شهریور
اخبار
پژوهش پیتسبورگ؛ اخراج بهنام هوش مصنوعی بهرهوری را کم میکند
پژوهشی تازه از دانشگاه پیتسبورگ زنگ خطر را برای صنعت فناوری به صدا درآورده است. نزدیک به نود درصد مدیران ارشد میگویند هوش مصنوعی هنوز بهرهوری واقعی شرکتشان را بالا نبرده، اما همین شرکتها بهنام همین فناوری نیرو اخراج میکنند. یافتهی عجیبتر این است که بازار سهام هم از این اخراجها استقبال نکرده است.
لیست مطالب
۱) پژوهشی که روایت رایج را زیر سؤال برد
در دو سال گذشته الگوی تکراری در بیانیههای شرکتهای فناوری دیده میشود: اعلام یک برنامهی سرمایهگذاری بزرگ در هوش مصنوعی و در کنارش خبر کاهش نیرو. پیام ضمنی این دو خبر روشن است؛ فناوری جای انسان را میگیرد و شرکت کارآمدتر میشود. اما دادهها این روایت را تأیید نمیکنند.
مارک ما، استاد مدیریت بازرگانی در دانشگاه پیتسبورگ، این ادعا را با دادههای واقعی سنجیده است. او و همکارانش میلیونها نظر کارکنان در سامانهی گلسدر، هزاران گزارش عملکرد مالی و صدها اطلاعیهی مربوط به سرمایهگذاری در هوش مصنوعی و اخراج نیرو در شرکتهای بورسی آمریکا را طی پنج سال گذشته بررسی کردهاند.
نتیجهای که به دست آمد با انتظار عمومی فاصله دارد. جملهای که در جمعبندی این پژوهش آمده صریح است: اخراج کارکنان بهنام سرمایهگذاری در هوش مصنوعی راهبردی خودشکن است که هر افزایش بهرهوری مورد انتظار را خنثی میکند.
۲) نود درصد مدیران؛ عددی که کمتر به آن اشاره میشود
یکی از تکاندهندهترین آمارهای این بحث از یک نظرسنجی فدرالرزرو آتلانتا میآید. طبق این نظرسنجی حدود نود درصد مدیران ارشد میگویند هوش مصنوعی هنوز افزایش محسوسی در بهرهوری شرکتشان ایجاد نکرده است.
این عدد را کنار حجم سرمایهگذاریهای اعلامشده بگذارید تا شکاف روشن شود. شرکتها میلیاردها دلار خرج زیرساخت، مدل و استعداد میکنند و در همان حال اکثریت قاطع مدیرانشان میگویند هنوز اثری در آمار بهرهوری ندیدهاند. این لزوماً بهمعنای بیفایده بودن این فناوری نیست؛ میتواند بهمعنای فاصلهی طبیعی میان سرمایهگذاری و بازدهی باشد.
اما یک نکته را نمیشود نادیده گرفت. اگر بازدهی هنوز نیامده، توجیه اخراج نیرو بر پایهی همان بازدهی از نظر منطقی سست است. تصمیمی که بر پایهی سودی گرفته میشود که هنوز محقق نشده، تصمیمی مبتنی بر پیشبینی است، نه بر داده. برای درک بهتر مرز واقعیت و اغراق در این حوزه، پتانسیل و محدودیتهای واقعی هوش مصنوعی را ببینید.
۳) واکنش بازار سهام؛ استقبالی که اتفاق نیفتاد
فرضیهی رایج این است که بازار سهام از خبر کاهش هزینه استقبال میکند. کارکنان کمتر یعنی هزینهی کمتر و حاشیهی سود بیشتر؛ دستکم روی کاغذ. اما یافتهی این پژوهش چیز دیگری میگوید.
طبق این بررسی، میانگین بازده سهام در واکنش به اطلاعیههای اخراج مرتبط با هوش مصنوعی نزدیک به صفر بوده است. مهمتر اینکه در بیش از نیمی از این رویدادها واکنش بازار منفی یا نزدیک به صفر ثبت شده است.
این یعنی سرمایهگذاران این خبرها را الزاماً نشانهی خوبی نمیدانند. تفسیر محتمل آن است که بازار اخراج گسترده را نه نشانهی کارایی، بلکه نشانهی فشار مالی یا بیبرنامگی میخواند. وقتی شرکتی همزمان از سرمایهگذاری سنگین و کاهش نیرو خبر میدهد، پیام دوپهلویی میفرستد که اعتماد نمیسازد.
۴) خوشبینی مدیران در تماسهای خبری و واقعیت مالی
بخش دیگری از این پژوهش به زبان مدیران در تماسهای تحلیلی فصلی پرداخته است. در این جلسات، مدیران دربارهی عملکرد شرکت و برنامههای آینده با تحلیلگران صحبت میکنند و لحن آنها معمولاً بهدقت تحلیل میشود.
یافته این است که لحن مدیران هنگام صحبت دربارهی هوش مصنوعی بهطور پیوسته خوشبینانه بوده است. اما همین خوشبینی هیچ رابطهی معناداری با نتایج واقعی بهرهوری نداشته است. به بیان ساده، میزان هیجان یک مدیر دربارهی هوش مصنوعی چیزی دربارهی عملکرد واقعی شرکتش نمیگوید.
این نکته برای سرمایهگذاران و تحلیلگران اهمیت عملی دارد. اگر لحن خوشبینانه سیگنال معتبری نیست، ارزیابی باید بر پایهی شاخصهای سخت انجام شود: تغییر واقعی در درآمد به ازای هر کارمند، کاهش زمان چرخههای کاری، یا بهبود مشخص در کیفیت خروجی.
۵) کارکنان چه میگویند
جالبترین بخش این پژوهش به تحلیل نظرات کارکنان برمیگردد. بررسی میلیونها نظر ثبتشده نشان میدهد لحن اظهارنظرهای مرتبط با هوش مصنوعی بهمراتب منفیتر از لحن کلی نظرات کارکنان است.
عامل اصلی این منفیگرایی هم مشخص است: نگرانی از امنیت شغلی. در کنار آن، نبود آموزش کافی، نبود فرصت توسعهی مهارت و ضعف رهبری هم بهعنوان عوامل مؤثر شناسایی شدهاند، اما امنیت شغلی مهمترین آنها بوده است.
و نکتهی کلیدی اینجاست: وقتی شرکتی اخراج مرتبط با هوش مصنوعی اعلام میکند، افت محسوسی در احساسات کارکنان ثبت میشود. این افت فقط یک مسئلهی اخلاقی نیست؛ اثر اقتصادی دارد. کارمندی که نگران شغلش است ریسک نمیکند، ایدهی تازه پیشنهاد نمیدهد و انرژیاش را صرف حفظ موقعیت خودش میکند.
۶) چرخهی خودشکن؛ چرا این راهبرد نتیجهی معکوس میدهد
منطق پشت این نتیجهگیری ساده است. پذیرش هر فناوری تازه در یک سازمان به همکاری فعال کارکنان نیاز دارد. کسی باید ابزار تازه را یاد بگیرد، در فرآیندهای موجود جا بیندازد، خطاهایش را گزارش کند و کاربردهای تازهاش را کشف کند. این کارها داوطلبانهاند و با دستور از بالا اتفاق نمیافتند.
حالا فرض کنید همان کارکنان باور کرده باشند که این فناوری ابزار حذف خودشان است. انگیزهی همکاری از بین میرود. کسی که فکر میکند با آموزش دادن یک سامانه دارد جایگزین خودش را میسازد، بهترین دانشش را در اختیار آن نمیگذارد. نتیجه این میشود که سرمایهگذاری انجام میشود اما بازدهی نمیآید.
این همان چرخهی خودشکنی است که در جمعبندی پژوهش به آن اشاره شده. شرکت بهنام افزایش بهرهوری نیرو کم میکند، اما همین کار شرط لازم برای تحقق آن بهرهوری را از بین میبرد. برای مطالعهی نمونههای مشابه از فاصلهی تصور و واقعیت در بهکارگیری این ابزارها، توهم برنامهنویس تنها در برابر مهندس واقعی خواندنی است.
۷) راهکار پیشنهادی؛ آموزش بهجای کوچکسازی
توصیهی این پژوهش پیچیده نیست: شرکتها بهجای کاهش نیرو، روی مهارتافزایی کارکنان و شریک کردن آنها در فرصتهای تازه سرمایهگذاری کنند. این توصیه بر پایهی احساسات نیست، بر پایهی همان دادههاست که نشان میدهد مسیر اخراج به نتیجهی مالی مطلوب نرسیده است.
در عمل این یعنی چند چیز مشخص. نخست، برنامهی آموزشی واقعی و نه صرفاً یک کارگاه چندساعته. دوم، شفافیت دربارهی اینکه کدام نقشها تغییر میکنند و چگونه؛ ابهام بیشتر از خبر بد به روحیهی سازمان آسیب میزند. سوم، بازتعریف نقشها بهجای حذفشان؛ بسیاری از شغلها با این ابزارها تغییر ماهیت میدهند و لزوماً حذف نمیشوند.
برای کارکنان هم پیام روشنی وجود دارد: تسلط بر این ابزارها بهترین بیمهی شغلی امروز است. کسی که میداند چگونه از این فناوری برای چند برابر کردن خروجی خودش استفاده کند، در فهرست اخراج قرار نمیگیرد. شروع این مسیر میتواند به سادگی یادگیری اصول پرامپتنویسی باشد.
۸) این پژوهش چه چیزی را نمیگوید
برای انصاف باید محدودیتها را هم دید. این پژوهش نمیگوید هوش مصنوعی بیفایده است یا بهرهوری ایجاد نمیکند. آنچه میگوید این است که در بازهی زمانی بررسیشده و در نمونهی شرکتهای بورسی آمریکا، پیوند دادن اخراج به این فناوری نتیجهی مالی مثبتی نداشته است.
همچنین باید توجه داشت که بازدهی فناوریهای عمومی معمولاً با تأخیر میآید. تاریخ رایانههای شخصی و اینترنت نشان میدهد که میان ورود یک فناوری و ظاهر شدن اثرش در آمار بهرهوری، سالها فاصله میافتد. ممکن است بخشی از آن نود درصد صرفاً بازتاب همین تأخیر باشد.
نکتهی آخر اینکه اخراجها همیشه فقط بهخاطر هوش مصنوعی نیستند. شرایط کلان اقتصادی، استخدام بیشازحد در سالهای رونق و فشار سرمایهگذاران همگی نقش دارند و گاهی این فناوری صرفاً روایت قابلارائهتری برای تصمیمی است که دلایل دیگری دارد. برای مرور تصویر کلان اثر این فناوری بر کسبوکارها، اهمیت هوش مصنوعی در کسبوکار را بخوانید و تازهترین تحولات را در بخش اخبار دنبال کنید.
پرسشهای پرتکرار دربارهی پژوهش اخراجهای هوش مصنوعی
این پژوهش را چه کسی و روی چه دادههایی انجام داده است؟
مارک ما، استاد مدیریت بازرگانی دانشگاه پیتسبورگ، این بررسی را انجام داده است. دادهها شامل میلیونها نظر کارکنان در گلسدر، هزاران گزارش عملکرد مالی و صدها اطلاعیهی سرمایهگذاری و اخراج در شرکتهای بورسی آمریکا طی پنج سال گذشته است.
یعنی هوش مصنوعی واقعاً بهرهوری ایجاد نمیکند؟
پژوهش چنین ادعایی نمیکند. یافته این است که تا زمان بررسی، اکثر مدیران افزایش محسوسی گزارش نکردهاند و اخراج بهنام این فناوری بازدهی مالی مثبتی نداشته است. بازدهی فناوریهای عمومی معمولاً با تأخیر چندساله ظاهر میشود.
چرا بازار سهام از این اخراجها استقبال نکرده است؟
طبق یافتهها میانگین واکنش بازار نزدیک به صفر و در بیش از نیمی از موارد منفی یا نزدیک به صفر بوده است. تفسیر محتمل این است که سرمایهگذاران اخراج گسترده را نشانهی فشار مالی یا نبود برنامهی روشن میخوانند، نه نشانهی کارایی.
چرا اخراج بهنام این فناوری بهرهوری را پایین میآورد؟
چون پذیرش هر فناوری تازه به همکاری فعال کارکنان نیاز دارد. وقتی کارکنان همان فناوری را تهدید شغلی خود بدانند، انگیزهی یادگیری و بهکارگیری آن را از دست میدهند و سرمایهگذاری انجامشده به نتیجه نمیرسد.
یک کارمند برای حفظ موقعیتش چه کاری باید بکند؟
مؤثرترین کار، تبدیل شدن از کسی که ممکن است جایگزین شود به کسی است که این ابزارها را بهکار میگیرد. یادگیری کاربردی این فناوری در حوزهی تخصصی خودتان، مستندسازی بهبودهایی که ایجاد میکنید و آموزش دادن آن به همکاران، جایگاه شما را در سازمان تقویت میکند. برای شروع میتوانید از آموزشهای کاربردی چتجیپیتی استفاده کنید.
