روایت رایج درباره هوش مصنوعی در محیط کار عمدتاً از سیلیکون‌ولی سرچشمه می‌گیرد. اما در نظر گرفتن بخش فناوری به‌عنوان جزیره‌ای جداگانه، روندهای واقعی پذیرش فناوری را نادیده می‌گیرد؛ فناوری فقط نخستین صنعتی است که در صف قرار دارد.

با بلوغ هوش مصنوعی مولد و ابزارهای خودکارسازی، تغییراتی که اکنون مهندسی نرم‌افزار و مدیریت محصول را دگرگون می‌کنند، ناگزیر به حوزه‌های سلامت، آموزش، خرده‌فروشی و تولید نیز راه خواهند یافت. تفاوت نرخ‌های پذیرش در حال حاضر نشان نمی‌دهد که صنایع غیرفناوری از قافله عقب مانده‌اند؛ بلکه بازتاب‌دهنده سرعت‌های متفاوتی است که صنایع با آن‌ها جریان‌های کاری جدید را می‌پذیرند. برای مدیران و تیم‌های خارج از حوزه فناوری، این تفاوت در سرعت، الگویی عملی از چگونگی گسترش پذیرش هوش مصنوعی و فرصت‌های پیشِ رو به دست می‌دهد.

طیف پذیرش هوش مصنوعی در صنایع مختلف

داده‌های نظرسنجی اخیر TripleTen نشان می‌دهد که روند کنونی پذیرش هوش مصنوعی در بخش‌های مختلف اقتصاد تا چه اندازه متفاوت است (شکل ۱).

شکل ۱: روند پذیرش هوش مصنوعی در صنایع همچنان پرشتاب است، اما نرخ پذیرش در صنایع غیرفناوری رو به افزایش است.

منبع: TripleTen، ۲۰۲۶

درحالی‌که بخش فناوری پیشتاز است، بخش مالی با فاصله‌ای روشن در جایگاه دوم قرار دارد: از ۴۸٪ کارکنان بخش مالی خواسته شده است از چت‌بات‌های هوش مصنوعی استفاده کنند و از ۳۲٪ نیز خواسته‌اند بخشی از جریان کاری خود را خودکارسازی کنند. این ارقام نشان می‌دهد که کارهای دانشی، به‌محض مشخص شدن موارد استفاده، با چه سرعتی هوش مصنوعی را در خود ادغام می‌کنند.

در مقابل، بخش‌هایی مانند سلامت، که در آن از ۱۸٪ کارکنان خواسته شده از چت‌بات‌ها استفاده کنند، و آموزش، با ۲۵٪، از مواجهه اولیه کمتری با این فناوری برخوردارند. از آنجا که این دسته‌بندی‌های گسترده صنعتی، ترکیبی از متخصصان میدانی، کارکنان بالینی یا آموزشی و نیروهای اداریِ پشت‌صحنه را دربرمی‌گیرند، پذیرش فراگیر از ابتدا هم قرار نبود یک‌شبه اتفاق بیفتد. ادغام ابزارهای خودکار در عملیات‌های تابع مقررات سخت‌گیرانه یا مستلزم تعامل مستقیم با انسان، به رویکردی سنجیده‌تر نیاز دارد؛ موضوعی که در ارقام پایین‌تر بازتاب یافته است.

مهارت‌های هوش مصنوعی که از کارکنان خواسته می‌شود بیاموزند

در همه صنایع بررسی‌شده، ۷۹٪ کارکنان گفته‌اند از آن‌ها خواسته شده دست‌کم مهارتی را بیاموزند که پیش‌تر نداشته‌اند. بررسی توانمندی‌های مشخصی که امروز در بخش فناوری موردنیاز است، پیش‌نمایشی از مجموعه مهارت‌هایی به دست می‌دهد که احتمالاً به بخش‌های دیگر نیز راه خواهند یافت (شکل ۲).

شکل ۲: نیروی کار در صنایع مختلف در حال یادگیری مهارت‌های جدید است.

منبع: TripleTen، ۲۰۲۶

هرچند بعضی از این مهارت‌ها تخصصی و محدود به حوزه فناوری به نظر می‌رسند، بسیاری از آن‌ها در کارهای میدانیِ بخش‌های مختلف کاربرد خواهند داشت؛ از سامانه‌های بیمارستانی که امور مربوط به بیماران را مدیریت می‌کنند تا مناطق آموزشی که گزارش‌های اداری را پردازش می‌کنند.

یکی از مهارت‌ها کمتر از آنچه باید مورد توجه قرار می‌گیرد. تنها ۳۰٪ مدیران و صاحبان کسب‌وکار ارزیابی درست یا نادرست بودن خروجی هوش مصنوعی را ضرورتی مطلق می‌دانند و به همین دلیل، این مهارت در فهرستی هفت‌موردی در رتبه ششم قرار گرفته است. با گسترش ابزارهای هوش مصنوعی در صنایع بیشتر، این مهارت است که خطاها را پیش از آنکه مشکل‌ساز شوند شناسایی می‌کند. تجربه کاری نیز بیش از هر چیز در همین زمینه کمک می‌کند: برای تشخیص پاسخ نادرست، باید بدانید پاسخ درست چه شکلی است.

پذیرش زودهنگام هوش مصنوعی چه کمکی به مسیر شغلی شما می‌کند؟

پذیرش زودهنگام هوش مصنوعی مزیت حرفه‌ای روشنی به همراه دارد: داده‌های نظرسنجی TripleTen نشان می‌دهد وقتی مدیران مهارت یا فرایند خودکارسازی جدیدی را از یکی از کارکنان آموخته‌اند، ۸۸٪ از نوآوری‌های مبتنی بر هوش مصنوعی که کارکنان آغازگر آن بوده‌اند، به رویه استاندارد شرکت تبدیل شده‌اند.

در صنایعی که زودتر هوش مصنوعی را به کار می‌گیرند، کارکنانی که وظایف اداری تکراری را شناسایی و با ابزارهای هوش مصنوعی ساده‌تر می‌کنند، در شکل دادن به سیاست‌های سازمانی نقش دارند. هم‌زمان با آغاز به‌کارگیری گسترده‌تر نرم‌افزارهای مجهز به هوش مصنوعی در شبکه‌های سلامت، مؤسسات آموزشی و کسب‌وکارهای خرده‌فروشی، کارکنانی که می‌دانند چگونه خروجی‌ها را اعتبارسنجی کنند، برای مدل‌ها prompt بنویسند و وظایف روزمره را خودکارسازی کنند، مزیت چشمگیری خواهند داشت. توانایی ساده‌سازی کارهای اداری، احتمال حفظ شغل، ارتقا و افزایش دستمزد را بیشتر می‌کند.

Ana Riabova، مسئول راهبرد و توانمندسازی هوش مصنوعی در TripleTen، می‌گوید: «همه از صرفه‌جویی در وقت حرف می‌زنند، اما دستاورد واقعیِ پذیرش زودهنگام این است که دامنه کارهایی را که واقعاً می‌توانید انجام دهید گسترش می‌دهد. کسانی که از دیگران پیشی می‌گیرند، از آن برای انجام کارهایی استفاده می‌کنند که قبلاً ناچار بودند به دیگران بسپارند. فرقی نمی‌کند ارشد باشید یا تازه‌کار. مهارت‌های اصلی‌تان را حفظ می‌کنید، اما ناگهان دیگر به آن‌ها محدود نمی‌شوید.»

شکاف منابع هوش مصنوعی: هزینه آموزش را چه کسی می‌پردازد و کارکنان چگونه یاد می‌گیرند؟

اگر صنایع غیرفناوری این ابزارها را به‌تدریج‌تر بپذیرند، چالش کارکنان دسترسی به منابع آموزشی باکیفیت خواهد بود. میزان هزینه‌ای که کارکنان از جیب خود برای آموزش می‌پردازند، در صنایع مختلف تفاوت چشمگیری دارد:

• فناوری: میانگین ۱٬۷۵۸ دلار (۱۳٪ هیچ هزینه‌ای نکرده‌اند)
• بخش مالی: میانگین ۱٬۶۶۴ دلار (۲۴٪ هیچ هزینه‌ای نکرده‌اند)
• سلامت: میانگین ۹۹۰ دلار (۴۵٪ هیچ هزینه‌ای نکرده‌اند)
• آموزش: میانگین ۸۸۳ دلار (۴۲٪ هیچ هزینه‌ای نکرده‌اند)

تقریباً نیمی از کارکنان بخش‌های سلامت و آموزش در سال گذشته هیچ هزینه‌ای از جیب خود برای توسعه حرفه‌ای نپرداخته‌اند. افزون بر این، کارکنان بخش فناوری فعالانه از طیف گسترده‌تری از روش‌های یادگیری استفاده می‌کنند (شکل ۳).

شکل ۳: تلاش‌ها برای توسعه حرفه‌ای نیز از روند پذیرش هوش مصنوعی پیروی می‌کنند.

منبع: TripleTen، ۲۰۲۶

احتمال استفاده کارکنان بخش فناوری از چت‌بات‌های هوش مصنوعی به‌عنوان ابزار یادگیری تقریباً دو برابر همه کارکنان است (۴۸٪ در برابر ۲۷٪) و بیش از دو برابر کارکنان خارج از این بخش است (۲۱٪). به این ترتیب، آن‌ها عملاً از هوش مصنوعی برای تسریع یادگیری مهارت‌های دیگر استفاده می‌کنند.

بااین‌حال، اگر از کارکنان بپرسید برای آموختن یک مهارت شغلی جدید بیش از همه به چه کسی اعتماد دارند، فردی را انتخاب می‌کنند که در حال حاضر همان کار را انجام می‌دهد (۳۱٪). افراد کمتری یک دوره رسمی دریافت گواهی‌نامه (۱۹٪)، ابزار هوش مصنوعی (۱۶٪) یا استاد دانشگاه (۶٪) را انتخاب می‌کنند.

جمع‌بندی

تفاوت نرخ پذیرش هوش مصنوعی در صنایع مختلف، داستان موفقیت یا شکست یک گروه نیست؛ بلکه روایتگر زمانی است که انتشار فناوری در اقتصاد طی می‌کند. بخش‌های فناوری و مالی اکنون سازوکارهای ادغام هوش مصنوعی را می‌آزمایند. برای کارکنان حوزه‌های سلامت، آموزش، خرده‌فروشی و تولید، مرحله کنونی فرصتی ارزشمند است تا مشاهده کنند کدام مهارت‌ها واقعاً بهره‌وری را افزایش می‌دهند و پیش از آنکه این مهارت‌ها به انتظارات استاندارد صنعت تبدیل شوند، آن‌ها را فرا بگیرند.

این مطلب را TripleTen تهیه کرده است و کارکنان تحریریه MIT Technology Review آن را ننوشته‌اند.