به نظر می رسد، مدیریت ربات ها به اندازه مدیریت افراد آزاردهنده است

گتی ایماژ; آلیسا پاول/BI یکی از اعضای تیم خدمات مشتری سمیه نور در تلاش است تا بیش از حد به موفقیت برسد - و این باعث ایجاد مشکلاتی برای او می شود.

عامل هوش مصنوعی او آموزش دیده است که در صورت مواجهه با کاری که نمی تواند از عهده او برآید، او را حلقه کند. با این حال، او متوجه شده است که با گذشت زمان، سعی می کند مشکلات خارج از محدوده خود را حل کند و با اطمینان زیاد پاسخ های نادرست ارائه می دهد که منجر به مشتریان ناراضی و عصبانی می شود.

بنابراین هر چند ماه یکبار، نور گفت که باید مدتی از کارش را اختصاص دهد تا نماینده را در مورد کاری که قرار است انجام دهد، تازه کند و آن را در موارد لبه بیشتری آموزش دهد.

نور، مدیر ارشد محصول در یک پلتفرم سرمایه گذاری تأثیر اجتماعی مستقر در بریتانیا که همچنین دو عامل دیگر هوش مصنوعی را مدیریت می کند: یک مدیر محصول خردسال و یک «رئیس کارکنان» داخلی، گفت: «در طول زمان، به جای اینکه بهتر شود، بدتر می شود. او گفت که بدتر شدن عملکرد تفاوت عمده ای بود که او بین سه عامل هوش مصنوعی خود در مقایسه با هفت گزارش انسانی خود مشاهده کرد.

رهبران فناوری یک چشم انداز فریبنده از عوامل هوش مصنوعی را در محل کار فروختند.

اریک یوان، مدیر عامل زوم، تصویری از دوقلوهای دیجیتالی را ترسیم کرد که جلسات خود را در حالی که در ساحل در یک هفته کاری چهار روزه پشت سر می‌گذاشتند. Salesforce مفهوم مشابهی را به اشتراک گذاشته است: یکی از دستیاران شرکتی نهایی که می‌توانند از میدان‌های فروش خارج شوند و روز شما را اداره کنند.

برای بسیاری از کارگران، این آینده کاملا فرا نرسیده است. در عوض، مدیریت ربات‌ها می‌تواند به اندازه مدیریت افراد دشوار باشد. کارگران فهرستی از دردسرهای فزاینده ای را که با مدیریت هوش مصنوعی به وجود می آید را با Business Insider به اشتراک گذاشتند: «پوسیدگی»، وظایف طولانی مدت که با یک خطا از مسیر خارج می شوند، و عواملی که کار یکدیگر را تکرار می کنند.

کارگزاران ≠ کمتر کار می کنند

هوش مصنوعی عاملی هنوز در محل کار فراگیر نیست - اما پذیرش در حال افزایش است. در گزارش گروه مشاوره بوستون که در ژوئن منتشر شد، 30 درصد از پاسخ دهندگان گفتند که سازمان های آنها عوامل هوش مصنوعی را در گردش کار ادغام کرده اند، در حالی که سال قبل 13 درصد افزایش داشته است.

تخلیه وظایف لزوما به این معنی نیست که کارمندان زمان بیشتری را به عقب برمی‌گردانند - و این ممکن است بزرگ‌ترین تصور غلطی باشد که در وعده نمایندگان وجود دارد.

مدیر مهندسی سیسکو، سرجیو فریتاس، گفت که کارگزاران باعث نشده اند که او ساعات بیشتری کار کند، اما روزهای او را نیز کوتاه نکرده اند. او گفت، در حالی که کدنویسی سنتی نیاز به تمرکز داشت، به نظر می‌رسید که یک کاردستی همهجانبه است که بسیاری از توسعه دهندگان از آن لذت می‌برند. عوامل هماهنگ کننده نوع دیگری از توجه را می طلبد: تغییر وظایف بیشتر و نظارت بیشتر. او گفت که این می تواند کار را شدیدتر کند.

فریتاس گفت: «خستگی ناشی از توانایی انجام کارهای بیشتر است.

خروجی بیشتر به معنای کار بهتر نیست. در واقع، اغلب می تواند خلاف آن را نشان دهد. مطالعه اخیر گروه مشاوره بوستون بر روی 1488 کارمند تمام وقت ایالات متحده، این پدیده را به عنوان "فرخ مغزی هوش مصنوعی" توصیف کرد که خستگی ذهنی ناشی از نظارت بیش از حد بر عوامل هوش مصنوعی است. شرکت‌کنندگان مه ذهنی، مشکل در تمرکز، تصمیم‌گیری کند و سردرد را گزارش کردند - فشارهایی که در نهایت می‌توانند نرخ خطا و گردش مالی را افزایش دهند.

الیجا وی، دانشیار مدیریت در دانشکده بازرگانی فاستر دانشگاه واشنگتن، گفت: بخشی از چالش، همگام شدن با عواملی است که می توانند 24 ساعته و 7 روز هفته کار کنند.

وی گفت: "مردم خود را با علامت دادن به ارزش خود می سوزانند." وی افزود که انسان ها نمی توانند با عوامل رقابت کنند.

ما به خودمان شغل دوم دادیم

کارگران فقط با واقعیت یک جریان کاری که دائما قطع می شود دست و پنجه نرم نمی کنند - آنها همچنین در صورت خراب شدن نماینده آنها درگیر هستند. نتیجه این است که زمان بیشتری برای نگهداری از ربات‌ها و مسئولیت قانونی پلیس صرف می‌شود.

دن لوئیس، نویسنده خبرنامه، به Business Insider گفت: «من زمان کمتری را صرف انجام کارها و زمان بیشتری برای بررسی آنها می کنم.

سباستین گیرلینگر، معاون هوش مصنوعی و فناوری اطلاعات در Storyblok، گفت که توسعه‌دهندگان از حجم کدی که باید برای اولین بار در زمان معرفی ابزارهای هوش مصنوعی بررسی می‌کردند، «واقعا ناامید شدند». او گفت که روش‌های بررسی و آزمایش اکنون باید با سرعتی که هوش مصنوعی کارمندان را قادر به ساختن می‌کند، همگام باشد.

حتی راه‌اندازی نمایندگی‌ها می‌تواند با یک سردرد قانونی همراه باشد. نیکلاس کوهن، کارآموز 20 ساله در شرکت توسعه ذخیره‌سازی انرژی خورشیدی و انرژی Headwater Energy، گفت: «بزرگ‌ترین چالش» آماده‌سازی داده‌ها برای استفاده کارآمد در جریان‌های کاری عامل است.

کوهن، که شرکت هوش مصنوعی انرژی Redr Labs را نیز تأسیس کرده است، گفت: «شما نمی‌توانید فقط یک نماینده را به یک سیتادل یا یک شرکت بزرگ چندلایه‌ای بیاندازید و انتظار داشته باشید که همه چیز مطابقت داشته باشد». به خصوص اگر در داخل آموزش داده نشده باشد.»

کوهن گفت، حتی پلتفرم‌هایی مانند AWS Bedrock که به شرکت‌ها اجازه می‌دهد داده‌های خود را در محیط خود نگه دارند، همچنان می‌توانند خطرات انطباق را ایجاد کنند. او افزود که ساخت مدل‌های داخلی و آموزش آنها بر روی داده‌های اختصاصی ممکن است به شرکت‌ها کنترل بیشتری بدهد، اما انجام این کار به قدرت محاسباتی قابل توجهی نیاز دارد و می‌تواند به سرعت گران شود.

عوامل هوش مصنوعی گاهی اوقات در شغل خود بدتر می شوند

کارمندان انسانی - در بیشتر موارد - هر چه مدت بیشتری در محل کار باشند، مهارت های خود را بهبود می بخشند. این را نمی توان در مورد کارمندان عامل هوش مصنوعی گفت.

پدیده پوسیدگی زمینه هوش مصنوعی به خوبی مستند شده است و به این اشاره دارد که LLM ها هر چه بیشتر از آنها استفاده شود نتایج ضعیفی را به دست می آورند. طبق گزارش Salesforce توسط Cody Gould، یکی از مهندسان پیشرو شرکت، و Molly Futrell، نویسنده فنی، این زمانی اتفاق می‌افتد که زمینه جدید به LLM داده می‌شود، زمینه قدیمی را کنار می‌زند، و باعث می‌شود که عوامل دستورالعمل‌های خاص را کنار بگذارند و "از محدودیت‌های عملیاتی تعیین‌شده دور شوند".

ایوان بورازین، مدیر عامل شرکت هوش مصنوعی Daytona مستقر در نیویورک، گفت که مدیران تا حدودی مسئولیت بدتر شدن تدریجی کارگزاران هوش مصنوعی را بر عهده دارند. او گفت که در شروع یک پروژه جدید، زمانی که مردم برای اولین بار به نماینده این وظیفه را می دهند، یک اعلان بزرگ و زمینه های زیادی را ارائه می دهند.

برازین گفت: "همانطور که به پیشرفت خود ادامه می دهید، به عنوان یک انسان تنبل می شوید. پیام شما پنج روز بعد مانند "این را بهتر کنید" است. "چون درخواست های شما تنزل می یابد، نتایج کارگزاران نیز تنزل می یابد."

بورازین گفت که مهندسان او حداقل دو تا سه عامل هوش مصنوعی را در هر زمان اداره می کنند و مهندسان تجربی تر او 15 عامل را به صورت موازی مستقر می کنند. با وجود چالش‌هایشان، نمایندگان به او کمک می‌کنند تیم واقعی‌اش را حفظ کند. دیتونا 30 نفر نیروی کار دارد.

گیرلینگر گفت راه حل او این است که به طور دوره ای حافظه و حافظه پنهان را در محیط هوش مصنوعی خود پاک کند، که با یک صفحه تمیز شروع می شود. در حالی که مدل‌ها زمینه قدیمی را از دست می‌دهند، هر الگوی را که مدل در آن قفل کرده است، می‌شکند.

مایکل کروسی، دانشیار مؤسسه فناوری سنگاپور که رفتار سازمانی را مورد تحقیق و آموزش قرار داده است، گفت: همچنین هیچ اعتماد و یکپارچگی در طول زمان بین عوامل و مدیران هوش مصنوعی ایجاد نمی شود.

راه درازی در پیش است تا عوامل هوش مصنوعی بتوانند جای کارمندان انسانی را بگیرند

سواد هوش مصنوعی و دانستن نحوه کار با عوامل هوش مصنوعی اکنون برای بسیاری از کارفرمایان غیرقابل مذاکره است. توماس لابول، بنیانگذار و مدیر عامل توکو، گفت که این یک الزام در شرکتش است، "به همان صورتی که انتظار دارید کسی بتواند از کامپیوتر استفاده کند یا از اکسل استفاده کند."

اما هنوز راه درازی تا بیکار شدن کارکنان انسانی باقی مانده است.

وقتی نوبت به تصمیم گیری در مورد استخدام یک کارمند جدید می رسد یا یک عامل هوش مصنوعی دیگر، براد سامز، نایب رئیس Stardock Software مستقر در میشیگان، خلاقیت یک عامل بزرگ است.

سامز، علیرغم اینکه روزانه به طور متوسط ​​30 نماینده را مدیریت می کند، گفت که آنها برای پروژه های خلاقانه موفق نیستند.

او گفت: "ما معتقدیم که اگر قرار است انسانی آن را بخواند - مثلا مطالب بازاریابی - ما به یک کارمند انسانی در Stardock نیاز داریم که آن را بنویسد یا حداقل بررسی کند."

مایکل هوسمن، بنیانگذار و مدیر عامل آزمایشگاه عملکرد هوش مصنوعی، با ادغام شدن کارگزاران در نیروی کار، گفت که کارگران باید بخش هایی را که انسان را انسان می سازد، «دوبرابر» کنند. این شامل توانایی رهبری تیم، خواندن اتاق، گفتن داستان و همکاری است.

ما به نحوه استفاده یا عدم استفاده افراد در نسل های مختلف از عوامل هوش مصنوعی علاقه مندیم. از تجربه خود در نظرسنجی زیر برای ما بگویید.

مقاله اصلی را در Business Insider بخوانید