هوش مصنوعی مولد قدرتمند است، در دسترس و آماده است تا شیوه کار ما را متحول کند. یک چت بات ممکن است شغل شما را نگیرد اما مطمئناً آن را تغییر خواهد داد.
چه چیزی هوش مصنوعی مولد را متفاوت میکند
در ماههای اخیر، درباره هوش مصنوعی مولد و ابزارهایی مانند Chat GPT بسیار صحبت شده است. اما به نظر میرسد بسیاری از افراد هنوز درباره پتانسیل شگفت انگیز این ابزارها و یا ترس از خطرات ذاتی آن در شک و شبهه هستند. چند نکته برجسته در مورد هوش مصنوعی مولد وجود دارد. در نوامبر ۲۰۲۲، OpenAI نسخه ChatGPT 3.5 را منتشر کرد و ظرف پنج روز، تعداد کاربران به یک میلیون نفر رسید. سرعت پذیرش این فناوری واقعاً بیسابقه بود. نکتهای که در آن لحظه بسیار قابلتوجه بود، این بود که هر کسی در هر سن، هر سطح تحصیلات و هر کشوری میتوانست به ChatGPT دسترسی پیدا کند، سوالی بپرسد و به پاسخی کاربردی یا حتی سرگرمکننده مثل یک شعر یا حتی مقاله دست یابد. از آن زمان تاکنون، پیشرفتهای زیادی در این فناوری صورت گرفته و طی تنها چند ماه گذشته نیز بسیار بوده است.
نکته دوم که بسیار جالب است این است که شما نیازی ندارید یک دانشمند کامپیوتر باشید تا از این فناوری بهرهمند شوید این ابزار میتواند در انواع شغلها مورد استفاده قرار گیرد. تحقیقات OpenAI تخمین میزند که ۸۰ درصد از شغلها میتوانند فناوری و قابلیتهای هوش مصنوعی مولد را در فعالیتهای روزمره کاری خود بهکار بگیرند. این تاثیر عمیقی بر استعدادها و شغلها دارد و با شیوهای که قبلاً درباره آن صحبت میکردیم، متفاوت است. به نوعی، این فناوری سر از خاک برآورده و حالا تلاش برای بازگرداندن آن به زیر، بهترین استراتژی نیست. بهتر است پیشرو باشیم و بفهمیم چگونه میتوان از آن به شکلی ایمن و سازنده استفاده کرد.
هوش مصنوعی مولد یا تولیدگر یک فناوری است که سعی دارد با بررسی تمامی داده های موجود و در دسترس بهترین پاسخ ممکن را پیشنهاد میدهد. بسیاری از افراد با استفاده از حجم عظیمی از دادههای عمومی ChatGPT برای خلاصهسازی اطلاعات یا گرفتن پاسخ سوال خود استفاده کردهاند اما جنبههای تصویری آن نیز شگفتانگیز است. ممکن است بخواهید یک آهنگ، فایل صوتی، ویدئو یا حتی کد داشته باشید. مثال کدنویسی یکی از کاربردهای بزرگ این فناوری است. گستره تواناییهای هوش مصنوعی مولد در جهان شگفتآور است و این تازه آغاز کار است.
برایان هنکاک یکی از رهبران حوزه استعداد مک کینزی بیان میکن:”من از ChatGPT درباره خودم سؤال کردم. بهدرستی گزارش داد که من در حوزه استعدادها کار زیادی انجام میدهم، اما به اشتباه گفت که در دانشگاه کرنل تحصیل کردهام. دلیل این اشتباه این بود که بر اساس سابقه من، ChatGPT تصور کرده بود کرنل جواب منطقیتری است، در حالی که من در دانشگاه ویرجینیا تحصیل کردهام. این برایم خیلی جالب بود که گاهی اوقات این فناوری، به جای ارائه پاسخ درست، پاسخی منطقی ارائه میدهد.”
این موضوع تا حدی شبیه به شیوه تفکر ماست.البته این فناوری دقیقاً مانند انسان فکر نمیکند، اما بهطور مشابه، ما نیز از میانبرها و نشانهها برای رسیدن به فرضیات استفاده میکنیم. به همین دلیل است که مردم میگویند: «خدای من، این خیلی هوشمند به نظر میرسد.» اما همانطور که اشاره شد همیشه ۱۰۰ درصد دقیق نیست.
هوش مصنوعی مولد چه تاثیری بر فرآیند جذب نیرو دارد؟
برایان هنکاک میگوید:” به نظرم این فناوری در دو زمینه مهم فرآیند جذب نیرو را متحول خواهد کرد.
اولین مورد کمک به مدیران در نگارش بهتر الزامات شغلی است. فناوری مولد میتواند مهارتهای لازم برای موفقیت در یک شغل را شناسایی کند. البته این به معنای بینیازی از بازبینی توسط مدیران نیست. مدیران باید همچنان در فرآیند نظارت و تایید نهایی نقش داشته باشند تا مطمئن شوند الزامات شغلی مناسب هستند. اما هوش مصنوعی مولد میتواند بهطور چشمگیری سرعت و کیفیت این کار را بهبود دهد.
دومین کاربرد، شخصیسازی تجربه برای متقاضیان کار است. در حال حاضر، اگر یک سازمان دهها هزار متقاضی شغلی داشته باشد، ممکن است روشهای بخصوصی برای ارتباط با آنها نداشته باشد اما با هوش مصنوعی مولد، میتوان ارتباطات بسیار شخصیتر و دقیقتری درباره متقاضی، شغل مورد نظر و حتی شغلهای دیگر موجود برقرار کرد بخصوص اگر متقاضی برای شغل اصلی مناسب نباشد و این کارها با کمک هوش مصنوعی مولد بسیار سادهتر و سریعتر انجام میشود.”
بهترین کاربرد هوش مصنوعی مولد در حوزههایی است که مهارتهای موردنیاز واضح و تعریفشده هستند و شما به دنبال پر کردن یک موقعیت شغلی مشخصید چراکه نیازمند روشی کارآمدتر برای مدیریت حجم زیادی از پروفایلها که به دستتان میرسد، هستید. اما آنچه کمی پیچیده میکند زمانی است که شغل جدید یا نوظهوری وجود داشته باشد یا در قوانین کاری شغلی بیش از ۲۵ تا ۳۳ درصد تغییر کرده باشد. در این موارد، باید معیارهایی را که برای ارزیابی متقاضیان استفاده میکنید، دوباره بازبینی و تأیید کنید.
چالش تأیید این است که به معیاری برای ارزیابی عملکرد نیاز دارید تا بتوانید تفاوتها را شناسایی کنید. در برخی موارد، این به معنای استخراج معیارها از دادهها بدون نقض اطلاعات محرمانه عملکرد دیگران است. اگر بگویید: «ما فقط از دادههای خودمان بهعنوان کارفرما استفاده میکنیم»، در این صورت معیار شما فقط بر اساس افرادی است که تاکنون استخدام کردهاید اما برای اطمینان کامل، باید افرادی را که استخدام نکردهاید نیز بررسی کنید. این بدان معنا نیست که نمیتوان از فناوری استفاده کرد، بلکه نشان میدهد که برای شغلهای جدید یا نامشخص، نیاز به کار بیشتری در مرحله اولیه دارید. در عین حال، برای مشاغل با مهارتهای گسترده، این فناوری فرصتهای بیپایانی ایجاد میکند.
ما اغلب درباره این صحبت میکنیم که در فرآیند جذب نیرو، بیش از حد بر مدارک تحصیلی تأکید کردهایم و به مهارتهای واقعی که کاندیداها میتوانند به محیط کار بیاورند، کمتر توجه کردهایم. لارینا یی، رئیس شورای فناوری مک کینزی میگوید:”یکی از قابلیتهای فوقالعاده این فناوری، توانایی برچسبگذاری (Tagging) دادههای غیرساختار یافته است. بسیاری از کسبوکارها به استفاده از این قابلیت در تجارت الکترونیک یا انواع مختلف تجربیات خردهفروشی فکر میکنند. اما این قابلیت را میتوان در جذب استعداد یا جستجوی تواناییها نیز به کار برد. اکنون دیگر نیازی نیست به دنبال مدارک یا مدارج تحصیلی باشید؛ میتوانید کلمات کلیدی مرتبط با قابلیتها و مهارتها را جستجو کنید. برای مثال، در شبکههای اجتماعی، مردم چگونه درباره مهارتهای خاص صحبت میکنند؟ ممکن است کلمات بهتری برای شناسایی افرادی که این مهارتها را دارند پیدا کنید. تصور کنید دنیایی وجود داشته باشد که بتوانید کاندیداهایی را پیدا کنید که تجربههای فوقالعادهای از یادگیری در محیط کار کسب کردهاند، اما مدرک دکترا یا لیسانس ندارند. من امیدوارم این فناوری بتواند درهای بیشتری را برای چنین افرادی باز کند.”
سالها پیش، وقتی لینکدین خریداری شد، APIهای آن محدود شدند و تنها به عناوین شغلی دسترسی داشتید، نه به جزئیات و مشخصات دیگر آن اما این مجموعه داده ها بسیار ارزشمند هستند، بهویژه در پروفایلهای شغلی، چون میتوانید توانایی ها و مهارتها را بررسی کنید. به نظرم در اینجا رقابتی شکل خواهد گرفت تا بفهمیم چگونه میتوان این دادهها را کنار هم قرار داد و یک «ابر هستیشناسی (Ontological Cloud)» از مهارتها ایجاد کرد. به این معنا که مثلا “این ۱۷ ویژگی، این مهارت را توصیف میکنند.” چون در نهایت موضوع درباره مهارتها است، نه مدارک.
تأثیر هوش مصنوعی مولد بر رشد حرفهای
میتوان به این فناوری از زاویهای دیگر بهعنوان ابزاری تسهیل کننده بر اساس مهارتها، نه فقط از دیدگاه کارفرما بلکه از دیدگاه متقاضی یا کارمند هم نگاه کرد. در دنیای فعلی، اگر کسی دارای مهارتهایی باشد اما دید روشنی از فرصتهای شغلی خود نداشته باشد، بهشدت وابسته به یک مدیر یا فردی است که به او علاقهمند شود و او را به مسیرهای “غیر مرسوم” هدایت کند. اما در دنیای هوش مصنوعی مولد، شما میتوانید با یک چتبات هوشمند گفتوگو کنید و بگویید: «اینها مهارتها و تجربیات من هستند. چه شغلهایی میتواند برای من مناسب باشد؟» و چتبات میتواند پاسخ دهد: «خب، اکثر افرادی با پروفایل مهارتی شما این کارها را انجام میدهند، اما برخی کارهای A، B، C نیز انجام میدهند.» بهعنوان مثال، “C” میتواند کدنویسی باشد. سپس میتوانید بپرسید: «این شغلهای کدنویسی چه ویژگیهایی دارند؟» و چتبات میتواند یک شرح شغلی برای کدنویسی ارائه دهد که نهتنها برای یک فرد IT مناسب است بلکه به زبانی سادهتر ترجمه شده است.
سپس میتوانید بگویید: «این عالی است. علاقهمندم. چه دورههای آموزشی باید بگذرانم؟» و هوش مصنوعی مولد میتواند این اطلاعات را نیز ارائه دهد. بنابراین، برای فردی که تواناییهای ذاتی دارد اما دید روشنی ندارد، این فناوری میتواند مسیرهای شغلی متنوعی را روشن کند و به افراد کمک کند بفهمند چگونه میتوانند به این مسیرها دست یابند.
لاریِنا یی بیان میکند:” فرض کنید ده سال از شغلم گذشته و احساس میکنم درجا زدهام. اگر دستیار هوش مصنوعی برای توسعه حرفهای خود داشتم که به من کمک میکرد درباره سؤالاتی مثل «چه نوع شغلی باید دنبال کنم؟ چه فرصتهایی در شرکت من وجود دارد؟ چگونه میتوانم درباره آنها فکر کنم؟» و «چه کلاسهایی باید بردارم؟» فکر کنم، برایم بسیار بهتر از انتظار برای کسی بود که بخواهد بیاید و مسیر توسعه مرا بسازد. اینکه چگونه میتوانم در میانه مسیر حرفهایام، بهطور فعال مهارتهای لازم را بسازم و فرصتهای موجود را بهتر بشناسم، بسیار جذاب خواهد بود.”
با این حال بسته به مقررات موجود در محیطهای کاری مختلف، شما ممکن است اجازه نداشته باشید که هیچ تصمیمگیری مربوط به استخدام را بدون دخالت یک انسان انجام دهید. این موضوع بهویژه در اتحادیه اروپا صادق است. هوش مصنوعی مولد ابزاری عالی برای تکمیل کار انسان است، نه جایگزینی برای تصمیمگیری انسانی. از دیدگاه کارمند، این فناوری باید شفافیت بیشتری فراهم کند؛ بیل شانینگر یک از رهبران حوزه استعداد مک کینزی میگوید:”شما میتوانید بهطور دقیق ببینید که چقدر با اهداف شغلی مختلف فاصله دارید. من این فناوری را برای بهبود تجربه کارمند دوست دارم اما در مورد تصمیمگیریهای مربوط به استخدام کمی نگرانم، زیرا هنوز نمیدانیم دادههای موجود در مخزن دادهها (Data Lake) چقدر دقیق است و کاربران چقدر در هدایت درست هوش مصنوعی ماهر هستند.”
موضوع جالب دیگری که مشاهده میکنیم این است که ChatGPTو بهطور کلی هوش مصنوعی مولد برای کمک به تسریع یادگیری نیروهای تازهکار بسیار مفید است. تحقیقات جالبی توسط اریک برینیولفسون از دانشگاه استنفورد، به همراه گروهی از محققان MIT منتشر شده که بر روی کارمندان مراکز تماس متمرکز بوده است. آنها دریافتند که قابلیتهای هوش مصنوعی مولد برای نمایندگان بسیار با تجربه چندان مفید نبود اما برای تازهواردها فوقالعاده مؤثر بود. این فناوری به آنها امکان میداد دانش نهادی را بسیار سریعتر دریافت کنند و اطلاعات بهراحتی در دسترس آنها بود به طوری که میتوانستند یک سوال بپرسند و پاسخ را سریع دریافت کنند. نتیجه این بود که بهرهوری افراد جدید بهطور چشمگیری افزایش یافت. هوش مصنوعی مولد میتواند تا ۸۰ الی۹۰ درصد راه را با شما به سوی کسب مهارت کامل بپیماید.
تغییرات در ارزیابی عملکرد با کمک هوش مصنوعی مولد
برایان هنکاک میگوید:”یکی از موارد مورد علاقه من در کاربردهای هوش مصنوعی مولد در حوزه مدیریت منابع انسانی، استفاده از آن در ارزیابی عملکرد است. البته نمیخواهم هوش مصنوعی مولد متن ارزیابی عملکرد کسی را بنویسد چرا که این کار نیازمند حضور انسان، قضاوت انسانی و همدلی است اما مثالی از تجربه شخصیام بهعنوان ارزیاب در مکینزی میزنم. من از ۱۵ تا ۲۰ نفر بازخورد کتبی دریافت میکنم که در یک سیستم دیجیتال وارد میشود. این بازخوردها شامل نظرات متنی بلند، امتیازات عددی بازخوردهای صعودی، میزان مشارکت افراد در پروژهها و حتی معیارهای مرتبط با رعایت مقررات (مانند ارسال بهموقع مدارک) هستند. بهعنوان ارزیاب، رسیدن به پیشنویس اولیه ارزیابی، فرآیندی بسیار دشوار و وقتگیر است. اما تصور کنید اگر میتوانستم با فشار یک دکمه یک پیشنویس اولیه آماده داشته باشم. وقتی با ۱۵ نفری که بهترین شناخت را از فرد ارزیابیشده دارند گفتوگو میکردم، از قبل پیشنویسی برای کار کردن داشتم. این پیشنویس جایگزین بررسی کامل همه اطلاعات نیست، اما ترکیب اولیه دادهها میتواند به من کمک کند سریعتر به بخشهای مهم برای توسعه و رشد فردی بپردازم. این کاربرد من را هیجانزده میکند زیرا بخش زیادی از کار را حذف میکند. شاید در ابتدا بسیاری بگویند، «نمیخواهم هوش مصنوعی مولد به ارزیابی عملکرد نزدیک شود.» اما اگر به آن بهعنوان یک ابزار بهرهوری نگاه کنیم، چیزی است که میتواند ما را بهتر کند.”
حالا از دیدگاه کارمندی که توسط برایان ارزیابی میشود نگاه کنیم. او بازخورد را دریافت میکند و فرد احساس میکند: «خب، من نقاط قوتی دارم و زمینههایی برای توسعه.» اما اگر بهعنوان کارمند بتوانید بپرسید، «چه کسانی با نقاط قوت و ضعف مشابه من موفق شدهاند، و چه مسیری را طی کردهاند؟ چطور میتوانم توسعه حرفهای خودم را تجسم کنم؟ چگونه میتوانم روی آن کار کنم؟» عالی است. همچنین میتوانید دستیار دیجیتالی داشته باشید که به شما کمک کند مسیر توسعه حرفهای خود را ترسیم کنید. به این ترتیب، وقتی یک سال بعد دوباره ارزیابی میشوید، واقعاً پیشرفت کرده اید و انگیزههای بیشتری دارید.
لارینا یی بیان میکند:”فرض کنید متوجه میشوم که باید خودم را با بیل شانینگر مقایسه کنم. بهجای اینکه برایان بخواهد من را به بیل معرفی کند، هوش مصنوعی مولد به من نشان میدهد که در حال حاضر شبیه بیل شانینگر هستم و میتوانم از او الهام بگیرم. این به نظرم خیلی جذاب است و کارهایی که سالها بهسختی انجام میدادیم را بهبود میبخشد.”
دادههای مقایسهای (Normative Data) بسیار ارزشمند هستند چرا که اگر نقطه مرجعی نداشته باشید، چگونه میدانید که «عملکرد خوب» در واقع چیست؟ وقتی این دادهها را دارید، میتوانید راهنماییهای بهتری دریافت کنید. به همین خاطر هر بار که با کسی درباره موضوعی خوب یا بد صحبت میکنید، آن را ثبت کنید. به این ترتیب، در پایان سال این دادهها تجمیع و ترکیب میشوند و دیگر هیچچیز برای کسی تعجبآور نیست. اما این فناوری نیست که آن را ممکن میکند؛ بلکه تعهد افراد به جمعآوری دادههای مشترک و استفاده از روشهای استاندارد این امکان را فراهم میآورد.
اگر این فناوری دیدگاه جامعتر و دقیقتری از عملکرد واقعی ارائه دهد، برگزاری گفتوگوهای دشوار درباره عملکرد بسیار آسانتر میشود. ما باید مدیران را دوباره در مرکز مدیریت عملکرد قرار دهیم. به طوری که میتوانیم این کار را برای مدیران آسانتر کنیم تا زمان بیشتری را صرف مدیریت کنند و بهجای نوشتن یک برنامه زمانی یا جمعبندی ۱۵ نقطه داده مختلف، به کارهای کلیدی بپردازند.
هوش مصنوعی مولد و تعصب های پنهان
هوش مصنوعی مولد بر اساس دادههای تاریخی یاد میگیرد و الگوهای تاریخی دادهها اغلب منعکسکننده تعصبات تاریخی هستند. لاریِنا یی بیان میکند:” قطعا، هوش مصنوعی مولد میتواند تعصب را تقویت کند. فرض کنید من در حال جذب نیرو هستم و شرایط مختلفی را برای انتخاب توصیف میکنم. مثلا میگویم میخواهم در مراکز شهری به دنبال کاپیتانهای تیمهای بسکتبال باشم، یا بهجای آن بگویم کاپیتانهای تیمهای لاکراس اولویت دارند. هر دو ورزشهای تیمی با کاپیتان هستند و از این نظر منطقی به نظر میرسد. اما اگر به جمعیتشناسی نگاه کنید، افرادی که در شهرها بسکتبال بازی میکنند بسیار متفاوت از افرادی هستند که لاکراس بازی میکنند. تأکید بر لاکراس معمولاً به یافتن رهبران مرد سفید پوست جوان منجر میشود، درحالیکه بسکتبال ممکن است منجر به یافتن آفریقاییآمریکاییها یا لاتینتبارها شود. حالا به سافتبال فکر کنید، جایی که بیشتر زنان حضور دارند. حتی اگر مجموعهای از ورزشهای مختلف را انتخاب کنیم، انتخاب این ورزشها بهعنوان یک معیار میتواند بهخودیخود تعصب در فرایند پرسشگری را تقویت کند. بنابراین، قدرت سوال پرسیدن همچنان بر عهده ما انسانها است.”
البته نگرانیهای مربوط به مالکیت معنوی هم وجود دارد. اگر شما فردی در حوزه خلاقیت باشید و از هوش مصنوعی مولد استفاده کنید تا خروجیتان را از شش مقاله در ماه به ۱۲ مقاله افزایش دهید، زمان کمتری برای هر مقاله صرف خواهید کرد. ممکن است مجبور باشید این کار را برای رعایت زمانبندی انتشار انجام دهید، اما این به معنای کاهش زمانی است که در حمام، هنگام دویدن یا در خودرو صرف فکر کردن به مقالات میکنید. بهرهوری شما افزایش مییابد، اما ممکن است زمان کمتری برای تفکر خلاق داشته باشید. ما میدانیم که خلاقترین ایدهها از زمانهای فراغت ناشی میشوند، همان زمانی که کار دیگری انجام میدهید و اجازه میدهید ذهنتان آزادانه پرسه بزند.
لاریِنا یی بیان میکند:” ریسکهای زیادی وجود دارد. باید به رهبرانی فکر کنیم که این فناوری را پیادهسازی میکنند. اغلب افراد فرایندی دارند که ابتدا درباره فناوری و بازگشت سرمایه آن فکر میکنند و تنها در پایان میپرسند، «آیا ریسکی وجود دارد که باید نگران آن باشیم؟» من قویاً توصیه میکنم که از همان ابتدا ریسکها را در طراحی فرایند در نظر بگیرید. نکته دیگر فرصت بزرگی است که ما معمولاً آن را «مدیریت تغییر» مینامیم. اگر به این فکر نکنید که فناوری چگونه شغل، فرایند کاری یا مدل همکاری را تغییر میدهد، لزوماً نمیتوانید آن زمان اضافی را به فعالیتهایی با ارزش افزوده بیشتر اختصاص دهید. باید در نظر بگیرید که این فناوری چگونه بر باقی روز کاری و هفته کاری تأثیر میگذارد.”
آمادگی برای تغییرات اجتنابناپذیر
یکی از نگرانیهای بزرگ مردم این است که ابزارهایی مانند هوش مصنوعی مولد شغل آنها را حذف کند یا شاید بدتر از آن به رئیسشان تبدیل شود. توصیه میشود که یادگیری و کار با این فناوری را برای افراد آسانتر کنیم چرا که این رویکرد بهتر از ادامه مقاومت در برابر آن است و نباید اسیر این ترسها شویم.
با فرض اینکه فرایندهای منابع انسانی و مدیریت استعدادها بهطور فزایندهای خودکار میشوند، رهبران در این زمینه دو نقش اساسی دارند. اول، مدرنسازی و ارتقای قابلیتهای خود در مدیریت استعدادها در بخشهای مختلف سازمان است. دوم، اگر ۸۰ درصد نیروی کار آنها در حال تغییر است، آنها نقش بزرگی در نحوه وقوع این تغییرات و تأثیر آن بر کارکنان شرکت دارند لذا رهبران باید در این بحثها صدای قدرتمندی داشته باشند. در واقع این یک فرصت بزرگ برای منابع انسانی است تا دسترسی به فرصتها را برای بخش وسیعی از نیروی کارشان افزایش دهد. همچنین فرصتی است به جای اینکه وقت خود را صرف وظایف اداری کنند، مدیران را به سطح عملکردی که رهبران منابع انسانی همیشه از آنها انتظار داشتهاند، برسانند.