در اقتصاد امروز، بسیاری از کارگران از کار یدی به سمت کار دانشبنیان تغییر کردهاند. این حرکت عمدتاً ناشی از پیشرفتهای تکنولوژیکی است و کارگران در این حوزه با چالشهایی در مدیریت کارهای غیر روتین مواجه هستند که ذاتاً نامشخص است. مداخلات خودکار میتوانند به کارگران کمک کنند تا کار خود را درک کرده و عملکرد و اعتماد را افزایش دهند.
در یک مطالعه جدید، محققان بررسی کردهاند که چگونه هوش مصنوعی (AI) میتواند عملکرد و اعتماد را در محیطهای کاری دانشبنیان افزایش دهد. آنها دریافتند هنگامی که سیستمهای هوش مصنوعی بازخورد را در زمان واقعی ارائه میدهند، عملکرد و اعتماد افزایش مییابد.
این مطالعه توسط محققان دانشگاه کارنگی ملون انجام شده و در مجله Computers in Human Behavior منتشر شده است. این مقاله بخشی از شماره ویژه "پل اجتماعی: دیدگاهی بین رشتهای در مورد اعتماد به فناوری" است که در آن محققان از رشتههای مختلف مکانیسمها و عملکردهای اعتماد به افراد و فناوریها را بررسی میکنند.
آنیتا ویلیامز وولی، استاد رفتار سازمانی در دانشکده بازرگانی تپر در دانشگاه کارنگی ملون و یکی از نویسندگان این مطالعه، میگوید: «یافتههای ما نگرانیهای سنتی مبنی بر اینکه مدیریت مبتنی بر هوش مصنوعی باعث بیاعتمادی میشود را به چالش میکشد و مسیری را نشان میدهد که از طریق آن هوش مصنوعی با ارائه شفافیت بیشتر و همسویی با انتظارات کارگران، کار انسانی را تکمیل میکند.» «نتایج، پیامدهای گستردهای برای مدیریت عملکرد مبتنی بر هوش مصنوعی در صنایعی دارد که بهطور فزایندهای به محیطهای کاری دیجیتال و الگوریتمی متکی هستند.»
کاربردهای یادگیری ماشین و هوش مصنوعی به طور مداوم ثابت کردهاند که قادر به انجام وظایف شناختی دشوار هستند، مشروط بر اینکه بتوانند روتین شوند. اما در کارهای غیر روتین، قابلیتهای هوش مصنوعی (به عنوان مثال، مواردی که برای تسهیل توانایی مدیران در نظارت بر بهرهوری طراحی شدهاند) اغلب نتیجه معکوس میدهند و به جای کارایی، خصومت را تقویت میکنند.
در این مطالعه، محققان به دنبال تعیین این موضوع بودند که چگونه فراوانی بازخورد و عدم قطعیت یک کار با هم تعامل دارند تا بر درک کارگران از قابلیت اطمینان یک الگوریتم تأثیر بگذارند. در یک آزمایش تصادفی کنترلشده، 140 مرد و زن (عمدتاً سفیدپوست و با میانگین سنی 39 سال) وظایف مراقبتی را در یک محیط مراقبت بهداشتی خانگی شبیهسازیشده آنلاین انجام دادند.
افراد بهطور تصادفی تعیین شدند تا در حین انجام کار خود در شرایط عدم قطعیت زیاد یا کم، بازخورد خودکار در زمان واقعی (یعنی بازخورد ارائه شده در طول کار) دریافت کنند یا نکنند. پس از اتمام کار، آنها بر اساس عملکرد واقعی خود در کار، رتبهبندی الگوریتمی دریافت کردند.
بازخورد در زمان واقعی، با تقویت حس کیفیت کار خود کارگران (یعنی آگاهی از نتایج) و کاهش میزان غافلگیری آنها از ارزیابی نهایی، اعتماد درک شده به رتبهبندی عملکرد را افزایش داد. این به نوبه خود، اعتماد کارگران به رتبهبندی عملکرد تولید شده توسط هوش مصنوعی را افزایش داد - به ویژه در محیطهای کاری غیر روتین که عدم قطعیت بالا بود.
در میان محدودیتهای این مطالعه، نویسندگان خاطرنشان میکنند که یافتههای آنها ممکن است در همه شرایط تعمیمپذیر نباشد، تا حدی به این دلیل که شرکتکنندگان در مطالعه از جمعیت مراقبان انتخاب نشده بودند و وظیفه شبیهسازیشده نشاندهنده مراقبت واقعی نبود. علاوه بر این، این مطالعه نقش تفاوتهای فردی، مانند سطوح وظیفهشناسی و تخصص را بررسی نکرد.
آلن اس. براون، دانشجوی دکترا در رفتار و نظریه سازمانی در دانشکده بازرگانی تپر در دانشگاه کارنگی ملون، که رهبری این مطالعه را بر عهده داشت، خاطرنشان میکند: «کار غیر روتین مدتهاست که چالشهایی را برای استراتژیهای مدیریت سنتی ایجاد کرده است و توسعه سیستمهای مدیریت الگوریتمی فرصتی را برای شروع پرداختن به آنها ارائه میدهد.»
«شناسایی ما از یک چارچوب جدید برای بررسی مداخلات مدیریتی، چارچوبی که استانداردهای عملکرد را شفافتر میکند و دانش کارگران از نتایج را افزایش میدهد، به ویژه در محیطهای کاری نوظهور امروزی مرتبط است.»