دستهبندی نشده
طرح محرمانهی متا برای جایگزینی کارمندها با هوش مصنوعی چگونه شکست خورد
پروژهای فوقمحرمانه در متا قصد داشت بخش بزرگی از نیروی انسانی این شرکت را با عاملهای هوش مصنوعی جایگزین کند؛ نقشهای که در نهایت با شورش کارمندان و ضعف فناوری متوقف شد.
لیست مطالب
۱. پروژهای که در هاوایی متولد شد
داستان از یک بازنشستی مدیران ارشد در ملک شخصی مارک زاکربرگ در هاوایی آغاز میشود. طبق گزارش چند رسانهی معتبر فناوری، در همین نشست بود که ایدهی بازسازی بنیادین ساختار سازمانی متا بر پایهی هوش مصنوعی عاملمحور شکل گرفت. الهامبخش این طرح، مشاهدهی مدیران متا از عملکرد استارتاپهای بهاصطلاح «AI-native» در آسیا بود؛ شرکتهایی کوچک که با اتکای سنگین به ابزارهای هوش مصنوعی، خروجیای در حد تیمهای چند برابر بزرگتر تولید میکنند. برای آشنایی بیشتر با اینکه چرا شرکتها به سمت چنین مدلهایی میروند، میتوانید اهمیت هوش مصنوعی در کسبوکار امروز را هم بخوانید.
۲. نقشه: تیمهای ۶۰ درصد کوچکتر و «سازندهها»
نام رمز این پروژه، Project OT بود؛ مخفف عبارتی که به معنای «تحول سازمانی» ترجمه شده است. طبق این طرح، بسیاری از تیمهای مهندسی، طراحی و مدیریت محصول قرار بود تا ۶۰ درصد کوچکتر شوند. لایههای مدیریت میانی حذف میشدند و نقشهای تخصصی جای خود را به عنوان عمومیتری به نام «سازنده» (builder) میدادند؛ افرادی که در تیمهای کوچک موسوم به «پاد» و در کنار عاملهای هوش مصنوعی فعالیت میکردند. برآورد مدیران ارشد این بود که مقیاس این کاهش نیرو دستکم همسطح تعدیل ۲۵ درصدی متا در سال ۲۰۲۳ خواهد بود؛ یعنی یکی از بزرگترین بازسازیهای نیروی کار در تاریخ این شرکت.
برنامهی اجرا در دو موج
اجرای این طرح در دو مرحله دیده شده بود. موج نخست اخراجها قرار بود در کوتاهمدت انجام شود و موج دوم — که دامنهی گستردهتری داشت — برای ماه نوامبر برنامهریزی شده بود. همین ساختار دومرحلهای بعدها به یکی از عوامل مهم در توقف پروژه تبدیل شد، چون فرصت لازم برای بازنگری در فاصلهی میان دو موج فراهم آمد.
۳. وقتی فناوری وعدهها را برآورده نکرد
نخستین ترکخوردگی در این نقشه، از دل خودِ فناوری بیرون زد. گزارشهای داخلی نشان میدهند حجم تغییرات کدنویسی روی پلتفرمهای هوش مصنوعی متا نسبت به سال گذشته ۲۲۰ درصد رشد داشته است؛ رقمی که در نگاه اول بسیار چشمگیر به نظر میرسد. اما وقتی این رشد را با ویژگیهای واقعی و قابلاستفاده برای کاربران نهایی مقایسه کنیم، تصویر کاملاً متفاوت میشود: افزایش این ویژگیها تنها ۳۶ درصد بوده است. به بیان دیگر، حجم عظیمی از فعالیت کدنویسیِ تولیدشده توسط عاملهای هوش مصنوعی، هرگز به محصول نهایی قابلعرضه تبدیل نشده است.
مشکل به همینجا ختم نشد. در همان بازه، حوادث فنی و امنیتی مرتبط با این سامانهها ۴۰ درصد افزایش یافت و کارمندان مجبور شدند ۷۰ درصد زمان بیشتری را صرف رفع این مشکلات کنند؛ زمانی که قرار بود با ورود عاملهای هوش مصنوعی صرفهجویی شود. اگر به محدودیتهای واقعی این فناوری در کاربردهای صنعتی علاقهمندید، مقالهی پتانسیل و محدودیتهای واقعی هوش مصنوعی نگاه دقیقتری به این موضوع دارد.
۴. نظارت بر کارمندان برای آموزش جایگزینهایشان
بخش جنجالیتر ماجرا اما به شکایتهای داخلی کارکنان مربوط میشود. به گفتهی منابع نزدیک به موضوع، متا از نرمافزارهای نظارتی برای ثبت جزئیات فعالیت روزانهی کارکنان استفاده میکرد؛ از کلیکهای ماوس گرفته تا ضربههای صفحهکلید. وقتی کارکنان متوجه شدند همین دادهها برای آموزش عاملهای هوش مصنوعیِ جایگزین خودشان استفاده میشود، موجی از خشم و اعتراض در شبکهی داخلی شرکت به راه افتاد. امتیاز رضایت شغلی کارکنان طبق گزارشها حدود ۱۹ واحد سقوط کرد و در همان زمان فعالیتهای صنفی و تلاش برای سازماندهی داخلی نیز میان کارکنان افزایش یافت.
این بخش از ماجرا یادآور یک نکتهی مهمتر است: در بسیاری از سازمانها، پذیرش هوش مصنوعی نهفقط یک مسئلهی فنی، بلکه یک چالش انسانی و اعتمادمحور است. کارکنانی که احساس کنند ابزار نظارتی روزمرهشان به سلاحی علیه جایگاه شغلیشان تبدیل شده، بهسختی همکاری لازم برای موفقیت چنین طرحهایی را ارائه میدهند.
۵. اعتراف زاکربرگ: «آنطور که انتظار داشتیم شتاب نگرفت»
در نهایت، خودِ مارک زاکربرگ در یکی از جلسات داخلی تابستان امسال، رسماً به کندی پیشرفت این فناوری اعتراف کرد. به گفتهی او، «توسعهی عاملمحور آنطور که انتظار داشتیم شتاب نگرفته است». این جمله از زبان مدیرعامل شرکتی که میلیاردها دلار روی زیرساخت هوش مصنوعی سرمایهگذاری کرده، وزن قابلتوجهی دارد و نشان میدهد حتی غولهای فناوری هم با فاصلهی میان وعده و واقعیت عاملهای هوش مصنوعی دستوپنجه نرم میکنند.
در کنار این اعتراف، فشار سرمایهگذاران بر سر بازدهی سرمایهگذاریهای سنگین متا در هوش مصنوعی نیز نقش پررنگی داشت. وقتی نتایج ملموس کسبوکار با هزینههای میلیاردی همخوانی نداشته باشد، حتی مدیران بلندپروازترین شرکتها هم ناچار به تجدیدنظر میشوند.
۶. لحظهی توقف: چند ساعت پیش از اجرا
نقطهی اوج این ماجرا، لحظهای است که بسیاری از رسانهها روی آن تمرکز کردهاند: مارک زاکربرگ تنها چند ساعت پیش از اجرای موج نخست اخراجها، دستور توقف موج دوم — که برای نوامبر برنامهریزی شده بود — را صادر کرد. این تصمیم، عملاً بهمعنای متوقفشدن بخش بزرگی از طرح بازسازی سراسری نیروی کار متا بود؛ هرچند به گزارش رویترز، بخشهایی از این چشمانداز هنوز بهصورت محدود در برخی تیمها با عاملهای هوش مصنوعی کوچکتر ادامه دارد.
این عقبنشینی نباید بهمعنای کنارگذاشتن کامل ایدهی تیمهای کوچکتر و مبتنی بر هوش مصنوعی از سوی متا تلقی شود؛ بلکه بیشتر بازتابدهندهی این واقعیت است که گذار به چنین مدلی، پیچیدهتر و کندتر از آن چیزی است که در نشستهای استراتژیک روی کاغذ ترسیم میشود.
نکتهی جالبتوجه دیگر اینکه، منابع نزدیک به این ماجرا میگویند تصمیم نهایی زاکربرگ نه در یک جلسهی رسمی هیئتمدیره، بلکه در یک بررسی داخلی و نسبتاً فوری در آستانهی اجرای موج نخست گرفته شد. این سرعت در تصمیمگیری، از یکسو نشاندهندهی انعطاف مدیریتی متا در برابر دادههای واقعی است، و از سوی دیگر نشان میدهد که حتی طرحهایی که ماهها روی آنها کار شده، میتوانند در آخرین لحظه با شواهد میدانی جدید کاملاً دگرگون شوند.
۷. این ماجرا چه معنایی برای صنعت فناوری دارد؟
ماجرای Project OT فقط یک خبر داخلی دربارهی متا نیست؛ نمونهای واقعی و مستند از چالشهایی است که تقریباً هر شرکت بزرگی که به فکر جایگزینی نیروی انسانی با عاملهای هوش مصنوعی است، ممکن است با آن روبهرو شود. سه درس اصلی از این ماجرا قابل استخراج است: نخست، فاصلهی میان دموی چشمگیر یک فناوری و کاربرد پایدار آن در مقیاس سازمانی هنوز بسیار زیاد است. دوم، شفافیت با کارکنان دربارهی نحوهی استفاده از دادههای رفتاری آنها، شرط اساسی حفظ اعتماد سازمانی است. سوم، حتی شرکتهایی با منابع مالی نامحدود هم نمیتوانند صرفاً با تزریق سرمایه، فاصلهی میان بلوغ فناوری و نیاز واقعی کسبوکار را پر کنند.
برای کسانی که میخواهند بدانند چگونه از ابزارهای هوش مصنوعی در کار روزمرهی خود درست و مؤثر استفاده کنند — بدون سقوط در دام وعدههای اغراقآمیز — مطالعهی راهنمای نوشتن پرامپت برای مبتدیان نقطهی شروع خوبی است.
۸. مقایسه با رقبا: آیا شرکتهای دیگر هم چنین طرحهایی دارند؟
متا تنها شرکتی نیست که دربارهی کوچکسازی نیروی انسانی با کمک هوش مصنوعی گمانهزنی کرده است. شرکتهای دیگری در حوزهی فناوری نیز بهطور علنی یا غیرعلنی از افزایش بهرهوری با ابزارهای هوش مصنوعی مولد صحبت کردهاند. با این حال، دامنه و جاهطلبی طرح متا — با هدف کاهش تا ۶۰ درصدی برخی تیمها — از بسیاری از این طرحها فراتر میرفت. برای درک بهتر تفاوت رویکردهای شرکتهای مختلف در توسعهی هوش مصنوعی، میتوانید نگاهی هم به مقالهی مقایسهی رویکردهای متفاوت در توسعهی مدلهای هوش مصنوعی بیندازید.
۹. آیا این پایان راه هوش مصنوعی در محیط کار است؟
پاسخ کوتاه، قطعاً نه. آنچه در متا اتفاق افتاد، شکست یک برنامهریزی شتابزده و بیشازحد جاهطلبانه بود، نه شکست خودِ ایدهی استفاده از هوش مصنوعی در محیط کار. بسیاری از تحلیلگران صنعت بر این باورند که تفاوت اصلی میان طرحهای موفق و ناموفق، در نحوهی مدیریت گذار انسانی نهفته است؛ نه در قدرت خام مدلهای زبانی. توسعهدهندهای که یاد بگیرد چگونه هوش مصنوعی را بهعنوان دستیار واقعی و نه جایگزین کامل به کار بگیرد، نتایج بسیار پایدارتری میگیرد؛ موضوعی که در مقالهی توهم برنامهنویس تنها در برابر مهندس واقعی بهتفصیل بررسی شده است. برای آموزشهای عملیتر دربارهی استفادهی روزمره از ابزارهای هوش مصنوعی هم میتوانید سری آموزشهای آموزشهای چتجیپیتی را دنبال کنید.
۱۰. پرسشهای پرتکرار
Project OT دقیقاً چه بود؟
یک برنامهی داخلی و محرمانه در متا بود که هدف آن بازسازی ساختار سازمانی شرکت بر پایهی عاملهای هوش مصنوعی و کوچکسازی تیمها تا ۶۰ درصد در برخی حوزهها بود.
چرا این طرح متوقف شد؟
ترکیبی از عملکرد ضعیفتر از انتظار فناوری هوش مصنوعی عاملمحور، افزایش حوادث فنی و امنیتی، اعتراض گستردهی کارکنان به استفاده از دادههای نظارتی برای آموزش جایگزینهایشان، و فشار سرمایهگذاران باعث توقف موج دوم اخراجها شد.
آیا متا کاملاً از این ایده منصرف شده است؟
خیر؛ به گزارش رویترز، نسخهی محدودتری از این چشمانداز هنوز در برخی تیمها با عاملهای هوش مصنوعی کوچکتر ادامه دارد، هرچند طرح بزرگ و سراسری متوقف شده است.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
