در مراحل اولیه پذیرش ابزارهای مبتنی بر هوش مصنوعی (AI) در محیط‌های کاری، دیدگاه‌ها درباره مزایای آن‌ها متناقض است: آیا AI واقعاً ارزش‌افزوده ایجاد کرده و در زمان کارکنان صرفه‌جویی می‌کند، یا باعث ایجاد فعالیت‌های غیرضروری و دشوارتر شدن روند کار می‌شود؟
تضاد در یافته‌های آماری
داده‌های شرکت ActivTrak بین این دو واقعیت نوسان دارد. تحقیقات اخیر این شرکت نشان می‌دهد کارکنانی که به‌طور گسترده از AI استفاده می‌کنند، روزانه تا 90 دقیقه بیشتر کار می‌کنند؛ در حالی که تحقیقات قبلی همین شرکت در ابتدای سال جاری، نتیجه گرفته بود که این افراد در واقع کمتر کار می‌کنند.
این تفاوت ممکن است به دلیل بازه زمانی و حجم نمونه‌های جمع‌آوری شده باشد، اما یک هشدار مهم برای سازمان‌هاست: نباید به ادعاهای تامین‌کنندگان (Vendors) درباره افزایش بهره‌وری ناشی از AI به‌سادگی اعتماد کرد، زیرا اندازه‌گیری دقیق این شاخص‌ها بسیار دشوار است.
پراکندگی تمرکز و «مالیات جابجایی»
یافته‌های جدید نشان می‌دهد که کاربران حرفه‌ای AI، جلسات تمرکز (Focus sessions) کوتاه‌تری دارند (حدود 37.8 دقیقه در مقابل 48.2 دقیقه برای کاربران کم‌کاربرد). این امر نشان می‌دهد که جریان کاری آن‌ها به دلیل استفاده از AI تکه‌تکه (Fragmented) شده است. همچنین، این افراد 15% بیشتر بین اپلیکیشن‌های مختلف جابجا می‌شوند.
در این راستا، تفاوت بین ابزارهای AI داخلی (Embedded AI) و ابزارهای تحت وب نیز بررسی شده است. کاربرانی که از AI داخلی استفاده می‌کنند، کمتر جابجایی بین برنامه‌ها دارند، در حالی که کاربران ابزارهای وب تا 4 برابر بیشتر بین اپلیکیشن‌ها سوئیچ می‌کنند. این پدیده را ActivTrak «مالیات جابجایی» (Swivel-chair tax) می‌نامد که به معنای تلاش اضافی کارکنان برای حرکت بین ابزارهای مختلف است.
چالش‌های مدیریتی و ظرفیت کاری
یکی از مسائل کلیدی، نحوه مدیریت ظرفیت اضافی ایجاد شده توسط AI است. وقتی کارکنان وظایف خود را سریع‌تر به پایان می‌رسانند، مدیران ممکن است تصور کنند آن‌ها فضای خالی برای پذیرش مسئولیت‌های بیشتر دارند. بدون تعیین مرزهای روشن برای حجم کاری، صرفه‌جویی در زمان ممکن است به جای استراحت یا بهبود کیفیت، به افزایش فشار کاری تبدیل شود.
محدودیت‌های اندازه‌گیری
تحلیلگران اشاره می‌کنند که ابزارهای رصد بهره‌وری لزوماً تمام حقیقت را نمی‌گویند. برای مثال، استفاده از AI در دستگاه‌های شخصی یا از طریق APIها ممکن است در گزارش‌های سیستمی ثبت نشود. در نهایت، برای ارزیابی واقعی ارزش AI، سازمان‌ها باید بررسی کنند که پس از سریع‌تر شدن اولین تسک، چه اتفاقی افتاده است و آیا این بهبود واقعاً به نفع سازمان بوده یا صرفاً فشار کاری را جابجا کرده است.
