افسانه‌ی افزایش بهره‌وری با هوش مصنوعی

به گفته کمیته توسعه اقتصادی استرالیا، این کشور  در سال ۲۰۲۳ کمترین رشد بهره‌وری خود را در ۶۰ سال گذشته تجربه می‌کند و این رکود در اکثر اقتصادهای پیشرفته در سراسر جهان منعکس شده‌است. بنابراین جای تعجب نیست که برخی ظهور هوش مصنوعی (AI) را نجات‌دهنده بهره‌وری می‌دانند. مقالات رسانه‌ای نوید عصر جدیدی از بهره‌وری بالا است که توسط هوش مصنوعی و به ویژه ابزارهای هوش مصنوعی مولد مانند ChatGPT و DALL-E فعال شده است.

به طور مشابه، مجلات برتر جهان مملو از گزارش‌هایی هستند که نشان می‌دهد هوش مصنوعی چگونه جهش‌های تحول آفرین در تحقیقات را امکان‌پذیر کرده است. برای مثال، از یادگیری ماشینی برای پیش‌بینی شکل پروتئین‌ها از اطلاعات DNA یا کنترل شکل پلاسمای فوق‌العاده گرم شده در واکنش همجوشی هسته‌ای استفاده شده است. یک تیم در CSIRO یک سیستم خودمختار مبتنی بر هوش مصنوعی طراحی کرد که می‌تواند ۱۲۰۰۰ طرح سلول خورشیدی را در عرض ۲۴ ساعت تولید و آزمایش کند.

آیا این بدان معناست که می‌توانیم سوئیچ را تکان دهیم، آن را در حالت خودکار بگذاریم و به ساحل برای یک استراحت لذت بخش برویم؟ نه کاملاً.

هوش مصنوعی نوشداروی بهره‌وری نیست

همان‌قدر که مثال‌های بالا امیدوارکننده هستند، آن‌ها همچنین حواس‌شان را از بسیاری از برنامه‌های کاربردی هوش مصنوعی که کاملاً کار نکرده‌اند و شکست محسوب می‌شوند منحرف می‌کنند. این‌ها مواردی هستند که اغلب در مجلات و رسانه‌ها ثبت نمی شوند؛ جایی که استفاده از هوش مصنوعی پرهزینه و وقت گیر بوده و نتوانسته نتیجه مطلوب را ایجاد کند.

در سال ۲۰۲۱، زمانی که ۶۲ مطالعه منتشر شده که از یادگیری ماشینی برای تشخیص کووید-۱۹ از اسکن قفسه سینه استفاده می‌کردند، جامعه هوش مصنوعی مجبور به توقف شد؛ دلیل هم عمدتاً به دلیل مشکلات داده‌های ورودی بود که در تنظیمات بالینی غیرقابل اعتماد و غیرقابل استفاده بودند. این یک یادآوری آشکار بود که هوش مصنوعی خطاپذیر است.

این بدان معنا نیست که نمی‌توان از هوش مصنوعی برای افزایش بهره‌وری استفاده کرد؛ فقط این یک نوشدارو برای مشکلات بهره‌وری ما نیست. هوش مصنوعی نمی تواند مشکلات مربوط به فرآیندهای ناکارآمد، حکمرانی ضعیف و فرهنگ بد را به طور جادویی برطرف کند.

اگر هوش مصنوعی پیشرفته را در یک سازمان گنگ رها کنید، آن را باهوش نخواهد کرد. این فقط به سازمان کمک می‌کند تا کارهای احمقانه را با کارآمدی بیشتر  انجام دهد (به عبارت دیگر، سریعتر کارهای احمقانه خود را به نتیجه برساند). این به سختی منجر به افزایش بهره‌وری خواهد شد.

جایی که برنامه‌های کاربردی هوش مصنوعی کار می‌کنند

یک مطالعه اخیر توسط دفتر ملی تحقیقات اقتصادی ایالات متحده، افزایش ۱۴ درصدی را در بهره‌وری در میان عوامل خدمات مشتری که از ابزار هوش مصنوعی برای کمک به هدایت مکالمات استفاده می کردند، نشان داد. در استرالیا، Westpac می‌گوید که هوش مصنوعی ۴۶ درصد افزایش بهره‌وری را برای مهندسان نرم افزار خود فراهم کرده است، بدون اینکه کیفیت کار کاهش یابد.

از بسیاری جهات این مثال‌ها تعجب آور نیستند. بدیهی است که هوش مصنوعی در صورت استفاده مؤثر می‌تواند بهره‌وری را افزایش دهد. نقشه گوگل در رساندن افراد از A به B به وضوح بهتر از یک اطلس جاده قدیمی است.

بنابراین در میان موقعیت‌هایی که هوش مصنوعی عملکرد خوبی دارد، چه چیزی مشترک است؟

کاربردهای موفق هوش مصنوعی معمولاً با نیاز و عملکرد روشن برای سیستم هوش مصنوعی مشخص می‌شود. آن‌ها به خوبی در فرآیندهای گسترده تر کسب و کار یا سازمان ادغام شده‌اند و در سایر وظایف کارمندان دخالت نمی‌کنند. آن‌ها همچنین تمایل دارند که مجموعه داده‌های با کیفیت بالا، مناسب برای هدف انتخاب‌شده برای آموزش الگوریتم‌ها داشته باشند و با خیال راحت و مطابق با اصول اخلاقی به کار گرفته شوند. برای مثال نمایش نتایج مسابقات ورزشی در خبرگزاری‌ها، وظیفه‌ای است که هوش مصنوعی به نحو احسن می‌تواند انجام دهد (البته که خیلی نمی‌توان در ارائه احساس غرور برای برد تیم ملی صحبت کرد).

جایی که برنامه های هوش مصنوعی با شکست مواجه می شوند

با این حال، دستیابی به مزایای بهره‌وری هوش مصنوعی در کل سازمان، دشوار است؛ چه رسد به کل اقتصاد. بسیاری از سازمان‌ها هنوز با تحول دیجیتالی بسیار اساسی‌تر دست و پنجه نرم می‌کنند. شرکت مشاوره Deloitte تخمین می‌زند که ۷۰ درصد از تلاش‌های سازمان‌ها برای تحول دیجیتال شکست خورده است. شاید راه حل واقعی برای معضل بهره‌وری، کمتر در استفاده از هوش مصنوعی باشد و بیشتر در مدیریت ناکارآمدی‌های سازمانی مرتبط با پذیرش فناوری جدید باشد.

دفاتر مدرن با ایمیل‌های بیهوده، جلسات غیرضروری و فرآیندهای بوروکراتیک که انرژی و انگیزه کارگران را تضعیف می کند، انباشته هستند. سازمان خبری‌ای که از مدل مدیریت منابع انسانی خوبی بهره‌مند نباشد نمی‌تواند انتظار معجزه از اخبار تهیه شده از طریق هوش مصنوعی داشته باشد. تحقیقات نشان داده است که وقتی کارمندان با هجوم مشغله‌کاری و حواس‌پرتی مواجه می‌شوند، بهره‌وری کاهش می‌یابد. بعید است که هوش مصنوعی این مشکل را حل کند.

واحد پول امروزی توجه است. یک هوش مصنوعی که برای محافظت از ما در برابر مشغله‌های غیرضروری ساخته شده‌است ممکن است ما را آزار دهد. حتی ممکن است آینده‌ای را ببینیم که در آن ابزارهای هوش مصنوعی که برای محافظت از ما در برابر حواس‌پرتی طراحی شده‌اند با ابزارهای هوش مصنوعی که برای پرت کردن حواس ما طراحی شده‌اند رقابت می‌کنند.

استوارت میلز، اقتصاددان دانشگاه لیدز اشاره می‌کند که اگر ابزارهایی مانند ChatGPT صرفاً ناکارآمدی‌های بوروکراتیک را خودکار کنند، به هیچ وجه بهره‌وری را افزایش نمی‌دهند. اگر مدل ارائه اخبار درست نباشد شما با خودکار کردن آن توسط هوش مصنوعی، صرفاً روند ارائه اخبار غلط را تسریع می‌کنید.

به سمت افزایش بهره وری بلند مدت

به نظر می‌رسد بسیار محتمل است که هوش مصنوعی در دراز مدت بهره‌وری را در سطح اجتماعی بهبود بخشد و برخی از این پیشرفت‌ها ممکن است دگرگون‌کننده و انقلابی باشند.

تا سپتامبر ۲۰۲۲، تحقیقات نشان داد که ۵.۷ درصد از کل تحقیقات بررسی شده در سراسر جهان درباره موضوع هوش مصنوعی بوده است؛ از ۳.۱ درصد در سال ۲۰۱۷ و ۱.۲ درصد در سال ۲۰۰۰.

واضح است که نوآوران در همه جا در حال بررسی این هستند که چگونه هوش مصنوعی می‌تواند بهره‌وری آن‌ها را افزایش دهد و شاید به آن‌ها کمک کند تا اکتشافاتی کنند. ما می‌توانیم انتظار راه‌حل‌های مؤثری را داشته باشیم که به طور واقعی مشکلات را حل می‌کنند، خودشان انتخاب می‌کنند و به طور ارگانیک به اوج می‌رسند.

اجرای موفقیت آمیز هوش مصنوعی مستلزم درک زمینه‌ای است که این فناوری در آن اعمال می شود. این نیاز به انتخاب ابزار صحیح برای کار و استفاده از آن به روش صحیح دارد. حتی قبل از آن، نیاز به کار بر روی مسائل فرآیند، حکمرانی، فرهنگ و اخلاق دارد. لذا قبل از استفاده از ابزار هوش مصنوعی در خبرگزاری‌ها، ابتدا باید مدل مدیریتی و تولید اخبار را اصلاح کنیم.