هوش مصنوعی یک ابزار است و استفاده از آن به مهارت نیاز دارد

ریچ هیکی در مقاله 11 اکتبر 2026 خود با عنوان "AI ابزار نیست" استدلال می کند که LLM ها به جای ابزار اتوماسیون هستند زیرا نمی توان از آنها استفاده کرد. موافقم که برون سپاری کار می تواند به قیمت فرصت های یادگیری برای ما تمام شود. اما نتیجه گیری او نتیجه نمی گیرد. حتی طبق تعریف او، LLM می تواند چیزی باشد که انسان از آن استفاده می کند. و استفاده از آن به خوبی نیاز به مهارت دارد، درست مانند استفاده از ابزارهای دیگر.

برداشتن اره برش مستقیم را تضمین نمی کند. نگه داشتن اسکنه شما را مجسمه ساز نمی کند. ابزارها می توانند قضاوت ضعیف را به آسانی به اندازه قضاوت خوب تقویت کنند. سودمندی آنها به توانایی اپراتور برای هدایت آنها، تفسیر بازخورد، تشخیص اشتباهات و انجام اصلاحات بستگی دارد. این الزامات همچنین برای LLM ها اعمال می شود.

غیر قابل پیش بینی بودن یک LLM یک محدودیت معنادار است. اما پیش‌بینی‌پذیری، قابلیت اطمینان، سادگی و عملکرد محدود کیفیت‌هایی هستند که به وسیله آن‌ها ابزارها را ارزیابی می‌کنیم، نه پیش‌نیازهای عضویت در دسته. یک ابزار از ابزار بودن باز نمی ایستد زیرا کنترل آن دشوار است یا استفاده نادرست از آن آسان است.

تمایز هیکی بین ابزار و اتوماسیون نیز یک تقسیم بندی نادرست ایجاد می کند. اتوماسیون می تواند یکی از ویژگی های یک ابزار باشد. یک کامپایلر کار قابل توجهی را بدون اینکه برنامه نویس به طور مداوم هر عملیات را هدایت کند انجام می دهد. یک صفحه‌گسترده نتایج را مجددا محاسبه می‌کند بدون اینکه کسی به صورت دستی همه محاسبه‌ها را انجام دهد. ما همچنان از این سیستم‌ها با مشخص کردن ورودی‌ها، بررسی نتایج و تصمیم‌گیری در مورد کارهای بعدی استفاده می‌کنیم. چرا باید هنگام ترجمه کد یا محاسبه خودکار اعداد، تولید متن به طور خودکار ابزار را از ابزار بودن رد کند؟

دفاع از این ادعا که استفاده از LLM فاقد قصد، بازخورد، جهت و تخصص است، به ویژه دشوار است. یک برنامه نویس می تواند از یک LLM بخواهد کد ناآشنا را توضیح دهد، آن توضیح را به چالش بکشد، منبع را بررسی کند، یک تغییر پیشنهادی را آزمایش کند، آن را رد کند و درخواست را اصلاح کند. این یک حلقه بازخورد است که توسط انسانی که هدفی را دنبال می کند هدایت می شود. انجام آن به خوبی مستلزم دانستن اینکه چه چیزی بپرسید، چه شواهدی مهم است و چه زمانی پاسخ اشتباه است. تخصص می تواند ابزار را مفیدتر کند.

نگرانی هیکی در مورد خواندن برای یک کاربرد خاص معتبر است: پذیرش یک خلاصه به جای خواندن مقاله می تواند بسیاری از آنچه را که خواندن می آموزد قربانی کند. اما یک نفر همچنین می تواند مقاله را بخواند و از یک LLM برای زیر سوال بردن تفسیر خود، بررسی یک اعتراض یا شناسایی چیزی برای بررسی دقیق تر استفاده کند. امکان اجتناب از کار فکری ثابت نمی کند که هر استفاده ای از آن اجتناب می کند. سوال مربوطه این است که شخص واقعا چه می کند.

چیزی که بیش از همه من را ناامید می کند، اتکا به واژگان انسانی صنعت هوش مصنوعی است: «سرکش برو»، «فرار از مهار»، «توطئه». تکرار آن عبارات خطر پذیرش چارچوبی را به همراه دارد که این سیستم‌ها را شبیه موجودات مستقل می‌کند. نرم‌افزار می‌تواند خروجی‌های غیرمنتظره تولید کند، دستورالعمل‌ها را دنبال نکند، یا در صورت دسترسی به اقدامات بعدی باعث آسیب شود. اینها مشکلات مهندسی واقعی هستند. نامیدن آنها "توطئه"، انگیزه های انسانی را بدون ایجاد هیچ گونه اثباتی به آنها اضافه می کند.

من ادعا نمی کنم که یک LLM همیشه دقیقا همان کاری را انجام می دهد که یک انسان به او می گوید. به وضوح می تواند شکست بخورد. اما شکست در اطاعت کامل باعث نمی شود که ابزار نباشد، بیشتر از اینکه استفاده موفقیت آمیز ثابت می کند که اپراتور آن از قضاوت خود تسلیم شده است.

تمایز مفید بین استفاده از ابزار با مهارت و واگذاری کار بدون درک یا نظارت کافی است. این تمایز در مورد هوش مصنوعی صدق می‌کند، و چیزی کاربردی‌تر از این به ما می‌دهد که بگوییم کل کلاس نرم‌افزار نمی‌تواند ابزار باشد.