پشیمانی پس از اخراجCNBC Tech
۱۰ تیر ۱۴۰۵

کارفرمایان پس از اخراج‌های هوش مصنوعی دوباره استخدام می‌کنند

دسته بندی: تحلیل عمومی
میزان اهمیت:
۷/ ۱۰
پشیمانی پس از اخراج

اصل ماجرا

  • برخی شرکت‌هایی که به امید هوش مصنوعی نیرو اخراج کرده بودند، حالا مسیرشان را برمی‌گردانند.
  • فورد دوباره صدها مهندس باتجربه را برای حل مشکلات کیفیت به کار می‌گیرد.
  • بانک Commonwealth و آی‌بی‌ام هم فهمیده‌اند حذف انسان‌ها همیشه بهره‌وری نمی‌آورد.
  • داده‌ها نشان می‌دهد بسیاری از مدیران بعد از اخراج‌های مرتبط با هوش مصنوعی، به اشتباه خود اعتراف کرده‌اند.

اعداد کلیدی

۹۴درصد

درخواست‌های ساده

آی‌بی‌ام می‌گوید هوش مصنوعی منابع انسانی‌اش حدود ۹۴ درصد درخواست‌های روتین را پاسخ می‌داد، اما همان بخش باقی‌مانده مسئله‌ساز شد.

۶درصد

مسائل دشوار

آن ۶ درصد باقی‌مانده شامل موضوعات پیچیده‌تر، مثل دوراهی‌های اخلاقی بود؛ همان‌جایی که قضاوت انسانی هنوز حیاتی است.

۳۹درصد

رهبران اخراج‌کننده

طبق گزارش Orgvue، سی و نه درصد رهبران کسب‌وکار به دلیل استقرار هوش مصنوعی نیرو تعدیل کرده‌اند.

چرا مهم است؟

اخراج ارزان همیشه هوشمندانه نیست: شرکت‌ها ممکن است با حذف نیروها در کوتاه‌مدت هزینه را پایین بیاورند، اما اگر دانش، تجربه و قضاوت انسانی را هم حذف کنند، بعداً با هزینه بالاتر مجبور به بازسازی همان توانایی می‌شوند. هوش مصنوعی بدون آدم‌های ماهر، اغلب فقط یک ابزار نیمه‌کاره است.

کارهای ساده همه کار نیستند: اینکه یک سیستم بتواند ۹۴ درصد درخواست‌های روتین را جواب دهد، عالی است؛ اما بسیاری از ارزش واقعی سازمان در همان موقعیت‌های غیرروتین، مبهم و حساس پنهان است. جایی که اخلاق، تجربه و درک زمینه لازم می‌شود، انسان هنوز نقش کلیدی دارد.

مهارت‌آموزی از اخراج مهم‌تر می‌شود: پیام اصلی برای کارکنان و مدیران این است که رقابت آینده میان انسان و هوش مصنوعی نیست، میان کارکنان مجهز به هوش مصنوعی و سازمان‌های بدآماده است. شرکت‌هایی برنده می‌شوند که نیروهایشان را آموزش دهند، نه اینکه با عجله حذفشان کنند.

شرح کامل ماجرا

چند سال پیش، روایت غالب در بسیاری از اتاق‌های هیئت‌مدیره ساده و وسوسه‌کننده بود: هوش مصنوعی می‌آید، کارهای تکراری را می‌گیرد، هزینه‌ها پایین می‌آید و شرکت چابک‌تر می‌شود. اما حالا بعضی از همان شرکت‌ها دارند با صدایی آرام‌تر و شاید کمی خجالت‌زده می‌گویند: نه، ماجرا این‌قدر ساده نبود. موج تازه‌ای از بازگشت نیروهای انسانی نشان می‌دهد هوش مصنوعی ابزار قدرتمندی است، اما وقتی جایگزین کامل انسان فرض شود، خیلی زود دیوار واقعیت جلویش سبز می‌شود.

فورد یکی از نمونه‌های مهم این چرخش است. این خودروساز reportedly در حال بازگرداندن صدها مهندس باتجربه است تا روی مشکلات کیفیتی کار کنند که سیستم‌های خودکار نتوانسته‌اند حل کنند. چارلز پون (Charles Poon)، معاون مهندسی سخت‌افزار خودرو در فورد، جمله‌ای گفته که خلاصه کل ماجراست: هوش مصنوعی ابزار فوق‌العاده‌ای است، اما فقط به اندازه داده‌هایی که با آن آموزش دیده خوب عمل می‌کند. به زبان ساده، اگر آشپز رباتیک بهترین دستور پخت را هم داشته باشد، وقتی مواد اولیه ناقص یا بدفهمیده‌شده باشد، غذا خراب می‌شود.

بانک Commonwealth در استرالیا هم تجربه مشابهی داشت. این بانک سال گذشته بیش از ۴۰ نیروی خدمات مشتری را کنار گذاشت و به‌جای آن‌ها از بات صوتی هوش مصنوعی استفاده کرد. اما سیستم نتوانست فشار واقعی تماس‌ها را مدیریت کند و حجم تماس‌ها بالا رفت. در نهایت بانک مجبور شد تصمیم تعدیل را برگرداند. اتحادیه بخش مالی استرالیا این عقب‌نشینی را یک پیروزی بزرگ دانست و خود بانک هم پذیرفت که هنگام اعلام تعدیل‌ها، همه ملاحظات تجاری لازم را به‌درستی بررسی نکرده بود.

آی‌بی‌ام هم تصویر پیچیده‌تری از «اتوماسیون موفق» ارائه می‌دهد. این شرکت بخشی از عملکرد منابع انسانی را به هوش مصنوعی سپرده بود و سیستم توانست حدود ۹۴ درصد درخواست‌های روتین را مدیریت کند. روی کاغذ، این عدد عالی به نظر می‌رسد. اما مشکل دقیقاً همان ۶ درصد باقی‌مانده بود: پرسش‌ها و موقعیت‌هایی که شامل ابهام، قضاوت انسانی یا دوراهی‌های اخلاقی می‌شدند. حالا آی‌بی‌ام می‌گوید می‌خواهد استخدام نیروهای تازه‌کار در آمریکا را در سال ۲۰۲۶ در سراسر واحدهای کسب‌وکارش سه برابر کند؛ چون اگر نیروی تازه تربیت نشود، چند سال بعد چاه استعداد خشک می‌شود.

داده‌ها هم نشان می‌دهد این فقط چند روایت جداگانه نیست. طبق گزارش Orgvue، ۳۹ درصد رهبران کسب‌وکار به دلیل استقرار هوش مصنوعی نیرو تعدیل کرده‌اند؛ اما از میان آن‌ها، ۵۵ درصد پذیرفته‌اند تصمیم‌های اشتباهی درباره این تعدیل‌ها گرفته شده است. داده‌های Robert Half هم می‌گوید ۳۲ درصد مدیران استخدام در آمریکا نقشی را عمدتاً به‌خاطر هوش مصنوعی حذف کرده‌اند و بعداً برای همان نقش یا نقشی مشابه دوباره نیرو گرفته‌اند. این یعنی در عمل، بعضی شرکت‌ها اول صندلی را حذف کرده‌اند و بعد فهمیده‌اند هنوز کسی باید پشت میز بنشیند.

درس اصلی این موج پشیمانی این نیست که هوش مصنوعی بی‌فایده است؛ دقیقاً برعکس. مشکل از جایی شروع می‌شود که شرکت‌ها آن را نه مثل ابزار تقویت‌کننده انسان، بلکه مثل کلید خاموش‌کردن انسان می‌بینند. تحلیلگران می‌گویند شرکت‌هایی که فقط با شعار «فناوری به‌جای انسان» بودجه بستند، اما روی آموزش و ارتقای مهارت کارکنان سرمایه‌گذاری نکردند، تیم‌هایی ساختند که حتی نمی‌توانستند از هوش مصنوعی درست استفاده کنند. آینده کار احتمالاً نه دفترهای بدون انسان است و نه بازگشت کامل به گذشته؛ آینده، تیم‌هایی است که انسان و ماشین را مثل دو نوازنده در یک گروه هماهنگ می‌کنند.

مطالعه در منبع اصلی

آنچه کمتر دیده می‌شود (زوایای پنهان)

۱

بسیاری از شرکت‌ها مشکل را اشتباه فهمیدند: مسئله این نبود که انسان‌ها زیادی‌اند، مسئله این بود که کارکنان برای کار با هوش مصنوعی به اندازه کافی آموزش ندیده بودند.

۲

پشیمانی از اخراج‌های هوش مصنوعی می‌تواند موج تازه‌ای از استخدام ایجاد کند، اما این بار برای نقش‌هایی که ترکیبی از تخصص انسانی و توانایی کار با ماشین هستند.

میزان اهمیت

اهمیت کلی
۱۰از۷
فرصت۸/۱۰
ارتباط با ایران۵/۱۰
زمان‌بندی۷/۱۰
ریسک رقبا۴/۱۰

چه کسانی باید توجه کنند؟

مدیران منابع انسانی، کارفرمایان و کارکنان.

✨ تبدیل تحلیل با AI

بازنویسی آماده برای انتشار در شبکه‌های اجتماعی

Lensora AI
شرکت‌هایی که به بهانه هوش مصنوعی کارکنان را اخراج کردند، حالا آرام‌آرام دارند عقب‌نشینی می‌کنند.

فورد reportedly دوباره صدها مهندس باتجربه را برمی‌گرداند تا مشکلات کیفیتی را حل کنند که سیستم‌های خودکار از پسشان برنیامدند. بانک Commonwealth بعد از حذف بیش از ۴۰ نیروی خدمات مشتری و جایگزینی آن‌ها با بات صوتی، با افزایش تماس‌ها مواجه شد و تصمیمش را برگرداند. آی‌بی‌ام هم بعد از اتوماسیون بخش بزرگی از منابع انسانی، فهمیده همان ۶ درصد مسائل غیرروتین می‌تواند بسیار مهم باشد.

اما چرا این موضوع مهم است؟ چون هوش مصنوعی وقتی به‌عنوان ابزار تقویت انسان استفاده شود، فوق‌العاده است؛ اما وقتی بهانه‌ای برای حذف عجولانه تجربه، قضاوت و دانش سازمانی شود، می‌تواند بهره‌وری را کم کند. داده‌ها هم همین را نشان می‌دهد: بخشی از مدیران پس از تعدیل‌های مرتبط با هوش مصنوعی، به اشتباه بودن تصمیم‌هایشان اعتراف کرده‌اند.

زاویه پنهان: مشکل اصلی شاید این نبود که شرکت‌ها نیروی انسانی زیادی داشتند؛ مشکل این بود که نیروها را برای کار با هوش مصنوعی آماده نکردند. حذف انسان ساده‌تر از آموزش اوست، اما همیشه ارزان‌تر تمام نمی‌شود.

آیا شرکت‌ها از موج اول اخراج‌های هوش مصنوعی یاد می‌گیرند، یا دوباره فناوری را با جایگزینی کورکورانه انسان اشتباه می‌گیرند؟

🔗 جزئیات بیشتر در لنزورا:
/news/کارفرمایان-پس-از-اخراجهای-هوش-مصنوعی-دوباره-استخدام-میکنند
🤖 پشیمانی شرکت‌ها از اخراج به نام هوش مصنوعی

🔁 چه شد؟ بعضی شرکت‌هایی که نیروها را به امید جایگزینی با هوش مصنوعی اخراج کرده بودند، حالا دوباره به استخدام انسان‌ها برگشته‌اند.

🏭 نمونه‌ها: فورد reportedly صدها مهندس باتجربه را برمی‌گرداند، بانک Commonwealth بعد از ناکامی بات صوتی عقب‌نشینی کرده و آی‌بی‌ام هم دوباره روی استخدام نیروهای تازه‌کار تمرکز کرده است.

💡 چرا مهم است؟ هوش مصنوعی ابزار قدرتمندی است، اما بدون تجربه و قضاوت انسانی می‌تواند تصمیم‌گیری را کندتر، خطاها را بیشتر و بهره‌وری را کمتر کند.

🕵️ زاویه پنهان: مسئله اصلی حذف انسان نبود؛ آموزش ندادن انسان‌ها برای کار درست با هوش مصنوعی بود.

🔗 جزئیات بیشتر در لنزورا:
/news/کارفرمایان-پس-از-اخراجهای-هوش-مصنوعی-دوباره-استخدام-میکنند
ادامه مطالعهپیشنهاد مطالعه
تله انتخاب بی‌نقص
۴۵۰دلارکالسکه ناموفق
تله انتخاب بی‌نقصسردبیر

چرا امتیازهای آنلاین تصمیم‌های ساده را به کاری فرسایشی تبدیل کرده‌اند

چرا مهم است؟

نقدهای آنلاین قرار بود میان‌بری برای انتخاب بهتر باشند، اما انبوه نظرها بسیاری از کاربران را وارد چرخه‌ای از مقایسه، تردید و نارضایتی کرده است.

۱۲ مرداد ۱۴۰۵
میزان اهمیت
۷ از ۱۰
نشت خاموش استعدادهای زن
۶۰درصدفرسودگی زنان ارشد
نشت خاموش استعدادهای زنFast Company

انعطاف ظاهری بدون فرصت برابر، مدیران زن را حفظ نمی‌کند

چرا مهم است؟

زنان مدیر فقط با حجم کار نمی‌جنگند؛ سیاست‌های انعطاف‌ناپذیر و سوگیری‌های پنهان، استعدادهای باتجربه را از شرکت‌ها بیرون می‌رانند.

۵ مرداد ۱۴۰۵
میزان اهمیت
۶ از ۱۰