"تعجب کمی از بین می رود": نظرسنجی وارتون نشان می دهد که مدیران در حال یادگیری چیزی هستند که ژنرال Z قبلا متوجه شده است.

آیا اخیرا با یک Gen Zer یا حتی یک بچه Gen Alpha در مورد هوش مصنوعی صحبت کرده اید؟ در زمین‌های بازی، بچه‌ها به یکدیگر اشاره می‌کنند و در مورد رفتاری که جعلی یا غیرقابل قبول می‌کنند، می‌گویند: «این هوش مصنوعی است». در دبیرستان و کالج، هوش مصنوعی یک ابزار تقلب است که اگر مراقب نباشید به راحتی قابل تشخیص است. در نیروی کار، این ابزاری برای بی فایده کردن صندوق ورودی ایمیل است.

به طور خلاصه، بومیان هوش مصنوعی که بیشتر در معرض این فناوری هستند، شدیدترین احساسات عشق/نفرت را نسبت به آن دارند. این یک انقلاب تکنولوژیکی برای آنها نیست. این یک درد غول پیکر است

بر اساس نظرسنجی جدید شرکت تحقیقاتی و تحقیقاتی Wharton Human-AI GBK Collective، مدیران شرکت‌های بزرگ آمریکایی بیش از هر زمان دیگری از هوش مصنوعی استفاده می‌کنند و به طور فزاینده‌ای احساس می‌کنند که بچه‌ها و همکاران جوان‌ترشان این کار را انجام می‌دهند. در میان مدیران و بالاتر، 62 درصد گزارش کردند که روزانه از هوش مصنوعی استفاده می‌کنند، در مقایسه با 46 درصد در سال گذشته. در همین حال، سهمی که خود را هیجان زده توصیف می کند، هشت واحد درصد کاهش یافت و به 51 درصد رسید. یک چهارم خود را بدبین و 44 درصد را محتاط توصیف کردند. محققان آن را اولین موج در مطالعه چهار ساله خود نامیدند که در آن استفاده و هیجان در جهت مخالف حرکت کردند.

پراسانا «سانی» تامبه، استاد عملیات، اطلاعات و تصمیم‌گیری و یکی از مدیران پژوهشگاه هوش مصنوعی وارتون، به فورچون گفت: «تعجب کمی از بین می‌رود. او گفت که در جای خود، احتیاط بیشتری وجود دارد: "این فناوری با سرعت زیادی در حال حرکت است و سازمان ما آماده ادامه دادن نیست."

این خنک سازی یک واکنش متقابل نیست. خوش بینی در بین مدیران و بالاتر در سطح 59 درصد ثابت بود و 80 درصد بازده مالی مثبت از هوش مصنوعی را گزارش کردند، اگرچه تنها 28 درصد این بازده را به شدت مثبت ارزیابی کردند. امواج سالانه نمونه‌های جداگانه‌ای هستند و نه تابلویی که افراد مشابهی را ردیابی می‌کند، بنابراین داده‌ها تغییر خلق و خوی را در رده‌های مدیریتی توصیف می‌کنند. یافته ها نشان می دهد که افرادی که مسئول به کار انداختن هوش مصنوعی هستند با تمایزی مواجه می شوند که کاربران جوان قبلا ابراز کرده اند.

یک فناوری می تواند مفید باشد، حتی بازی را تغییر دهد، بدون ایجاد اطمینان در مورد هر چیزی که با آن همراه است.

نظرسنجی گالوپ که با بنیاد خانواده والتون و GSV در آوریل منتشر شد، نشان داد که 51 درصد از آمریکایی‌های 14 تا 29 ساله حداقل به صورت هفتگی از هوش مصنوعی مولد استفاده می‌کنند، حتی با وجود کاهش 14 درصدی هیجان نسبت به سال قبل. در میان پاسخ دهندگان شاغل Gen Z، 48٪ گفتند که خطرات هوش مصنوعی در محل کار بیشتر از مزایای آن است، حتی در حالی که 56٪ اذعان داشتند که ابزارهای هوش مصنوعی می توانند به آنها کمک کنند کار خود را سریعتر انجام دهند.

برای جرمی کورست، مدرس وارتون، شریک GBK و موسس آزمایشگاه‌های Mindspan مشاوره هوش مصنوعی، خنک‌سازی نشان‌دهنده حرکت از آزمایش با یک فناوری به ساخت آن در داخل یک سازمان است.

او گفت که این مانند رفتن از سطح هیجان "اوه، وای" به نحوه عملی کردن این انتقال است.

کار بعد از خروجی

یکی از مهم ترین تغییرات ممکن است اتفاقی باشد که پس از پاسخگویی هوش مصنوعی رخ می دهد.

هفتاد و دو درصد از مدیران و بالاتر گفتند که تمرکز آنها از ایجاد خروجی به مدیریت خروجی های تولید شده توسط هوش مصنوعی تغییر کرده است. در میان مدیران و مدیران، این رقم 63 درصد بود. در میان معاونان رئیس جمهور و بالاتر به 82 درصد رسید.

این تغییر، تأیید را در مرکز کار قرار می دهد. توانایی یک عامل برای انجام یک کار با توانایی یک سازمان برای تعیین اینکه آیا آن کار را به درستی انجام داده است یا خیر یکسان نیست.

تامب، که همچنین در حالی که در تعطیلات خود به سر می برد، روی تحقیقات اقتصادی از داخل OpenAI کار می کند، گفت: «من فکر می کنم ما در مورد آنچه که نمایندگان می توانند انجام دهند، کمی بیش از حد نمایه کرده ایم، در مقابل ... چه چیزی است که ما می توانیم تأیید کنیم که نمایندگان می توانند انجام دهند. (او گفت: «بسیار جالب است. همانطور که می‌دانید، این اقتصاد آنقدر سریع در حال تکامل است که هر یک از ما... بخش متفاوتی از آن را می‌بینیم و سعی می‌کنیم از همه سیگنال‌هایی که می‌توانیم اینجا چه خبر است، بفهمیم.» تامبه گفت، تأیید زمانی پیچیده‌تر می‌شود که کار یک نماینده از عملکردهای سازمانی عبور کند.

کورست به تحقیقات گیدئون ناو و استیون شاو از وارتون در مورد آنچه که آنها «تسلیم شناختی» می‌گویند اشاره کرد: این سؤال که آیا بازبین‌ها واقعا کار هوش مصنوعی را بررسی می‌کنند یا در چه مرحله‌ای به سادگی امضا می‌کنند.

سازمان‌ها به این نتیجه نرسیده‌اند که چه کسی پاسخگوی اشتباهاتی است که می‌گذرد. تامبه آن را به عنوان یک مثال ساده فریبنده از کار پیش رو ارائه کرد: "این یک سوال ساده است، اما از منظر سازمانی، بسیار سخت است، زیرا شامل نقش های شغلی و چیزهای پیچیده ای از این دست است که در واقع حل آنها زمان می برد."

در پاسخ به این سوال که وقتی یک هوش مصنوعی مستقل مرتکب خطای متعاقب می شود چه کسی بیشترین مسئولیت را دارد، 28 درصد از مدیران و بالاتر از تیم مدیریت یا ریسک، 26 درصد مدیر کارمند مستقر و 25 درصد کارمند را نام بردند. در میان مدیران و مدیران به طور خاص، از هر پنج نفر یک نفر گفت که هیچ کس به وضوح پاسخگو نیست یا نمی داند. در میان معاونان و بالاتر، 3٪ همین را گفتند.

در حال حاضر، اکثر بخش ها یک فرد را در جریان نگه می دارند. در میان مدیران و بالاتر که بالاترین سطح مجاز از خودمختاری هوش مصنوعی بخش خود را شناسایی کرده‌اند، 48 درصد گفتند که هوش مصنوعی کار را انجام می‌دهد اما یک انسان قبل از اجرا آن را تأیید کرده است. 35 درصد دیگر گفتند که هوش مصنوعی پیشنهادها یا پیش‌نویس‌هایی را ارائه می‌کند، در حالی که یک فرد هر تماس نهایی را انجام می‌دهد. فقط 17 درصد گزارش کردند که عملکرد مستقلی با نمونه برداری پس از واقعیت یا نظارت و نرده های محافظ در زمان واقعی دارد.

وسط صاف کنید

تمام آن بررسی، تایید و تصمیم گیری بر روی لایه ای از شرکت که قبلا مشغول بود، می افتد.

کورست گفت: «مجموعه فشاری به وسط سازمان وارد می‌کند» و «مدیران میانی و تیم‌هایی را که وظیفه رهبری این تحول و انجام درست آن را دارند» توصیف کرد. او افزود که این لایه "ظرفیت زیادی ندارد."

کورست گفت که قابلیت های در حال گسترش این فناوری می تواند مشکل را بدتر کند. توانایی انجام کارهای بیشتر به مدیر نمی گوید چه کاری ارزش انجام دادن دارد.

"چگونه کاری را که باید انجام دهم اولویت دهم؟" او با لفاظی پرسید. در غیر این صورت، به دلیل فناوری، می‌توانم به سرعت متوجه شوم که یک تردمیل جدید را اجرا می‌کنم.

این فشار به سمت پایین نیز می رود. یک سوم از مدیران و بالاتر گزارش دادند که دپارتمان‌های آنها قبلا استخدام‌ها را به دلیل هوش مصنوعی کند کرده یا متوقف کرده‌اند و 24 درصد انتظار داشتند که هوش مصنوعی در طی دو تا پنج سال آینده منجر به استخدام کمتر در سطح پایه شود، در مقایسه با 14 درصد که انتظار استخدام‌های اجرایی کمتری داشتند.

روسا و کارمندانشان در مورد میزان آمادگی نیروی کار نیز اختلاف نظر دارند. در حالی که 78 درصد از مدیران و بالاتر گفتند که کارمندان آموزش‌های هوش مصنوعی کافی را دریافت کرده‌اند، تنها 56 درصد از کارکنان سطح ابتدایی و متوسط ​​با این موضوع موافقت کردند. این کارمندان خردسال برای اولین بار در سال جاری به نظرسنجی اضافه شدند و نتایج، مدیران و کارمندانی را که در همان شرکت‌ها همسان هستند، مقایسه نمی‌کند.

چه کسی آن را به درستی دریافت می کند

پاسخ این نظرسنجی به سؤال «چگونه» کورست این است که شرکت‌هایی که بازده واقعی را مشاهده می‌کنند، همانهایی هستند که کار پیرامون آن را دوباره طراحی می‌کنند.

دپارتمان‌هایی که هوش مصنوعی را حداقل با یک معیار رشد، مانند درآمد خالص جدید یا تبدیل فروش، قضاوت می‌کنند، احتمال بیشتری داشت که بازدهی بسیار مثبت را گزارش کنند: 35 درصد در مقابل 13 درصد برای آنهایی که کارایی را به تنهایی اندازه‌گیری می‌کنند. بخش‌هایی که بازدهی قوی داشتند، احتمالا ساختار مدیریتی خود را تغییر داده‌اند (64٪ در مقابل 47٪) و به طور قابل توجهی گردش کار خود را تغییر داده‌اند (84٪ در مقابل 69٪). آن‌ها نسبت به سایر بخش‌ها، کاهش کارمندان یا توقف استخدام‌ها را گزارش نکردند.

کورست گفت که با آنچه که او می بیند مطابقت دارد. شرکت هایی که بازده مواد را گزارش می دهند می پرسند: "چگونه می توانم کاری را که انجام می دهم یا کارهای جدید انجام می دهم در این عصر تغییر دهم؟" او گفت. این شرکت ها هنوز در اقلیت هستند.

اقتدار عامل نیز تحول را دنبال می کند. در میان بخش‌هایی که به نمایندگان اجازه می‌دهند تا اقداماتی را در ارتباط با مشتریان انجام دهند، 25 درصد گردش کار خود را تغییر داده‌اند، در حالی که 12 درصد آن‌هایی که این کار را نمی‌کنند. در مواردی که نمایندگان ممکن است اقدامات مالی یا حقوقی غیرقابل برگشت انجام دهند، این رقم 29٪ در مقابل 13٪ است.

کورست، یکی از مدیران سابق مایکروسافت و T-Mobile، این لحظه را با برق رسانی کارخانه مقایسه کرد. کارخانه ها ابتدا کارخانه بخار مرکزی را که هر ماشینی را از طریق سیستم شفت های دوار هدایت می کرد با یک موتور الکتریکی تعویض کردند. تمیزتر و کارآمدتر بود، اما دستاوردهای آن اندک بود.

کورست می‌گوید: «باید شخصی مانند فورد آمد و گفت: «خب، بیایید در این مورد تجدید نظر کنیم». ماشین‌های تکی می‌توانند در هر جایی روی زمین قرار بگیرند و کل فرآیند تولید در اطراف آن‌ها بازسازی شود.

این بازسازی چندین دهه طول کشید. تامبه گفت که برق تقریبا یک قرن طول کشید تا در اقتصاد گسترش یابد. او گفت حدود 50 سال طول کشید تا 40 درصد از خانوارهای ایالات متحده به برق برسند و تهویه مطبوع، محصول جانبی مستقیم، تا دهه 1950، زمانی که جنوب را از نظر اقتصادی باز کرد، شروع به کار نکرد.

تامب گفت: «این یک مقایسه عالی از نظر وسعت و مقیاس است، اما سرعت آنچه اتفاق می‌افتد... واقعا چیزی کاملا متفاوت است. او خاطرنشان کرد که در مقایسه، حساب‌های ChatGPT ظرف یک یا دو سال در همه جا وجود داشت.

کورست گفت: «ما شروع به انجام آن در تحولات چند ماهه و چند ساله می کنیم.

تامبه به تفاوت دیگری اشاره کرد. او گفت که بیشتر سازماندهی مجدد کارخانه با نسل جدیدی از مدیران انجام شد، "زمانی که مدیران قدیمی بازنشسته شدند و رفتند و جدیدها وارد شدند و آن را تعمیر کردند." "بنابراین ما چنین محدوده زمانی نداریم."

در انتظار رکود

رابرت هال، اقتصاددان استنفورد، در صبح مصاحبه فورچون با تامبه و کورست، جایزه نوبل اقتصاد را با مایکل وودفورد به اشتراک گذاشت. تامبه از کار هال استناد کرد که نشان می‌دهد این تغییرات بزرگ اقتصادی زمانی که اقتصاد در رکود است، واقعا قفل می‌شوند. تامب گفت: «این یک موازی بسیار جالب است.

اقتصاددانان گلدمن ساکس استدلال مشابهی در مورد هوش مصنوعی ارائه کرده اند. اکتبر گذشته، دیوید مریکل و پیرفرانچسکو می استدلال کردند که ایالات متحده وارد دوره ای از "رشد بیکاری" شده است - تولید ناخالص داخلی قوی در کنار استخدام متوسط ​​- که احتمالا همچنان ادامه خواهد داشت، همانطور که فورچون گزارش داد. آنها همچنین از تز هال حمایت کردند: "تاریخ همچنین نشان می دهد که عواقب کامل هوش مصنوعی برای بازار کار ممکن است تا زمانی که رکود اتفاق نیفتد آشکار نشود."

تامبه با عقب نشینی از یک پیش بینی کوتاه مدت گفت: «من قصد ندارم رکود را پیش بینی کنم. او گفت: آنچه او در داده‌های نظرسنجی و اقتصاد می‌بیند این است که «فرایند تحول گردش کار آغاز شده است». به نظر نمی‌رسد که مردم منتظر باشند، زیرا من فکر می‌کنم این فناوری بسیار مهم است.»

این نظرسنجی از او حمایت می کند: 52٪ از مدیران و بالاتر گفتند که بخش آنها ساختار مدیریتی خود را به دلیل هوش مصنوعی تغییر داده است و 73٪ گفتند که گردش کار به طور قابل توجهی تغییر کرده است.

اینکه آیا مدیران واقعا به نسل Z می رسند بستگی به این دارد که از چه کسی بپرسید.

تامب گفت که این شکاف را از نزدیک دیده است، زیرا در تابستان با دانش‌آموزان دبیرستانی و مدیران ارشد صحبت‌های پشت سر هم انجام داد و از هر گروه کلماتی خواست که توصیف کنند چگونه هوش مصنوعی را دیدند. او گفت که دانشجویان بسیار کمتر مشتاق بودند و مدیران اجرایی آماده رفتن بودند.

او گفت: «شاید مدیران اجرایی [در حال] شروع به بررسی این موضوع کنند و به دلایل اجرایی عملی ببینند که برخی از چالش‌ها در اینجا چیست.

او گفت مطمئن نیست که دو گروه به دلایل مشابه عقب نشینی کنند. مدیرانی که با مشکلات استقرار مواجه هستند، لزوما به همان فشارهایی که دانشجویان در مورد آینده خود فکر می کنند پاسخ نمی دهند. و او فکر می‌کند که جنبش از هر دو طرف پیش می‌رود: به گفته او، به نظر می‌رسد که دانشجویان جوان‌ترش نسبت به یک یا دو سال پیش کمتر نگران هستند.

تامب گفت: «اینجا کمی همگرایی در حال وقوع است.

هوش مصنوعی می‌تواند خروجی‌ها را فورا به دست بیاورد، اما تامب و کورست هر دو توافق کردند که مهارت سخت‌تر قضاوت در مورد خوب بودن آنهاست. تامب گفت که او هنوز در حال بررسی است که آیا این قضاوت متعلق به شخصی است که جریان کار را اداره می کند یا خیر.

او گفت: «ممکن است شما افراد عمومی داشته باشید که گردش کار را اجرا می کنند و کارشناسانی که تأیید را اجرا می کنند، یا ممکن است یک نفر داشته باشید که همه این کارها را انجام می دهد. "این یک سوال جالب است."

این داستان در ابتدا در سایت Fortune.com منتشر شد