پذیرش هوش مصنوعی توسط صنعت نشان می دهد که سایر بخش ها چه چیزی می توانند بیاموزند

روایت فعلی در مورد هوش مصنوعی در محیط کار عمدتا توسط دره سیلیکون هدایت می شود. اما تلقی کردن بخش فناوری به عنوان جزیره ای که گرایش های واقعی در پذیرش فناوری را از دست می دهد – فناوری تنها اولین صنعت در خط است.

با بلوغ هوش مصنوعی و ابزارهای اتوماسیون، تغییراتی که در حال حاضر مهندسی نرم‌افزار و مدیریت محصول را تغییر می‌دهند، ناگزیر به بخش مراقبت‌های بهداشتی، آموزش، خرده‌فروشی و تولید می‌شوند. تغییر در نرخ پذیرش امروزه نشانه‌ای از عقب افتادن صنایع غیرفناوری نیست، بلکه بازتابی از سرعت‌های متفاوتی است که صنایع در آن جریان‌های کاری جدید را جذب می‌کنند. برای رهبران و تیم‌های آن‌ها خارج از فناوری، این سرعت متفاوت، طرحی عملی برای چگونگی پذیرش هوش مصنوعی و موقعیت‌های فرصت‌ها فراهم می‌کند.

طیف پذیرش هوش مصنوعی توسط صنعت

داده های نظرسنجی اخیر از TripleTen نشان می دهد که منحنی پذیرش فعلی در بخش های مختلف اقتصاد چقدر واضح است (شکل 1 را ببینید).

شکل 1: منحنی پذیرش هوش مصنوعی در بین صنایع تند باقی می ماند، اما نرخ پذیرش صنعت غیرفناوری در حال افزایش است.

منبع: TripleTen، 2026

در حالی که فناوری پیشتاز است، امور مالی به‌عنوان یک ثانویه آشکار ظاهر می‌شود: از 48 درصد از کارکنان مالی خواسته شده است که از چت ربات‌های هوش مصنوعی استفاده کنند و از 32 درصد خواسته شده است که بخشی از گردش کار خود را خودکار کنند. این نشان می دهد که کار دانش با چه سرعتی هوش مصنوعی را به محض ظهور موارد استفاده واضح، یکپارچه می کند.

در مقابل، بخش‌هایی مانند مراقبت‌های بهداشتی (18 درصد درخواست استفاده از ربات‌های چت) و آموزش (25 درصد) نشان‌دهنده قرار گرفتن در معرض اولیه کمتر هستند. از آنجایی که این دسته‌بندی‌های صنعتی گسترده ترکیبی از متخصصان حرفه‌ای، پرسنل بالینی یا آموزشی و کارکنان اداری پشتیبان را در بر می‌گیرد، پذیرش جهانی هرگز یک شبه اتفاق نمی‌افتد. ادغام ابزارهای خودکار در عملیات سنگین انطباق یا مواجهه با انسان نیازمند سرعت دقیق تری است که با اعداد کمتر منعکس می شود.

از کارگران مهارت های هوش مصنوعی خواسته می شود که یاد بگیرند

در تمام صنایع مورد بررسی، 79٪ از کارگران گزارش می دهند که از آنها خواسته شده است حداقل یک مهارت را که قبلا نداشتند بیاموزند. نگاهی به شایستگی‌های خاصی که امروزه در فناوری مورد نیاز است، پیش‌نمایش مجموعه‌های مهارتی را ارائه می‌دهد که احتمالا به بخش‌های دیگر منتقل می‌شوند (شکل 2 را ببینید).

شکل 2: نیروی کار در سراسر صنایع در حال یادگیری مهارت های جدید هستند.

منبع: TripleTen، 2026

اگرچه برخی از این مهارت‌ها به نظر می‌رسد که مهارت‌های خاص محدود به فناوری هستند، بسیاری از آنها به کارهای خط مقدم در بخش‌ها تبدیل می‌شوند - از سیستم‌های بیمارستانی که مدیریت تدارکات بیمار را مدیریت می‌کنند تا مناطق مدرسه که گزارش‌های اداری را پردازش می‌کنند.

یک مهارت کمتر از آنچه باید مورد توجه قرار می گیرد. تنها 30 درصد از مدیران و مالکان، قضاوت در مورد درست یا غلط بودن خروجی هوش مصنوعی را یک الزام مطلق می‌دانند که آن را در رتبه ششم فهرست هفتگانه قرار می‌دهد. همانطور که ابزارهای هوش مصنوعی به صنایع بیشتری می رسند، این مهارتی است که اشتباهات را قبل از ایجاد مشکل تشخیص می دهد. همچنین تجربه کاری بیشتر به شما کمک می کند: برای تشخیص یک پاسخ اشتباه، باید بدانید که پاسخ درست چگونه است.

چقدر پذیرش زودهنگام هوش مصنوعی به شغل شما کمک می کند

پذیرش اولیه هوش مصنوعی اهرم حرفه ای واضحی را ارائه می دهد: داده های نظرسنجی TripleTen نشان می دهد که وقتی مدیران یک مهارت یا فرآیند اتوماسیون جدید را از یک کارمند یاد گرفتند، 88٪ از این نوآوری های هوش مصنوعی تحت رهبری کارمندان به روش استاندارد شرکت تبدیل شدند.

در صنایع اولیه، کارکنانی که وظایف اداری تکراری را شناسایی می‌کنند و از ابزارهای هوش مصنوعی برای ساده‌سازی آن‌ها استفاده می‌کنند، صدایی در شکل‌دهی خط‌مشی سازمانی دارند. از آنجایی که شبکه‌های مراقبت‌های بهداشتی، مؤسسات آموزشی و عملیات خرده‌فروشی شروع به عرضه گسترده‌تر نرم‌افزارهای مجهز به هوش مصنوعی می‌کنند، کارگرانی که می‌دانند چگونه خروجی‌ها، مدل‌های سریع و خودکار کارهای معمول را تأیید می‌کنند، مزیت زیادی خواهند داشت. فردی که می تواند سربار اداری را ساده کند، شانس بیشتری برای حفظ، ترفیع و رشد دستمزد می دهد.

آنا ریابوا، رهبر استراتژی و توانمندسازی هوش مصنوعی در TripleTen، می‌گوید: "همه در مورد صرفه‌جویی در زمان صحبت می‌کنند، اما پیروزی واقعی با پذیرش زودهنگام، گسترش کارهایی است که واقعا می‌توانید انجام دهید. افرادی که پیشروی می‌کنند، از آن برای انجام کارهایی استفاده می‌کنند که قبلا مجبور به انجام آن‌ها بودند. مهم نیست چقدر ارشد یا جوان هستید.

شکاف منابع هوش مصنوعی: چه کسی هزینه آموزش را پرداخت می کند و کارگران چگونه یاد می گیرند

اگر صنایع غیرفناوری این ابزارها را به تدریج جذب کنند، چالش برای کارگران در دسترسی به منابع یادگیری با کیفیت است. سرمایه گذاری از جیب کارگران در آموزش به طور قابل توجهی در صنعت متفاوت است:

فناوری: میانگین 1758 دلار (13٪ 0 دلار خرج شده)

امور مالی: میانگین 1664 دلار (24 درصد 0 دلار خرج شده)

مراقبت های بهداشتی: 990 دلار به طور متوسط (45٪ 0 دلار خرج شده)

تحصیلات: 883 دلار به طور متوسط (42٪ 0 دلار خرج شده)

تقریبا نیمی از کارکنان مراقبت های بهداشتی و آموزشی در سال گذشته هیچ چیزی از جیب خود برای توسعه حرفه ای خرج نکردند. علاوه بر این، کارکنان فناوری به طور فعال از طیف وسیع تری از کانال های یادگیری استفاده می کنند (شکل 3 را ببینید).

شکل 3: تلاش های توسعه حرفه ای منحنی پذیرش هوش مصنوعی را منعکس می کند.

منبع: TripleTen، 2026

احتمال استفاده از ربات‌های چت هوش مصنوعی به‌عنوان ابزار یادگیری (48 درصد در مقابل 27 درصد) و بیش از دو برابر بیشتر از کارگران خارج از فناوری (21 درصد) بیشتر از همه کارگران است که در واقع از هوش مصنوعی برای تسریع در کسب مهارت‌های دیگر استفاده می‌کنند.

با این حال، از کارگران بخواهید که به آنها بیشتر اعتماد کنند تا یک مهارت شغلی جدید را به آنها آموزش دهند، و آنها فردی را انتخاب می کنند که در حال حاضر آن کار را انجام می دهد (31٪). تعداد کمتری یک برنامه صدور گواهینامه رسمی (19٪)، یک ابزار هوش مصنوعی (16٪) یا یک استاد دانشگاه (6٪) را انتخاب می کنند.

نتیجه گیری

تفاوت در نرخ پذیرش هوش مصنوعی در بین صنایع، داستان این نیست که چه کسی موفق است و چه کسی شکست خورده است. در عوض، این یک جدول زمانی است که چگونه فناوری در یک اقتصاد منتشر می شود. فناوری و امور مالی امروز در حال آزمایش مکانیزم یکپارچه سازی هوش مصنوعی هستند. برای کارگران مراقبت‌های بهداشتی، آموزش، خرده‌فروشی، و تولید، فاز فعلی پنجره‌ای ارزشمند برای مشاهده اینکه کدام مهارت‌ها باعث افزایش بهره‌وری واقعی می‌شوند، فراهم می‌کند - به آنها اجازه می‌دهد تا قبل از تبدیل شدن به انتظارات استاندارد صنعت، آن شایستگی‌ها را ایجاد کنند.

این محتوا توسط TripleTen تولید شده است. این توسط هیات تحریریه MIT Technology Review نوشته نشده است.