفحه، بخشی است که هدف شرکت، یعنی ماموریت و بیانیه چشم‌‌‌انداز آن را مشخص می‌کند. هنگامی که تیم‌‌‌های منابع انسانی در حال ایجاد استراتژی داده‌‌‌های خود هستند، آن هدف شرکت باید دوباره در بالای صفحه باشد. هدف شرکت اطلاع‌‌‌رسانی استراتژی، تصمیمات و فعالیت‌‌‌های تیم منابع انسانی است. به این ترتیب، تیم منابع انسانی در حال ایجاد طرح خود برای چگونگی کمک به سازمان در تحقق هدف خود است. این همان چیزی است که ارزش افزوده به آن مربوط می‌شود.»

چگونه تیم‌‌‌های منابع انسانی می‌توانند از داده‌‌‌ها به طور هوشمند استفاده کنند؟ راه‌‌‌های بی‌‌‌نهایتی وجود دارد که در آن کسب‌و‌کارها می‌توانند به خوبی از داده‌‌‌ها استفاده کنند، اما در ابتدایی‌‌‌ترین مفهوم آنها به چهار دسته اصلی خلاصه می‌‌‌شوند (شکل). اجازه دهید به نوبه خود به هر منطقه نگاه کنیم.

1- تصمیم‌گیری بهتر. ایده پشت منابع انسانی مبتنی بر داده، همه چیز در مورد هوشمندتر کردن منابع انسانی از هر راه ممکن است و تصمیم‌گیری هوشمندانه بخش بزرگی از این امر است. داده‌‌‌ها می‌توانند به متخصصان منابع انسانی کمک کنند تا در مورد فعالیت‌‌‌های خود تصمیم‌‌‌های بهتری بگیرند (مانند استخدام هوشمندتر و بررسی عملکرد). همچنین داده‌‌‌های منابع انسانی می‌توانند برای گزارش‌‌‌دهی به جاهای دیگر شرکت و حمایت از تصمیم‌‌‌های گسترده‌‌‌تر شرکت استفاده شوند. از این گذشته، تیم‌‌‌های رهبری برای تصمیم‌گیری خود به داده‌‌‌های مربوط به منابع انسانی و افراد نیاز دارند و تیم منابع انسانی هوشمند برای پشتیبانی از این فرآیند به خوبی مجهز است. در حال حاضر، بسیاری از این کار داده‌‌‌ها به صورت موقت یا به روش‌های نه‌چندان کارآمد، مانند استفاده از نظرسنجی‌‌‌های کارکنان که هزینه‌‌‌های هنگفتی دارد، انجام می‌شود.

2- بهبود عملیات. دسته دوم، بهبود عملیات، شاید حتی برای عملکردهای منابع انسانی حیاتی‌‌‌تر باشد. داده‌‌‌ها راهی را برای متخصصان منابع انسانی فراهم می‌کنند تا به عملکردهای کلیدی منابع انسانی خود - مانند ایمنی کارکنان، رفاه و استخدام - نگاه کنند و به سوالات مهمی مانند «بیشتر زمان و تلاش خود را در کجا صرف کنیم؟» و «چگونه می‌توانیم این موارد را ساده کنیم و بهبود بخشیم؟» پاسخ دهند.

3- درک  مشتریان خود. امروزه این یکی از بزرگ‌ترین و عمومی‌‌‌ترین حوزه‌‌‌های استفاده از کلان‌‌‌داده است. در اینجا، کسب و کارها از داده‌‌‌های بزرگ برای درک بهتر مشتریان، از جمله رفتار، ترجیحات و سطح رضایت‌‌‌شان استفاده می‌کنند. با استفاده از داده‌‌‌ها، کسب‌و‌کارها می‌توانند درک کاملی از مشتریان به دست آورند، مانند اینکه چه چیزی آنها را وادار می‌کند، در آینده چه کاری انجام خواهند داد و چه عواملی باعث می‌شود آنها شرکتی را به دیگران توصیه کنند. سازمان‌ها همچنین می‌توانند با تجزیه و تحلیل بازخورد مشتریان به منظور بهبود محصول یا خدمات، تعامل بهتری با مشتریان خود داشته باشند. اگر فکر می‌‌‌کنید این دسته فقط مورد توجه همکاران فروش و بازاریابی شماست، دوباره فکر کنید. به عنوان یک متخصص منابع انسانی، کارکنان شرکت شما مشتریان شما هستند. این به آن معناست که می‌توانید از داده‌‌‌ها به همان روشی که یک تیم بازاریابی برای درک بهتر و تعامل با مشتریان خود استفاده می‌کند، استفاده کنید.

4-کسب درآمد از داده‌‌‌ها. استفاده چهارمی از داده‌‌‌ها وجود دارد که در تجارت رایج است و آن کسب درآمد از داده‌‌‌ها برای ایجاد یک جریان درآمد جدید برای شرکت است. یکی از نمونه‌‌‌های خوب این مورد، شرکت «جاوبون» (Jawbone) است؛ شرکتی که بند ردیاب تناسب اندام UP را تولید می‌کند. جاوبون با میلیون‌‌‌ها کاربر، حجم باورنکردنی داده را جمع‌‌‌آوری می‌کند و طولی نکشید که این شرکت متوجه شد تمام داده‌‌‌های جمع‌‌‌آوری‌‌‌‌شده ارزشمندتر از خود دستگاه هستند. این داده‌‌‌ها به اشخاص ثالث علاقه‌‌‌مند فروخته می‌‌‌شوند و یک جریان درآمدی جدید بیش از محصول اصلی ایجاد می‌کنند.

در حالی که بعید به نظر می‌رسد کسب درآمد از داده‌‌‌های مربوط به منابع انسانی اتفاق بیفتد (مسائل اخلاقی زیادی برای مقابله با فروش داده‌‌‌های کارکنان وجود دارد)، ارزش آن را دارد که متخصصان منابع انسانی از این استفاده از داده‌‌‌ها آگاه باشند. به عنوان مثال، شرکت شما ممکن است تصمیم بگیرد از سایر حوزه‌‌‌های کسب و کار (مانند داده‌‌‌های مشتری یا محصول) درآمدزایی را آغاز کند و این روی استراتژی کلی کسب‌و‌کار در آینده تاثیر خواهد گذاشت. این به نوبه خود ممکن است بر منابع انسانی از نظر مهارت‌‌‌های در حال تغییری که شرکت باید بر اساس آنها استخدام کند و اینکه چگونه منابع انسانی می‌تواند به بهترین شکل به استراتژی تغییر سازمان ارزش بیفزاید، تاثیر بگذارد.

موضوع مهم دیگری که امسال در آستانه برگزاری این رویداد مطرح شده، بحث نظارت مردمی بر کتاب‌هاست و در روزهای اخیر واکنش‌های متفاوتی برانگیخته است. برخی این طرح را زمینه‌چینی برای پایان دادن به نظارت دولتی و مجوز پیش از انتشار توصیف کرده‌اند و برخی دیگر به مثابه یک ابزار تشدید‌کننده نظارتی از آن نام برده‌اند. با‌این‌حال بیشتر از هر چیزی کتابخوان‌ها نگران افزایش قیمت کتاب هستند. میانگین قیمت یک کتاب ۱۰۰صفحه‌ای به ۱۰۰هزار تومان رسیده و همین موضوع باعث شده مشتریان جدی این بازار هم حتی با وسواس بیشتری خرید کنند. ناشران، نبود کاغذ و بالا رفتن هزینه‌های جانبی را علت عمده افزایش قیمت کتاب می‌دانند.

چندی پیش هومان حسن‌پور، یکی از فعالان بازار نشر، گفت مواد اولیه و قیمت تمام‌شده تولید کتاب افزایش ٧٠٠ تا ١٠٠٠درصدی را تجربه کرده‌اند و در عوض افزایش ٢٠٠ تا ۴۰۰درصدی قیمت کتاب را شاهد هستیم. در این میان یک عده هم معتقدند کتاب نسبت به سایر کالاها در ایران گران نیست. حتی برخی معتقدند در مقایسه با سینما کتاب کالای ارزانی به حساب می‌آید. نتیجه این اتفاق در ماه‌های اخیر رونق گرفتن بازار کتاب‌های دست‌دوم بوده است. حالا خیلی‌ها متقاعد شده‌اند آثار موردنیازشان را در فروشگاه‌های دست‌دوم جست‌وجو کنند. با همه این حرف‌ها هنوز کتاب‌های زیادی هر ماه منتشر می‌شوند و این بازار همچنان داغ است و پویا.

ترغیب مردم به کتابخوانی

در این سال‌ها برنامه‌های زیادی برای ترغیب مردم به مطالعه انجام شده است. انتشار و تبلیغ کتاب‌های تازه، خرید از کتاب‌فروشی‌های کوچک محلی، کتابگردی در شهرها با حضور چهره‌های فرهنگی و هنری و برگزاری کارناوال‌های شهری و روستایی با محوریت کتاب و کودکان، از مهم‌ترین برنامه‌ها بوده که بخشی از آنها هر سال در هفته کتاب برگزار می‌شود. هفته کتاب، مجموعه مراسمی است که از سال ۱۳۷۲ هر ساله در روزهای آخر آبان به ابتکار و هدایت وزارت فرهنگ و ارشاد اسلامی برای ترویج کتاب و کتابخوانی برگزار می‌شود.

بر‌اساس یک سیاست تدوین‌شده، طی این هفته اخبار مربوط به کتاب و چاپ و نشر در صدر اخبار فرهنگی کشور قرار می‌گیرد و مراسم و فعالیت‌های علمی و فرهنگی با مضمون کتاب برگزار می‌شود. سی‌اُمین دوره هفته کتاب، سال گذشته با برگزاری ۸۰۰ برنامه در ۳۱ استان، توسط دبیر استان‌ها، چهار دستگاه اصلی برگزار‌کننده و ۶۰ دستگاه همکار اجرا شد. ابراهیم کریمی، رئیس اتحادیه ناشران و کتاب‌فروشان، خبر داد که اختصاص تخفیف ویژه ۲۰درصدی کتاب‌فروشی‌ها در هفته کتاب از برنامه‌های این اتحادیه در تهران است. او گفت: این طرح با تخفیف‌های فریبنده ۵۰درصدی که این روزها در پیاده‌روها و ایستگاه‌های مترو با آنها مواجه هستیم فرق می‌کند. بخش عمده کتاب‌ها در این تخفیف‌های فریبنده آثار نازل با کیفیت پایین هستند، اما کتاب‌هایی که در طرح ۲۰درصدی به فروش می‌رسند، آثار جدی، معتبر و خوبی هستند که کتاب‌فروشی‌های عضو اتحادیه ناشران و کتابفروشان تهران عرضه می‌کنند.

کریمی‌پور گفت: درباره تخفیف باید بگویم که ارائه همین مقدار پرداخت نیز دشوار است که با مشارکت ناشران، توزیع‌کنندگان و کتاب‌فروشان به این درصد رسیده‌ایم. او در ادامه از بازدید اعضای هیات‌مدیره و پیشکسوتان صنعت نشر کشور از کتاب‌فروشی‌ها در روزهای هفته کتاب خبر داد و بیان کرد: طبق سنت هرساله امسال این طرح برگزار خواهد شد و از مسوولان فرهنگی کشور دعوت می‌کنیم در این رویداد با اعضای اتحادیه همراه باشند.

توزیع ۳ میلیون کتاب به کتابخانه مدارس

حامد علامتی، مدیرعامل کانون پرورش فکری، هم درباره برنامه‌های این نهاد در حوزه کودک و نوجوان می‌گوید: «از جمله برنامه‌های جذاب کانون در هفته کتاب، طرح پویش و خوانش کتاب با حضور کودکان و خانواده‌های آنان است. پشتیبانی از کتابخانه‌های مدرسه‌ای در دستور کار قرار گرفته و در همین زمینه امسال ۳میلیون کتاب توزیع شده که بخشی از آن که عدد یک‌میلیون و ۲۰۰هزار جلد است در هفته کتاب توزیع می‌شود.»

علی رمضانی، مدیرعامل خانه کتاب و ادبیات ایران، نیز درباره برنامه‌های ملی که در این هفته برنامه‌ریزی شده است، گفت: «پویش ملی بخوان و بگو، مرورنویسی کتابخوانی، تجلیل و تکریم شعرا، نویسندگان، کتاب‌فروشان، چاپخانه‌دارها، و ضیافت صنعت نشر با وزیر فرهنگ نیز برپا خواهد شد. البته همه ایرانیان یارانه‌بگیر می‌توانند این مدت با شرایط ویژه کتاب خریداری کنند. اختتامیه پیاده‌روی اربعین و سومین پویش گلستان‌خوانی و اختتامیه پویش سطر به سطر فلسطین هم برپا می‌شود.»

پویش‌های کتابخوانی؛ سوژه این روزها

بازار داغ این روزها هم پویش‌های کتابخوانی برای همه رده‌های سنی است که موسسه شیرازه، نهادکتابخانه‌های عمومی کشور، کانون پرورش فکری کودکان و نوجوانان و ... این پویش‌ها را برگزار می‌کنند. علاقه‌مندان می‌توانند برای کسب اطلاعات بیشتر به تارنمای این نهادها مراجعه کنند. در فضاسازی شهری هم همانند سال گذشته از آثار ۱۰۰ نویسنده که با همکاری ناشرانشان صورت گرفته است استفاده خواهد شد. آثاری که نسخه‌های فیزیکی، صوتی و مجازی‌شان تولید شده باشند و در نهاد کتابخانه‌ها هم برای امانت گرفتن موجود باشند، انتخاب شده‌اند. نهاد کتابخانه‌ها طبق برنامه هرساله طرح بخشودگی جرایم و ثبت‌نام رایگان را در پیش دارد. ناشران هم به نوبه خود در این هفته تلاش دارند تا مخاطبان، آثار مدنظرشان را به‌راحتی تهیه کنند. نشر سوره مهر، راه‌یار، نیستان و ... تخفیفات ۲۰درصدی گذاشته‌اند.

فاطمه نصیری: 24 آبان روز کتاب و کتابخوانی است. این درحالی است که هرچند وقت یک بار خبری مبنی بر بسته‌شدن یک کتاب‌فروشی منتشر می‌شود. در سال‌های گذشته تورم یکی از مهم‌ترین دلایل کاهش قدرت خرید خانوارهای ایرانی بوده‌است. کاهش قدرت خرید موجب شده خانوارها به‌مرور کالاهای غیرضروری را از سبد مصرفی خود حذف کنند. کتاب نیز از اقلامی است که برای بسیاری از خانوارها به کالایی غیر‌ضروری تبدیل شده‌است. ناشران نیز سعی می‌کنند با کاهش تیراژ کتاب‌ها سرعت بازگشت سرمایه خود را بیشتر کنند و قیمت کتاب‌ها را با تورم هماهنگ سازند. با‌این‌حال نمی‌توان تقصیر تعطیلی کتاب‌فروشی‌ها را تنها به گردن تورم انداخت. پیشرفت تکنولوژی در دهه‌های گذشته، کتابخوانی را نیز تحت‌تاثیر قرار داده است. برای مثال در حال حاضر بسیاری از افراد ترجیح می‌دهند نسخه الکترونیکی کتاب موردنظر خود را مطالعه کنند یا از نسخه شنیداری آن استفاده کنند. از سوی دیگر بسیاری از فروشگاه‌های اینترنتی کتاب توانایی آن را پیدا کرده‌اند که کتاب‌ها را با قیمت کمتری به مشتری بفروشند. این عوامل همگی دست به‌دست هم داده و موجب شده تا کار برخی از کتاب‌فروشی‌های محلی به تعطیلی کشانده شود.

تیراژ کتاب‌ها کاهش می‌یابد

 در حال حاضر اقتصاد ایران در شرایطی است که در آن سطح عمومی قیمت‌ها به صورت روزانه افزیش پیدا می‌کند. کالاهای مصرفی مانند اقلام خوراکی به‌سرعت با تورم تطبیق یافته و قیمت‌هایشان افزایش پیدا می‌کند. کالاهای بادوام دیگری مانند لوزام خانگی نیز به‌گونه‌ای هستند که حتی اگر در زمان طولانی به فروش نرسند، درنهایت با احساب تورم به فروش خواهند رفت. احتمالا اگر کسی در روزهایی که قیمت ارز بسیار پرنوسان است، برای خرید کالاهای این‌چنینی به بازار مراجعه کند، نوسان قیمت کالاهای مورد‌نظر خود را در چند ساعت مشاهده خواهد کرد. این در حالی است که کتاب نمی‌تواند چنین وضعیتی داشته باشد. هنگام انتشار یک کتاب، قیمت آن متناسب با هزینه‌های محاسبه‌شده، روی صفحه آن درج می‌شود. اگر یک ماه پس از انتشار کتاب، تورم جهش زیادی را تجربه کند، قیمت کتاب نمی‌تواند متناسب با تورم افزایش یابد. اینجاست که تیراژ کتاب‌ها اهمیت پیدا می‌کند.

ناشر اگر نتواند از سرمایه خود در برابر تورم محافظت کند، احتمالا کسب‌وکار خود را از دست خواهد داد. به همین دلیل است که کسانی که در زمینه انتشار کتاب فعال هستند ترجیح می‌دهند تیراژ کتاب‌ها را کاهش دهند. کاهش تعداد کتاب‌های چاپ‌شده موجب می‌شود سرمایه با سرعت بیشتری به دست انتشارات برسد. تعدادی از ناشران معتقدند کاهش تیراژ کتاب‌ها به آنها کمک می‌کند تا بتوانند بسنجند فروش چه کتابی بیشتر است. این در حالی است که فایده این مسائل تنها در چاپ ابتدایی یک کتاب قابل‌اعتناست. پس از آن ناشر می‌تواند تصمیم بگیرد که در چاپ بعدی چه تعداد کتابی منتشر کند. این در حالی است که این رویه در انتشار کتاب به روند متداولی تبدیل شده‌است. ممکن است قیمت کتابی در ابتدای سال با قیمت آن در انتهای سال اختلاف قیمت 100درصدی داشته باشد.

شعله تورم به جان کتاب‌فروشی‌ها‌

در طول سال‌های گذشته، تورم به یکی از ویژگی‌های اقتصاد ایران تبدیل شده است. این مساله موجب شده قدرت خرید خانوارهای ایرانی سال به سال کاهش یابد. از آنجایی که این کاهش قدرت خرید به صورت مستمر ادامه داشته، بسیاری از کالاهایی که در سبد مصرفی خانوارها بوده، به مرور زمان رخت بسته و از سبد مصرفی حذف شده‌اند. طبیعتا این مساله برای طبقات مختلف اقتصادی متفاوت بوده‌است. در حال حاضر فروشگاه‌های زنجیره‌ای به همراه فروشگاه‌های اینترنتی فروش کتاب، میزان فروش کتاب‌فروشی‌های محلی را تحت‌تاثیر قرار داده‌اند. 

برای مثال اگر فردی قصد خرید کتاب کاغذی داشته باشد، می‌تواند آن را با قیمت درج‌شده روی کتاب از فروشگاه‌های محلی تهیه کند یا آنکه همان کتاب را با قیمت پایین‌تری از فروشگاه اینترنتی خریداری کند. تعداد قابل‌توجهی از افراد ترجیح می‌دهند کتاب موردنظر خود را با قیمت پایین‌تری از فروشگاه‌های اینترنتی خریداری کنند. از سوی دیگر فروشگاه‌های اینترنتی این امکان را فراهم می‌کنند که فرد در هر کجای کشور بتواند کتاب خود را تهیه کند و با محدودیت موجودی کتاب‌فروشی محلی مواجه نشود. در شرایط فعلی که تیراژ کتاب‌ها پایین آمده و قیمت چاپ‌های مختلف کتاب با یکدیگر تفاوت قابل‌توجهی دارد، این امکان وجود دارد که با گشت‌وگذار در کتاب‌فروشی‌های اینترنتی، نسخه‌ قدیمی‌تری از کتاب با قیمت پایین پیدا شود.

در تلاش برای رقابت با فروشگاه‌های بزرگ

در دهه‌های گذشته، تاسیس فروشگاه‌های بزرگ زنجیره‌ای و تاثیر آن‌‎ها بر کسب‌وکارهای کوچک‌تری که در زمینه مشابه فعالیت می‌کردند مورد توجه بوده‌است. تجمیع سرمایه زیاد و فروش بالا در فروشگاه‌های بزرگ موجب می‌شد این فروشگاه‌ها امکان آن را داشته باشند که کالاها را با سود کمتری به فروش برسانند و مشتریانی را که پیش از آن نیازهای خود را از فروشگاه‌های کوچک محلی تامین می‌کردند به خود جذب کنند. این مساله در مورد کتاب‌فروشی‌ها هم صادق است. برای مثال در سال 1998 فیلم سینمایی با عنوان «ایمیل داری» با همین مضمون، یعنی تاثیر فروشگاه‌های زنجیره‌ای بر یک کتاب‌فروشی کوچک، ساخته شد؛ بنابراین می‌توان گفت این مساله یک دغدغه جهانی بوده و تنها مربوط به کسب‌وکار کتاب‌فروشی‌های ایران نیست.

کتابخوان‌ الکترونیکی به‌‌جای کاغذ

می‌توان گفت یکی از دلایل کاهش میزان فروش کتاب و به تبع آن بسته‌شدن کتاب‌فروشی‌های کوچک، الکترونیکی‌شدن کتاب‌هاست. این اتفاق همانند تاثیر فروشگاه‌های زنجیره‌ای بر کتاب‌فروشی‌های کوچک یک تحول جهانی است. در حال حاضر تعداد قابل‌توجهی از افراد ترجیح می‌دهند که به جای هزینه‌کردن برای خرید کتاب کاغذی، از نسخه‌های الکترونیک استفاده کنند. هرچند که در این نوع مطالعه خبری از حس‌و‌حال در دست گرفتن کتاب و ورق زدن آن وجود ندارد، اما مزایای مخصوص به خود را دارد. برای مثال هزینه تهیه‌کردن کتاب الکترونیک بسیار پایین‌تر از هزینه خرید کتاب کاغذی است. از سوی دیگر با فراگیر‌شدن استفاده از موبایل‌های هوشمند، تعداد زیادی از افراد می‌توانند در هر موقعیتی کتاب مورد‌نظر خود را در دسترس داشته باشند. در سال‌های گذشته وسیله‌ای الکترونیکی نیز متناسب با این تغییرات به‌وجود آمده است.

کتابخوان‌هایی که ظاهری شبیه تبلت دارند اما نور آنها به‌گونه‌ای طراحی شده که در هنگام مطالعه چشم را آزار نمی‌دهد و حسی شبیه نگاه به کاغذ را ایجاد می‌کند. بسیاری از افراد نیز با شعار حفاظت از محیط‌زیست و کاهش مصرف کاغذ، به طرفداری از استفاده از این ابزار می‌پردازند. علاوه بر این، در سال‌های گذشته فرم دیگری در زمینه اطلاع از محتوای کتاب طرفدار پیدا کرده و آن نسخه‌های صوتی کتاب است. در حال حاضر نسخه شنیداری تعداد قابل‌توجهی از کتاب‌ها، به‌خصوص ژانر ادبیات، در پلتفرم‌های کتابخوان مختلف در دسترس است. نکته آخری که در این زمینه وجود دارد آن است که مقایسه رعایت حقوق مالکیت معنوی در ایران با کشورهای توسعه‌یافته نشان می‌دهد این مساله در کشور ما چندان جدی گرفته نمی‌شود، بنابراین ممکن است فردی که قصد مطالعه کتاب خاصی را دارد، بتواند نسخه الکترونیکی آن را به صورت رایگان تهیه کند.

تاخیر در ارسال برای یک تامین‌‌‌کننده مهم، خرابی سیستم‌‌‌های آی‌‌‌تی یا برخورد اشتباه با مشتری ناراضی در رسانه‌های جمعی همه می‌توانند به سرعت از کنترل خارج شوند و برای شرکت‌ها بدنامی و خسارات سهمگینی در پی داشته باشد. به همین دلیل هر روز کسب‌‌‌وکارهای بیشتری به تکنولوژی‌‌‌های مبتنی بر هوش مصنوعی روی می‌‌‌آورند تا به بستن شکاف بین داده و ادراک کمک کنند و توانایی تصمیم‌گیری‌‌‌شان در موقعیت‌‌‌های پرفشار و فوری را بهبود ببخشند. این تکنولوژی‌‌‌ها طیف وسیعی از ابزارها را در بر می‌گیرند؛ از دستیار مجازی گرفته تا واقعیت افزوده و مجازی، ابزارهای کشف فرآیند و استخراج کار و طیفی از پلتفرم‌‌‌های تحلیل داده و هوش کسب‌‌‌وکار. اخیرا هوش مصنوعی مولد و مدل‌های زبانی بزرگ هم بسیار پرطرفدار شده‌‌‌اند؛ طبقه کاملا متفاوتی از الگوریتم‌‌‌ها که این قابلیت را دارند که انبوهی از داده را جذب (مثل متن، ‌‌‌عدد، کد نرم‌‌‌افزاری، تصویر، فیلم، فرمول و...)، ساختار احتمالی‌‌‌شان را کشف و خلاصه، پاسخ، شبیه‌‌‌سازی و سناریوهای جایگزین تولید کنند. مدل‌های هوش مصنوعی مولد مشهور و شناخته‌‌‌شده، شامل چت جی‌‌‌پی‌‌‌تی شرکت اوپن ای‌‌‌آی، بارد گوگل (Bard)، لیاما ۲ متا (Llama ۲) و آنتروپیک (Anthropic) می‌شود، اما مدل‌های بسیار بیشتری وجود دارند.

این نوشته به سه سوال مهم پیش روی تصمیم‌گیران برای استفاده از  این تکنولوژی‌‌‌ها می‌‌‌پردازد:  ۱-  تکنولوژی‌‌‌های تصمیم‌گیری هوش مصنوعی در چه بستری می‌توانند مفید باشند؟ ۲- چالش‌‌‌ها و ریسک‌‌‌های استفاده از این تکنولوژی‌‌‌ها چیست؟ ۳-‌ رهبران کسب‌و‌کارها چگونه می‌توانند از این تکنولوژی‌‌‌ها بهره ببرند و هم‌‌‌زمان ریسک‌‌‌هایشان را کاهش دهند؟

 بهبود تصمیم‌گیری با سیستم‌‌‌های هوش‌مصنوعی

تکنولوژی‌‌‌های مبتنی بر هوش مصنوعی می‌توانند حداقل از سه راه مهم به تصمیم‌گیری بهتر و سریع‌‌‌تری منجر شوند: پیگیری لحظه‌‌‌ای و پیش‌‌‌بینی بهتر توسعه‌های میدانی، تمرین مجازی برای آموزش سناریوهای کسب‌‌‌وکاری واقعی به کارکنان و ابزارهای هوش مصنوعی مولد نوظهور که می‌توانند به سوالات پاسخ دهند و برای تصمیم‌گیران به عنوان مشاور و گروه ارزیابی مجازی عمل کنند.

  پیگیری و پیش‌‌‌بینی قوی‌‌‌تر

از آنجا ‌‌‌که داده‌های حاصل از پیگیری فنی زنجیره تامین روزبه‌‌‌روز خوش‌‌‌ساخت‌‌‌تر می‌شوند و ساختار مطلوب‌‌‌تری پیدا می‌‌‌کنند، حالا شرکت‌ها می‌توانند بفهمند که مواد خام و ورودی‌‌‌ها از کجا می‌‌‌آیند، چه کسی آنها را تولید یا تامین کرده و آیا به شکل اخلاقی و طبیعت مداری تولید و تامین شده‌‌‌اند یا نه. غول کالاهای مصرفی بریتانیایی-هلندی یونیلیور را در نظر بگیرید. این شرکت مجموعه‌‌‌ای از تکنولوژی‌‌‌های پیشرفته را به کار گرفته تا نشانه‌های در حال شکل‌‌‌گیری جنگل‌‌‌زدایی را در زنجیره تولید روغن پالم گسترده و بی‌‌‌در‌و‌پیکرش کشف کند؛ به‌‌‌خصوص در حلقه اول زنجیره تامین بین مزرعه و کارخانه که غالبا ریسک تولید غیرمجاز و جنگل‌‌‌زدایی بیشتر است. برای تولیدکنندگان صنعتی روغن پالم – ماده اصلی در تولید مواد غذایی، لوازم‌‌‌آرایشی و سوخت - جنگل‌‌‌زدایی در قسمت‌‌‌های پرت و دورافتاده از زنجیره تامین یک ریسک محیط زیستی همیشگی است. شرکت برای اینکه دید بهتری نسبت به شرایط میدانی به دست بیاورد از تحلیل‌‌‌های ناشناس سیگنال‌‌‌های تلفن همراه استفاده می‌‌‌کند تا روند تولید روغن پالم را تعقیب کند و به‌‌‌این‌‌‌ترتیب بتواند منابع تامین غیرمجاز یا غیرعادی را شناسایی کند. همچنین تجزیه‌‌‌وتحلیل‌‌‌های هوش مصنوعی از تصویربرداری‌‌‌های ماهواره‌‌‌ای هم می‌توانند تغییرات ناگهانی یا غیرمنتظره در پوشش جنگلی را مشخص کنند و خطرات جنگل‌‌‌زدایی احتمالی را به‌‌‌صورت لحظه‌‌‌ای به مدیران هشدار دهند تا آنها بتوانند اقدامات پیشگیرانه‌‌‌ای اتخاذ کنند.

  اجرای مجازی با شرایط دنیای واقعی

اکنون صنایع بسیاری تکنولوژی هوش مصنوعی را برای تجهیز کارکنان و مدیران به مهارت‌‌‌های تصمیم‌گیری در شرایط کسب‌‌‌وکاری متنوعی - هم معمول و پرتکرار و هم غیرمعمول و غیرمنتظره - به کار می‌گیرند. برای کارمندان جدید مرکز تماس، احتمالا سخت‌‌‌ترین تجربه سروکله زدن با مشتریان سخت، احساساتی یا مستاصل باشد. غول مخابراتی ورایزون آمریکا، ‌‌‌با استفاده از تکنولوژی استرایورز وی‌آر (Strivr’s VR) اپراتورهای کارآموزش را در محیط‌‌‌های مجازی قرار می‌دهد که در آن می‌توانند در جایگاه مشتری قرار بگیرند و مشکلات را از دید آنها ببینند. این تجربه مسحورکننده به کارآموزان این امکان را می‌دهد که بتوانند تصمیماتی بگیرند که به کاهش تنش و افزایش شیوایی کلامشان - یکی از عوامل کلیدی بهبود تعامل با مشتری - در مکالمات کمک کند. اپلیکیشن‌‌‌های واقعیت مجازی در حوزه‌های بسیاری برای آموزش تصمیم‌گیری به افراد در دسترس هستند؛ از امور پلیسی گرفته تا خدمات درمانی و طراحی مهندسی و نگهداری زیرساخت‌‌‌های خدماتی. به عنوان نمونه نیروی انتظامی فورت میرز فلوریدا از تکنولوژی‌‌‌های فراگیر استفاده می‌‌‌کند تا به افسرانش کمک کند یاد بگیرند چگونه در شرایط اورژانسی یا موقعیت‌‌‌های پرفشار تصمیمات حیاتی بگیرند   نجواگر، کمک‌‌‌خلبان و گروه ارزیابی مجازی

سومین حوزه‌‌‌ای که تکنولوژی‌‌‌های هوش مصنوعی – به‌‌‌خصوص هوش مصنوعی مولد - می‌توانند نقش مهمی در تصمیم‌گیری ایفا کنند، مشاوران مجازی و گروه‌های ارزیابی است. ما با کنستانتین میتسوپولوس، دانشمند محقق در موسسه «شناخت انسان و ماشین» (IHMC) در فلوریدا مصاحبه کردیم که به ما گفت: «در اصل سیستم‌‌‌های هوش مصنوعی مولد می‌توانند به بعضی از مشکلاتی غلبه کنند که بر تصمیم‌گیری انسان تاثیر می‌‌‌گذارند؛ مثل حافظه کاری محدود، دامنه توجه کوتاه و خستگی ناشی از تصمیم‌گیری، به‌خصوص وقتی پای تصمیم‌گیری تحت‌‌‌فشار در میان باشد. ابزارهای هوش مصنوعی مولد این قابلیت را دارند که به تصمیم‌گیران کمک کنند در زمان صرفه‌‌‌جویی کنند، انرژی ذخیره کنند و به مسائل یا سوالاتی بپردازند که بیشترین اهمیت را دارند.» به عنوان‌‌‌مثال سیستم‌‌‌های هوش مصنوعی می‌توانند در بخش خدمات درمانی با انجام اموری از قبیل غربال و تلفیق خودکار داده‌های کلیدی موردنیاز برای تصمیم‌گیری موثر، کاهش حجم هشدارهای دارویی غیرضروری و فعال‌‌‌سازی خودکار کارها و ارتباطات لازم برای پیگیری وضعیت بیمار بار شناختی (به میزان تلاش ذهنی موردنیاز برای پردازش اطلاعات گفته می‌شود) پزشکان را کاهش دهند. اپلیکیشن‌‌‌های دیگری هم در دسترس هستند، از تداوم کسب‌‌‌وکار و مدیریت واکنش به بحران گرفته تا ارزیابی ریسک در انواع سرمایه‌‌‌گذاری‌‌‌های مالی. یکی از اپلیکیشن‌‌‌های نوظهور هوش مصنوعی مولد، توسعه «کمک‌‌‌خلبان‌‌‌های» تصمیم‌گیری است که می‌توانند در موقعیت‌‌‌های پویا اطلاعات را ارزیابی کنند، گزینه‌های ممکن و بهترین گام‌‌‌های بعدی را پیشنهاد دهند و کارها را کامل کنند. شرکت مدیریت ریسک «فیوژن» که برای مدیریت ریسک عملیاتی نرم‌‌‌افزار ارائه می‌دهد و مقرش در شیکاگوست، در حال توسعه دستیار مبتنی بر هوش مصنوعی مولدی به نام «رزیلینس کوپایلت» (Resilience Copilot، به معنای کمک خلبان تاب‌‌‌آور) است که برای غربال حجم انبوه داده، شناسایی عناصر مرتبط برای تصمیم‌گیران و تولید خلاصه‌های اجرایی، نظرات آنی و پیشنهاد‌‌‌های هوشمندانه و بهترین نمونه‌های پیشرفت از هوش مصنوعی استفاده می‌‌‌کند. هوش مصنوعی مولد در حوزه مدیریت شهرت هم به کمک سازمان‌ها می‌‌‌آید؛ مثلا از طریق ابزارهای «شنفت اجتماعی» (social listening‌ به این معنی است که بحث‌ها و گفت‌وگوهای صورت گرفته در شبکه‌های اجتماعی را پیگیری و آنها را تبدیل به فرصت‌‌‌هایی کنیم تا کاربران بیشتری جذب کرده و آگاهی افراد را از برند خود افزایش دهیم.) که به بازاریابی کمک می‌‌‌کنند و مدیران رسانه‌های اجتماعی بازخوردها و نظرات آنلاین را به‌‌‌صورت زنده دنبال می‌‌‌کنند و درباره نحوه پاسخگویی، تصمیمات موثری می‌گیرند. «رپیوتیشن» که یک شرکت تولید نرم‌‌‌افزار مدیریت شهرت در کالیفرنیاست خدماتی همچون نظارت لحظه‌‌‌ای نظرات آنلاین یک شرکت در شبکه‌های اجتماعی گوناگون را با هشدارهای لحظه‌‌‌ای برای اطلاع‌‌‌رسانی امتیازات منفی، رصد رویدادهای بحرانی و توصیه‌های قراردادی برای مدیران رسانه‌های اجتماعی که با نظرات منفی سروکار دارند، فراهم می‌‌‌کند. یکی از بزرگ‌ترین قابلیت‌‌‌های بالقوه هوش مصنوعی مولد در کنترل و تست ایده‌ها و تامین یک‌‌‌جور گروه ارزیابی مجازی است. مت جانسون، یکی از دانشمندان ارشد موسسه شناخت انسان و ماشین و خلبان سابق نیروی دریایی آمریکا، می‌گوید: «هوش مصنوعی مولد اگر به‌‌‌درستی مورد استفاده قرار گیرد می‌تواند همچون یک هم‌‌‌تیمی واقعا خوب عمل کند. دقیقا مثل موقعیتی که شاید من بخواهم مفصل درباره مشکلی با همکارم صحبت کنم؛ حتی با اینکه فکر می‌‌‌کنم خودم راه‌‌‌حلش را می‌دانم.  همچنین به‌‌‌صورت بالقوه حافظه سازمانی بلندی هم دارد که برای افرادی که ممکن است در یک سازمان تازه‌‌‌وارد باشند و می‌خواهند بدانند قبلا مشکلات چگونه رتق‌‌‌وفتق می‌شدند مفید باشد.»  در حقیقت احتمالا «جنبه خلاق» هوش مصنوعی مولد در آینده برای تصمیم‌گیران بسیاری از حوزه‌ها و صنایع گوناگون حتی مهم‌تر هم خواهد شد. یک دلیلش قابلیت آن برای تولید حجم عظیم داده‌های ساختگی است که می‌تواند ساختار احتمالی فرآیندها و رویدادهای جهان واقعی را اغلب از روی نمونه‌های بسیار کوچکی تقلید کند. از داده‌های ساختگی می‌توان برای ساخت مدل‌های تصمیم‌گیری و سناریوی رویدادهای بسیار تاثیرگذار که به‌‌‌ندرت رخ می‌دهند - به عنوان نمونه کلاهبرداری‌‌‌های فوق‌العاده هوشمندانه در بیمه که ممکن است از چشم بازرسان انسانی دور بماند- استفاده کرد. همچنین هوش مصنوعی مولد می‌تواند مجموعه‌های بسیار عظیمی از داده‌های مشتریان را به‌‌‌گونه‌‌‌ای تعدیل کند که حریم خصوصی افراد حفظ شود و بدین‌‌‌ترتیب اطلاعات تعدیل‌‌‌شده را چه برای تصمیم‌گیری‌‌‌های مبتنی بر هوش مصنوعی و چه برای تصمیم‌گیری‌‌‌های انسانی می‌توان با اطمینان و امنیت به اشتراک گذاشت.‌

 الزامات ساخت اعتماد بین انسان و ماشین

با اینکه سیستم‌‌‌های هوش مصنوعی به‌‌‌طور روزافزونی برای حمایت از تصمیم‌گیری انسانی به کار می‌‌‌روند و در برخی موارد حتی جایگزین آن هم می‌شوند، چالش‌‌‌ها و ریسک‌‌‌ها فراوان‌‌‌اند. این ریسک‌‌‌ها شامل مشکلاتی همچون احتمال سوگیری، نقض اخلاق، نگرانی‌‌‌های مربوط به منشأ داده و دقت و درستی می‌شوند و دقیقا همین ریسک‌‌‌ها سوالات حساسی برای کسب‌‌‌وکارهایی که روی این قبیل تکنولوژی‌‌‌ها سرمایه‌‌‌گذاری می‌‌‌کنند، به وجود می‌‌‌آورند. به عنوان یک تصمیم‌گیرنده، چه زمانی به ماشین بیش از انسان اعتماد می‌‌‌کنید؟ شرایط همکاری موثر انسان و ماشین چیست؟ تخصص و قضاوت انسانی موجود چگونه وارد معادله می‌شود؟ تحقیقات و تجربه ما چهار مورد ضروری را به رهبران کسب‌و‌کارها پیشنهاد می‌دهد:

  دامنه خاصی داشته باشید

 بااینکه از نظر تئوری مدل‌های هوش مصنوعی مولد می‌توانند در طیف گسترده‌‌‌ای از موقعیت‌‌‌های تصمیم‌گیری مورد استفاده قرار گیرند، غالبا در مواقعی که با استفاده از داده‌های سازمانی یا بازاری خوب و دقیق برای مسائل متمایز و جداگانه به کار می‌‌‌روند، بسیار موثرتر هستند.‌

  به منحنی تجربه توجه کنید

 تحقیقات نشان می‌دهد که مهارت و سابقه تجربی کارکنان - اینکه متخصص هستند یا مبتدی، یا جایی بین این دو - در چگونگی تعامل آنها با هوش مصنوعی بسیار تاثیرگذار است. به‌‌‌طور کلی، متخصصان تمایل دارند تا حد زیادی بر تجربه و شم درونی تکیه کنند و از ماشین‌‌‌ها فقط برای بررسی درستی راهکارشان یا پیشنهاد گزینه‌های جایگزین استفاده کنند؛ همچنین اگر مدت زیادی در یک حوزه فعالیت داشته باشند، ممکن است مهارت کمتری در تکنولوژی‌‌‌های جدید داشته باشند. کارکنان مبتدی می‌توانند از هوش مصنوعی استفاده کنند تا چم‌‌‌وخم کار را یاد بگیرند و سریع‌‌‌تر با سناریوهای گوناگونی آشنا شوند؛ اما برای جلوگیری از اتکا بیش ‌‌‌از حد به ماشین، به تمرین‌‌‌های واقعی احتیاج دارند. سطح مهارت، تجربه، دانش سازمانی و مهارت در تعامل با تکنولوژی همه عواملی هستند که رهبران کسب‌‌‌وکارها باید در طراحی استراتژی‌‌‌ها با دقت بسنجند و بررسی کنند.

  جریان تبحر را حفظ کنید

 هرچند ممکن است سازمان‌ها وسوسه شوند هوش مصنوعی مولد را به چشم میان‌‌‌بر کوتاه‌‌‌مدتی به خودکارسازی و صرفه‌‌‌جویی در هزینه‌ها ببینند؛ اما ریسک‌‌‌های بلندمدت‌‌‌تر کاهش مهارت‌‌‌های سازمان و کارکنان واقعی هستند. مت جانسون با استناد به تجربه‌‌‌اش به عنوان خلبان نیروی دریایی ایالات‌‌‌متحده می‌گوید: «حتی خلبان‌‌‌ها هم گاهی اوقات مجبور می‌شوند حالت پرواز خودکار را خاموش کنند و هواپیما را دستی فرود بیاورند. شبیه‌‌‌سازها برای تمرین چیزهایی که نمی‌خواهید در پرواز واقعی انجام دهید عالی هستند؛ اما شما نمی‌توانید فقط با شبیه‌‌‌ساز مهارتتان را حفظ کنید. مجبورید خود کار را به‌‌‌صورت واقعی انجام دهید... استفاده از هوش مصنوعی در بستر کسب‌‌‌وکار و مدیریت برای تصمیم‌گیری هم دقیقا همین‌‌‌طور است.»

  سوالات درست را بپرسید... به شکل درست

 هوش مصنوعی مولد منجر به ظهور حوزه جدیدی به نام مهندسی دستور (prompt engineering) شده است - معنایش به‌‌‌طور خلاصه نحوه سازمان‌‌‌دهی سوالات و دستوراتی است که به سیستم‌‌‌های هوش مصنوعی می‌‌‌دهیم تا بهترین پاسخ‌‌‌های ممکن را به دست بیاوریم. پژوهشگران نشان داده‌‌‌اند که متخصصان حوزه‌های مشخص بسیار بهتر از مبتدیان یا متخصصان حوزه‌های دیگر سوال طراحی می‌‌‌کنند. با توجه به اینکه در حال حاضر بسیاری از سازمان‌ها برنامه‌های «هوش مصنوعی شهروندی» (citizen AI) را اجرا می‌‌‌کنند تا استفاده از هوش مصنوعی را گسترش دهند، رهبران سازمانی باید سرمایه‌‌‌گذاری چشم‌‌‌گیری روی مهارت‌‌‌های مهندسی دستور در جای‌‌‌جای سازمانشان داشته باشند. امروزه رهبران و مدیران کسب‌و‌کارها نسبت به هر زمان دیگری داده‌های بیشتری دارند.  بااین‌‌‌حال، عجیب اینکه این سیل داده‌‌‌ فقط فشار روی مدیران را بیشتر کرده  است. ابزارهای هوش مصنوعی می‌توانند به چندین روش بار شناختی را کاهش دهند و کارآیی تصمیم‌گیری را بهبود ببخشند: پیگیری و شبیه‌‌‌سازی بهبودیافته، تمرین واقع‌‌‌گرایانه در محیط‌‌‌های مجازی و توصیه‌های آنی تصمیم‌گیری مبتنی بر هوش مصنوعی. اما برای بهره‌‌‌مندی از این مزایا، سازمان‌ها باید با چشم باز به همکاری انسان و ماشین بپردازند و به نقاط قوت، ضعف‌‌‌ و محدودیت‌‌‌های سیستم‌‌‌های هوش مصنوعی توجه کنند. از همه مهم‌تر، تصمیم‌گیران انسانی باید همچنان مهارت‌‌‌، تخصص و قضاوت خود را به‌‌‌روز کنند تا بتوانند از هوش مصنوعی به‌‌‌درستی استفاده کنند و درعین‌‌‌حال ریسک‌‌‌ها را کاهش دهند.