گفتمان پیرامون هوش مصنوعی در محیط کار تقریبا به طور انحصاری بر روی دستاوردها متمرکز است: افزایش بهرهوری، سرعت بخشیدن به فرآیندها و خودکارسازی وظایف تکراری. رهبران تجاری با اشتیاق در حال ادغام این ابزارهای قدرتمند در گردش کارهای تیمهایشان هستند، با این باور که تنها در حال افزودن یک لایه کارایی به توانایی های انسانی هستند. اما علوم اعصاب در حال آشکار کردن یک حقیقت بسیار عمیق تر و نگران کننده تر است. هر ابزاری که ما استفاده می کنیم، مغز ما را باز سیمکشی می کند و هوش مصنوعی قدرتمندترین ابزاری است که بشر تا به حال ساخته.
وابستگی فزاینده ما به این دستیارهای شناختی در حالی که مزایای آشکاری دارد، یک هزینه پنهان و قابل توجه نیز به همراه دارد: تضعیف تدریجی و نامرئی برخی از مهمترین مدارهای عصبی ما که مسئول تفکر عمیق، خلاقیت واقعی و قضاوت شهودی هستند. این یک معامله نادیده گرفته شده است که در آن، ما در حال واگذاری توانایی های شناختی خود در ازای راحتی هستیم و این می تواند پرهزینه ترین تصمیم استراتژیک در تاریخ کسب و کار مدرن باشد.
فرسایش نقشه های ذهنی: وقتی مغز دیگر مسیریابی نمی کند
یکی از مستندترین یافته ها در علوم اعصاب، تاثیر ابزارهای مسیریابی مانند جی پی اس بر مغز انسان است. وقتی ما به طور فعالانه در یک محیط جدید مسیریابی می کنیم، ناحیه ای از مغز به نام هیپوکامپ، که مسئول حافظه فضایی و ساختن نقشه های شناختی است، به شدت فعال می شود. این نقشه ها، مدل های ذهنی پیچیده ای از جهان اطراف ما هستند که برای حل مسئله و درک زمینه ضروری اند. اما زمانی که ما کورکورانه از دستورالعمل های گام به گام یک اپلیکیشن پیروی می کنیم، این بخش از مغز ما تقریبا خاموش می ماند. استفاده مداوم از این ابزارها، به معنای واقعی کلمه، توانایی مغز ما برای ساختن این نقشه ها را تضعیف می کند.
این پدیده یک استعاره قدرتمند برای اتفاقی است که در سطوح پیچیده تر کسب و کار در حال رخ دادن است. هوش مصنوعی، در حال تبدیل شدن به جی پی اس شناختی ما برای همه چیز است و این راحتی، ما را از یادگیری مسیر باز می دارد.
یک مدیر زنجیره تامین باتجربه در یک شرکت لجستیک جهانی مانند فدکس را در نظر بگیرید. این فرد، پس از سال ها مواجهه با بحران های مختلف، یک نقشه شناختی بسیار پیچیده از جریان کالاها، نقاط ضعف سیستم و روابط میان متغیرهای بی شمار در ذهن خود ساخته است. این درک شهودی به او اجازه می دهد تا در هنگام وقوع یک رویداد پیشبینی نشده (مانند یک توفان یا یک اعتصاب)، به سرعت مسیرهای جایگزین خلاقانه ای را پیدا کند.
اکنون یک سیستم هوش مصنوعی بهینه سازی مسیر را در اختیار یک مدیر جوان تر قرار دهید. این سیستم بسیار کارآمد است، اما به ندرت «چرا»ی پیشنهادات خود را توضیح می دهد. این مدیر جوان، بدون اینکه مجبور باشد با پیچیدگی ها دست و پنجه نرم کند، به پاسخ های صحیح می رسد، اما هرگز آن نقشه شناختی عمیق را در مغز خود نمی سازد. او در حال تبدیل شدن به یک اپراتور کارآمد است، اما نه یک استراتژیست تاب آور و در روزی که الگوریتم به دلیل یک متغیر جدید شکست بخورد، این مدیر جوان در پیدا کردن مسیر کاملا ناتوان خواهد بود.
توهم دانش: وقتی پاسخ ها جایگزین پرسش ها می شوند
یادگیری واقعی، فرآیندی فعال، پرزحمت و اغلب ناامیدکننده است که با پرسیدن سوالات، جستوجوی منابع متناقض و سنتز کردن اطلاعات برای رسیدن به یک درک جدید مشخص می شود. این «کشمکش سازنده»، مدارهای عصبی مربوط به تفکر انتقادی و تحلیل عمیق را تقویت می کند. مدل های زبان بزرگ مانند چت جی پی تی، این فرآیند را به طور کامل دور می زنند. آنها به جای ارائه ابزارهایی برای تحقیق، مستقیما «پاسخ»های خوش ساخت و قانع کننده را در اختیار ما قرار می دهند. این کار، یک «توهم دانش» خطرناک ایجاد می کند: ما احساس می کنیم که چیزی را می دانیم، در حالی که در واقع، تنها مصرف کننده منفعل یک خروجی الگوریتمیک بوده ایم، بدون اینکه فرآیند شناختی لازم برای رسیدن به آن نتیجه را طی کرده باشیم. این مسیر کوتاه، جذاب است، اما به قیمت از دست رفتن توانایی ما برای تشخیص اطلاعات نادرست، درک تفاوت های ظریف و مهمتر از همه، پرسیدن سوالات بهتر تمام می شود.
در دنیای مالی و سرمایه گذاری، این خطر به شدت ملموس است. یک تحلیلگر جوان در یک بانک سرمایه گذاری مانند گلدمن ساکس (Goldman Sachs) را تصور کنید. در گذشته این تحلیلگر باید ساعت ها وقت صرف خواندن گزارش های مالی صد صفحه ای، استخراج داده ها به صورت دستی و ساختن مدل های مالی از ابتدا می کرد. این فرآیند طاقت فرسا، یک محصول جانبی بسیار ارزشمند داشت: یک درک شهودی عمیق از سلامت یک شرکت و توانایی دیدن داستان پشت اعداد. امروزه، یک هوش مصنوعی می تواند همان گزارش را در چند ثانیه خلاصه کرده و نکات کلیدی را استخراج نماید. این تحلیلگر جوان بسیار سریع تر به نتیجه می رسد، اما آن شهود و آن «حس ششم» برای تشخیص یک مشکل پنهان را هرگز توسعه نمی دهد. او به جای اینکه یاد بگیرد چگونه مانند یک سرمایه گذار فکر کند، تنها یاد می گیرد که چگونه از یک ابزار هوش مصنوعی استفاده نماید و این دو، به هیچ وجه یکسان نیستند.
مطلب مرتبط: آیا کسب و کار شما برای استفاده از هوش مصنوعی آماده است؟
مرگ نوشتار به مثابه تفکر: وقتی ماشین به جای ما فکر می کند
بسیاری از ما نوشتار را تنها ابزاری برای انتقال افکاری می دانیم که از قبل در ذهن ما شکل گرفته اند، اما علوم شناختی نشان می دهد که این تصور کاملا اشتباه است. نوشتار، به ویژه فرآیند دشوار پیشنویس کردن، ویرایش و بازنویسی، یکی از قدرتمندترین ابزارهای ما برای فکر کردن است.
عمل تلاش برای بیان یک ایده پیچیده با کلمات، خود آن ایده را شکل داده و شفاف می سازد. ما اغلب تا زمانی که سعی نکنیم چیزی را بنویسیم، دقیقا نمی دانیم که به چه چیزی فکر می کنیم. ابزارهای هوش مصنوعی مولد، با تولید متن های روان و کامل در یک لحظه، این فرآیند حیاتی را از ما می ربایند. آنها ما را از «کشمکش با کلمات» و در نتیجه، از «کشمکش با ایده ها» بی نیاز می کنند. نتیجه، ممکن است متنی باشد که خوب به نظر می رسد، اما محصول یک تفکر سطحی است و این سطحینگری، به تدریج به استراتژی های کسب و کار ما نیز نفوذ خواهد کرد.
تصور کنید تیم بازاریابی یک برند لوکس مانند شنل قصد دارد یک بیانیه مطبوعاتی برای معرفی یک محصول جدید بنویسد. صدای این برند، ترکیبی بسیار ظریف از سنت، نوآوری، انحصار و قدرت زنانه است. فرآیند نوشتن این بیانیه، یک تمرین عمیق در استراتژی برند است؛ هر کلمه باید با دقت سنجیده شود تا این تعادل حفظ گردد.
حال اگر این تیم از یک هوش مصنوعی برای تولید پیشنویس اولیه استفاده کند، ممکن است یک متن کاملا قابل قبول دریافت کند، اما آن فرآیند شناختی گروهی، آن بحث و جدل ها بر سر انتخاب یک صفت خاص و آن تعمق در معنای دقیق هر جمله، هرگز اتفاق نمی افتد. با تکرار این فرآیند، عضله تفکر استراتژیک و درک ظرایف برند در این تیم، به تدریج ضعیف می شود و صدای منحصر به فرد شنل، در معرض خطر تبدیل شدن به یک صدای عمومی و ماشینی قرار می گیرد.
سخن پایانی
این یک بیانیه علیه هوش مصنوعی نیست؛ این یک فراخوان برای استفاده آگاهانه و عمدی از آن است. انکار کردن قدرت این ابزارها، به همان اندازه خطرناک است که پذیرش کورکورانه آنها. چالش بزرگ رهبران تجاری در دهه آینده، نه چگونگی «پیاده سازی» هوش مصنوعی، که چگونگی حفاظت از هوش انسانی در عصر هوش مصنوعی است.
این نیازمند طراحی آگاهانه گردش کارهایی است که در آنها، از هوش مصنوعی به عنوان یک دستیار برای انجام کارهای تکراری استفاده می شود، اما فضایی مقدس برای «کشمکش سازنده»، تفکر عمیق و یادگیری پرزحمت انسانی نیز حفظ می گردد. رهبران باید به مربیان شناختی تیم هایشان تبدیل شوند و به آنها کمک کنند تا بدانند چه زمانی باید از میانبر الگوریتمی استفاده کنند و چه زمانی باید مسیر طولانی و پرپیچ و خم تفکر مستقل را در پیش بگیرند. در نهایت، بزرگترین مزیت رقابتی پایدار، نه دسترسی به بهترین الگوریتم ها، که پرورش نسلی از انسان هایی خواهد بود که هنوز می دانند چگونه بدون آنها فکر کنند.
منابع: