هوش مصنوعی وعده آزادسازی زمان کارکنان را داد. پژوهشگران هاس دانشگاه کالیفرنیا، برکلی نتیجه عکس را یافتند

در حین انجام پژوهش درباره نحوه تغییر هوش مصنوعی در کار روزمره در یک شرکت فناوری آمریکایی، شینگ‌چی مگی یه (Xingqi Maggie Ye)، دانشجوی دکترا از هاس دانشگاه کالیفرنیا، برکلی، الگویی را مشاهده کرد که پرسشی provocative را مطرح می‌ساخت: چه اگر هوش مصنوعی به جای کاهش کار، آن را تشدید کند؟

مطالعه قوم‌نگارانه هشت‌ماهه یه، که هم‌نویسنده آن دانشیار آرونا رانگاناتان بوده و در مجله کسب‌وکار هاروارد منتشر شده است، دقیقاً به همان پویایی اشاره دارد. در مشاهدات و مصاحبه‌های محققان با کارکنان این شرکت ۲۰۰ نفره، مشخص شد که هوش مصنوعی مولد زمان را آزاد نکرد، بلکه احساس توانمندی کارکنان برای پذیرش وظایف بیشتر را افزایش داد.

«... کارکنان با سرعت بیشتری کار می‌کردند، دامنه وسیع‌تری از وظایف را بر عهده می‌گرفتند و کار را به ساعات بیشتری از روز کشاندند، اغلب بدون اینکه از آنان خواسته شود.» یه و رانگاناتان در مورد پژوهش در دست تکمیل خود نوشتند. مطالعه پیشنهاد می‌کند آنچه در ابتدا به عنوان هیجان، آزمایشگری و حرکت رو به جلو حس می‌شد، به تدریج به چیزی تبدیل شد که سخت‌تر قابل تداوم بود.

از یه، فارغ‌التحصیل دکتری ۲۰۲۸، خواستیم تا ما را با یافته‌های خود و رانگاناتان آشنا کند، چرا این موضوع باید کارفرمایان را نگران کند و سازمان‌ها پیش از آنکه این چرخه شکل گیرد، چه اقداماتی می‌توانند انجام دهند.

ج: می‌توانم درک کنم چرا برخی سازمان‌ها این را به عنوان پیروزی می‌بینند. اگر کارکنان پیش‌قدمانه وظایف بیشتری را بر عهده بگیرند و سریع‌تر حرکت کنند، این می‌تواند به نظر تحقق وعده بهره‌وری برسد. چالش اینجاست که آنچه به نظر افزایش بهره‌وری در کوتاه‌مدت می‌رسد، می‌تواند سخت‌تر قابل تداوم باشد. با گسترش دامنه وظایف و اجرای موازی چندین جریان کاری مبتنی بر هوش مصنوعی، روز کاری متراکم‌تر و از نظر شناختی پرتلاش‌تر می‌شود. زیرا این گسترش اغلب در ابتدا به صورت خودران و حتی هیجان‌انگیز حس می‌شود، انتظارات می‌توانند به تدریج بازتعریف شوند و آنچه زمانی تلاش اضافی بود، به عملکرد استاندارد تبدیل می‌شود. آنجا است که یک چرخه معیوب می‌تواند شکل بگیرد: توانمندی بیشتر منجر به خروجی بیشتر می‌شود، که منجر به انتظارات بالاتر می‌گردد و سپس فشار برای گسترش بیشتر را ایجاد می‌کند. در طول زمان، تغییر مداوم توجه و کاهش زمان بازیابی می‌تواند قضاوت را مخدوش کرده و خطاها را افزایش دهد، و سازمان‌ها ممکن است در تمایز قائل شدن بین دستاوردهای واقعی بهره‌وری و شدت ناپایدار دچار مشکل شوند.

ج: آنچه مرا بیشترین تعجب کرد، تضاد بین توصیف افراد از مشارکت لحظه به لحظه‌شان و توصیف آن‌ها از تجربه کلی‌شان بود. در لحظات خردِ دستور دادن، تکرار و آزمایش، افراد درباره حرکت رو به جلو و احساس توانمندی گسترده صحبت می‌کردند. اما وقتی عقب‌نشینی کردند و درباره تجربه کاری گسترده‌ترشان تأمل کردند، لحن متفاوتی گاهی ظاهر می‌شد. آن‌ها احساس می‌کردند شلوغ‌تر، تحت فشار بیشتر یا کمتر قادر به قطع کامل ارتباط هستند. این تضاد نشان می‌دهد که تشدید می‌تواند در انفجارهای کوتاه‌مدتی که روز را تشکیل می‌دهند مثبت به نظر برسد، در حالی که اثر تجمعی آن در طول زمان تنش ایجاد می‌کند.

ج: وقتی درباره ساختن یک «تمرین هوش مصنوعی» صحبت می‌کنیم، منظورمان آگاهانه بودن نسبت به ریتم و مرزهای کار مبتنی بر هوش مصنوعی است، نه صرفاً تسریع به دلیل امکان‌پذیری تکنولوژی. از نظر عملی، این ممکن است شامل تعبیه مکث‌های آگاهانه باشد—لحظات کوتاه و ساختاریافته قبل از تصمیمات بزرگ برای ظهور یک استدلال مخالف یا پیوند صریح یک انتخاب با اهداف سازمانی، تا سرعت باعث حذف تأمل نشود. همچنین شامل ترتیب‌بندی است: به جای واکنش به هر خروجی تولید شده توسط هوش مصنوعی به محض ظاهر شدن، تیم‌ها می‌توانند به‌روزرسانی‌های غیرضروری را دسته‌بندی کنند، پنجره‌های تمرکز را محافظت کنند و اجازه دهند کار در فازهای منسجم پیش رود نه در حالتی از وقفه مداوم. و در نهایت، نیازمند زمین‌گیر کردن انسانی است، مانند محافظت از زمان برای بررسی‌های وضعیت، تأمل مشترک و گفتگو، تا کار کاملاً انفرادی و ابزار-محور نشود. قصد کند کردن نوآوری نیست، بلکه اطمینان از این است که دستاوردهای بهره‌وری همسو، سنجیده و پایدار باقی بمانند.

می‌توانید نسخه اصلی این مقاله را در وب‌سایت هاس دانشگاه کالیفرنیا، برکلی بخوانید: https://newsroom.haas.berkeley.edu/ai-promised-to-free-up-workers-time-uc-berkeley-haas-researchers-found-the-opposite/