با بررسی بیشتر شرکت‌ها که چگونه هوش مصنوعی می‌تواند بهره‌وری را افزایش دهد، یک جنبه مهم اغلب نادیده گرفته می‌شود: این که چگونه کارمندان واقعاً این ابزارها را در کار روزانه خود به کار می‌گیرند و استفاده می‌کنند. سوال این نیست که آیا هوش مصنوعی می‌تواند بهره‌وری را افزایش دهد یا خیر، بلکه این است که چگونه شرکت‌ها می‌توانند به طور موثر از کارمندان در هر مرحله از تعامل با هوش مصنوعی برای به حداکثر رساندن ROI حمایت کنند.
به‌عنوان مدیر عامل Prodoscore، ارائه‌دهنده پیشرو در بهره‌وری کارکنان و نرم‌افزار هوشمند داده‌ها، من به‌طور مستقیم مشاهده کرده‌ام که پذیرش هوش مصنوعی – یا عدم وجود آن – در محل کار چگونه انجام می‌شود. با بهره‌گیری از بینش‌های مبتنی بر داده از موقعیت Prodoscore در پیوند هوش مصنوعی و تجارت، در اینجا سه نکته کلیدی در مورد اینکه چگونه رهبران می‌توانند از استفاده کامل ابزارهای هوش مصنوعی در سازمان‌هایشان اطمینان حاصل کنند، آورده شده است.
1. وقتی صحبت از استفاده از هوش مصنوعی می شود، سه گروه متمایز از کارمندان وجود دارد.
از آنجایی که هوش مصنوعی در C-suite به عنوان مهم‌ترین مورد توجه قرار گرفته است، بحث پذیرش هوش مصنوعی به نتایج ملموس کشیده شده است. اکنون می توان بازده بهره وری هوش مصنوعی را در یک سطح دانه بندی که شامل زمان صرف شده و تأثیر بر درآمد است، اندازه گیری و درک کرد. داده های اخیر Prodoscore نشان می دهد که کارمندان در مورد پذیرش هوش مصنوعی به سه دسته مجزا تقسیم می شوند.
- انگشتان پا: این کارمندان به میزان اندکی از هوش مصنوعی استفاده می کنند و در هر جلسه بیش از یک دقیقه درگیر هستند. آنها ممکن است هوش مصنوعی را آزمایش کنند، اما هنوز آن را به طور کامل در جریان کاری خود وارد نکرده اند.
- پاگردها: اینها کاربران نسبتاً فعالی هستند که 2 تا 4 بار در هر جلسه به ابزارهای هوش مصنوعی دسترسی دارند و میانگین استفاده آنها کمتر از سه دقیقه است. این کارمندان در حال آزمایش آب هستند و به دنبال ترکیب هوش مصنوعی برای بهبود کار خود هستند، اما همچنان با احتیاط به ابزارها نزدیک می شوند.
- شناگران: اینها کاربران بسیار فعال و رهبران بالقوه هوش مصنوعی در شرکت هستند. آنها پنج بار یا بیشتر در هر جلسه با ابزارهای هوش مصنوعی تعامل دارند و میانگین زمان استفاده آنها نزدیک به شش دقیقه است. آنها ارزشی را که هوش مصنوعی برای نقش‌هایشان به ارمغان می‌آورد درک می‌کنند و متعهد هستند که از آن برای بهبود بهره‌وری استفاده کنند.
سازمان‌هایی که این گروه‌های شغلی متمایز را به رسمیت می‌شناسند، می‌توانند رویکرد خود را برای پذیرش هوش مصنوعی بر این اساس تنظیم کنند. علاوه بر این، تأثیر هوش مصنوعی بر بهره وری از خطوط صنعت فراتر می رود. ابزارهای هوش مصنوعی مانند OpenAI و سایرین، چه حقوقدانان، متخصصان فناوری اطلاعات یا مدیران، در طیف گسترده ای از نقش ها و صنایع مفید هستند. در هر مورد، استفاده از هوش مصنوعی افزایش قابل توجهی در کارایی و صرفه جویی در زمان نشان داده است.
2. یک رویکرد منعطف و مبتنی بر داده برای پذیرش هوش مصنوعی مزایای بیشتری به همراه دارد.
برای استفاده واقعی از قدرت هوش مصنوعی، شرکت ها باید فراتر از تبلیغ صرفاً هوش مصنوعی به عنوان یک کلمه کلیدی حرکت کنند. کسب‌وکارهای موفق از داده‌ها برای چابک ماندن استفاده می‌کنند، که به آنها اجازه می‌دهد تا تصمیمات هوشمندانه و آگاهانه‌ای در مورد منابع و کارایی بگیرند.
به عنوان مثال، ردیابی رابطه بین استفاده از هوش مصنوعی کارکنان و بهره‌وری، بینش روشن‌تری را در مورد چگونگی تأثیر این ابزارها بر نتایج کسب‌وکار به رهبران کسب‌وکار ارائه می‌دهد. طبق تحقیقات Prodoscore، در روزهایی که کارمندان از ابزارهایی مانند OpenAI یا Gemini استفاده می کنند، 15 تا 21 درصد بیشتر از افرادی که از چنین ابزارهایی استفاده نمی کنند بهره وری دارند. در همین حال، کارمندانی که با ابزارهای هوش مصنوعی درگیر هستند، به طور متوسط 90 دقیقه در روز در مقایسه با افرادی که این کار را نمی کنند، کار می کنند. آنها همچنین زمان بیشتری را صرف همکاری با استفاده از ابزارهای پیام رسانی و چت، تقویت کار تیمی و ارتباطات داخلی بیشتر می کنند.
این اعداد بر یک نکته حیاتی تأکید دارند: تأثیر هوش مصنوعی بر بهره وری قابل توجه است. با این حال، تنها معرفی هوش مصنوعی به محیط کار کافی نیست. یک رویکرد پویا مبتنی بر داده و قابل تنظیم برای اطمینان از اینکه کارمندان ابزارهای هوش مصنوعی را به گونه‌ای اتخاذ می‌کنند که از گردش کار منحصربه‌فرد و اهداف شرکت پشتیبانی می‌کند، ضروری است.
علاوه بر این، اهمیت ارتباط بین کارکنان و مدیران، به ویژه در محیط های کاری ترکیبی، قابل اغراق نیست. بر اساس داده های Prodoscore، 61% از مدیران حداقل با یکی از اعضای تیم خود در یک هفته معین صحبت نکرده اند، در حالی که تنها 16 درصد از مدیران با تمام اعضای تیم ارتباط روزانه برقرار می کنند. میانگین شکاف ارتباطی است 3-4 روز، که می تواند مانع استفاده موثر از ابزارهای هوش مصنوعی و بهره وری کلی شود.
برای استفاده از ارزش کامل هوش مصنوعی، شرکت ها باید اطمینان حاصل کنند که رویه های ارتباطی موثر بین مدیران و کارکنان، به ویژه در مورد پذیرش هوش مصنوعی وجود دارد. در محیط های ترکیبی، اهمیت ارتباطات حتی بیشتر است.
3. آموزش و دستورالعمل های استفاده تعیین شده ضروری است.
علیرغم مزایای واضح هوش مصنوعی، شکاف قابل توجهی بین کارمندانی که با استفاده از ابزارهای هوش مصنوعی احساس راحتی می کنند و افرادی که این کار را نمی کنند وجود دارد. از بین بردن این شکاف بسیار مهم است و این بر عهده کارفرمایان است که آموزش های لازم را ارائه دهند و دستورالعمل های روشنی را در مورد نحوه استفاده از ابزارهای هوش مصنوعی ایجاد کنند.
داده های Prodoscore نشان می دهد که در حالی که 24٪ از کارمندان حداقل یک بار از OpenAI یا Gemini استفاده کرده اند، سطح تعامل بسیار متفاوت است. نیمی از این کاربران پنج بار یا بیشتر در طول روز کاری خود با ابزارهای هوش مصنوعی تعامل دارند که میانگین آن نزدیک به شش دقیقه است. با این حال، نیمه دیگر فقط برای کمی بیش از دو دقیقه درگیر می شوند.
این اختلاف نیاز به آموزش مداوم را برجسته می کند. کارمندانی که از نحوه استفاده موثر از ابزارهای هوش مصنوعی مطمئن نیستند، ممکن است به طور کامل از ابزارهای هوش مصنوعی دوری کنند و توانایی سازمان را برای بهره‌برداری کامل از مزایای هوش مصنوعی محدود کند و با ایجاد استرس غیرضروری یا اتلاف وقت، بهره‌وری را کاهش دهد. می تواند اطمینان حاصل کند که تعداد بیشتری از کارمندان از مرحله اولیه “شست پا کردن” فراتر رفته و هوش مصنوعی را کاملاً پذیرفته اند.\
با نگاه به آینده، هوش مصنوعی تنها زمانی بهره‌وری را بهبود می‌بخشد که کارمندان متعهد به استفاده از ابزارهایی باشند که در اختیار دارند. زمانی که شرکت‌ها آموزش می‌دهند و انتظارات خود را در مورد استفاده از هوش مصنوعی به وضوح بیان می‌کنند، این تعهد محتمل‌تر است.
هوش مصنوعی بهره‌وری را شکل می‌دهد – رهبران باید خود را وفق دهند.
پذیرش هوش مصنوعی در حال حاضر نحوه عملکرد کسب و کارها را تغییر می دهد. رهبران اکنون به داده های بیشتری نسبت به قبل دسترسی دارند تا تصمیمات خود را مطلع کنند. با این حال، ایجاد تعادل بین تکیه بر داده ها و استفاده از تخصص کارکنان مجرب و رهبری ارشد بسیار مهم است.
یکی از مهم‌ترین مزایای مدل‌های زبان بزرگ مبتنی بر هوش مصنوعی (LLM) توانایی آنها در هدایت تصمیمات تجاری در زمان واقعی است. با جریان یافتن داده‌ها، تغییرات سازمانی می‌تواند به صورت پویا ایجاد شود و کسب‌وکارها را قادر می‌سازد تا به سرعت حرکت کنند و نتایج را بهینه کنند. با این حال، داده ها هرگز نباید تصمیمات را به خودی خود دیکته کنند. رهبران همچنان باید به تخصص و شهود تیم های خود تکیه کنند. رهبری ارشد دارای دانش ارزشمندی است که باید با بینش های هوش مصنوعی ادغام شود تا رویکردی جامع برای بهره وری و نوآوری ایجاد شود.
در نهایت، موفق‌ترین سازمان‌هایی خواهند بود که می‌توانند انعطاف‌پذیر باقی بمانند، روند استفاده از هوش مصنوعی را از نزدیک رصد کنند و تصمیم‌های مبتنی بر داده‌ها را بگیرند. پذیرش هوش مصنوعی یک رویکرد یکسان نیست. این نیاز به پالایش، ارتباط و آموزش مداوم دارد تا پتانسیل واقعی خود را باز کند.
