سازمان‌ها با سرعت بسیار بالایی در حال ادغام فناوری‌های هوش مصنوعی (AI) در فرآیندهای خود هستند، اما این سرعت بالا اغلب با یک چالش بزرگ همراه است: شکاف مهارتی و عدم اطمینان کارکنان. در حالی که هوش مصنوعی پتانسیل افزایش سرعت انجام کارها را دارد، اما بدون مهارت و اعتمادبه‌نفس کافی از سوی کاربران، لزوماً منجر به بهبود کیفیت خروجی‌ها نخواهد شد.
طبق یافته‌های اخیر شرکت تحلیل نیروی کار Visier، ۴۸٪ از کارکنان گزارش داده‌اند که در برخی مواقع مهارت‌های خود در زمینه هوش مصنوعی را بزرگ‌نمایی می‌کنند. همچنین ۴۵٪ از آن‌ها اعلام کرده‌اند که تحت فشار هستند تا از ابزارهای هوش مصنوعی استفاده کنند، در حالی که تسلط کافی بر آن‌ها ندارند.
ریسک «انطباق نمایشی» و هزینه‌های پنهان
وقتی پیاده‌سازی هوش مصنوعی با عجله و بدون برنامه آموزشی مناسب انجام شود، کارکنان به سمت «انطباق با هوش مصنوعی» (AI Compliance) حرکت می‌کنند. این یعنی آن‌ها صرفاً برای نشان دادن استفاده از ابزار، از آن‌ها استفاده می‌کنند، حتی اگر راهنمایی یا آموزش لازم را دریافت نکرده باشند. این وضعیت که می‌توان آن را «نمایش‌های نمایشی هوش مصنوعی» نامید، می‌تواند سرمایه‌گذاری‌های کلان سازمان‌ها را با شکست مواجه کند.
سرمایه‌گذاری در آموزش و ارتقای مهارت‌ها (Upskilling) بسیار ارزان‌تر از هزینه‌های ناشی از تعدیل نیرو، استخدام مجدد و رقابت برای جذب استعدادهای برتر هوش مصنوعی است.
ضرورت ایجاد چارچوب‌های حاکمیتی و آموزشی
برای مدیریت صحیح این گذار، سازمان‌ها باید چارچوب‌های شفافی را برای پیاده‌سازی هوش مصنوعی ایجاد کنند. این چارچوب‌ها باید شامل موارد زیر باشند:
- امنیت داده‌ها (Data Security): آموزش کارکنان در مورد نحوه برخورد با داده‌های حساس و حساسیت در آپلود اطلاعات.
- بررسی خروجی‌ها: توانایی تشخیص خروجی‌های نادرست یا توهمات (False Outputs) تولید شده توسط ابزارهای هوش مصنوعی.
- مسئولیت‌پذیری فردی: تأکید بر اینکه مسئولیت نهایی خروجی بر عهده کاربر است، نه خودِ ابزار هوش مصنوعی.
رهبران سازمان‌ها باید از تعیین اهداف کلی و صرفاً کمی (مانند درصد استفاده از هوش مصنوعی) پرهیز کنند، زیرا این کار می‌تواند منجر به تمرکز بر کمیت به جای کیفیت شود. به جای آن، ایجاد تعادل بین الزام به استفاده و تشویق به یادگیری و آزمایش (Experimentation) می‌تواند مسیر پایدارتری را برای پذیرش این فناوری فراهم کند.
