# اگر فردا هوش مصنوعی قطع شود، سازمان شما همچنان می‌تواند کار کند؟
حدود سه هفته پیش قرار شد روی یک طرح توجیهی وقت بگذارم.
طبق عادت، اولین کاری که کردم این بود که دستیار اختصاصی حوزه مالی و سرمایه‌گذاری خودم را فراخوانی کنم. یک Prompt نسبتاً خوب نوشتم؛ حداقل از نظر خودم خوب بود. انتظارم هم این بود که مثل دفعات قبل، یک خروجی نسبتاً منسجم بگیرم، آن را اصلاح کنم و کار را جلو ببرم.
اما این بار نتیجه متفاوت بود.
بعد از به‌روزرسانی اخیر در GPT Customs، خروجی سیستم به‌قدری پراکنده، نامنسجم و دور از ساختار مورد انتظار بود که عملاً نمی‌شد از آن استفاده کرد.چند بار Prompt را اصلاح کردم، مسیر را تغییر دادم و تلاش کردم با توضیحات بیشتر سیستم را به خروجی قابل قبول برسانم، اما نتیجه همچنان با چیزی که برای یک فایل استاندارد و حرفه‌ای نیاز داشتم فاصله داشت.در نهایت مجبور شدم سراغ فایل‌های آرشیوی قبلی بروم، نمونه‌های قدیمی را پیدا کنم، ساختار را دوباره مرور کنم و شخصاً با صرف زمان قابل توجه، فایل نهایی را از ابتدا آماده کنم.
خود این اتفاق مسئله مهمی نبود. سال‌ها قبل از اینکه چنین ابزارهایی در اختیار ما باشند، همین کارها را به همین روش انجام می‌دادیم.چیزی که برای من قابل تأمل بود، حسی بود که در جریان انجام کار پیدا کردم.
متوجه شدم کاری که زمانی جزو مهارت‌های عادی من بود، حالا بدون کمک دستیار هوش مصنوعی بیشتر از چیزی که انتظار داشتم زمان می‌برد. برای پیدا کردن بعضی ساختارها مجبور بودم به فایل‌های قبلی مراجعه کنم و در چند بخش، اولین واکنش ذهنی‌ام این بود که «چرا دستیار نمی‌تواند این قسمت را برایم انجام دهد؟»
همین تجربه باعث شد یک سؤال جدی برای خودم مطرح کنم:
**آیا ما در حال استفاده از هوش مصنوعی هستیم، یا آرام‌آرام به آن وابسته شده‌ایم؟**
یافته اصلی من از این تجربه، فقط ضعف یک نسخه یا تغییر رفتار یک مدل نبود.مسئله مهم‌تر این بود که متوجه شدم استفاده مداوم از دستیارهای هوش مصنوعی، بدون اینکه خودمان متوجه باشیم، می‌تواند بخشی از مهارت‌های عملی ما را کم‌رنگ کند و شاید مهم‌تر از آن، نوعی وابستگی ایجاد کند که در بسیاری از موارد اصلاً ضروری نیست. این تجربه شخصی باعث شد موضوع را کمی جدی‌تر ببینم.نه از زاویه مخالفت با هوش مصنوعی، چون همچنان معتقدم این ابزارها یکی از مهم‌ترین فرصت‌های افزایش بهره‌وری سازمان‌ها هستند؛ بلکه از زاویه حفظ توانایی مستقل انسان و سازمان.
این نوشته در واقع جمع‌بندی همین تجربه است.
## مرز باریکی بین «کمک گرفتن» و «وابسته شدن» وجود دارد
اینکه یک کارشناس برای بهتر نوشتن یک گزارش از هوش مصنوعی کمک بگیرد، به‌خودی‌خود مسئله‌ای نیست. حتی در بسیاری از مواقع، تصمیم کاملاً منطقی است.من هم دقیقاً همین کار را انجام می‌دهم.
برای تحلیل اولیه، ساختاربندی، بررسی سناریوها، بازنویسی یا حتی پیدا کردن نقاطی که ممکن است از دید من پنهان مانده باشد، استفاده از AI می‌تواند بسیار مفید باشد.اما تجربه اخیر برای من نشان داد که این مرز بسیار باریک‌تر از چیزی است که تصور می‌کنیم.یک روز AI برای اصلاح متن استفاده می‌شود.بعد برای نوشتن پیش‌نویس.
مدتی بعد برای ساختاردهی کامل گزارش و بعد از مدتی ممکن است بدون آن، انجام همان کاری که سال‌ها بخشی از مهارت عادی ما بوده، سخت‌تر و کندتر شود.این اتفاق معمولاً ناگهانی رخ نخواهد داد بلکه خیلی آرام و بدون اینکه متوجه شویم رخ می‌دهد.
در حالت اول، هوش مصنوعی توانایی ما را بیشتر کرده است.
در حالت دوم، بخشی از توانایی ما را جایگزین کرده است.
و تفاوت این دو، از نظر من بسیار جدی است.
## بهره‌وری امروز نباید به قیمت کاهش توانایی فردا تمام شود.
طبیعی است که مدیران از افزایش بهره‌وری استقبال کنند. من هم از همین زاویه از ابزارهای هوش مصنوعی استفاده می‌کنم.وقتی کاری که قبلاً دو ساعت زمان می‌برد در نیم ساعت انجام می‌شود، نادیده گرفتن این مزیت منطقی نیست.اما تجربه اخیر به من یادآوری کرد که سرعت انجام کار تنها معیار نیست. به نظرم باید از خودمان بپرسیم در این فرآیند چه چیزی را به دست آورده‌ایم و در مقابل چه چیزی را ممکن است به‌تدریج از دست بدهیم.
اگر کارشناسان دیگر خودشان تحلیل نکنند، اگر مدیران بدون خلاصه AI گزارش اصلی را نخوانند، اگر تهیه هر متن، ارائه و گزارش به دستیار سپرده شود، بخشی از مهارت‌هایی که سال‌ها برای ایجاد آنها زمان صرف شده ممکن است کم‌رنگ شود و موضوع فقط مهارت نوشتن نیست بلکه توانایی تحلیل، جمع‌بندی، استدلال، حل مسئله، تشخیص تناقض و حتی تشخیص یک پاسخ اشتباه هم می‌تواند به مرور ضعیف شود. من در همان تجربه ساده طرح توجیهی این موضوع را تا حدی احساس کردم. ابزار از دسترس خارج نشده بود، اما چون خروجی مطلوب را نمی‌داد، ناگهان مجبور شدم دوباره همان توانایی‌هایی را فعال کنم که طی ماه‌ها بخشی از آنها را به دستیار سپرده بودم.
## وابستگی فردی می‌تواند به وابستگی سازمانی تبدیل شود.
مسئله زمانی جدی‌تر می‌شود که همین اتفاق نه برای یک فرد، بلکه در مقیاس یک سازمان رخ دهد. فرض کنید یک واحد سازمانی بخش زیادی از مکاتبات، گزارش‌ها، تحلیل‌ها یا مستندسازی خود را با کمک یک ابزار هوش مصنوعی انجام دهد. در ظاهر اتفاق خوبی افتاده است ، سرعت بیشتر شده، حجم کار کاهش یافته و شاید کیفیت اولیه خروجی‌ها هم بهتر شده باشد. اما حالا همان سؤال تجربه شخصی من را در مقیاس سازمان مطرح کنیم:
**اگر این ابزار فردا دیگر همان خروجی قبلی را ندهد، چه اتفاقی می‌افتد؟**
یا اگر سرویس قطع شود؟
اگر سیاست ارائه‌دهنده تغییر کند؟
اگر هزینه استفاده چند برابر شود؟
اگر سازمان به دلایل امنیتی، حقوقی یا سیاست داخلی مجبور شود استفاده از آن را متوقف کند؟
آیا کار همچنان ادامه پیدا می‌کند؟
اگر پاسخ منفی باشد، دیگر فقط با یک ابزار بهره‌وری روبه‌رو نیستیم.
با یک وابستگی عملیاتی مواجه هستیم.
بعد از این تجربه، به نظرم یکی از بهترین تمرین‌ها برای مدیران این است که از خودشان یک سؤال ساده بپرسند:
**اگر از فردا تمام ابزارهای هوش مصنوعی به مدت یک هفته در سازمان غیرفعال شوند، چه اتفاقی می‌افتد؟**
کدام فعالیت‌ها متوقف می‌شوند؟
کدام گزارش‌ها دیگر تهیه نمی‌شوند؟
کدام کارکنان برای انجام وظایف عادی خود دچار مشکل می‌شوند؟
کدام فرآیندها روش جایگزین ندارند؟
و شاید مهم‌تر از همه:
**کدام مهارت‌ها را که فکر می‌کردیم هنوز داریم، اما در عمل مدت‌هاست از آنها استفاده نکرده‌ایم از دست داده ایم؟**
از نظر من، پاسخ به این سؤال‌ها تصویر بسیار واقعی‌تری از میزان وابستگی سازمان ارائه می‌دهد تا تعداد کاربران AI یا تعداد ابزارهای خریداری‌شده یا توسعه داده شده.
## هوش مصنوعی نباید تبدیل به حافظه پنهان سازمان شود.
در بعضی سازمان‌ها به‌تدریج اتفاق دیگری هم در حال رخ دادن است. کارکنان برای انجام کارهای روزمره مجموعه‌ای از Promptها، روش‌ها و گفت‌وگوهای شخصی ایجاد کرده‌اند.ممکن است یک نفر دقیقاً بداند چگونه با چند دستور مشخص گزارش هفتگی تولید کند یا چگونه یک تحلیل خاص را از AI بگیرد. این کار شاید بسیار کارآمد باشد.
اما سؤال من این است:
**آیا خود سازمان هم این روش را می‌داند؟**
اگر آن فرد فردا از سازمان خارج شود، این دانش باقی می‌ماند؟
آیا ساختار کار مستند شده است؟
یا دانش فقط در ذهن فرد و تاریخچه گفت‌وگوی او با AI باقی مانده؟
ما سال‌ها درباره مستندسازی دانش سازمانی، مدیریت دانش و جلوگیری از وابستگی به افراد صحبت کرده‌ایم ، 
حالا باید یک وابستگی جدید را هم به همان فهرست اضافه کنیم:
**وابستگی دانش به دستیارهای هوش مصنوعی.**
تجربه شخصی من یک نکته دیگر را هم یادآوری کرد. گاهی چون خروجی AI سریع و حرفه‌ای به نظر می‌رسد، ناخودآگاه تمایل داریم اعتبار بیشتری برای آن قائل شویم.اما ظاهر حرفه‌ای خروجی الزاماً به معنی درستی آن نیست.
اگر AI پیشنهاد کند متن یک نامه بهتر چگونه نوشته شود، ریسک موضوع معمولاً محدود است. اما وقتی پیشنهاد درباره انتخاب تأمین‌کننده، ارزیابی یک سرمایه‌گذاری، تصمیم مالی، تحلیل قرارداد یا ارزیابی عملکرد کارکنان باشد، موضوع متفاوت است. هوش مصنوعی می‌تواند پیشنهاد دهد ، می‌تواند چند سناریو ایجاد کند ، می‌تواند مواردی را که شاید ندیده‌ایم به ما یادآوری کند ، اما مسئولیت تصمیم همچنان با ماست که مدیر یا کارشناس باید بتواند توضیح دهد چرا یک تصمیم گرفته شده است.
## مدلی که خودم سعی می‌کنم دوباره به آن برگردم
بعد از این تجربه، برای خودم یک اصل ساده‌تر تعریف کردم:
**انسان شروع کند، هوش مصنوعی کمک کند، انسان تمام کند.**
یعنی قبل از اینکه از AI سؤال کنم، ابتدا خودم مسئله را بفهمم ، ساختار اولیه را در ذهن داشته باشم ، بدانم چه نتیجه‌ای می‌خواهم و بعد از هوش مصنوعی برای سرعت، ایده، تحلیل، نقد یا تهیه پیش‌نویس کمک بگیرم و در نهایت، دوباره خودم خروجی را بررسی و نهایی کنم.
شاید تفاوت کوچکی به نظر برسد، اما از نظر من همین تفاوت مشخص می‌کند که AI دستیار ماست یا ما اپراتور AI شده‌ایم.
**از هوش مصنوعی استفاده کنیم تا بهتر کار کنیم؛ نه آن‌قدر که بدون آن نتوانیم کار کنیم.**
← همه مقالات
اگر فردا هوش مصنوعی قطع شود، سازمان شما همچنان می‌تواند کار کند؟
این مقاله از یک تجربه شخصی شروع می‌شود؛ زمانی که برای تهیه یک طرح توجیهی، استفاده از دستیار هوش مصنوعی نتیجه مطلوبی نداد و نویسنده مجبور شد دوباره به فایل‌های قدیمی و مهارت‌های شخصی خود تکیه کند. این تجربه باعث شد یک نگرانی جدی شکل بگیرد: آیا ما فقط از هوش مصنوعی کمک می‌گیریم، یا به‌تدریج به آن وابسته می‌شویم؟ نکته اصلی متن این است که استفاده مداوم از AI می‌تواند بدون اینکه متوجه شویم، بعضی از مهارت‌های عملی ما مانند تحلیل، نگارش، جمع‌بندی، حل مسئله و تشخیص خطا را کم‌رنگ کند. این وابستگی اگر در سطح سازمان گسترش پیدا کند، می‌تواند به یک ریسک عملیاتی تبدیل شود؛ به‌خصوص اگر ابزار هوش مصنوعی قطع شود، کیفیت آن تغییر کند، هزینه افزایش یابد یا سازمان مجبور به توقف استفاده از آن شود. متن همچنین هشدار می‌دهد که دانش سازمان نباید فقط در Promptها، تاریخچه گفت‌وگوها یا روش‌های شخصی کارکنان باقی بماند. دانش مهم باید مستند و در اختیار سازمان باشد. جمع‌بندی مقاله یک اصل ساده است: انسان باید مسئله را شروع کند، هوش مصنوعی در میانه مسیر کمک کند و انسان کار را تمام و تأیید کند. پیام نهایی هم این است که: از هوش مصنوعی استفاده کنیم تا بهتر کار کنیم، نه آن‌قدر که بدون آن نتوانیم کار کنیم.