دیروز از یادداشت فایننشال تایمز گفتیم؛از کارمندانی که دلشان برای زندگی کاری قبل از هوش مصنوعی تنگ ش…

دیروز از یادداشت فایننشال تایمز گفتیم؛از کارمندانی که دلشان برای زندگی کاری قبل از هوش مصنوعی تنگ شده.امروز نیویورک تایمز از زاویه‌ای کاملاً متفاوت به همان موضوع نگاه کرده:شاید هوش مصنوعی بتواندما را مدیران بهتری کند.————دیروز حرف این بود که AI قرار بود کار را سبک‌تر کند،اما گاهی خودش کار تازه‌ای ساخته:خروجی‌های بی‌کیفیت،اطلاعات اشتباه،متن‌های شبیه همو ساعت‌ها وقت برای بررسی و اصلاح.امروز سؤال کمی فرق دارد:آیا همیشه مشکل از هوش مصنوعی است؟————کیت فِرازی در یادداشت امروز نیویورک تایمز تعریف می‌کند:از ایجنت هوش مصنوعی‌اش خواسته بودآخرین گفت‌وگوی کوچینگ با یک مشتری را خلاصه کند.خروجی خیلی مرتب و قانع‌کننده بود...فقط یک مشکل کوچک داشت:بر اساس اطلاعات قدیمی نوشته شده بود!————اولین واکنش طبیعی این بود:"باز هم هوش مصنوعی اشتباه کرد."اما بعد متوجه شد اطلاعات را در چند فایل،چند نسخه یادداشت و چند رشته ایمیل رها کردهو انتظار داشته AI خودش بفهمد:کدام جدیدتر است،کدام مهم‌تر استو دقیقاً دنبال چه چیزی هستیم.————جمله اصلی یادداشت خیلی خوب است:هوش مصنوعی برخلاف همکاران صبور ما،عادت‌های بد کاری‌مان را جمع‌وجور نمی‌کند؛آن‌ها را جلوی چشممان می‌گذارد.همکار باتجربه شاید از روی شناخت قبلی بفهمد منظور ما چیست.اما AI دستور مبهم را همان‌طور که هست می‌گیرد:مبهم.————نویسنده از چند مدل آدم می‌گویدکه همکاری با آن‌ها حتی برای هوش مصنوعی هم سخت است!اولی:درخواست و درخواست‌کننده مبهممی‌گوید:“موضوع مشتری را یه بررسی بکن.”کدام مشتری؟کدام موضوع؟بررسی برای چه تصمیمی؟خروجی خوب چه شکلی است؟هیچ‌کدام معلوم نیست.————دومی:احتکارکننده اطلاعاتکار را توضیح می‌دهد،اما اطلاعات لازم را پیش خودش نگه می‌دارد.مثلاً راه‌حل می‌خواهد،ولی درباره زمان، بودجه، محدودیت‌هایا حساسیت‌های سازمان چیزی نمی‌گوید.چون فکر می‌کند:“خب این‌ها که معلوم است!”نه؛ معمولاً معلوم نیست.————سومی:تفویض‌کننده افراطیکل کار را تحویل می‌دهد،غیبش می‌زندو آخر کار از نتیجه ناراضی می‌شود.مشکل، تفویض‌کردن نیست.مشکل این است کهنه در میانه راه بازخوردی داده،نه مسیر را کنترل کردهو نه مسئولیت انتخاب‌های مهم را پذیرفته است.————پیشنهاد نویسنده ساده است:با AI مثل یک نیروی تازه‌وارد خوب رفتار کنید.فقط نگویید چه کاری انجام دهد.بگویید چرا این کار مهم است،چه محدودیت‌هایی دارد،خروجی خوب چه ویژگی‌ای داردو از چه اشتباه‌هایی باید دوری کند.————مثلاً به‌جای اینکه بگوییم:“این گزارش را بررسی کن”بگوییم:این گزارش برای جلسه هیئت‌مدیره است.سه ریسک اصلی را مشخص کن.بین اطلاعات قطعی و فرضیات تفاوت بگذار.موارد نامطمئن را صریح بنویسو خروجی بیشتر از یک صفحه نباشد.کیفیت پاسخ، از کیفیت تعریف مسئله شروع می‌شود.————نکته مهم دیگر:تفویض کنید، اما غیب نشوید.در کارهای پیچیده،منتظر خروجی نهایی نمانید.اول چارچوب را ببینید،بعد منابع و فرضیات را چک کنید،سپس اجازه دهید کار ادامه پیدا کند.همان کاری که یک مدیر خوببا نیروی انسانی انجام می‌دهد.————از اعتمادبه‌نفس AI هم نباید گول خورد.گاهی پاسخ اشتباه راخیلی مرتب، روان و مطمئن تحویل می‌دهد.پس فقط نگوییم:“جوابت غلط است.”بگوییم:کمتر با من موافقت کن،فرضیاتم را به چالش بکش،برای ادعاها شواهد بیاورو هرجا مطمئن نیستی، واضح بگو.————این دو یادداشت، برخلاف ظاهرشان،حرف متضادی نمی‌زنند.فایننشال تایمز می‌گفت استفاده بد از AIمی‌تواند کار را بیشتر، خلاقیت را کمترو محیط کار را خسته‌کننده‌تر کند.نیویورک تایمز امروز می‌گویدبخشی از این مشکل، از عادت‌های خود ما می‌آید:دستور مبهم، اطلاعات ناقص، تفویض بی‌حسابو نظارت ضعیف.————شاید مهم‌ترین تغییر این باشد:با فراگیرشدن عامل‌های هوش مصنوعی،تقریباً همه ما به‌نوعی مدیر می‌شویم.باید مأموریت تعریف کنیم،کار را واگذار کنیم،کیفیت را بسنجیمو بازخورد بدهیم.هوش مصنوعی فقط ابزار کار نیست؛یک آزمون مدیریت هم هست.————AI نه به‌خودی‌خود ما را نجات می‌دهدو نه حتماً کار را خراب می‌کند.بیشتر شبیه یک تقویت‌کننده است:مدیریت خوب را قوی‌تر می‌کندو مدیریت بد را سریع‌تر لو می‌دهد.شاید برای بهتر کارکردن با هوش مصنوعی،قبل از یادگرفتن صد مدل پرامپت،باید یاد بگیریم دقیق‌تر بگوییم:“واقعاً چه می‌خواهیم؟”