گفت‌وگویی با ایتن مولیک در پادکست HBR IdeaCast
این مقاله بر پایه‌ی یکی از قسمت‌های پادکست HBR IdeaCast نوشته شده است، پادکست رسمی هاروارد بیزینس ریویو (HBR). این قسمت آخرین بخش از یک مجموعه‌ی چهارقسمتی درباره‌ی تأثیر هوش مصنوعی بر رهبری و سازمان‌هاست. قسمت‌های قبلی به استعداد، ارتباطات و نوآوری پرداخته بودند و این قسمت همه‌ی آن‌ها را در قالب بحث استراتژی کنار هم می‌گذارد. مجریان برنامه آلیسون بیرد و آدی ایگناتیوس هستند و گفت‌وگوی اصلی را آلیسون بیرد انجام داده است. مهمان برنامه ایتن مولیک است، دانشیار مدرسه‌ی کسب‌وکار وارتون دانشگاه پنسیلوانیا، از چهره‌های شناخته‌شده در پژوهش و آزمایش ابزارهای هوش مصنوعی، و نویسنده‌ی کتاب در دست انتشار «هم‌زیستی: مرحله‌ی بعدی هوش مصنوعی[1]».
پرسش محوری گفت‌وگو این است: اگر همه‌ی شرکت‌ها به ابزارهای یکسان و قدرتمند هوش مصنوعی دسترسی دارند، مزیت رقابتی از کجا می‌آید؟ و سازمان‌ها چگونه باید ساختار و فرایندهای خود را بازطراحی کنند؟
دو تحول بنیادین
به گفته‌ی مولیک، دو چیز نسبت به چند ماه پیش تغییر کرده است. اول اینکه منحنی رشد نمایی ادامه دارد و نشانه‌ای از توقف پیشرفت هوش مصنوعی دیده نمی‌شود. دوم اینکه عامل‌های هوش مصنوعی (AI Agents) واقعی شده‌اند: ابزارهایی که می‌توانند به‌طور مستقل کار انجام دهند و فرایندهای واقعی و مهم را پیش ببرند.
دام نگاه صرفاً بهره‌ورانه
بسیاری از شرکت‌ها هوش مصنوعی را صرفاً ابزاری برای خودکارسازی وظایف، صرفه‌جویی در زمان و کاهش هزینه می‌بینند. مولیک می‌پذیرد که بازده سرمایه‌گذاری و افزایش بهره‌وری واقعی است. مشکل این است که سازمان این دستاوردها را «می‌بلعد». اگر هیچ بخشی از فرایند تغییر نکند، و چون هوش مصنوعی عمدتاً ابزاری تک‌نفره است، نتیجه فقط «بیشتر از همه‌چیز» خواهد بود. اگر شاخص‌های کلیدی عملکرد (KPI) عوض نشوند، کارکنان صرفاً پاورپوینت و کد بیشتری تولید می‌کنند، و این چیزی نیست که سازمان واقعاً می‌خواهد.
نگرانی دوم او این است که اگر پیش‌فرض ما خودکارسازی باشد، مدام وظایف را به هوش مصنوعی می‌سپاریم بی‌آنکه به جایگاه انسان در فرایند فکر کنیم. شواهد نشان می‌دهد هوش مصنوعی اکنون می‌تواند کارهایی را که برای انسان دو تا ۱۸ هفته زمان می‌برد، با هزینه و زمان معقول و نرخ موفقیت بالا انجام دهد. یکی از نخستین پیامدهایی که مدیران ارشد می‌بینند محو شدن مرز مشاغل است: برنامه‌نویس‌ها طراحی می‌کنند، طراحان کد می‌نویسند و مدیران محصول همه‌کار می‌کنند. همین باعث می‌شود پرسش‌های بنیادینی مطرح شود، مثل اینکه هدف سازمان چیست و اصلاً پاورپوینت قرار بود به چه کاری بیاید. به تأکید مولیک، این پرسش‌ها نظری نیستند و فوریت دارند، چون سازمان همین حالا از درون در حال تغییر است.
الگوی «رهبری، آزمایشگاه، جمع«
مولیک برای سطح سازمانی الگویی سه‌جزئی پیشنهاد می‌کند:
- رهبری: تیم رهبری باید واقعاً پیشرو باشد. گفتنِ «از هوش مصنوعی استفاده کنید» کافی نیست. رهبران باید درباره‌ی نحوه‌ی استفاده، کاربردهای سازمانی و سازوکارهای تشویقی تصمیم بگیرند.
- جمع: همه‌ی کارکنان باید به ابزارها دسترسی داشته باشند. دسترسی به مدل‌های ضعیف‌تر باعث می‌شود سازمان درباره‌ی توانایی‌های واقعی هوش مصنوعی دچار توهم شود.
- آزمایشگاه: تیمی که تمام‌وقت روی این موضوع کار کند و فقط از افراد فنی تشکیل نشده باشد. این تیم سیستم‌ها را محک می‌زند، سیستم‌های آینده را می‌سازد و ایده‌های رهبری و کارکنان را عملی می‌کند.
در سطح فردی، عامل متمایزکننده به گفته‌ی او رهبرانی هستند که حاضرند ریسک را بپذیرند. هیچ‌کس نمی‌داند چه پیش خواهد آمد، و بدون آزمایش فعال هیچ دانشی به دست نمی‌آید. اگر به همه اجازه‌ی وتو بدهیم، باید یادمان باشد که انجام ندادن هیچ کاری هم ریسک دارد. رهبرانی که خودشان از جدیدترین ابزارها استفاده نمی‌کنند و منتظر گزارش دیگران می‌مانند، عقب می‌افتند.
از سنتور و سایبورگ تا «احضارگر»
مولیک پیش‌تر دو الگوی همکاری انسان و هوش مصنوعی را مطرح کرده بود: سنتور (centaur ) که کار را بین انسان و ماشین تقسیم می‌کند، و سایبورگ (cyborg )، که مدام بین این دو رفت‌وبرگشت دارد. اکنون مولیک از الگوی سومی سخن می‌گوید که آن را «احضارگر» (Conjurer) می‌نامد. این نام از تصویر جادوگری گرفته شده که هر وقت لازم باشد، با یک فرمان تیمی را «احضار» می‌کند تا کاری را برایش انجام دهد. دلیل این تغییر، جهش توانایی هوش مصنوعی در یک سال گذشته است. پیش‌تر هوش مصنوعی با یک دستور می‌توانست کاری را انجام دهد که برای انسان حدود نیم ساعت تا ۴۵ دقیقه وقت می‌گرفت. اکنون با یک دستور واحد، به احتمال زیاد کاری را با موفقیت انجام می‌دهد که برای انسان بیش از ۱۶ ساعت زمان می‌برد.
نتیجه این است که شیوه‌ی کار با هوش مصنوعی عوض شده است. دیگر لازم نیست مدام پیام بدهیم، پاسخ را ببینیم و دوباره اصلاحش کنیم. حالا کار را مثل یک مدیر به آن واگذار می‌کنیم: خواسته‌مان را یک بار به‌طور کامل و دقیق شرح می‌دهیم، همان‌طور که در سازمان برای سپردن پروژه‌ای به یک پیمانکار، شرح خدمات یا دستورالعمل کار می‌نویسیم. بعد هوش مصنوعی خودش کار را از ابتدا تا انتها انجام می‌دهد.
نتیجه این است که همه به نوعی مدیر شده‌اند و مهارت‌های کار با هوش مصنوعی شبیه مهارت‌های مدیریتی است. او به پژوهشی از Anthropic اشاره می‌کند که نشان می‌دهد در نخستین تلاش برای کدنویسی با هوش مصنوعی، موفق‌ترین افراد مدیران بودند و نه برنامه‌نویسان، چون خواسته‌ی خود را به‌خوبی مشخص می‌کردند.
مزیت رقابتی: «کارخانه‌ی گرگ‌ومیش» به‌جای «کارخانه‌ی تاریک»
مولیک خودکارسازی کامل را «دستورالعملی برای فاجعه» می‌داند. یک دلیلش این است که تبدیل انسان‌ها به تأییدکنندگان صرف خروجی‌های هوش مصنوعی وضعیت خوبی نیست. دلیل دیگر این است که تمایز رقابتی را از بین می‌برد و در نهایت همه همان شرکت مبتنی بر Claude را خواهند داشت که بقیه دارند. او از «کارخانه‌های تاریک نرم‌افزاری» مثال می‌زند. شرکتی به نام StrongDM محصول را بدون هیچ دخالت انسانی عرضه می‌کند و هیچ انسانی نه کد می‌نویسد و نه کد را می‌بیند. در برابر آن، او «کارخانه‌های گرگ‌ومیش» را پیشنهاد می‌کند: نظام‌هایی که در آن هوش مصنوعی به‌طور فعال انسان‌ها را وارد کار می‌کند، به خاطر دیدگاه متفاوتشان، تخصصشان، نیاز به تأییدشان یا علاقه‌شان به کار. مزیت رقابتی از ادغام انسان در جای درست و زمان درست به دست می‌آید.
نقش رهبر و تصمیم‌های استراتژیک
به گفته‌ی مولیک، هوش مصنوعی رهبران را توانمندتر کرده است. او مدیران ارشدی را دیده که با پرس‌وجوی مستقیم از داده‌های شرکت، مشکلات کارخانه‌هایی را تشخیص داده‌اند که هیچ‌کس به آن‌ها گزارش نکرده بود. بدین ترتیب رهبر دیگر اطلاعات را از چند لایه‌ی سازمانی دریافت نمی‌کند.
به باور او، هوش مصنوعی همین حالا هم تصمیم‌های استراتژیک می‌گیرد. شرکت محک‌زنی Epoch گزارش داده که با یک دستور به Claude و با چند صد دلار، کاری معادل دو تا ۱۸ هفته کار مهندسان انجام شده است، کاری که مستلزم داوری و خلاقیت بوده است. پرسش این است که کجا می‌خواهیم تصمیم بگیرد و کجا نه. مثلاً می‌توان از آن خواست پنج گزینه‌ی برتر را با استدلال ارائه کند تا رهبر انتخاب کند، یا اینکه مستقیماً نمونه‌ی اولیه بسازد و آزمایش کند. مولیک از تعیین خطوط قرمز قطعی پرهیز می‌کند، چون توانایی‌های هوش مصنوعی ناهموار است: در بسیاری از کارها خوب است و در جاهایی غیرمنتظره ضعیف. پاسخ را فقط آزمایش مشخص می‌کند. او تأکید می‌کند که هیچ‌کس، نه آزمایشگاه‌های هوش مصنوعی و نه فروشندگان، پاسخ آماده ندارد.
چهار توانمندی برای آینده
مولیک چهار قابلیت را برای رهبران آینده مهم می‌داند:
- دانش عمیق: تخصص واقعی که امکان می‌دهد خطا را فوراً تشخیص دهید بی‌آنکه صدها صفحه خروجی هوش مصنوعی را بخوانید.
- دانش گسترده: آشنایی با حوزه‌های متنوع برای عبور از مرزهای تخصصی و ارائه‌ی بازخورد بهتر.
- ذائقه: توانایی انتخاب از میان گزینه‌های فراوان، از جمله تشخیص اینکه کدام استراتژی با هویت شرکت سازگار است.
- عاملیت: آمادگی برای اقدام در شرایط عدم قطعیت.
او برخلاف تصور رایج، این فناوری را نسلی نمی‌داند. پژوهش‌های او و همکارانش نشان داده مشاوران کم‌تجربه‌تر BCG در استفاده از هوش مصنوعی ضعیف‌تر بودند. بنابراین رهبران ارشد، با تخصص و تجربه‌ی عبور از بحران‌ها، بهترین ابزار را در اختیار دارند. او همچنین توصیه می‌کند از مدل‌های پیشرو و پولی به‌عنوان «نظر دوم»در تصمیم‌های استراتژیک استفاده شود.
شرکت‌های بزرگ یا استارتاپ‌ها؟
پاسخ مولیک «هر دو» است. او از اینکه هیئت‌مدیره‌های شرکت‌های بزرگ باور کرده‌اند نمی‌توانند تغییر کنند ابراز تأسف می‌کند، چون منابع، مشتریان و نیروی متخصص در اختیار آن‌هاست و تجربه بازده دارد. از سوی دیگر، برای استارتاپ‌ها هرگز زمانی بهتر از این نبوده است، چون هوش مصنوعی آن‌ها را در کارهایی که بلد نیستند توانمند می‌کند.
امنیت سایبری و دو اشتباه بزرگ
مولیک میان قابلیت‌های فعلی و قابلیت‌های آینده‌ی مدل‌ها تمایز می‌گذارد. او سیاست‌گذاری برای جلوگیری از ریسک‌های وجودی را معقول می‌داند، اما هشدار می‌دهد که در کوتاه‌مدت با فضای امنیت سایبری «آخرالزمانی» روبه‌رو خواهیم بود. در این فضا، عامل‌ها حتی برای اهدافی بی‌خطر، مثل یافتن قیمت پشم برای خرید یک ژاکت، ممکن است به‌طور بی‌وقفه به سیستم‌ها نفوذ کنند.
به باور او، دو اشتباه استراتژیک بزرگ شرکت‌ها این‌هاست:
- اول، تکیه بر توانایی‌های امروز هوش مصنوعی و غفلت از ادامه‌ی منحنی نمایی.
- دوم، اعتماد به اینکه دیگران پاسخ را یافته‌اند.
راه‌حل او «دوسوتوانی» است، مفهومی برگرفته از کار مایک توشمن در هاروارد: بهره‌برداری از امروز همراه با کاوش برای آینده. او از سازمان‌ها می‌پرسد: به‌خاطر هوش مصنوعی چه کاری را کنار گذاشته‌اید؟ چه چیز «ناممکنی» می‌سازید، حتی چیزی که هنوز کار نمی‌کند؟ و آیا رهبری، آزمایشگاه و جمع را در اختیار دارید؟
فرهنگ، انگیزه‌ها و آینده‌ی کار
مولیک تأکید می‌کند که امنیت روانی، فرهنگ و نظام پاداش اکنون از همیشه مهم‌ترند. بدون آن‌ها، کارکنان استفاده‌ی خود از هوش مصنوعی را از ترس اخراج پنهان می‌کنند. خطر دیگر این است که هوش مصنوعی را یک «فناوری عادی» بدانیم و در قالب پروژه‌های طولانی و کم‌ریسک به آن بپردازیم.
درباره‌ی بازار کار، او صادقانه می‌گوید پاسخ روشنی وجود ندارد. ممکن است بازار نیروهای تازه‌کار تحت فشار قرار گیرد، یا برعکس، تقاضا درون سازمان‌ها افزایش یابد. او یادآوری می‌کند که هدف صریح آزمایشگاه‌های هوش مصنوعی جایگزینی همه‌ی نیروی کار انسانی است، و به باور او نباید اجازه داد این آینده محقق شود.
جمع‌بندی
پیام اصلی مولیک روشن است: هوش مصنوعی نه یک پروژه‌ی فناوری، بلکه فرصتی برای بازاندیشی در هدف سازمان است. رهبری خوب در این شرایط یعنی تصمیم‌گیری آگاهانه درباره‌ی نحوه‌ی استفاده از این ابزارها، همکاری با تیم، و اطمینان از اینکه انسان‌ها به حاشیه رانده نمی‌شوند.
[1] Co-Existence: The Next Phase of AI
