الگوهای استفاده و پذیرش ChatGPT در محیط کار

تنها دو سال و نیم از عرضه ChatGPT می‌گذرد، اما کارکنان در تمامی صنایع، در هر نقش شغلی و در شرکت‌هایی با هر اندازه از آن استفاده می‌کنند. امروز بیش از یک‌چهارم کارکنان ایالات متحده و 45% از افراد دارای تحصیلات تکمیلی گزارش می‌دهند که برای کار از ChatGPT استفاده می‌کنند.

فناوری سازمانی همواره از الگویی آشنا پیروی کرده است: هزینه‌های اولیه بالا، استقرارهای طولانی، و پذیرش کند پیش از آنکه بازدهی آن محقق شود. ChatGPT زمانی این الگو را شکست که مردم آن را از زندگی شخصی‌شان به کارشان آوردند. آن‌ها به ماه‌ها آموزش یا فرایندهای پیچیده راه‌اندازی نیاز نداشتند؛ فقط شروع کردند به استفاده از آن برای انجام کارهای معنادار.

ما از هم‌اکنون نشانه‌های واضحی مشاهده می‌کنیم. همه، از دانشمندان گرفته تا بازاریاب‌ها و اپراتورها، ChatGPT را در کار روزمره خود جای می‌دهند. از اشکال‌زدایی کد گرفته تا ایده‌پردازی برای کمپین‌ها، این در حال تبدیل شدن به نخستین گام در گردش‌های کاری اصلی است.

این گزارش داده‌های جدیدی را، برگرفته از تحلیل‌های خودمان و در کنار منابع داوری‌شده، ارائه می‌کند درباره اینکه چه کسانی در محل کار از ChatGPT استفاده می‌کنند، مردم چگونه آن را به کار می‌گیرند، و به چه شکل در سازمان‌ها جا می‌افتد.

این گزارش یافته‌های مطالعات مستقل شخص ثالث در سطح صنعت را با تحلیل‌های انجام‌شده توسط OpenAI درباره استفاده از ChatGPT و ChatGPT Enterprise ترکیب می‌کند. تمام تحلیل‌هایی که توسط OpenAI در این گزارش انجام شده‌اند، بر روی داده‌های استفادهِ ناشناس‌سازی‌شده یا تجمیع‌شده انجام شده‌اند. OpenAI هیچ‌یک از محتوای کاربران یا مشتریان (از جمله ورودی یا خروجی مدل) را بررسی نکرد و هیچ داده‌ قابل‌شناسایی را تحلیل نکرد. تمام تحلیل روندهای استفاده با استفاده از طبقه‌بندهای خودکار محتوا انجام شد. هر جا که گزارش به اعلان‌های خاص ChatGPT اشاره می‌کند، آن اعلان‌های ChatGPT نمونه‌های کاملاً ساختگی هستند و اعلان‌های واقعی کاربران یا مشتریان نیستند.

زمانی که ChatGPT در نوامبر 2022 منتشر شد، عمدتاً گروه کوچکی از پژوهشگران و علاقه‌مندان هوش مصنوعی را هدف قرار داده بود. اما ظرف چند ماه، به 100 میلیون کاربر فعال هفتگی رسید و امروز بیش از 700 میلیون کاربر فعال هفتگی دارد که آن را به یکی از پربازدیدترین وب‌سایت‌های جهان تبدیل کرده است. 

استفادهٔ گستردهٔ شخصی به سرعت به محیط کار راه یافت. همان‌طور که آمار نشان می‌دهد، پذیرش توسط مصرف‌کنندگان به احتمال زیاد موجب پیشرفت هوش مصنوعی در محیط کار می‌شود. 

این مسیری است که پیش‌تر نیز بارها شاهد آن بوده‌ایم: نرم‌افزاری که در میان مصرف‌کنندگان مورد استقبال قرار می‌گیرد، راه خود را به محیط کار باز می‌کند؛ مسیری که اغلب نیروی محرک اصلی آن کارکنان جوان‌تر هستند. ChatGPT نیز از همان الگو پیروی می‌کند که این موضوع در رشد سریع کاربران فعال هفتگی آن، نفوذ بالا در میان کارکنان زیر 30 سال، و استفاده مکرر — و اغلب روزانه — از آن منعکس است.

تنها در عرض چند سال، هوش مصنوعی در محیط کار از یک پدیده خاص به یک جریان اصلی تبدیل شده است. اعداد داستان را بیان می‌کنند:

پذیرش هوش مصنوعی به طور یکنواخت در سراسر اقتصاد پیش نمی‌رود. کارکنان در برخی صنایع به سرعت به سمت ادغام ChatGPT در عملیات خود حرکت کرده‌اند، در حالی که برخی دیگر با سرعت کمتری پیش می‌روند. 

با نگاه به اینکه کدام بخش‌ها سریع‌تر از همه در حال استقبال از این ابزار هستند، می‌توانیم هم فرصت‌های کوتاه‌مدت و هم حوزه‌هایی را ببینیم که پذیرش در آن‌ها ممکن است زمان بیشتری ببرد تا شتاب بگیرد. 

برخی صنایع ChatGPT را با نرخ‌هایی بالاتر از حد انتظار می‌پذیرند. فناوری اطلاعات و امور مالی پیشتاز هستند، که با توجه به نقاط قوت این ابزار در کدنویسی، تحلیل و کارهای مبتنی بر اطلاعات زیاد، منطقی است. پذیرش در بخش تولید نشان‌دهندهٔ یک تحول دیجیتال گسترده‌تر است: کارخانه‌هایی که از هوش مصنوعی برای خودکارسازی فرایندها، نگهداشت پیش‌بینانه و بهینه‌سازی زنجیرهٔ تأمین استفاده می‌کنند. سرمایه‌گذاری‌های اولیه در هوش مصنوعی صنعتی ممکن است راه را برای استفاده گسترده از ChatGPT در میان مهندسان، تحلیلگران و مدیران عملیات هموار کرده باشد.

سایر صنایع عقب می‌مانند. صنایعی مانند خرده‌فروشی، ساخت‌وساز، حمل‌ونقل، تجارت عمده و کشاورزی همگی سطح پذیرش به طور قابل‌توجهی پایین‌تری دارند. در بیشتر موارد، این موضوع با سهم کمتر آن‌ها از کارکنان دانشی هم‌راستا است؛ جایی که نیاز به ابزارهای هوش مصنوعی فوریت کمتری دارد.  

بهداشت و درمان یک مورد خاص است. با وجود اینکه این بخش یکی از بزرگ‌ترین و داده‌محورترین بخش‌هاست، پذیرش در آن کندتر بوده است. قوانین سخت‌گیرانهٔ حریم خصوصی و انطباق و فرهنگ‌های سازمانی ریسک‌گریز ممکن است از عوامل مؤثر باشند. با این حال، در حوزه‌های هدفمند مانند مستندسازی بالینی و گردش‌های کاری اداری، نشانه‌های رشد دیده می‌شود که نشان می‌دهد حوزه بهداشت و درمان می‌تواند به‌زودی به کانون پذیرش هوش مصنوعی تبدیل شود.

الگوهای پذیرش در بخش‌های مختلف متفاوت است، اما چند موضوع برجسته وجود دارد. در سه ماه اول، چهار دسته بیشترین سهم استفاده را به خود اختصاص می‌دهند: نوشتن، تحقیق، برنامه‌نویسی و تحلیل. در مجموع، آن‌ها بیشترِ پیام‌های ارسال‌شده را تشکیل می‌دهند. این تنوع، انعطاف‌پذیری ChatGPT را نشان می‌دهد؛ تیم‌ها برای تهیه پیش‌نویس ارتباطات، گردآوری و ترکیب اطلاعات، نوشتن کد و تفسیر داده‌ها به آن روی می‌آورند.

تیم‌های فنی از پرمصرف‌ترین گروه‌ها هستند و نقش‌های تحلیل داده، مهندسی و فناوری اطلاعات بخش بزرگی از استفاده اولیه را تشکیل می‌دهند. برنامه‌نویسی مهم‌ترین وظیفه است، به‌ویژه برای نقش‌های مهندسی، اما کاربران همچنین مقدار قابل توجهی کمک در زمینه پژوهش و مستندسازی درخواست می‌کنند. این نشان می‌دهد که استفاده از ChatGPT برای برنامه‌ریزی تقریباً به اندازه کدنویسی است. 

تیم‌های فناوری اطلاعات بیشترین تکیه را بر پژوهش و عیب‌یابی دارند و اغلب پیش از ورود به خودکارسازی، از ChatGPT به عنوان منبع اطلاعات استفاده می‌کنند.

نمونه اعلان برای کدنویسی

توجه: اعلان مصنوعی فوق صرفاً به‌طور خاص برای این گزارش و تنها برای اهداف نمایشی نوشته شده است

افراد در نقش‌های برو به بازار، از جمله بازاریابی، ارتباطات، فروش و تجربه مشتری، نیز از پذیرندگان اصلی هستند. این قابلیت‌ها عمدتاً برای نوشتن، پژوهش، ایده‌پردازی خلاقانه و تولید رسانه به ChatGPT متکی هستند. 

در حوزه‌های مختلف کاری، الگوی اولیه استفاده یکسان است: هوش مصنوعی در حال تقویت تخصص است، نه جایگزینی آن. مهندسان در حال تکرار و بهبود اعلان‌ها برای اشکال‌زدایی کد و تولید تست‌های واحد هستند. تحلیلگران از پرامپت‌دهی زنجیره تفکر برای پاک‌سازی و تفسیر مجموعه‌داده‌ها استفاده می‌کنند. تیم‌های پشتیبانی مشتریان در حال تهیه پاسخ‌های سنجیده و همسو با برند هستند. وجه مشترک این است که ChatGPT دامنهٔ تأثیر مهارت‌های تخصصی را گسترش می‌دهد و به شریکی در فرآیندهای کاری اصلی تبدیل می‌شود.

منبع: داده‌های تجمیع‌شده بخش‌های ChatGPT Enterprise که در طول فرآیند استقرار جمع‌آوری شده‌اند؛ طبقه‌بندهای خودکار محتوا

جالب اینکه، کدنویسی در حال گسترش فراتر از حوزه مهندسی است. طراحان ممکن است برای نمونه‌سازی فرانت‌اند و کمک گرفتن دربارهٔ قطعه‌کدها به برنامه‌نویسی تکیه کنند—و آن‌ها برای کدنویسی، بسیار بیشتر از تیم‌های مالی و فروش از ChatGPT استفاده می‌کنند. مدیران پروژه نوشتن، تولید رسانه، کدنویسی و تحلیل داده‌ها را ترکیب می‌کنند—و نقش عامل پیونددهنده میان تیم‌ها را دارند. اما تیم‌های محصول، عملیات، بازاریابی، امور مالی و منابع انسانی همگی تا حدی از ChatGPT برای کدنویسی استفاده می‌کنند. 

ما این روند را در مطالعه‌ای که توسط Boston University و BCG انجام شده بود و تأثیر ChatGPT بر شایستگی فنی مشاوران BCG را بررسی کرده بود، تأییدشده می‌بینیم. این مطالعه نشان داد که مشاورانی که به ChatGPT مجهز بودند و برای استفاده از آن آموزش دیده بودند، در سه وظیفه فنی به‌ترتیب 49، 20 و 18 واحد درصد بالاتر از افراد گروه کنترل امتیاز کسب کردند و در دو مورد از آن سه وظیفه، عملکردی نزدیک به سطح دانشمندان داده واقعی BCG داشتند.

خوب نوشتن دیگر وظیفه‌ای تخصصی نیست که منحصراً در اختیار تیم‌های محتوا باشد. با ChatGPT، هر کسی می‌تواند یادداشت‌ها را به متنی مرتب و پاک‌سازی‌شده تبدیل کند و به سرعت تکرار کند. جلسات، یادداشت‌ها و پیام‌های مشتریان واضح‌تر و فراگیرتر می‌شوند، زیرا همه می‌توانند ایده‌های خود را به‌خوبی بیان کنند، نه فقط کسانی که در ارتباطات آموزش دیده‌اند. هوش مصنوعی در حال تبدیل شدن به دروازه ورود برای ارتباطات و هماهنگی‌های روزمره است و پیش‌نویس‌نویسی، تنظیم لحن و نسخه‌بندی را در یک مرحله واحد فشرده می‌کند.

تیم‌های طراحی به خاطر استفاده از تولید رسانه متمایز هستند و 2 تا 4 برابر بیشتر از سایر گروه‌ها به آن متکی هستند. استفاده گسترده از این قابلیت‌ها برای وظایف اصلی کاری، نشان می‌دهد که ChatGPT در حال یافتن نقشی نوظهور فراتر از متن است. 

تمام تیم‌های برو به بازار از ChatGPT بیشتر برای نوشتن، پژوهش و تولید رسانه استفاده می‌کنند، اما به روش‌های متفاوت. در اینجا چند نمونه اعلان ارائه شده است که نوع پرسش‌هایی را که مشاهده می‌کنیم نشان می‌دهند:

توجه: اعلان‌های مصنوعی فوق به‌طور خاص برای این گزارش نوشته شده‌اند و صرفاً برای اهداف نمایشی ارائه شده‌اند.

داده‌های اولیه نشان‌دهنده یک روند ثابت است: بیشتر واحدها به ابزارهای اصلی در ChatGPT، از جمله جستجو، تحلیل داده، بارگذاری فایل، بازیابی و Canvas، متکی هستند. استفاده از قابلیت‌های پیشرفته‌تر — مانند مدل‌های استدلال، تحقیق عمیق، پروژه‌ها و دستورالعمل‌های سفارشی — در میان کاربران حرفه‌ای بیشتر دیده می‌شود. نتیجه برای بسیاری از کارکنان این است که ChatGPT عمدتاً از طریق وظایف در دسترس و کم‌اصطکاک، نه موارد استفاده تخصصی، در جریان‌های کاری روزانه تنیده شده است.

نقش‌های فنی به عنوان استثنا برجسته هستند. نقش‌های تحلیل، مهندسی، فناوری اطلاعات و پژوهش، کاربران بسیار بیشتری از قابلیت‌های پیشرفته هستند. کار آن‌ها اغلب شامل استدلال چندمرحله‌ای، ترکیب داده‌های گسترده یا حل مسائل پیچیده است. مهندسان برای تولید کد یا اشکال‌زدایی اعلان‌هایی می‌نویسند؛ تحلیلگران از تحقیق عمیق برای تفسیر مجموعه‌داده‌ها استفاده می‌کنند؛ و متخصصان فناوری اطلاعات پایگاه‌های دانش را جستجو می‌کنند تا تیکت‌ها را حل‌وفصل کرده و سیستم‌ها را عیب‌یابی کنند. ابزارهای قدرتمندتر به‌طور طبیعی با وظایف فنیِ ساختاریافته، داده‌محور و تصمیم‌محور هم‌راستا هستند.

تیم‌های فنی مختلف نیز به قابلیت‌های متفاوتی روی می‌آورند. تیم‌های IT بیشتر احتمال دارد از بازیابی و جستجو استفاده کنند و ChatGPT را به‌عنوان همراهی برای دانش در نظر بگیرند تا پاسخ‌های سریع به پرسش‌های مربوط به پیکربندی یا سیاست‌ها دریافت کنند. تیم‌های مهندسی استفاده‌ی بیشتری از GPTها، ابزارهای برنامه‌نویسی و تحلیل داده نشان می‌دهند که بازتابی از جریان‌های کاری کدمحورتر آن‌هاست. این واگرایی نشان می‌دهد که پذیرش نه تنها به تسلط فنی، بلکه به نوع کار و زمینه موجود در هر بخش نیز بستگی دارد.

دو فرصت از این داده‌ها پدیدار می‌شوند. نخست، قابلیت‌های پیشرفته همچنان کمتر از حد استفاده می‌شوند، حتی در مواردی که می‌توانند تأثیر گسترده‌ای داشته باشند. موانع ممکن است شامل قابلیت شناسایی، آگاهی از موارد استفاده، یا راه‌اندازی لازم برای استفاده از آن‌ها باشند.

دوم، پیشگامان اولیه در حوزه‌های تحلیل، فناوری اطلاعات، حقوقی و مهندسی از هم‌اکنون به سمت گردش‌های کاری پیچیده‌تر حرکت می‌کنند. با گسترش برنامه‌های توانمندسازی و کاهش موانع ورود به‌واسطه بهبودهای محصول، احتمالاً پذیرش از وظایف روزمره به سمت استدلال عمیق‌تر و گردش‌های کاری مشارکتی حرکت خواهد کرد؛ روندی که تصمیم‌گیری را در سراسر سازمان بازتعریف می‌کند. 

ChatGPT همین حالا هم به طور قابل‌سنجش بهره‌وری کارکنان را افزایش می‌دهد. معیارهای سنجش داخلی نشان‌دهنده افزایش‌های معناداری در بهره‌وری هستند که ناشی از استفاده کارکنان از آن برای سریع‌تر نوشتن و برقراری ارتباط، انجام مؤثرتر پژوهش و کاهش تلاش موردنیاز برای وظایف تکراری است. بیشتر شرکت‌ها هنوز در مراحل اولیه پذیرش هستند، اما نشانه‌هایی دیده می‌شود که سازمان‌ها ChatGPT را در سطح دپارتمان‌ها ادغام می‌کنند تا فرایندها را کارآمدتر کنند. 

برخلاف نرم‌افزارهای سازمانی سنتی که پس از چرخه‌های طولانی تصمیم‌گیری و برنامه‌های آموزشی از طریق استقرارهای از بالا به پایین گسترش می‌یابند، ChatGPT از پایین به بالا وارد محیط کار شده است. کارکنان و تیم‌های کوچک به صورت مستقل آن را وارد کردند، جریان‌های کاری را آزمایش کردند و پیش از آنکه شرکت‌ها فرایند خرید را رسمی کنند، ارزش آن را نشان دادند. این الگوی از پایین به بالا، آن را به سریع‌ترین فناوری سازمانی از نظر نرخ پذیرش در تاریخ معاصر تبدیل کرده است. 

این وضعیت اکنون در حال تغییر است. قابلیت‌های جدید، از عامل‌های خودمختار گرفته تا پشتیبانی پیشرفته از کدنویسی و ابزارهای کمک به تصمیم‌گیری، در حال گسترش نقش ChatGPT فراتر از بهره‌وری شخصی هستند. در حال تبدیل شدن به پلتفرمی برای کل گردش‌های کاری است. مدیران ارشد از آن برای شکل‌دهی به استراتژی، مهندسان برای طراحی و اشکال‌زدایی سیستم‌ها، و عوامل پشتیبانی مشتری برای ارزیابی راهکارهای پیچیده استفاده می‌کنند. ChatGPT به طور فزاینده به عنوان یک سیستم‌عامل برای کار روزانه عمل می‌کند: لایه‌ای مشترک که در آن تصمیم‌ها گرفته می‌شوند، مسائل حل می‌شوند و خروجی در مقیاس وسیع گسترش می‌یابد.

کار همواره در کنار فناوری تکامل یافته است. تا همین اواخر، بخش زیادی از کار بر یافتن پاسخ‌ها، نوشتن پیش‌نویس ایمیل‌ها و تکرار مسائل حل‌شده متمرکز بود. به طور فزاینده‌ای، این روند به سمت ترکیب، خلاقیت و سرعت در حال حرکت است: کارهایی که با تعاملات طبیعی و شهودی با هوش مصنوعی بهبود پیدا می‌کنند.

در سال‌های پیش رو، هوش مصنوعی تقریباً در هر جریان کاری جای خواهد گرفت. با وقوع این روند، کارکنان زمان کمتری را صرف انجام وظایف خواهند کرد و زمان بیشتری را صرف نظارت بر خروجی هوش مصنوعی و شکل‌دهی به آن خواهند کرد. گستره بین‌بخشی ChatGPT به این معناست که افراد می‌توانند وظایفی را بر عهده بگیرند که پیش‌تر میان چندین بخش توزیع شده بود. برای مثال، یک مدیر محصول ممکن است از آن برای تحلیل بازخورد مشتریان، آزمایش و اصلاح یک قابلیت جدید، و تهیه محتوای حقوقی و بازاریابی موردنیاز برای عرضه آن به بازار استفاده کند.

همکاری در حال انتقال از اسناد و پیام‌های منفصل به فضای کاری مشترک و بلادرنگ است، جایی که تیم‌ها با هم مسائل را حل می‌کنند. ویژگی‌هایی مانند حافظه، محصول را نسبت به زمینه آگاه‌تر می‌کنند و به کارکنان همراهی می‌دهند که ترجیحات، پروژه‌ها و جریان‌های کاری منحصربه‌فرد آن‌ها را به خاطر می‌سپارد. و همچنین امکان وارد کردن مستقیم داده‌های ساختاریافته و بدون ساختار به ChatGPT، نقش آن را به‌عنوان رابط مرکزی دانش سازمانی گسترش می‌دهد و GPT‑5 این روند را تسریع می‌کند.

نکته مهم این است که شواهد اولیه نشان می‌دهد این تغییر نه‌تنها کارگران را بهره‌ورتر می‌کند، بلکه در واقع کارشان را نیز لذت‌بخش‌تر می‌کند. این کار با کاهش وظایف زمان‌بر و کم‌ارزش انجام می‌شود و به کارکنان امکان می‌دهد تمرکز خود را دوباره بر کارهای اصلی و معنادار بگذارند. در یک آزمایش میدانی تصادفی‌سازی‌شده شش‌ماهه در میان هزاران نفر از کارکنان دانشی، دسترسی به هوش مصنوعی زمان هفتگی صرف‌شده برای ایمیل را 31% کاهش داد. مطالعه دیگری توسعه‌دهندگان نرم‌افزار را بررسی کرد و نشان داد که ابزارهای کدنویسی مبتنی بر هوش مصنوعی به آن‌ها امکان می‌دهند زمان بیشتری را صرف کدنویسی کنند، زمان بیشتری را به کارهای اکتشافی اختصاص دهند و زمان کمتری را صرف مدیریت پروژه کنند. این یافته‌ها در مجموع نشان می‌دهند که ابزارهایی مانند ChatGPT ممکن است کارهای پرمشغله را کاهش دهند و در نتیجه، زمان بیشتری برای کارهای راهبردی‌تر، رضایت‌بخش‌تر و در نهایت باارزش‌تر فراهم کنند.

مقیاس این تغییر یادآورِ انقلاب‌های فناورانه گذشته است. برق کار در کارخانه‌ها را دگرگون کرد، اینترنت تجارت و ارتباطات را بازتعریف کرد، و اکنون هوش مصنوعی زمینه‌ساز جهش بعدی است. سازمان‌هایی که به‌سرعت و با تدبیر سازگار می‌شوند، زودتر از همه و بیش از همه از مزایا بهره‌مند خواهند شد: چرخه‌های تصمیم‌گیری سریع‌تر، جهش‌های بهره‌وری، و فرصت‌های جدید در تمام بخش‌ها.