في مارس، أجرى إيثان موليك، أستاذ مشارك في كلية وارتون بجامعة بنسلفانيا، تجربة. تساءل موليك، الذي يدرس الابتكار وريادة الأعمال، عن مدى استطاعته إنجاز مشروع تجاري في نصف ساعة. الهدف: استخدام أدوات الذكاء الاصطناعي لإنشاء مواد ترويجية لإطلاق لعبة تعليمية جديدة. ستقوم الذكاء الاصطناعي بإنشاء جميع الموارد، وسيكون موليك هو المرشد.
استخدام الذكاء الاصطناعي لزيادة الإنتاجية
استخدم موليك نموذج GPT-4 من Bing، الذي يعود لشركة مايكروسوفت، للحصول على معلومات حول منتجه وشكل سوقه. كما قام بإنشاء حملة بريد إلكتروني ووسائل التواصل الاجتماعي للإطلاق ووضع خطة لصفحة ويب للترويج للعبة. ثم قام موليك بفتح علامة تبويب منفصلة، وساعده GPT-4 في إنشاء تنسيق HTML لبناء الصفحة الفعلية. أعطى MidJourney، برنامج الذكاء الاصطناعي الذي ينتج صورًا من الإشارات المكتوبة، موليك صورة كبيرة وجذابة للترحيب بالزوار على الصفحة. أخيرًا، قام بإنشاء فيديو ترويجي. ومرة أخرى، أنتج Bing النص السينمائي. ثم أخذت Eleven Labs، برنامج يساعد في تطوير توليف الكلام الطبيعي، جميع المكونات وصنعتها في فيديو.
انتهى الوقت. وكان لدى موليك ما يكفي من المحتوى للبث المباشر.
التأثير المحتمل للذكاء الاصطناعي على الإنتاجية
في جوهرها، الإنتاجية هي معادلة رياضية مملة تقارن إخراج العامل على مدى وحدة زمنية معينة. كلما استطاع العامل إكمال المزيد من المهام خلال ساعة واحدة، كلما اعتبر أكثر إنتاجية.
وبهذا التعريف، بالتأكيد جعل الذكاء الاصطناعي موليك أكثر إنتاجية. بعد كل شيء، كم من الشركات يمكنها بناء حملة ترويجية في ثلاثين دقيقة بمجرد القوة البشرية والعقل؟ كم من الساعات توفرت بفضل هذه التقنيات الذكية؟ كم عدد وظائف عمال المعرفة التي أكملتها؟ هذه الأسئلة حول إنتاجية عمال المعرفة هي الآن في صدارة اهتمام الاقتصاديين والشركات والباحثين والمديرين الذين يفكرون في تأثير الذكاء الاصطناعي.
إذا كانت الإنتاجية مكافئة للنمو الاقتصادي، يبدو أن أدوات الذكاء الاصطناعي المعينة ستزيد من الإنتاجية. توقع تقرير حديث لشركة ماكنزي الاستشارية العالمية أن الذكاء الاصطناعي يمكن أن يضخ 4.4 تريليون دولار أمريكي في الاقتصاد العالمي كل عام. قد تولد البنوك ما بين 200 إلى 340 مليار دولار إضافية من خدمة العملاء واتخاذ القرارات وتتبع الاحتيال باستخدام الذكاء الاصطناعي. وتقدر التقرير أن شركات الرعاية الصحية والصيدلة يمكن أن ترى زيادة بنسبة 25٪ في الأرباح إذا ساعد الذكاء الاصطناعي في تطوير أدوية ومواد طبية جديدة.
وتشير الدراسات التي أجرتها معهد بحوث كابجميني، وهو مركز أبحاث يركز على تأثير التكنولوجيا الرقمية، إلى أن الذكاء الاصطناعي الإنتاجي سيعزز أيضًا الإنتاجية في قطاعات مثل تكنولوجيا المعلومات والمبيعات والتسويق.
تأثير الذكاء الاصطناعي على عمال المعرفة
في حين أن إمكانية الوصول إلى أدوات الذكاء الاصطناعي وانتشارها ستزيد بشكل عام من الإنتاجية للشركات، فقد وجدت الأبحاث أيضًا أن أدوات الذكاء الاصطناعي والتشغيل التلقائي لها تأثير على كيفية تركيز عمال المعرفة وإنجاز العمل. في دراسة أجرتها اقتصادية تحت رعاية Dropbox، وجدت مؤسسة Economist Impact أن 79٪ من الذين يستخدمون أدوات التشغيل التلقائي، بما في ذلك الذكاء الاصطناعي، في عملهم هم أكثر إنتاجية، في حين يقول نحو 70٪ إنهم أكثر تنظيمًا. وتقدر تقرير آخر لشركة ماكنزي أن الذكاء الاصطناعي يمكن أن يوفر 30٪ من ساعات العمل في الولايات المتحدة لعمال المعرفة من خلال مساعدتهم في البرمجة والرد على رسائل البريد الإلكتروني وتلقيم المهام الروتينية الأخرى.
ومع ذلك، يشكك بسكار تشاكرافورتي، عالم اقتصاد واستشاري في كلية فليتشر بجامعة توفتس، الذي يستخدم الذكاء الاصطناعي حتى الآن لمساعدته في إكمال رسائل البريد الإلكتروني تلقائيًا، في مدى قدرة أداة واحدة على القيام بالكثير. قال: “عندما تبدأ الرسائل في التراكم، أجد نفسي ضغط زر التبويب واستكمال الجملة المقترحة لي من Outlook”، وأضاف “هل يضيف هذا البضع ثواني الإضافية التي قمت بتوفيرها في البريد الإلكتروني الأخير إلى زيادة إنتاجيتي بشكل كبير؟ لا أعتقد ذلك”.
بعبارة أخرى، فقط لأننا يمكننا استخدام أدوات الذكاء الاصطناعي للقيام بالمزيد في وقت أقل لا يعني بالضرورة أن النتائج ستكون أفضل. يرى الخبراء أن السؤال ليس عن مدى سرعة الذكاء الاصطناعي في إيصالنا إلى خط النهاية، ولكن كيف يمكن استخدامه لتمكين التفكير النقدي والإبداع والتركيز أكثر لعمال المعرفة. إذا كنا قادرين على تفويض المهام الميكانيكية في قوائم المهام الخاصة بنا إلى الذكاء الاصطناعي، فكيف يؤثر ذلك على طريقة قضاء ساعات العمل وفي النهاية، قياس الإنتاجية البشرية؟
كيف يمكن للذكاء الاصطناعي أن يؤثر على الإنتاجية كما نعرفها
ليس سؤال تأثير الذكاء الاصطناعي على عمل المعرفة جديدًا. بالفعل يقوم الباحثون بدراسة آثار هذه التكنولوجيا وحتى الآن، تبدو النتائج من الدراسات المبكرة واعدة.
في دراسة أجريت في عام 2022، قامت Github بتجنيد 95 مطور برامج لمعرفة كم من الوقت سيستغرق لديهم كتابة خدمة HTTP بلغة جافا سكريبت. (كان جميع المشاركين محترفين، لذلك سيكون هذا مهمة يمكن للجميع إكمالها بدون مساعدة من البرامج.) تم السماح لنصفهم باستخدام GitHub Copilot، وهو أداة تعتمد على الذكاء الاصطناعي يمكنها استكمال الشفرة. أكمل البرمجيون الذين استخدموا Copilot المهمة بنسبة 55٪ أسرع من الآخرين الذين لم يستخدموها.
وفي الآونة الأخيرة، قام باحثون في معهد ماساتشوستس للتكنولوجيا بقياس كيف يمكن لـ ChatGPT أن يؤثر على الإنتاجية في مهام الكتابة. تم طلب من 444 محترفًا حاصلين على شهادة جامعية إكمال مهام كتابة بمساعدة ChatGPT وبدونها، وتم تقييم التقارير النهائية من قبل محترفين. خفض ChatGPT الوقت الذي قضاه المشاركون في المهمة من خلال تحسين جودة عملهم.
تشير هذه النتائج المبكرة إلى أن الكثير من الأعمال المملة والمستهلكة للوقت في قوائم المهام يمكن تفويضها إلى الذكاء الاصطناعي. فماذا يتبقى لبقية القائمة؟ يقترح مؤلفو دراسة MIT أن أدوات مثل ChatGPT يمكن أن تساعد الكتاب على التركيز أكثر على توليد الأفكار والتحرير. وقد وجدت دراسة Github Copilot أنه مع المزيد من الوقت الحر، يمكن للمطورين التركيز على أعمال أكثر إشباعًا وفي النهاية العثور على متعة أكبر في البرمجة التي يقومون بها. والفكرة الأساسية هي أن الذكاء الاصطناعي يمكن أن يساعد في دعم مهام عمال المعرفة المتوسطة – مثل جدولة التقويم وتنظيم البريد الإلكتروني.
ومع ذلك، فإن ربط المزيد من الوقت الحر بزيادة الإنتاجية أمر صعب. على الرغم من أن هذه الدراسات تعكس الإمكانات التي يمكن أن يكون للذكاء الاصطناعي تأثير إيجابي على الإنتاجية، فقد أشار النقاد إلى أن التعريف الكلاسيكي للإنتاجية لا يكفي تقييم إنتاجية عمال المعرفة. هذا لأن عمال المعرفة يخلقون قيمة لشركاتهم ومؤسساتهم من خلال ما ينتجونه، بدلاً من مدى سرعة إنتاجهم له. تعتمد النتائج على نطاق أكبر بكثير على مجموعة عمال المنظمة بدلاً من الفرد. ولا ننسى أن الشركات ليست بالضرورة تتبع ساعات العمل للموظفين الراتبين، مما يعني أن إنتاجية العامل ليست بسيطة مثل حل معادلة. قد يكون نتائج الشركة قابلة للقياس مباشرة من حيث الإنتاجية، وفقًا لتشاكرافورتي. “ولكن في بعض الحالات، ليس كذلك”.
في النهاية، تجد الأبحاث الأولية أنه من السهل قياس كفاءة الذكاء الاصطناعي في توليف المهام الميكانيكية، ولكن الآثار الأكبر لعمال المعرفة – المزيد من الوقت الحر لتوليد الأفكار والتركيز على العمل الشاق – أمر صعب تتبعه وتعريفه. البحث عن المقاييس المناسبة
المقاييس المناسبة لقياس الإنتاجية
بالنسبة لبعض الأشخاص، عندما يتعلق الأمر بتوسيع مستقبل العمل المعرفي، فإن الإنتاجية كما نعرفها ليست المقياس الصحيح على الإطلاق. يقول دان شيبر، الرئيس التنفيذي لشركة Every وهي نشرة إخبارية تتناول التكنولوجيا والذكاء الاصطناعي والإنتاجية: “كم عدد مشاهدات الصفحة التي تم إنشاؤها؟ كم عدد الرسائل الإلكترونية التي تم زيادتها؟ ما هي إيراداتنا؟ لا ننظر إلى ساعات العمل أو عدد الكلمات المكتوبة”، ويضيف “هذه المقاييس لا تتوافق بالضرورة مع مجرد الإنتاجية وليست مشكلات يمكن تفويضها بسهولة إلى الذكاء الاصطناعي. ما يتطلبها هو مزيج من شيء آخر تمامًا – التفكير المعقد وحل المشكلات الحرجة والوقت والمساحة العقلية المطلوبة للإخراج الإبداعي”.
يقول: “بالنسبة لعمال المعرفة الذين يعملون في صناعة إبداعية بشكل طبيعي، فإن الإنتاجية والإبداع في صراع مع بعضهما البعض”. “الإبداع هو عملية سحرية غير متوقعة حيث تحاول استخراج شيء حرفيًا من روحك”، ويضيف “الإنتاجية تتطلب أن تكون في جدول زمني وموثوقة. هذا أمر صعب حقًا”.
إذا كانت الأدوات الأولية للذكاء الاصطناعي تمكننا من القيام بالمزيد مما يمكن أن يقوم به البشر فقط، فإن التفكير بشكل نقدي فيما يتعلق بالإنتاجية عندما يتعلق الأمر بتكنولوجيا الذكاء الاصطناعي لا يلتقط الصورة الكاملة تمامًا. يقول تشاكرافورتي: “ليست هذه الدراسات محدودة في النقاط التي يتم قياسها فحسب، بل غالبًا ما تكون محدودة حسب الصناعة”. يجب إجراء المزيد من البحوث على عمال المعرفة في مجالات مختلفة قبل أن يكون لدينا ما يكفي من البيانات لنقول بالضبط كيف يمكن للذكاء الاصطناعي أن يؤثر على العمل في مجالات مختلفة.
تغير شكل الإنتاجية
في الوقت الحاضر، لا يعرف أحد حقًا كيفية قياس الأثر الحقيقي الذي سيكون للذكاء الاصطناعي على عمال المعرفة، سواء من خلال الإنتاجية أو شيء آخر تمامًا.
مع أدوات مثل GPT، فإن التأثير على الإنتاجية التقليدية – إنجاز المهام ببساطة – واضح تمامًا. يقول تشاكرافورتي: “من الواضح أن الناس يقومون بكتابة ورقات بيضاء ومقالات وتسويق ورسومات ورسومات بيانية بشكل أسرع مما كانوا يفعلون في الماضي”. ومع ذلك، يبدو أن النتائج التي يقدمها الذكاء الاصطناعي المولد نسبيًا محدودة عندما يتعلق الأمر بجودة الإخراج الإبداعي. (كصحفي، لقد استخدمت في بعض الأحيان GPT-4 للبحث، وبينما يقلل من وقتي في البحث في نتائج البحث على Google، فإنني عادةً ما أقضي وقتًا أطول في التفكير بنقدية حول الاقتراحات والمصادر التي يقترحها البرنامج).
عند النظر في كيفية تحرير المزيد من الوقت لعمال المعرفة للقيام بمهام أكثر إبداعية ومعقدة، فإن طريقة تفكيرنا في الإنتاجية البشرية – والعمل بشكل عام – يمكن أن تأخذ منحى مختلف. يقول شيبر: “قد يحول الكثير من الأعمال المعرفية إلى عمل يشبه إلى حد كبير ما يفعله المديرون بدلاً من ما يفعله الموظفون على المستوى الأدنى. يتحرك الجميع لأعلى إلى حد ما”.
في حين أن تعريفات الإنتاجية التقليدية لا تزال قائمة، ستحتاج الشركات إلى التفكير في طرق أخرى لقياس أداء عمالها، أو التركيز على مقاييس أكبر مثلما يفعل شيبر في Every. يسهل تخيل مستقبل حيث يلجأ فريق من المحللين في شركة استشارية إلى استخدام GPT لإعداد تقرير. يمكن أن يتطلب العمل الذي كان يتطلب في السابق مديرًا ومحللين اثنين أداة آلية فقط. ثم يمكن للأفراد الذين يتم تحريرهم من هذا التقرير الأولي أن يذهبوا ويقوموا بشيء آخر تمامًا ويكون لديهم المزيد من الوقت والطاقة للمهام على مستوى أعلى.
يقول: “عندما يمكنك إنجاز كل ما يمكن أن يفعله [موليك] في ثلاثين دقيقة، فإن هذه المهارات ستكون مهمة جدًا: الرؤية والذوق والقدرة على تحديد الأولويات”.
اترك تعليقاً