در بسیاری از شرکت‌ها، یک سؤال دیگر صرفاً موضوع بحث‌های آینده‌نگرانه نیست: اگر هوش مصنوعی بتواند بخشی از کار کارکنان را سریع‌تر و ارزان‌تر انجام دهد، چرا باید همان تعداد نیروی انسانی را حفظ کنیم؟
از سوی دیگر، کارکنان نیز با نسخه دیگری از همین پرسش روبه‌رو هستند: اگر ابزارهای هوش مصنوعی هر چند ماه توانمندتر می‌شوند، تا چه اندازه باید نگران شغل خود باشم؟
پاسخ ساده‌ای برای هیچ‌یک از این دو سؤال وجود ندارد. هوش مصنوعی واقعاً می‌تواند بخشی از فعالیت‌هایی را که امروز توسط انسان انجام می‌شوند خودکار کند و در بعضی موقعیت‌ها نیاز به نیروی انسانی را کاهش دهد. اما در بسیاری از مشاغل، آنچه در حال تغییر است نه حذف کامل شغل، بلکه ترکیب وظایف درون آن شغل است. همین تمایز، نقطه شروع مناسبی برای تصمیم‌گیری است.
سازمان بین‌المللی کار در ارزیابی جهانی سال ۲۰۲۵ خود برآورد کرده است که حدود یک‌چهارم کارکنان جهان در مشاغلی فعالیت می‌کنند که درجاتی از مواجهه با هوش مصنوعی مولد دارند. با این حال، نتیجه اصلی این مطالعه این است که در بیشتر موارد، تغییر شکل شغل محتمل‌تر از حذف کامل آن است؛ زیرا حتی در مشاغل با مواجهه بالا، بخشی از وظایف همچنان به دخالت انسان نیاز دارند.
بنابراین شاید سؤال درست این نباشد که «هوش مصنوعی جایگزین انسان می‌شود یا نه؟» پرسش دقیق‌تر این است که کدام وظایف را می‌توان به هوش مصنوعی سپرد، کدام وظایف باید در اختیار انسان بمانند و چگونه باید مرز میان این دو را تعیین کرد؟
هوش مصنوعی معمولاً وظیفه را هدف می‌گیرد، نه عنوان شغلی را
هر شغل مجموعه‌ای از وظایف متفاوت است. برای مثال، یک کارشناس بازاریابی ممکن است هم‌زمان این کارها را انجام دهد: تحقیق درباره بازار، نوشتن متن، تحلیل عملکرد کمپین، مذاکره با همکاران، تصمیم‌گیری درباره بودجه، تهیه گزارش و طراحی راهبرد.
هوش مصنوعی ممکن است بتواند پیش‌نویس متن را تولید کند، داده‌های کمپین را خلاصه کند و حتی پیشنهادهایی برای بهینه‌سازی ارائه دهد؛ اما این به آن معنا نیست که تمام نقش کارشناس بازاریابی در یک مرحله حذف می‌شود. همین اتفاق در حسابداری، برنامه‌نویسی، منابع انسانی، پشتیبانی مشتری، فروش و بسیاری از مشاغل دانشی رخ می‌دهد. به همین دلیل، ارزیابی آینده کار در سطح «عنوان شغلی» اغلب گمراه‌کننده است. عبارت‌هایی مانند «آیا حسابداران حذف می‌شوند؟» یا «آیا برنامه‌نویسان دیگر لازم نیستند؟» مسئله را بیش از حد ساده می‌کنند.
پرسش بهتر این است: از مجموعه وظایف یک حسابدار یا برنامه‌نویس، کدام بخش‌ها را AI می‌تواند با کیفیت کافی انجام دهد و کدام بخش‌ها همچنان نیازمند انسان هستند؟
مطالعه ILO نیز دقیقاً با بررسی وظایف درون مشاغل انجام شده است. این پژوهش نشان می‌دهد مشاغل دفتری همچنان بیشترین مواجهه را با هوش مصنوعی مولد دارند، اما با افزایش توانایی مدل‌ها، میزان مواجهه در برخی نقش‌های تخصصی مانند تحلیل مالی، توسعه وب، برنامه‌نویسی و مشاوره سرمایه‌گذاری نیز افزایش یافته است.
چهار سطح استفاده از AI در نیروی کار
به‌جای نگاه دوگانه «انسان یا هوش مصنوعی»، می‌توان چهار وضعیت متفاوت را در نظر گرفت.
| وضعیت | نقش انسان | نقش AI |
|---|---|---|
| انسان‌محور | انجام و تصمیم‌گیری اصلی | کمک محدود |
| AI به‌عنوان دستیار | مسئول خروجی نهایی | تحلیل، پیش‌نویس یا پیشنهاد |
| AI-first با نظارت انسان | کنترل و رسیدگی به استثناها | انجام بخش اصلی فرایند |
| خودکارسازی کامل | دخالت موردی | اجرای مستقل فرایند |
بخش بزرگی از کاربردهای موفق امروز در سطح دوم و سوم قرار می‌گیرند. برای مثال، سیستم هوش مصنوعی می‌تواند صدها درخواست مشتری را دسته‌بندی کند و پاسخ اولیه بسازد، اما موارد حساس یا مبهم را به کارشناس انسانی ارجاع دهد. یا می‌تواند پیش‌نویس قرارداد را بررسی کند، اما تصمیم حقوقی نهایی همچنان توسط متخصص گرفته شود. این مدل‌ها به سازمان اجازه می‌دهند از مزایای AI استفاده کند بدون آنکه فرض کند سیستم باید از روز نخست جایگزین کامل انسان شود.
کدام وظایف بیشتر در معرض خودکارشدن هستند؟
هیچ قاعده مطلقی وجود ندارد، اما بعضی ویژگی‌ها احتمال خودکارشدن یک فعالیت را بیشتر می‌کنند. وظیفه‌ای که دیجیتال، پرتکرار، نسبتاً استاندارد، دارای ورودی و خروجی مشخص و قابل ارزیابی باشد، معمولاً گزینه مناسب‌تری برای اتوماسیون است.
نمونه‌های رایج عبارت‌اند از: پردازش و دسته‌بندی اسناد، ورود اطلاعات، خلاصه‌سازی، تهیه پیش‌نویس، پاسخ به پرسش‌های پرتکرار، استخراج داده، تهیه گزارش‌های استاندارد، بررسی اولیه درخواست‌ها و برخی فعالیت‌های تحلیلی.
در مقابل، جایگزینی کامل انسان زمانی دشوارتر می‌شود که کار به عواملی مانند اعتماد، قضاوت در شرایط مبهم، مسئولیت مستقیم، شناخت عمیق زمینه، مذاکره، تعامل انسانی پیچیده یا مدیریت موقعیت‌های استثنایی وابسته باشد. اما حتی در همین مشاغل نیز ممکن است بخش‌هایی از کار خودکار شوند. پزشک، مدیر، وکیل یا فروشنده ارشد ممکن است حذف نشود، اما شیوه انجام بخشی از کار روزانه او می‌تواند به‌شدت تغییر کند.
تخصص بالا الزاماً مصونیت ایجاد نمی‌کند
یکی از برداشت‌های رایج این است که AI ابتدا کارهای ساده را حذف می‌کند و مشاغل تخصصی در امان خواهند بود. واقعیت پیچیده‌تر است. هوش مصنوعی مولد دقیقاً در حوزه‌هایی سریع پیشرفت کرده که بخش زیادی از فعالیت آنها با زبان، کد، داده و اطلاعات دیجیتال انجام می‌شود. ILO نیز در به‌روزرسانی ۲۰۲۵ خود افزایش مواجهه برخی مشاغل حرفه‌ای و فنی را نسبت به ارزیابی‌های قبلی گزارش کرده است. بنابراین تحصیلات یا تخصص به‌تنهایی سپر محافظ نیست.
آنچه اهمیت بیشتری پیدا می‌کند، نوع ارزشی است که فرد در کنار ابزار هوشمند ایجاد می‌کند. متخصصی که فقط اطلاعات را بازتولید می‌کند ممکن است بیشتر تحت فشار قرار گیرد تا متخصصی که مسئله را تعریف می‌کند، صحت نتایج را می‌سنجد، موارد استثنایی را مدیریت می‌کند و مسئولیت تصمیم را برعهده می‌گیرد.
آیا شرکت‌ها باید به سمت AI-first حرکت کنند؟
به شرطی که AI-first را درست تعریف کنیم. اگر منظور این باشد که: «هرجا ممکن است، ابتدا ببینیم آیا می‌توان انسان را حذف کرد» چنین رویکردی می‌تواند سازمان را به تصمیم‌های اشتباه سوق دهد. راه حرفه‌ای‌تر، مسئله‌محور و وظیفه‌محور بودن است. ابتدا باید پرسید:
مشکل چیست؟
فرایند فعلی چقدر هزینه دارد؟
کدام مرحله کند یا پرتکرار است؟
چه سطحی از خطا قابل قبول است؟
آیا نرم‌افزار معمولی مسئله را حل می‌کند؟
آیا AI واقعاً مزیتی ایجاد می‌کند؟
سپس باید تصمیم گرفت کدام ترکیب از انسان، نرم‌افزار سنتی، اتوماسیون و AI مناسب‌تر است. گاهی پاسخ AI است. گاهی اتوماسیون ساده‌تر و مطمئن‌تر است. و گاهی همچنان انسان بهترین گزینه است.
بنابراین شاید عبارت دقیق‌تر برای سازمان‌ها AI-aware باشد نه AI-first: سازمانی که قابلیت‌های AI را در تمام فرایندها در نظر می‌گیرد، اما استفاده از آن را تنها در جایی انتخاب می‌کند که ارزش واقعی ایجاد شود.
اگر AI از نیروی انسانی ارزان‌تر باشد، آیا باید انسان را جایگزین کنیم؟
هزینه حقوق فقط یکی از اجزای محاسبه است. فرض کنید یک سیستم AI بتواند کاری را که سه کارمند انجام می‌دهند با یک‌دهم هزینه انجام دهد. در نگاه اول تصمیم روشن به نظر می‌رسد. اما باید هزینه‌های دیگری را نیز در نظر گرفت: پیاده‌سازی و یکپارچه‌سازی، کنترل خروجی، خطاها، امنیت، نگهداری، تغییر مدل یا ارائه‌دهنده، نظارت انسانی، آموزش، رسیدگی به استثناها و هزینه احتمالی یک تصمیم اشتباه. همچنین باید بررسی کرد کاهش تعامل انسانی چه اثری بر مشتری یا کارکنان دارد. در بعضی حوزه‌ها کاهش هزینه می‌تواند کاملاً منطقی باشد. در حوزه‌ای دیگر، یک خطای نادر اما پرهزینه ممکن است تمام صرفه‌جویی ایجادشده را از بین ببرد.
اما پیش از هر تصمیمی درباره جایگزینی یا خودکارسازی، سازمان باید بداند آیا داده‌های لازم برای ارزیابی، آموزش و پایش یک راهکار هوشمند را در اختیار دارد یا نه؛ موضوعی که به آمادگی داده برای هوش مصنوعی مربوط می‌شود. بنابراین معیار درست‌تر هزینه کل و کیفیت کل فرایند است، نه صرفاً مقایسه قیمت AI با حقوق کارمند.
اگر ابزار AI هنوز کیفیت کافی نداشته باشد چه؟
این یکی از مهم‌ترین پرسش‌ها برای مدیران است. پاسخ این نیست که یا باید پروژه را کنار گذاشت یا به اجبار AI را جایگزین انسان کرد. میان این دو، چند مرحله وجود دارد.
ابتدا AI را در حالت کمکی قرار دهید
سیستم پیشنهاد بدهد، اما انسان تصمیم بگیرد. برای مثال، AI پاسخ پیشنهادی برای مشتری بنویسد و کارشناس آن را تأیید یا اصلاح کند.
سپس کیفیت واقعی را اندازه بگیرید
نباید به کیفیت یک دموی موفق یا تبلیغات ارائه‌دهنده ابزار اکتفا کرد. سیستم باید روی داده و شرایط واقعی سازمان آزموده شود.
چند درصد پاسخ‌ها درست‌اند؟
انسان چند درصد آنها را اصلاح می‌کند؟
چه نوع خطاهایی رخ می‌دهند؟
زمان واقعی چقدر کاهش پیدا کرده است؟
بعد موارد قابل اعتماد را جدا کنید
ممکن است AI در ۸۰ درصد پرونده‌های ساده عملکرد بسیار خوبی داشته باشد اما در ۲۰ درصد موارد پیچیده قابل اعتماد نباشد. در چنین شرایطی لازم نیست به دنبال یک پاسخ صفر و یک باشیم. ۸۰ درصد را می‌توان خودکار کرد و ۲۰ درصد را به انسان فرستاد.
در نهایت، سطح نظارت را متناسب با ریسک تعیین کنید
استاندارد قابل قبول برای پیشنهاد عنوان یک محصول با استاندارد لازم برای تصمیم مالی، پزشکی، حقوقی یا ایمنی یکسان نیست. NIST نیز در چارچوب مدیریت ریسک AI بر ارزیابی مستمر، پایش سیستم پس از استقرار، امکان مداخله و رسیدگی به خطاها تأکید می‌کند.
بنابراین سؤال «آیا AI دقیق است؟» کافی نیست. باید پرسید: برای این کاربرد مشخص و با این سطح از ریسک، آیا به‌اندازه کافی دقیق و قابل کنترل است؟
خطر اتوماسیون زودرس
فشار رقابتی می‌تواند مدیران را به این نتیجه برساند که هرچه زودتر نیروی انسانی را با AI جایگزین کنند، جلوتر خواهند بود. اما اتوماسیون زودهنگام نیز هزینه دارد.
گاهی فرایندی که هنوز به‌درستی طراحی نشده خودکار می‌شود. گاهی شرکت حجم زیادی زمان و سرمایه صرف یکپارچه‌سازی ابزاری می‌کند که کیفیت آن هنوز برای کاربرد موردنظر کافی نیست. گاهی نیز پس از حذف نیروی انسانی، معلوم می‌شود دانش ضمنی مهمی همراه با همان افراد از سازمان خارج شده است. حتی ممکن است مشتریان تجربه بدتری پیدا کنند و سازمان مجبور شود دوباره نیروی انسانی را وارد چرخه کند.
بنابراین خودکارسازی بیشتر الزاماً به معنای بلوغ بیشتر نیست. بلوغ یعنی انتخاب آگاهانه سطح مناسب اتوماسیون.
مدیر چگونه تصمیم بگیرد که یک وظیفه را به AI بسپارد؟
می‌توان هر وظیفه را با چند سؤال ارزیابی کرد:
| معیار | پرسش مدیریتی |
|---|---|
| تکرارپذیری | آیا کار بارها به شکل مشابه انجام می‌شود؟ |
| استانداردپذیری | آیا قواعد و خروجی مطلوب نسبتاً روشن‌اند؟ |
| قابلیت سنجش | آیا می‌توان کیفیت خروجی AI را اندازه گرفت؟ |
| ریسک خطا | اشتباه چقدر خسارت ایجاد می‌کند؟ |
| نیاز به زمینه | آیا تصمیم نیازمند شناخت عمیق شرایط خاص است؟ |
| نیاز به تعامل انسانی | آیا اعتماد، همدلی یا مذاکره بخش اصلی کار است؟ |
| صرفه اقتصادی | هزینه واقعی پیاده‌سازی نسبت به صرفه‌جویی چقدر است؟ |
| امکان بازگشت | آیا در موارد مبهم می‌توان کار را به انسان ارجاع داد؟ |
با ترکیب این عوامل، می‌توان تصمیم گرفت فعالیت در کدام گروه قرار گیرد: انسان‌محور، AI-assisted ،AI-first با نظارت، خودکارسازی کامل. این مسیر معمولاً قابل اعتمادتر از تصمیم کلی «واحد X را با AI جایگزین کنیم» است.
واقعاً چند شغل ممکن است تحت تأثیر قرار بگیرند؟
اعداد زیادی در این زمینه منتشر می‌شوند و باید با احتیاط تفسیر شوند. «مواجهه با AI»، «قابل خودکارسازی بودن وظایف»، «برنامه شرکت‌ها برای کاهش نیرو» و «تعداد واقعی مشاغل حذف‌شده» چهار مفهوم متفاوت‌اند. برای نمونه، گزارش Future of Jobs 2025 مجمع جهانی اقتصاد نشان می‌دهد ۴۱ درصد کارفرمایان پاسخ‌دهنده گفته‌اند انتظار دارند تا سال ۲۰۳۰ در جاهایی که AI بتواند کار افراد را انجام دهد نیروی خود را کاهش دهند. اما همان پیمایش نشان می‌دهد ۷۷ درصد کارفرمایان قصد دارند کارکنان موجود را برای کار در کنار AI بازآموزی یا توانمندسازی کنند و ۴۷ درصد نیز انتظار دارند کارکنان نقش‌های تحت تأثیر AI را به بخش‌های دیگری از سازمان منتقل کنند. این‌ها برنامه‌ها و انتظارات کارفرمایان‌اند، نه پیش‌بینی قطعی تعداد مشاغلی که واقعاً حذف خواهند شد.
همین تصویر دوگانه اهمیت دارد. شرکت‌ها هم‌زمان به کاهش نیرو در بعضی فعالیت‌ها، آموزش کارکنان و استخدام مهارت‌های تازه فکر می‌کنند. بازار کار آینده فقط داستان «حذف» نیست؛ داستان جابجایی وظایف و مهارت‌ها نیز هست.
آیا شواهدی از حذف گسترده مشاغل وجود دارد؟
تا امروز، تصویر کلان محتاطانه‌تر از برخی تیترهای خبری است. مرور شواهد تجربی منتشرشده توسط ILO در سال ۲۰۲۶ نتیجه می‌گیرد که افزایش بهره‌وری ناشی از GenAI در برخی مطالعات واقعی است، اما اثر آن میان فعالیت‌ها و کارکنان یکسان نیست. این مرور در عین حال می‌گوید تاکنون شواهد از جابه‌جایی گسترده اشتغال در سطح کلان محدود است؛ هرچند نگرانی‌هایی درباره فرصت‌های ورود جوانان به بازار کار، نابرابری و کیفیت کار وجود دارد.
این موضوع نباید به‌عنوان تضمین امنیت شغلی تعبیر شود. فناوری هنوز به‌سرعت در حال پیشرفت است و سازمان‌ها نیز برای تغییر فرایندهایشان به زمان نیاز دارند. اما شواهد فعلی نشان نمی‌دهد که همه مشاغل دانشی با سرعت یکسان در حال حذف‌شدن باشند.
از زاویه کارمند: تا کجا باید نگران شغل خود باشم؟
نگرانی کاملاً بی‌اساس نیست، اما بهتر است آن را از سطح «نام شغل» به سطح وظایف و ارزش فرد منتقل کنیم. برای ارزیابی وضعیت خود، شغل‌تان را به فعالیت‌های اصلی تقسیم کنید. بعد از خودتان بپرسید:
چه درصدی از زمان من صرف تولید خروجی‌های استاندارد می‌شود؟
چه مقدار از کار من شامل جمع‌آوری یا بازنویسی اطلاعات است؟
چه بخش‌هایی به قضاوت و تصمیم نیاز دارند؟
آیا من مسئول نتیجه هستم یا فقط تولیدکننده خروجی؟
آیا تعامل با مشتری، همکار یا مدیر بخش مهمی از ارزش کار من است؟
اگر AI هفتاد درصد فعالیت‌های تکراری من را انجام دهد، من با سی درصد زمان آزادشده چه ارزش بیشتری می‌توانم ایجاد کنم؟
سؤال آخر شاید مهم‌ترین باشد. کارمندی که تمام ارزش او در کاری خلاصه شده که AI می‌تواند به‌راحتی تکثیر کند، بیشتر در معرض فشار قرار دارد. اما فردی که می‌تواند از AI برای انجام کارهای ساده‌تر استفاده کند و خود به سمت تحلیل، حل مسئله، تصمیم، تعامل و مسئولیت حرکت کند، موقعیت متفاوتی خواهد داشت.
«بلد بودن AI» به‌تنهایی کافی نیست
یکی دیگر از افراط‌ها این است که تصور کنیم تنها راه حفظ شغل، یادگرفتن چند ابزار یا مهارت پرامپت‌نویسی (Prompt Writing) است. ابزارها تغییر می‌کنند. مهارتی که ماندگاری بیشتری دارد، توانایی کارکردن مؤثر با سیستم‌های هوشمند است. این یعنی:
– بدانیم چه چیزی را به AI بسپاریم؛
– مسئله را دقیق تعریف کنیم؛
– خروجی را ارزیابی کنیم؛
– خطا را تشخیص دهیم؛
– زمینه‌ای را که مدل نمی‌بیند وارد تصمیم کنیم؛
– و مسئولیت نتیجه را بپذیریم.
در کنار مهارت‌های مرتبط با AI و داده، گزارش Future of Jobs 2025 افزایش اهمیت تفکر تحلیلی و خلاق، انعطاف‌پذیری، یادگیری مستمر، رهبری و مهارت‌های اجتماعی را نیز گزارش می‌کند. ترکیب «تخصص حوزه» به اضافه «سواد AI» به همراه «قضاوت انسانی» احتمالاً بسیار ارزشمندتر از تسلط سطحی بر تعداد زیادی ابزار خواهد بود.
یک خطر کمتر دیده‌شده: حذف مسیر یادگیری نیروهای تازه‌کار
اتوماسیون یک مسئله سازمانی ظریف نیز ایجاد می‌کند. بسیاری از متخصصان باتجربه کار خود را با وظایف ساده آغاز کرده‌اند. یک وکیل جوان ابتدا اسناد را بررسی کرده است. یک برنامه‌نویس تازه‌کار ابتدا بخش‌های ساده کد را نوشته است. کارشناس بازاریابی junior ابتدا گزارش یا محتوای ساده تهیه کرده است.
اگر AI تمام این وظایف ابتدایی را انجام دهد، سؤال تازه‌ای ایجاد می‌شود: کارمند تازه‌کار چگونه تجربه لازم برای رسیدن به سطح تخصصی را کسب خواهد کرد؟
مرور شواهد ILO در سال ۲۰۲۶ نیز یکی از ریسک‌های قابل توجه را کاهش فرصت‌های شغلی برای کارکنان جوان‌تر می‌داند. بنابراین مدیران نباید فقط بپرسند «کدام کارهای junior را می‌توان حذف کرد؟» باید بپرسند: مسیر تربیت متخصصان آینده سازمان بعد از اتوماسیون چگونه خواهد بود؟ ممکن است بخشی از صرفه‌جویی کوتاه‌مدت در نیروی انسانی، در بلندمدت به کمبود نیروهای باتجربه منجر شود.
آینده احتمالاً تیم‌های کوچک‌تر نیست؛ تیم‌های متفاوت‌تر است
در بعضی فعالیت‌ها AI واقعاً می‌تواند به تیم‌های کوچک‌تر منجر شود. اما نتیجه همیشه کاهش تعداد کارکنان نیست. گاهی همان تیم با بهره‌وری بیشتر، حجم کار بیشتری انجام می‌دهد. گاهی کسب‌وکار خدماتی ارائه می‌کند که قبلاً اقتصادی نبودند. گاهی نقش‌های تازه‌ای برای طراحی فرایند، ارزیابی AI، مدیریت داده یا نظارت ایجاد می‌شوند.
گزارش WEF نشان می‌دهد ۸۶ درصد کارفرمایان مورد بررسی انتظار دارند AI و فناوری‌های پردازش اطلاعات تا ۲۰۳۰ کسب‌وکارشان را متحول کنند. هم‌زمان بخش بزرگی از آنها برنامه جذب نیروهای دارای مهارت AI یا آموزش نیروهای فعلی را دارند.
بنابراین شاید شرکت آینده الزاماً شرکتی با «انسان کمتر» نباشد. ممکن است شرکتی باشد که تقسیم کار میان انسان و ماشین در آن متفاوت شده است.
مدیران منابع انسانی نیز باید نقش خود را بازتعریف کنند
ورود AI فقط موضوع مدیر فناوری نیست. واحد منابع انسانی نیز باید بداند کدام نقش‌ها در حال تغییرند، کارکنان به چه مهارت‌هایی نیاز خواهند داشت و کدام افراد قابلیت انتقال به نقش‌های تازه را دارند. یکی از اشتباهات سازمان می‌تواند این باشد که ابتدا ابزار AI خریداری کند، سپس نیروی انسانی را کاهش دهد و تازه بعد از آن به طراحی سازمان جدید فکر کند. مسیر سالم‌تر برعکس است:
ابتدا آینده فرایند را طراحی کنیم؛ بعد نقش AI و انسان را مشخص کنیم؛ سپس شکاف مهارتی را شناسایی کنیم؛ و در نهایت تصمیم بگیریم کجا آموزش، جابه‌جایی، استخدام یا کاهش نیرو منطقی است.
این موضوع با تحول هوشمند سازمان ارتباط مستقیم دارد؛ زیرا AI صرفاً فناوری تازه‌ای نیست، بلکه می‌تواند ساختار کار و مسئولیت‌ها را تغییر دهد.
برای سازمان: جایگزینی را هدف نگیرید، نتیجه را هدف بگیرید
اگر شاخص موفقیت پروژه AI فقط «تعداد نیروی حذف‌شده» باشد، سازمان ممکن است فرصت‌های مهم‌تری را از دست بدهد. شاید همان فناوری بتواند:
زمان پاسخ مشتری را از دو روز به دو ساعت کاهش دهد؛ فروشنده را از تهیه گزارش‌های تکراری آزاد کند؛ خطای انسانی را کاهش دهد؛ امکان خدمت‌رسانی ۲۴ ساعته ایجاد کند؛ یا ظرفیت تیم را بدون استخدام متناسب افزایش دهد.
این ارزش‌ها ممکن است از کاهش هزینه نیروی انسانی مهم‌تر باشند. به همین دلیل، هنگام بررسی کاربرد هوش مصنوعی در کسب‌وکار بهتر است پرسش اصلی، «چند نفر را می‌توان حذف کرد؟» نخواهد بود بلکه «با ترکیب بهتر انسان و AI چه نتیجه‌ای می‌توانیم ایجاد کنیم که امروز امکان آن را نداریم؟»
برای کارمند: از AI فرار نکنید، اما درباره آن هم اغراق نکنید
نادیده‌گرفتن AI راهبرد مناسبی نیست. اما تبدیل‌شدن به مصرف‌کننده مضطرب هر ابزار تازه نیز مزیت پایداری ایجاد نمی‌کند. رویکرد مفیدتر این است:
– شغل خود را به وظایف تقسیم کنید.
– ابزارهای مرتبط با حرفه خود را امتحان کنید.
– ببینید کدام قسمت کارتان واقعاً قابل خودکارسازی است.
– یاد بگیرید خروجی AI را بهتر از یک کاربر عادی ارزیابی کنید.
– و مهم‌تر از همه، به سمت بخش‌هایی از کار حرکت کنید که نیازمند تعریف مسئله، دانش حوزه، تصمیم، ارتباط و مسئولیت هستند.
AI احتمالاً ارزش برخی مهارت‌ها را کاهش خواهد داد و ارزش برخی مهارت‌های دیگر را افزایش خواهد داد. بهترین راهبرد حرفه‌ای، انکار هیچ‌یک از این دو واقعیت نیست.
جمع‌بندی: انسان یا AI سؤال درستی نیست!
هوش مصنوعی قطعاً بخشی از کارهایی را که امروز انسان انجام می‌دهد برعهده خواهد گرفت. در بعضی سازمان‌ها این تحول به کاهش نیروی انسانی نیز منجر می‌شود. اما مسیر آینده کار احتمالاً پیچیده‌تر از جایگزینی یک‌به‌یک انسان با ماشین است. بعضی وظایف حذف می‌شوند. بعضی سریع‌تر انجام می‌شوند. بعضی مشاغل بازطراحی می‌شوند. بعضی نقش‌ها کوچک‌تر و برخی نقش‌های تازه ایجاد می‌شوند. و در بسیاری از موقعیت‌ها، ترکیب انسان و AI از هرکدام به‌تنهایی مؤثرتر خواهد بود.
برای مدیر، تصمیم منطقی این نیست که به هر قیمت «AI-first» شود؛ بلکه باید مشخص کند در هر فرایند، چه ترکیبی از انسان و فناوری بهترین نتیجه را با ریسک قابل قبول ایجاد می‌کند. و برای کارمند نیز سؤال اساسی نباید فقط این باشد که «آیا AI شغل من را می‌گیرد؟»
پرسش مفیدتر این است: اگر AI بخش قابل خودکارسازی شغل من را انجام دهد، چه چیزی از ارزش حرفه‌ای من باقی می‌ماند و چگونه می‌توانم آن بخش را قوی‌تر کنم؟
آینده کار احتمالاً متعلق به انسان در برابر هوش مصنوعی یا هوش مصنوعی در برابر انسان نخواهد بود. بخش مهمی از آن متعلق به سازمان‌ها و افرادی خواهد بود که مرز مناسب میان توانایی انسان و ماشین را بهتر از دیگران پیدا می‌کنند.
پرسش‌های متداول:
آیا هوش مصنوعی واقعاً باعث کاهش نیروی انسانی شرکت‌ها می‌شود؟
در برخی فعالیت‌ها بله. بعضی شرکت‌ها انتظار دارند با خودکارشدن بخشی از کارها نیاز به نیروی کمتری داشته باشند. اما شواهد فعلی نشان می‌دهد در بسیاری از مشاغل تغییر وظایف و نحوه انجام کار محتمل‌تر از حذف کامل شغل است.
کدام مشاغل بیشتر در معرض هوش مصنوعی هستند؟
مشاغلی که بخش بزرگی از فعالیت آنها دیجیتال، تکراری و مبتنی بر پردازش اطلاعات است مواجهه بیشتری دارند. مشاغل دفتری در مطالعات ILO همچنان در میان گروه‌های با مواجهه بالاتر قرار دارند، هرچند برخی مشاغل حرفه‌ای و فنی نیز بیشتر تحت تأثیر قرار گرفته‌اند.
آیا شرکت‌ها باید از همین حالا نیروی انسانی را با AI جایگزین کنند؟
نه به‌صورت کلی. هر وظیفه باید بر اساس کیفیت AI، هزینه، پیامد خطا، نیاز به قضاوت انسانی و امکان نظارت بررسی شود. در بسیاری از موارد استفاده کمکی یا AI-first همراه با نظارت انسان، مرحله مناسب‌تری از جایگزینی کامل است.
اگر AI فقط ۹۰ یا ۹۵ درصد مواقع درست باشد، قابل استفاده است؟
به کاربرد بستگی دارد. چنین دقتی ممکن است برای یک فعالیت کم‌ریسک کافی یا حتی عالی باشد، اما برای تصمیمی با پیامد مالی، حقوقی، درمانی یا ایمنی جدی قابل قبول نباشد. سطح کیفیت باید در نسبت با پیامد خطا تعیین شود.
برای حفظ شغل، چه مهارت‌هایی اهمیت بیشتری پیدا می‌کنند؟
در کنار مهارت AI و سواد فناوری، توانایی حل مسئله، تفکر تحلیلی، دانش تخصصی، ارزیابی خروجی AI، ارتباط، انعطاف‌پذیری و یادگیری مستمر اهمیت بیشتری پیدا می‌کنند.
آیا یادگیری کار با AI امنیت شغلی را تضمین می‌کند؟
خیر. هیچ مهارتی چنین تضمینی ایجاد نمی‌کند. اما توانایی استفاده مؤثر و نقادانه از AI می‌تواند دامنه کارهایی را که فرد قادر به انجام آنهاست افزایش دهد و امکان حرکت به سمت فعالیت‌های با ارزش افزوده بالاتر را فراهم کند.