تحقیقات جدید با مشارکت ۷۷۶ نفر از متخصصان پروکتر اند گمبل (Procter & Gamble) نشان میدهد که افراد با استفاده از هوش مصنوعی میتوانند به خوبی تیمهای سنتی دو نفره عمل کنند.
در طول کارگاههای یک روزه، شرکتکنندگان ایدههای محصولی را برای واحدهای تجاری مختلف P&G توسعه دادند. تیمها متشکل از یک کارشناس تجاری و یک کارشناس فنی بودند و نیمی از هر دو تیم و افراد به GPT-4 و GPT-4o دسترسی داشتند. دادهها نشان داد که تیمهای بدون هوش مصنوعی ۲۴٪ بهتر از افراد عمل میکنند. با این حال، افراد با استفاده از هوش مصنوعی ۳۷٪ پیشرفت کردند - که با سطح عملکرد تیمهای غیر هوش مصنوعی مطابقت داشت.
تیمهای دارای پشتیبانی هوش مصنوعی به بالاترین عملکرد کلی (۳۹٪ بهبود) دست یافتند، اگرچه تفاوت در مقایسه با افراد با استفاده از هوش مصنوعی از نظر آماری معنیدار نبود. با این حال، تیمهای با استفاده از هوش مصنوعی تقریباً سه برابر بیشتر احتمال داشت که راه حلهایی را تولید کنند که در ۱۰٪ برتر امتیازات کیفیت قرار گیرند.
گروههای با استفاده از هوش مصنوعی ۱۲ تا ۱۶ درصد سریعتر کار کردند و در عین حال راه حلهای طولانیتر و دقیقتری ارائه دادند. طبق این مطالعه، بیش از ۷۵ درصد از محتوای تولید شده توسط هوش مصنوعی توسط "بخش قابل توجهی" از گروهها حفظ شده است.
هوش مصنوعی تفاوتهای تخصصی را متعادل میکند
یکی دیگر از یافتهها این است که به نظر میرسد این فناوری زمین بازی را بین انواع مختلف کارشناسان هموار میکند. بدون هوش مصنوعی، کارشناسان فنی به راه حلهای فنی پایبند بودند، در حالی که کارشناسان فروش بر جنبههای بازار متمرکز بودند. با کمک هوش مصنوعی، هر دو گروه شروع به ارائه پیشنهادات جامعتری کردند.
این اثر به ویژه در بین کارکنان کم تجربهتر توسعه محصول قابل توجه بود. بدون هوش مصنوعی، آنها حتی در تیمها عملکرد نسبتاً ضعیفی داشتند. با پشتیبانی هوش مصنوعی، آنها ناگهان به سطوح عملکردی قابل مقایسه با تیمهایی با اعضای مجرب دست یافتند.
برخلاف فرضیات رایج در مورد ایجاد استرس ناشی از فناوریهای جدید، شرکتکنندگان با استفاده از هوش مصنوعی احساسات مثبتتری مانند اشتیاق و انرژی را گزارش کردند و علائم کمتری از اضطراب و ناامیدی داشتند.
محققان پیشنهاد میکنند شرکتها باید در دیدگاه خود نسبت به هوش مصنوعی به عنوان یک ابزار بهرهوری صرف تجدید نظر کنند. در عوض، آنها پیشنهاد میکنند با این فناوری به عنوان یک عضو تیم اضافی رفتار کنند.
درک محدودیتها
این مطالعه دارای چندین نکته مهم است. طراحی تحقیق ممکن است پتانسیل هوش مصنوعی را با استفاده از آن در درجه اول به عنوان یک چتبات محدود کرده باشد. در حالی که چتها در ایدهپردازی سریع عالی هستند، کیفیت راه حل تا حدی به شانس و به شدت به تخصص کاربر بستگی دارد.
حجم متن تولید شده نیاز به ارزیابی حرفهای دارد و بازاریابان، برای مثال، ممکن است مهارتهای لازم برای ارزیابی صحیح پیشنهادات فنی را نداشته باشند - آنها ممکن است به طور کورکورانه به هوش مصنوعی اعتماد کنند. کاری که آنها واقعاً انجام میدهند تولید کلمات است، نه لزوماً دانش مفید.
دیدگاه محققان از هوش مصنوعی به عنوان یک عضو تیم، و نه فقط یک ابزار، به نظر میرسد عمدتاً ناشی از این است که چتباتها چقدر میتوانند در مکالمه شبیه انسان به نظر برسند. به گفته اتان مولیک (Ethan Mollick)، رهبر مطالعه: "اگرچه انسان نیست، اما مزایای اصلی کار تیمی را تکرار میکند - بهبود عملکرد، به اشتراک گذاری تخصص و تجربیات عاطفی مثبت. این دیدگاه بازیکن تیمی باید سازمانها را به این سوق دهد که متفاوت در مورد هوش مصنوعی فکر کنند."
اما در توسعه محصول، جایی که فرآیندهای ساختاریافته از قبل وجود دارند، رویکرد مؤثرتر میتواند استفاده از هوش مصنوعی برای استانداردسازی خود این فرآیندها باشد، نه انسانی کردن هوش مصنوعی و برخورد با آن به عنوان یک شریک مکالمه. شرکتها سپس میتوانند این فرآیندهای بهبود یافته با هوش مصنوعی - یا حتی فقط خروجیهای آنها - را در اختیار تیمها قرار دهند.
فرمت کارگاه یک روزه یکی دیگر از محدودیتها است، زیرا پیچیدگی محیطهای سازمانی واقعی را که در آن کار معمولاً شامل تکرارهای متعدد در دورههای زمانی طولانی است، ثبت نمیکند. سوالاتی در مورد میزان بقای محتوای تولید شده توسط هوش مصنوعی در چرخههای توسعه طولانی مدت باقی میماند.
موفقیت در پیادهسازی هوش مصنوعی بر اساس فرهنگ سازمانی، گردش کار موجود و زیرساخت فنی به طور قابل توجهی متفاوت است. شاید مهمتر از همه، سوالاتی در مورد چگونگی تأثیر ادغام هوش مصنوعی بر توسعه مهارت و انتقال دانش در طول زمان باقی بماند - عوامل مهم برای حفظ مزیت رقابتی.
خلاصه
- مطالعهای در پروکتر اند گمبل با مشارکت ۷۷۶ متخصص نشان داد که افراد تحت حمایت هوش مصنوعی میتوانند ایدههای محصول را به همان اندازه مؤثر تیمهای سنتی دو نفره بدون کمک هوش مصنوعی تولید کنند.
- تیمهای با کمک هوش مصنوعی بهترین عملکرد کلی را نشان دادند، ۱۲-۱۶٪ سریعتر کار کردند و راه حلهای جامعتر و دقیقتری ارائه دادند. استفاده از هوش مصنوعی همچنین تفاوتهای عملکردی بین کارشناسان فنی و تجاری را از بین برد.
- با این حال، کاربرد این مطالعه برای پیادهسازی هوش مصنوعی در دنیای واقعی در شرکتها محدود است، زیرا بر اساس کارگاههای یک روزه بود و ممکن است مستقیماً به فرآیندهای کاری پیچیده و طولانیمدت منتقل نشود. سوالاتی در مورد اینکه استفاده طولانی مدت از هوش مصنوعی بر توسعه مهارت چه تأثیری میگذارد و اینکه آیا رویکردهای جایگزین برای ادغام هوش مصنوعی میتواند کارآمدتر باشد یا خیر، باقی میماند.
منابع: مقاله, One Useful Thing