پرش به محتوای اصلی
OpenAI

۲۵ شهریور ۱۴۰۵

امور بین‌الملل

کارکنان چگونه شیوه‌های تازه کارکردن را کشف می‌کنند

پژوهش اقتصادی جدید OpenAI نشان می‌دهد کارکنان چگونه با هوش مصنوعی وظایفی خارج از شغل معمول خود انجام می‌دهند و کدام وظایف جدید را وارد گردش‌کارشان می‌کنند.

در حال بارگذاری…

جدیدترین پژوهش ما نشان می‌دهد که در کنار دسترسی به ابزارهای هوش مصنوعی، نحوه تقسیم و انجام وظایف نیز اهمیت دارد. این وظایف جدید که خارج از شرح شغلی معمول کارکنان است، به بخش ثابتی از نحوه استفاده آن‌ها از هوش مصنوعی تبدیل می‌شود. اگر این فعالیت‌ها به مسئولیت‌های ثابت تبدیل شوند، ممکن است دامنه مشاغل گسترده‌تر شود، حتی اگر عنوان آن‌ها تغییر نکند.

در نخستین گزارش کار در مرزهای پیشرو ما، «عبور وظایف از مرزهای شغلی» را مستند کردیم: کارکنان با کمک هوش مصنوعی فعالیت‌هایی را انجام می‌دهند که در گذشته به شغلی دیگر مربوط بود. جدیدترین پژوهش ما بررسی می‌کند که پس از آن چه اتفاقی می‌افتد.

با تحلیل بیش از ۱٫۵ میلیون پیام کاری ChatGPT از آوریل تا ژوئیه ۲۰۲۶، شواهدی یافتیم که نشان می‌دهد بخشی از استفاده از هوش مصنوعی در فعالیت‌های مربوط به مشاغل دیگر تکرار می‌شود. کارکنان دوباره به سراغ وظایف خارج از محدوده شغلی خود می‌روند و این فعالیت‌ها به‌مرور سهم بیشتری از استفاده مشاهده‌شده آن‌ها از هوش مصنوعی را تشکیل می‌دهد.

این یافته‌ها تصویری اولیه ارائه می‌کند از اینکه دسترسی به هوش مصنوعی چگونه می‌تواند کارکنان را از آزمودن وظایف جدید به گنجاندن آن‌ها در روال همیشگی خود برساند. برای شرکت‌هایی که می‌کوشند بهترین روش پذیرش و استفاده از هوش مصنوعی را در سازمان خود بیابند، روندهای شناسایی‌شده در مطالعه چهارماهه ما درباره استفاده کارکنان حرفه‌ای از هوش مصنوعی و اعلان‌ها، دریچه مهمی به این موضوع است که شرکت‌ها چگونه می‌توانند با کمک هوش مصنوعی فاصله میان شناسایی مسئله و پیشبرد کارها را کاهش دهند. یافته‌های ما نشان می‌دهد که سازمان‌ها هنگام اجرای راهبردهای هوش مصنوعی خود باید طراحی کار را نیز در کنار دسترسی به ابزارهای هوش مصنوعی در نظر بگیرند.

کارکنان با فراتر رفتن از نقش خود، به‌شکلی متفاوت از هوش مصنوعی استفاده می‌کنند

نحوه استفاده کارکنان از هوش مصنوعی بسته به اینکه وظیفه موردنظر در حوزه‌ای مشخص با نقش آن‌ها همخوانی داشته باشد یا نه، متفاوت است. کارکنان برای وظایف داخل و خارج از نقش معمول خود، به‌شکل متفاوتی به هوش مصنوعی دستور می‌دهند. کارکنان هنگام پرسش درباره وظایف خارج از شغل خود، به‌طور میانگین اعلان‌های کوتاه‌تری نسبت به وظایف درون شغلشان می‌نویسند. همچنین احتمال کمتری دارد که توضیح، راهنمای گام‌به‌گام، قالبی مشخص برای پاسخ یا توصیه بخواهند.

در عین حال، کارکنان هنگام درخواست کمک از هوش مصنوعی برای موضوعات خارج از شغل خود، بیشتر احتمال دارد مثال یا اطلاعات زمینه‌ای ارائه کنند. همچنین بیشتر احتمال دارد از هوش مصنوعی بخواهند چیزی را بررسی یا راستی‌آزمایی کند.

یک برداشت این است که کارکنان با کمک هوش مصنوعی از تخصص دیگران بهره می‌گیرند. ممکن است کارکنان به‌جای اینکه از هوش مصنوعی بخواهند حوزه‌ای کاملاً جدید را به آن‌ها بیاموزد، مسئله و زمینه مرتبط آن—مانند یک سند، مثال یا اطلاعاتی از همکار—را ارائه دهند و بخواهند هوش مصنوعی در به‌کارگیری دانش حوزه‌ای دیگر کمک کند. 

وظایف مربوط به مشاغل دیگر می‌توانند به بخش ثابت گردش‌کارهای جدید مبتنی بر هوش مصنوعی تبدیل شوند

پرسش بعدی این است که آیا کارکنان دوباره به این فعالیت‌ها بازمی‌گردند یا نه. در میان حدود ۶۲۰۰ کارمندی که از آوریل تا ژوئیه به‌طور پیوسته بررسی شدند، سهم وظایف مربوط به مشاغل دیگر که پیش‌تر انجام شده بودند، از ۱۳٫۱٪ فعالیت‌های شغل‌محور با هوش مصنوعی در آوریل به ۲۵٫۹٪ در ژوئیه افزایش یافت1. این الگو نشان می‌دهد که کارکنان بخشی از کمک‌های مربوط به مشاغل دیگر را در گردش‌کارهای مستمر خود می‌گنجانند، نه اینکه فقط یک‌بار آن‌ها را آزمایش کنند. 

تحلیلی جداگانه، تکرار این فعالیت‌ها را در بستر گسترده‌تری بررسی می‌کند. در نمونه‌ای از مشاهدات تطبیق‌یافته با پیگیری یک‌ماهه، کارکنان در ۲۳٫۶٪ موارد به وظیفه‌ای مربوط به شغلی دیگر که ماه قبل انجام داده بودند بازگشتند؛ در مقابل، تنها ۸٫۴٪ از کارکنان مشابهی که ماه قبل سابقه مشاهده‌شده‌ای از انجام آن وظیفه نداشتند، همان وظیفه را انجام دادند. شکاف‌های مشابهی در وظایف درون‌شغلی و عمومی نیز دیده می‌شود.

برخی فعالیت‌های جدید بیش از بقیه ماندگار می‌شوند

میزان تکرار بسته به نوع کار تفاوت چشمگیری دارد. کارکنان در ماه بعد با نرخ نسبتاً بالایی به برخی وظایف مربوط به مشاغل دیگر بازگشتند:

  • گفت‌وگو با مشتریان درباره کالاها یا خدمات: ۵۴٪

  • نوشتن متن‌های تبلیغاتی یا ترویجی: ۴۴٪

  • تولید محتوای بازاریابی: ۳۷٪

در مقایسه، کارکنان در حدود ۱۵٪ موارد دوباره به وظیفه توضیح اطلاعات مالی بازگشتند. میانگین نرخ بازگشت در ماه بعد برای وظایف مربوط به مشاغل دیگر ۱۸٫۵٪ بود. این تفاوت‌ها ممکن است نشان دهد که هوش مصنوعی در کدام گردش‌کارهای تکرارشونده به‌طور طبیعی جای می‌گیرد. همچنین ممکن است بازتاب تفاوت در هنجارهای محیط کار، میزان احتیاط یا پیامدهای احتمالی اشتباه‌کردن باشند. 

از عبور وظایف از مرزهای شغلی تا گسترش دامنه شغل

دو گزارش نخست کار در مرزهای پیشرو تصویری ارائه می‌کنند از اینکه چگونه ممکن است ماهیت کار پیش از عنوان شغلی تغییر کند. گزارش نخست نشان داد که کارکنان با استفاده از هوش مصنوعی از مرزهای سنتی مشاغل عبور می‌کنند. این گزارش نشان می‌دهد که برخی از آن فعالیت‌ها به بخشی از گردش‌کارهای همیشگی تبدیل می‌شوند. این الگوها مسیری احتمالی برای تحول مشاغل با هوش مصنوعی نشان می‌دهند: کارمند فعالیتی خارج از نقش سنتی خود را می‌آزماید، هوش مصنوعی را برای آن مفید می‌یابد و سپس آن فعالیت را به‌طور منظم در کار خود تکرار می‌کند.

هوش مصنوعی ممکن است بسیار پیش از تغییر عنوان مشاغل، آن‌ها را دگرگون کند: کارکنان با کمک هوش مصنوعی فعالیت‌های مربوط به مشاغل دیگر را انجام می‌دهند و به‌مرور برخی از آن‌ها را تکرار می‌کنند. اگر این فعالیت‌ها به مسئولیت‌های ثابت تبدیل شوند، ممکن است مجموعه فعالیت‌های یک شغل گسترده‌تر شود، حتی اگر عنوان آن تغییر نکند. به مطالعه این تحولات ادامه خواهیم داد تا تصویر روشن‌تری از تأثیر هوش مصنوعی بر تقسیم کار و پیامدهای آن برای کارکنان، کسب‌وکارها و اقتصاد کلان به دست آوریم.

نویسنده

OpenAI

پاورقی‌ها

  1. 1

    شغل آن‌ها را براساس اطلاعات نقش یا واحد سازمانی که هنگام راه‌اندازی ChatGPT Business ارائه می‌شود، شناسایی می‌کنیم. پیام‌ها از نمونه‌ای از گفت‌وگوهای این کاربران به دست آمده‌اند. داده‌هایی را که استفاده از آن‌ها برای آموزش غیرفعال شده و پیام‌هایی را که طبقه‌بندی قابل‌استفاده ندارند، کنار می‌گذاریم. برای حفظ دقیق حریم خصوصی کاربران، پیام‌ها را برای تحلیل تجمیع و ناشناس‌سازی می‌کنیم. پژوهشگران تیم ما هنگام انجام این کار هرگز پیام‌های کاربران را به‌صورت جداگانه نمی‌خوانند. همه پیام‌ها برای تحلیل تجمیع و ناشناس‌سازی می‌شوند و ما در هیچ مرحله‌ای از این فرایند پیام‌های جداگانه را نمی‌خوانیم. هرچه کارکنان در یک ماه وظایف جدید بیشتری را امتحان کنند، تعداد وظایفی که می‌توان تکرارشونده دانست افزایش می‌یابد.