با گسترش تکنولوژی‌های هوش مصنوعی مولد و افزایش مقبولیت‌شان، این پدیده دارد به یکی از اجزای جدایی ناپذیر استراتژی‌های هیات مدیره و تاکتیک‌های عملیاتی تبدیل می‌شود. شرکت‌ها مشتاقند ابزار‌های هوش‌مصنوعی را به کار ببندند تا در خط مقدم این تحول قرار بگیرند.
با توجه به اینکه در حال حاضر این تکنولوژی در صنایع مختلف برای تقویت وظایف پیچیده به کار می‌رود، بسیاری از رهبران کسب و کار در این فکر هستند که چگونه این همکاری تحول آفرین بین انسان و هوش مصنوعی را مدیریت و برای سازمان‌هایشان از آن بهره برداری کنند.
«اورکور» (Evercore ISI)، یکی از شرکت‌های تحقیقاتی برجسته وال استریت با همکاری استودیو سرمایه‌گذاری «ویژنری فیوچر» (Visionary Future) مطالعه جامعی را با هدف درک تاثیرات عمیق هوش مصنوعی مولد بر کسب و کارها، اقتصاد و ترکیبش با آینده نیروی کار آغاز کردند. آن‌ها تجزیه و تحلیل تمام و کمالی را روی بیش از ۱۶۰میلیون شغل انجام دادند تا دیدگاه تحلیلی عمیقی تهیه کنند که به رهبران سازمانی کمک کند تغییرات را بهتر مدیریت کنند.
ظهور هوش مصنوعی می‌تواند برای چالش‌های جمعیتی شدید پیش روی اقتصاد‌های جهانی راهگشا باشد. دینامیک در حال تغییر افزایش جمعیت سالمند و کاهش تعداد افراد در سن کار، افزایش رشد و بهره وری را الزامی می‌کند؛ شکافی که هوش مصنوعی نوید پر کردنش را داده است.
طبق گزارش اورکور، با اینکه رشد بهره وری ایالات متحده از سال ۱۹۶۰ تا ۲۰۰۹ بر حسب تولید ناخالص داخلی (GDP) واقعی افزایش یکنواختی داشته، در دهه بعدی وضعیت ثابتی را تجربه کرده است. اینکه این نرخ در طول ۱۵ سال گذشته روی کمی بیش از ۱درصد GDP واقعی گیر کرده به قدر کافی نگران کننده است، اما وقتی این وضعیت با ترکیب متغیر نیروی کار ادغام می‌شود، اقتصاد‌های جهانی با چالش ساختاری سختی روبه رو می‌شوند. تحلیل اورکور نشان می‌دهد که تا سال ۲۰۲۷ بیش از یک سوم GDP جهانی مربوط به کشور‌هایی خواهد بود که کاهش جمعیت دارند.
این نشان می‌دهد که ما به زودی با چالش نیروی کار رو به کاهشی مواجه می‌شویم که از جمعیت سالخورده بازنشستگان حمایت می‌کنند. با ظهور هوش مصنوعی، برآورد‌های ما حاکی از احتمال احیای رشد GDP جهانی است و تا سال ۲۰۳۲ رشد قابل‌توجهی را برای اقتصاد جهانی پیش‌بینی می‌کنیم. هوش مصنوعی نه فقط به عنوان یک شگفتی در عرصه تکنولوژی که به عنوان کورسوی امیدی برای پرداختن به چالش‌های بهره وری و جمعیتی ظاهر خواهد شد.
چند سال پیش، یکی از دانشجویان سابق دانشگاه MIT برنامه جالبی را به ما نشان داد که در آن طرح دستی ساده‌ای را برای یک هوش‌مصنوعی می‌فرستادی و در عرض چند ثانیه اسلاید پاورپوینت بی عیب و نقصی تحویل می‌گرفتی. در نگاه اول به نظر می‌رسید رویکرد جدیدی برای خودکارسازی بعضی از کارها باهدف افزایش بهره وری باشد. اما واضح بود که این سیستم صرفا همان طرح را با زرق وبرق بیشتری بازتولید می‌کرد و قادر نبود هیچ محتوای مهمی به آن اضافه کند. با این حال، پیشرفت‌های اخیر حوزه هوش مصنوعی مولد پشتیبانی جامع تری ارائه می‌دهد و به طور قابل توجهی بهره وری متخصصان خط مقدم استفاده از تکنولوژی‌های جدید را افزایش داده است.
برخی از مشاوران مدیریتی برجسته (از جمله MBB، شرکت Big Four و Accenture) حتی در بحبوحه چالش‌هایی همچون پاندمی کووید هم خود را با تغییرات وفق دادند و هوش‌مصنوعی را برای توانمندسازی بیشتر تیم هایشان در تاروپود کسب و کار خود ادغام کردند. در ماه‌های اخیر، جریان قابل توجهی هم در وال استریت و هم در بانک‌های مین استریت برای بررسی عمیق‌تر قابلیت‌های هوش‌مصنوعی شکل گرفته که به دنبال افزایش قابلیت‌های نیروی کار است. تجزیه و تحلیل اخیر ما بر قابلیت هوش مصنوعی در تقویت نقش‌های فکری ارزشمند تاکید می‌کند.
یافته‌های اورکور نشان می‌دهد با اینکه تمام مشاغل در ایالات متحده تا حدی در معرض هوش مصنوعی قرار دارند، مشاغلی که درآمد سالانه شان بالغ بر ۱۰۰هزار دلار است احتمالا بیشتر تحت‌تاثیر هوش‌مصنوعی قرار می‌گیرند و سود بیشتری هم از آن می‌برند. به عنوان نمونه، مدرسه کسب و کار هاروارد و گروه مشاوره بوستون به تازگی تحقیقاتی را منتشر کردند که نشان می‌دهد عوامل هوش مصنوعی عملکرد آن دسته از تحلیلگران گروه مشاوره بوستون را که عملکرد پایینی دارند بیش از آن دسته از تحلیلگران که عملکردشان همین حالا هم بالاست بهبود می‌بخشند.
تجزیه و تحلیل ما نشان می‌دهد که تقریبا تمام مشاغل به نوعی تحت‌تاثیر هوش مصنوعی قرار خواهند گرفت. با این حال این برآیند که هوش مصنوعی کاملا جایگزین نیروی کار شود احتمالا غیرممکن است. به عنوان مثال، تلاش‌های اخیر برای خودکارسازی تمام عملیات مرکز تماس با سیستم‌های هوش مصنوعی زمانی دچار مشکل شد که دریافتند که همیشه مشتریان با مشکلات جدیدی مواجه می‌شوند که هوش مصنوعی قادر به حل آن‌ها نیست.
ما در تسریع بهره وری یا افزایش بهره وری تاثیر بیشتری از هوش مصنوعی مشاهده کرده ایم، مانند زمانی که یک مهندس ارشد نرم افزار می‌تواند با سیستم‌های هوش مصنوعی بخش قابل توجهی از کدش را به‌صورت خودکار تولید کند و بعد به صورت دستی آن را تنظیم کند تا بهینه شود. به نظر می‌رسد ترکیبی از نرخ پذیرش متوسط شرکت‌ها و مداخلات سیاستی دولت‌ها مانع تغییر ساختار فوری و اساسی نیروی کار می‌شود.
ما معتقدیم مساله این نیست که هوش مصنوعی مولد جایگزین مشاغل خواهد شد یا نه، بلکه باید درک کنیم هوش مصنوعی مولد چگونه می‌تواند عملکرد‌های تجاری گوناگون را بهبود ببخشد: یعنی انسان + هوش مصنوعی. همان‌طور که تیم استراتژی اورکور اشاره می‌کند، شاخه تحلیل مالی و تحلیل بازار (که شاخه کاری خودشان است) از جمله مشاغلی هستند که بهترین فرصت را برای استفاده از هوش مصنوعی مولد برای بهبود بهره وری مولد دارند. در تایید این نظر، مدیرعامل یک شرکت برجسته اروپایی به ویژنری فیوچر گفت که ادغام هوش مصنوعی در شرکت چند میلیارد یورویی او به فروش و بازاریابی محدود نمی‌شود؛ بلکه به تدریج راه خود را به سمت عملکرد‌های استراتژیک همچون امور مالی باز می‌کند.
اورکور مخزن عظیمی از داده‌های دانشگاهی و اقتصادی را که شامل ۱۶۰ میلیون شغل، ۲۰ صنعت، بیش از ۲۵۰ زیرمجموعه و بیش از ۸۰۰ پیشه در ایالات متحده است، ادغام کرد تا ببیند کارکنان چگونه ۵۲ قابلیت را در ۴۱ فعالیت به کار می‌گرفتند تا کارشان را تمام کنند.
سپس این نقش‌ها و مسوولیت‌ها را به شکل متقابل به مجموعه‌ای از وظایف ذهنی پیچیده ارجاع دادند که هوش مصنوعی به همان خوبی انسان آن‌ها را انجام می‌دهد یا حتی بهتر از انسان عمل می‌کند. تجزیه و تحلیل آن‌ها نشان داد که توانایی‌های شناختی (همچون منظم کردن اطلاعات و به خاطر سپردن) بیشتر در معرض هوش مصنوعی قرار دارند؛ یعنی هوش مصنوعی می‌تواند امور حوزه را به خوبی انسان یا حتی بهتر از او انجام دهد، در حالی که توانایی‌های مبتنی‌بر خلاقیت یا قدرت (همچون اصالت، بیان شفاهی) یا کمتر در معرض هوش مصنوعی قرار دارند یا اصلا در معرضش نیستند.
هر چه یک شغل به تعامل اجتماعی و همدلی بیشتری نیاز داشته باشد، کمتر در معرض هوش مصنوعی قرار می‌گیرد. هرچه یک شغل مستلزم کار فیزیکی بیشتری باشد، کمتر در معرض هوش‌مصنوعی قرار می‌گیرد (البته اینجا امکان خودکارسازی روباتیک وجود دارد).
ما می‌توانیم با درک نقاط قوت و ضعف هوش مصنوعی محاسبه کنیم که چه صنایعی - و در هر صنعت چه مشاغلی- بیش از همه دستخوش تحولات ناشی از هوش مصنوعی خواهند شد.
تاثیر هوش مصنوعی در مشاغل بخش خدمات که ارزش افزوده بالایی دارند همچون حقوق، کامپیوتر و ریاضی و پیشه‌های تجاری و مالی زیاد است، در حالی که در بخش‌های تولیدی‌تر پایین است. این امر به حدی قابل‌توجه است که بسیاری از اقتصاد‌های G۷ (هفت کشور بزرگ صنعتی جهان) طی ۵۰ سال گذشته از تولیدمحوری به خدمات محوری کوچ کرده اند.
به طور کلی، اورکور تخمین زده که ابزار‌های مبتنی بر هوش مصنوعی مولد می‌توانند برای بهبود بهره وری حدود ۳۲درصد از عملکرد هر شغل را در سراسر اقتصاد ایالات متحده تحت‌تاثیر قرار دهند. یکی از شرکای مدیریتی سابق یک شرکت حقوقی جهانی به ویژنری فیوچر گفت که احساس می‌کند به کارگیری هوش مصنوعی در بخش مشاغل حقوقی به کندی صورت بگیرد.
مدیرعامل یک شرکت خدمات حرفه‌ای چند میلیارد دلاری هم ابراز ناامیدی کرده که شرکا و روش‌های عملیاتی در برابر تلفیق هوش مصنوعی در کار مقاومت نشان می‌دهند و بزرگ‌ترین چالش پیش روی او تغییر ذهنیت شرکا و گروه‌های عملیاتی در برابر پذیرش هوش مصنوعی است – نه کاربرد هوش‌مصنوعی در افزایش بهره وری.
دیوید لفور، کارآفرین مستقر در لندن، در خصوص سرمایه‌گذاری اخیرش در حوزه تکنولوژی (شرکت توتلو) اطلاعاتی را در اختیار ما گذاشت. بهره وری تیم توسعه او با به کارگیری ابزار‌های مبتنی بر هوش مصنوعی همچون «گیتهاب کاپیلوت» (GitHub Copilot) و مفسر کد چت جی پی تی (ChatGPT Code Interpreter) سه برابر شده است.
همچنین به جای استفاده از روش‌های سنتی تست محصول مانند تعامل کاربر با محصول نرم افزاری، از عوامل هوش‌مصنوعی استفاده کردند تا کاری انجام دهد یا با وارد کردن ورودی‌های چرت و بی معنی برنامه را از کار بیندازد.
نتیجه حاکی از بهبود بهره وری عملیاتی چشمگیری بود. شرکت‌های بزرگ حتی بیشتر از استارت‌آپ‌ها از هوش‌مصنوعی مولد سود خواهند برد. یک شرکت خاص با بیش از ۱۰ میلیارد دلار درآمد که ویژنری فیوچر با آن صحبت کرد، پیش‌بینی کرد طی پنج سال آینده به واسطه افزایش بهره وری و رشد درآمد (به ویژه که تقریبا نیمی از این سود حاصل از سیستم‌های انسان + هوش‌مصنوعی است) درآمد ناخالص پیش از بهره، مالیات و استهلاکش بیش از ۷۵۰ میلیون دلار افزایش یابد.
تجزیه و تحلیل ویژنری فیوچر نشان می‌دهد که تا سال ۲۰۳۲ سرمایه مطلق بازار شرکت‌های پیشکسوت، بیش از هفت برابر استارت‌آپ‌ها خواهد شد: ۳۴ تریلیون دلار برای شرکت‌های بزرگ در مقابل ۴.۶ تریلیون دلار برای استارت‌آپ ها.
تیم استراتژی اورکور با استفاده از چارچوب تخمین پیشه و شغل در معرض هوش‌مصنوعی که بالاتر اشاره شد، تئوری کلان را وارد قلمرو شرکتی عینی کرد. ابزار کاشف اثر هوش‌مصنوعی اورکور این امکان را به سرمایه‌گذاران و شرکت‌ها می‌دهد که انواع ترکیبات نیروی کار را بررسی کنند و فرصت‌های بهره برداری را در طیف وسیعی از سناریو‌های اتخاذ تکنولوژی ارزیابی کنند.
این ابزار با وارد کردن هر کدام از شرکت‌های راسل ۳۰۰۰ (شاخص راسل ۳۰۰۰ عملکرد سه‌هزار ابرشرکت ایالات متحده را می‌سنجد که حدودا ۹۶درصد از بازار سهام ایالات متحده را در اختیار دارند) بلافاصله تحلیل بصری از نیروی کار در معرض هوش مصنوعی مولد شرکت را محاسبه و آن‌ها را بر اساس عملکرد شغلی دسته بندی می‌کند.
این ابزار رهبران کسب و کارها را قادر می‌سازد که بفهمند اگر بتوانند ذهنیتشان را تغییر دهند و سازمانشان را به سمتی سوق دهند که بیشتر از هوش مصنوعی بهره‌مند شود، قابلیت چه کار‌هایی را دارند.
همچنین به آن‌ها کمک می‌کند بخش‌های به‌خصوصی از سازمان و حوزه‌های عملکردی را شناسایی کنند که در آن به دنبال توسعه یک برنامه استراتژیک و عملیاتی برای پیاده‌سازی هوش مصنوعی و سیستم‌های انسان + هوش‌مصنوعی باشند.
ما در کار مشاوره خودمان در ویژنری فیوچر رویکرد پنج مرحله‌ای برای کمک به شرکت‌ها داریم که در مرحله تشخیص، برای به حداکثر رساندن پتانسیل هوش مصنوعی شان از این نوع تحلیل استفاده می‌کنیم.
به این ترتیب که آن را به عنوان داده ورودی برای تشکیل استراتژی هوش‌مصنوعی گسترده تری برای سازمان استفاده می‌کنیم. هیات مدیره‌ها و سرمایه‌گذاران می‌توانند از این معیار برای درک موقعیت کنونی شرکت نسبت به جایی که باید باشد، استفاده و طبق آن عمل کنند.
منبع: HBR
ترجمه:دنیای اقتصاد