با پیشرفت‌های اخیر فناوری، تعداد کمی از نوآوری‌ها به اندازه‌ی هوش مصنوعی، ظرفیت تغییر شکل کار و بهره‌وری ما را دارند؛ این یکی از بدیهیات عصر حاضر است. ما پیش از این شاهد تکامل این فناوری از یک کلیدواژه‌ی صرف به یک ابزار کاملا محصول‌سازی شده بودیم که توسط بیش از ۱۰۰ میلیون نفر استفاده می‌شود (البته اغلب برای کارهای کم‌ارزش). اما گام بعدی، دگرگون‌سازی نحوه‌ی کار کارمندان یقه سفید است.
یک مقاله‌ی پژوهشی با عنوان «ابزارهای مبتنی بر LLM۱ اولیه برای کارکنان اطلاعات سازمانی افزایش معناداری در بهره‌وری را فراهم می‌کنند۲» در زمان حساسی منتشر شده است. این مقاله که توسط تیمی از مایکروسافت شامل الکسیا کامبون (مدیر ارشد تحقیقات)، برنت هشت (مدیر علم کاربردی)، بن ادلمن (اقتصاددان ارشد) و دیگران نوشته شده است و به بررسی تاثیر هوش مصنوعی، به ویژه LLMها بر بهره‌وری محیط‌های کاری می‌پردازد؛ با استفاده از Copilot خود مایکروسافت به عنوان یک مطالعه‌ی موردی تدوین گردیده است. البته با توجه به منشأ این مطالعه، باید با کمی دیده‌ی شک به آن نگاه کرد … اما به هر حال دیدگاه‌های جذابی ارایه می‌دهد.
این پژوهش با تمرکز بر «وظایف متداول اطلاعات سازمانی که LLMها برای آن‌ها ارزش قابل توجهی قایل هستند» مانند بازیابی اطلاعات ایمیل / اینترانت، ایجاد محتوا، خلاصه کردن جلسات و …؛ نشان می‌دهد که ابزارهای Copilot می‌توانند به طور قابل توجهی بهره‌وری را افزایش دهند، در درجه اول با تسریع در اجرای وظایف بدون به خطر انداختن کیفیت آن‌ها. این مقاله تاکید می‌کند، کاربرانی که این ابزارها را تجربه کرده‌اند، تمایل بیشتری برای پرداخت هزینه نسبت به آن نشان می‌دهند که ارزش درک‌شده را بالاتر از انتظارات اولیه منعکس می‌کند.
نکات کلیدی پژوهش یاد شده
- ابزارهای Copilot منجر به افزایش قابل توجه در سرعت اجرای کار می‌شوند بدون این که کیفیت به شکل قابل توجهی کاهش یابد.
- کاربرانی که با ابزارهای مبتنی بر LLM تعامل داشته‌اند، تمایل بیشتری برای پرداخت برای آن‌ها نشان می‌دهند که نشان می‌دهد این ابزارها ارزشی فراتر از انتظارات اولیه ارایه می‌دهند.
- این تحقیق کاربرد گسترده‌تری را در وظایف و نقش‌های مختلف پیش‌بینی می‌کند و به آینده‌ای اشاره می‌کند که در آن نقش هوش مصنوعی در بهره‌وری فراگیرتر از امروز است.
چه باید کرد؟
بر اساس یافته‌های این مقاله، به نظر می‌رسد که سازمان‌ها در ماه‌های آینده به شکل آشکاری اجرای هوش مصنوعی در محیط خود را به پیش خواهند برد. اگر این پیش‌بینی درست باشد، معتقدم که مدیران باید قبل از حرکت به آن سمت سه اقدام مقدماتی بسیار آسان را انجام دهند.
ابتدا، سازمان‌ها باید استانداردهای ی‌پارچه‌سازی «هوش مصنوعی در محل کار» را ایجاد کنند. فرناندو لوسینی (Accenture) در این مورد، اهمیت حرفه‌ای کردن نقش‌های هوش مصنوعی مشابه نقش‌های موجود در صنایع تثبیت‌شده، تضمین مسئولیت‌ها و مسئولیت‌پذیری روشن را برجسته می‌کند. آموزش جامع نیروی انسانی و ایجاد فرآیندهای رسمی هوش مصنوعی، مشابه شیوه‌های استاندارد در سایر زمینه‌های حرفه‌ای، بسیار مهم است. سواد هوش مصنوعی باید در سراسر سازمان‌ها دموکراتیزه شده و اطمینان حاصل شود که تمام بخش‌ها، حتا آن‌هایی که به صورت مستقیم با هوش مصنوعی کار نمی‌کنند، از فناوری و کاربردهای آن به خوبی مطلع هستند. این رویکرد ضمن ایجاد اعتماد، ادغام نرم‌تر هوش مصنوعی را در فرآیندهای مختلف کسب‌وکاری تسهیل کند.
دوم این که، پروتکل‌های تضمین کیفیت باید برای حفظ قابلیت اطمینان و استفاده اخلاقی از هوش مصنوعی در محل کار اجرا شوند. یک چارچوب قوی باید شش ناحیه کیفیت را پوشش دهد: تناسب عملکرد، کارایی، قابلیت حمل، قابلیت نگهداری، امنیت و قابلیت استفاده. این پارامترها کامل بودن، صحت، دقت، کارایی منابع، سازگاری و شفافیت مدل هوش مصنوعی را تضمین می‌کند. آزمایش و گواهی منظم مدل‌های هوش مصنوعی بر اساس این شاخص‌ها می‌تواند به حفظ استانداردهای بالا، محافظت در برابر مسایلی مانند نقض امنیت داده‌ها و اطمینان از اینکه ابزارهای هوش مصنوعی برای کاربران موثر و قابل درک هستند، کمک کند.
در نهایت (و مطابق با اولین نکته)، برنامه‌های آموزشی برای توانمند ساختن نیروی انسانی برای سازگاری با فناوری هوش مصنوعی و استفاده کارآمد از آن حیاتی هستند. آموزش جامع هوش مصنوعی تضمین می‌کند که کارکنان سازمان نه تنها قادر به استفاده موثر از ابزارهای هوش مصنوعی هستند بلکه برای رسیدگی به مسایل و تصمیم‌گیری آگاهانه در مواقعی که انحراف از پیشنهادات هوش مصنوعی ضروری است، مجهز هستند.
هنوز برای نتیجه‌گیری خیلی زود است
در حالی که این مقاله بینش‌های ارزشمندی را ارایه می‌دهد، محدودیت‌هایی نیز دارد. به عنوان مثال، این تحقیق بیش‌تر روی کارهایی متمرکز است که از قبل با هوش مصنوعی سازگار هستند و کارها و فعالیت‌هایی که ادغام آن‌ها هوش مصنوعی به طور بالقوه ممکن است چالش‌برانگیزتر باشند، نادیده گرفته می‌شوند. علاوه بر این، دامنه‌ی آن محدود به زمینه‌های انگلیسی زبان است که ممکن است تنوع نیروی کار جهانی را منعکس نکند.
در نهایت؛ باید به خاطر داشته باشیم که Copilot محصول مایکروسافت است و این شرکت با این ادعا که راهکارهایش آینده‌ی کار است، تلاش می‌کند به دنبال افزایش ارزش سهام خود باشد.
علی‌رغم ایرادهایی که به آن وارد است، این پژوهش نگاهی اجمالی به آینده‌ای ارایه می‌دهد که در آن هوش مصنوعی به طور قابل توجهی بهره‌وری در محیط کار را تقویت می‌کند. در حالی که چالش‌ها و محدودیت‌ها پیش رو وجود دارد؛ ظرفیت هوش مصنوعی برای متحول کردن نحوه‌ی کار ما غیرقابل انکار است. با ادغام دقیق و مقررات، ما در آستانه‌ی یک جهش بزرگ در زمینه‌ی بهره‌وری هستیم که با پیشرفت‌های هوش مصنوعی پیش‌رو است.
- مدل زبانی بزرگ یا به اختصار ال‌ال‌ام، یک مدل زبانی متشکل از یک شبکه عصبی با پارامترهای زیادی است که بر روی مقادیر زیادی متن بدون برچسب با استفاده از یادگیری خود نظارتی یا یادگیری نیمه‌نظارتی آموزش داده شده‌است. مدل‌های زبان بزرگ در حدود سال ۲۰۱۸ ظاهر شدند و در گستره وسیعی از وظایف، عملکرد بالایی دارند. (ویکی‌پدیا) ↩︎
- Early LLM-based Tools for Enterprise Information Workers Likely Provide Meaningful Boosts to Productivity | Alexia Cambon | December 2023 | Published by Microsoft ↩︎
