محققان آزمایشگاه BetterUp بههمراه آزمایشگاه رسانههای اجتماعی دانشگاه استنفورد، اصطلاح جدیدی را برای توصیف محتوای تولیدشده ضعیف توسط هوش مصنوعی معرفی کردند: «ورکسلاپ (workslop)». در مقالهای که این هفته در نشریه Harvard Business Review منتشر شد، ورکسلاپ بهعنوان «محتوای تولیدشده توسط هوش مصنوعی که خود را بهعنوان کار قابلقبول نشان میدهد اما از عمق و محتوای لازم برای پیشبرد واقعی وظیفه، بیبهره است» تعریف شده است.
این پدیده میتواند توضیحی برای وضعیتی باشد که در آن سازمانها علیرغم سرمایهگذاری در ابزارهای هوش مصنوعی، بازگشت سرمایه (ROI) ملموسی مشاهده نمیکنند؛ محققان بهاستناد شواهد میگویند که ورکسلاپ ممکن است یکی از دلایل گزارشهای بینتیجه بودن تلاشهای AI در بسیاری از سازمانها باشد. ورکسلاپ اغلب ناقص، فاقد زمینههای حیاتی یا حتی گمراهکننده است و در نتیجه بار کاری را به سمت دریافتکننده منتقل میکند تا محتوا را اصلاح، تکمیل یا از نو تولید کند.
این تیم پژوهشی همچنین از یک نظرسنجی پیوسته با شرکت 1,150 کارمند تماموقت در ایالات متحده گزارش میدهد که حدود 40٪ از پاسخدهندگان اعلام کردهاند در ماه گذشته نمونههایی از ورکسلاپ دریافت کردهاند. البته باید توجه داشت که این دادهها مبتنی بر نمونهگیری خوداظهاری و محدود به بازار آمریکا است و ممکن است در صنایع و مناطق مختلف متفاوت باشد.
چرا این مهم است؟ وجود ورکسلاپ نه تنها بهرهوری را کاهش میدهد، بلکه میتواند اعتماد تیمها به ابزارهای هوش مصنوعی را تضعیف کرده و تصمیمگیریهای سازمانی را به خطر بیندازد. برای جلوگیری از این پیامدها، محققان توصیه میکنند مدیران و رهبران سازمانی اقدامات زیر را در اولویت قرار دهند:
– آموزش و فرهنگسازی درباره «استفاده هدفمند و سنجیده» از هوش مصنوعی؛
– تعریف ضوابط روشن برای کاربردهای قابلقبول و نمونههای غیرقابلپذیرش؛
– اعمال فرآیندهای بازبینی انسانی (human-in-the-loop) و چکلیستهای کیفیت پیش از بهرهبرداری نهایی؛
– تعیین شاخصهای اندازهگیری ROI و کیفیت خروجیهای AI برای ارزیابی مداوم؛
– سرمایهگذاری در آموزش مهارتهای طراحی پرسش (prompt engineering) و کنترلهای پایهای برای تیمها.
ورود گسترده هوش مصنوعی به محیط کار فرصتهای زیادی فراهم کرده، اما تجربه نشان میدهد که بدون چارچوبهای نظارتی، آموزش مناسب و فرهنگ سازمانی صحیح، اثرات واقعی این فناوری میتواند بهجای افزایش کارایی، موجب هدررفت زمان و منابع شود. رهبران سازمانی اکنون باید فراتر از صرف استفاده از ابزارها حرکت کنند و شرایطی ایجاد کنند که هوش مصنوعی واقعاً به پیشبرد اهداف کسبوکار کمک کند — نه اینکه بار اضافی ایجاد کند.