تا همین چند سال پیش، اگر کسی میتوانست یک متن حرفهای بنویسد، یک طرح جذاب بسازد، دادهها را تحلیل کند یا یک ایده را به یک پروژه تبدیل کند، مهارت ارزشمندی داشت
امروز اما میتوانیم بسیاری از این کارها را با چند خط دستور به هوش مصنوعی بسپاریم
پس سؤال مهمی پیش میآید: وقتی هوش مصنوعی میتواند بخشی از کارهایی را که برایشان سالها وقت میگذاریم انجام دهد، ما باید چه چیزی یاد بگیریم؟
شاید پاسخ این نباشد که از هوش مصنوعی جلو بزنیم. شاید باید یاد بگیریم کارهایی انجام دهیم که صرفاً با تولید یک پاسخ خوب تمام نمیشوند
هوش مصنوعی میتواند به سؤالهای ما پاسخ دهد؛ اما آیا همیشه میدانیم سؤال درست چیست؟
فرض کنید صاحب یک کسبوکار هستید و فروش شما کاهش پیدا کرده است. میتوانید از هوش مصنوعی بخواهید ده راهکار برای افزایش فروش پیشنهاد دهد. احتمالاً هم پاسخهای خوبی دریافت میکنید.
اما یک نفر باید بفهمد مشکل واقعاً کجاست
آیا قیمت محصول بالاست؟ آیا مشتریان دیگر به برند اعتماد ندارند؟ آیا محصول نیاز واقعی بازار را برطرف نمیکند؟ یا اصلاً شرکت در حال تلاش برای حل مسئله اشتباهی است؟
ارزش واقعی فقط در پیدا کردن پاسخ نیست؛ در تشخیص این است که کدام سؤال ارزش پاسخ دادن دارد.
پس بهجای اینکه فقط یاد بگیریم چطور از ابزارهای هوش مصنوعی استفاده کنیم، باید یاد بگیریم مسئلهها را دقیق تعریف کنیم، فرضیه بسازیم و سؤالهایی بپرسیم که ما را به اصل موضوع نزدیکتر میکنند
تصور کنید دو نفر به یک ابزار هوش مصنوعی دسترسی دارند. هر دو میتوانند در چند دقیقه یک کمپین تبلیغاتی بسازند، برای یک محصول نام انتخاب کنند و دهها ایده برای رشد کسبوکار تولید کنند
اما آیا نتیجه کارشان یکسان خواهد بود؟
احتمالاً نه
یکی ممکن است کمپینی زیبا و خلاقانه بسازد که هیچ ارتباطی با نیاز مشتریان ندارد. دیگری ممکن است با شناخت بازار، رفتار مشتری و محدودیتهای کسبوکار، ایدهای سادهتر اما مؤثرتر انتخاب کند
در دنیایی که تولید محتوا، ایده و حتی نمونه اولیه محصولات آسانتر میشود، انتخاب ایده درست اهمیت بیشتری پیدا میکند.
وقتی ساختن آسانتر میشود، تشخیص اینکه چه چیزی ارزش ساختن دارد، به مزیت مهمتری تبدیل میشود
این مهارت به شناخت بازار، درک انسانها، تحلیل موقعیت و توانایی تشخیص فرصتهای واقعی نیاز دارد
هوش مصنوعی میتواند هزاران نظر مشتری را بررسی کند، الگوهای رفتاری را پیدا کند و حدس بزند مردم به چه محصولاتی علاقه دارند.
اما انسانها همیشه مطابق چیزی که میگویند رفتار نمیکنند
گاهی مشتری میگوید قیمت محصول مهمترین عامل خرید اوست، اما در عمل از برندی خرید میکند که به آن اعتماد بیشتری دارد. گاهی افراد محصولی را انتخاب میکنند نه بهخاطر ویژگیهای فنی آن، بلکه بهخاطر احساسی که از استفادهاش میگیرند یا تصویری که از خودشان میسازند
درک این تفاوتها به مشاهده، گفتوگو، تجربه و شناخت زمینه اجتماعی و فرهنگی نیاز دارد
این به معنای ناتوانی هوش مصنوعی در تحلیل رفتار انسان نیست. اتفاقاً AI در این زمینه ابزار قدرتمندی است. اما کسی که بتواند تحلیل آن را با شناخت واقعی آدمها ترکیب کند، تصمیمهای دقیقتری خواهد گرفت
در بازاریابی، طراحی محصول، مدیریت و حتی مذاکره، این توانایی میتواند تفاوت بزرگی ایجاد کند
بعضی مسائل جواب مشخصی دارند. برای مثال، میتوانیم از هوش مصنوعی بخواهیم یک فایل را تحلیل کند یا چند راه برای کاهش هزینهها پیشنهاد دهد
اما فرض کنید یک شرکت باید تصمیم بگیرد محصول جدیدی را وارد بازار کند یا نه. اطلاعات کامل نیست، رقبا قابل پیشبینی نیستند و هر انتخابی ممکن است هزینهای داشته باشد
در چنین شرایطی، مسئله فقط پیدا کردن پاسخ نیست؛ مسئله انتخاب میان چند گزینه ناقص است
باید تصمیم بگیریم کدام ریسک پذیرفتنی است، کدام اطلاعات قابل اعتمادند و اگر پیشبینیها اشتباه از آب درآمدند، چه کنیم
هوش مصنوعی میتواند سناریوها را بررسی کند و پیامدهای احتمالی را نشان دهد، اما تصمیمگیری مسئولانه همچنان به قضاوت انسانی، شناخت موقعیت و پذیرش مسئولیت نیاز دارد
در آینده، شاید مزیت افراد نه در این باشد که همیشه جواب را میدانند، بلکه در این باشد که وقتی جواب قطعی وجود ندارد، بهتر تصمیم میگیرند
داشتن ایده آسانتر از اجرای آن است
میتوانیم با کمک AI یک طرح کسبوکار بنویسیم، یک وبسایت اولیه بسازیم یا برای محصولی جدید برنامه بازاریابی طراحی کنیم. اما وقتی ایده با مشتری واقعی، بودجه محدود، تیم انسانی، قوانین و مشکلات پیشبینینشده روبهرو میشود، ماجرا تغییر میکند
اجرای واقعی یعنی بتوانیم با منابع محدود کار کنیم، از بازخوردها یاد بگیریم، اختلافنظرها را مدیریت کنیم و وقتی برنامه اولیه جواب نمیدهد، مسیرمان را اصلاح کنیم
این مهارت فقط مختص کارآفرینان نیست. یک بازاریاب باید بتواند کمپین را اجرا کند و نتیجهاش را بسنجد. یک تحلیلگر باید بتواند یافتههایش را به تصمیم قابل اجرا تبدیل کند. یک مدیر باید بتواند افراد مختلف را برای رسیدن به یک هدف هماهنگ کند
در نهایت، ارزش یک ایده فقط به جذابیت آن نیست؛ به چیزی است که در دنیای واقعی از آن ساخته میشود
امروز میتوانیم از هوش مصنوعی صدها طرح، متن، نام تجاری یا ایده تبلیغاتی بگیریم
اما کدامیک واقعاً خوب است؟
کدام طراحی با هویت برند هماهنگی دارد؟ کدام متن احساس مصنوعی ایجاد میکند؟ کدام ایده متفاوت است و کدام فقط نسخه دیگری از چیزهایی است که قبلاً دیدهایم؟
تولید گزینهها با انتخاب بهترین گزینه تفاوت دارد
سلیقه حرفهای فقط به معنای دوست داشتن رنگها یا داشتن ایدههای زیبا نیست. نتیجه سالها مشاهده، مقایسه، تجربه، شناخت اصول و فهمیدن این است که چرا چیزی کار میکند و چیز دیگری نه
برای مثال، یک بازاریاب حرفهای صرفاً از AI نمیخواهد ده شعار تبلیغاتی بنویسد. او میتواند توضیح دهد چرا یک شعار با جایگاه برند هماهنگ است، چرا دیگری اعتماد مخاطب را کاهش میدهد و چرا گزینه سوم احتمالاً در بازار هدف بهتر عمل میکند
در عصر تولید انبوه محتوا، توانایی تشخیص کیفیت میتواند بهاندازه توانایی تولید محتوا مهم باشد
شاید بهتر باشد بهجای دنبال کردن فهرستی طولانی از مهارتهای آینده، روی ترکیب چند توانایی تمرکز کنیم:
تفکر تحلیلی: برای فهمیدن مسئله، بررسی شواهد و تشخیص علتها
شناخت انسان و بازار: برای فهمیدن نیازها، رفتارها و انگیزههای واقعی
سواد هوش مصنوعی: برای استفاده مؤثر از ابزارها، ارزیابی خروجیها و شناخت محدودیتهایشان
ارتباط و داستانگویی: برای تبدیل ایدهها و دادههای پیچیده به پیامی که دیگران بفهمند و به آن اهمیت بدهند
قضاوت و تصمیمگیری: برای انتخاب میان گزینهها در شرایط نامطمئن
اجرا و یادگیری از تجربه: برای تبدیل ایده به نتیجه و اصلاح مسیر براساس بازخورد واقعی
تخصص در یک حوزه: برای اینکه بدانیم خروجی AI در یک زمینه مشخص واقعاً درست، کاربردی و ارزشمند هست یا نه
لازم نیست در همه این زمینهها متخصص شویم. نقطه شروع بهتر، انتخاب یک حوزه تخصصی و ترکیب آن با توانایی استفاده از هوش مصنوعی و مهارت حل مسئله است
شاید یکی از اشتباهات ما این باشد که آینده را مسابقهای تصور میکنیم که در آن باید در هر کاری از هوش مصنوعی بهتر باشیم
اما اگر AI بتواند در یک فعالیت مشخص سریعتر یا دقیقتر عمل کند، شاید منطقیتر باشد که از آن کمک بگیریم و انرژی خودمان را روی بخشهایی بگذاریم که به شناخت عمیقتر، قضاوت، ارتباط انسانی یا مسئولیتپذیری نیاز دارند
البته هیچ مهارتی تضمین نمیکند که از تغییرات فناوری در امان بمانیم. حتی مهارتهایی که امروز منحصراً انسانی به نظر میرسند، ممکن است در آینده با ابزارهای جدید تغییر کنند
به همین دلیل، شاید یکی از مهمترین مهارتهای آینده، توانایی یادگیری دوباره باشد؛ اینکه بتوانیم دانش خود را بهروز کنیم، فرضیات قدیمی را کنار بگذاریم و از روشهای جدید نترسیم
شاید سؤال درست این نباشد که چه کاری وجود دارد که هوش مصنوعی هرگز نتواند انجام دهد؟
چون هیچکس نمیتواند با اطمینان درباره مرزهای آینده فناوری صحبت کند
سؤال بهتر این است:
در حوزهای که فعالیت میکنم، چه چیزی میتوانم به خروجی هوش مصنوعی اضافه کنم که نتیجه را واقعاً بهتر کند؟
شاید پاسخ برای یک بازاریاب، شناخت عمیق مشتری باشد. برای یک مدیر، تصمیمگیری در شرایط نامطمئن. برای یک طراح، درک هویت برند و تشخیص کیفیت. برای یک تحلیلگر، توانایی تبدیل داده به تصمیم
و شاید برای همه ما، توانایی دیدن مسئلههایی باشد که هنوز کسی بهدرستی آنها را تعریف نکرده است
هوش مصنوعی قرار نیست ارزش تمام مهارتهای انسانی را از بین ببرد؛ اما احتمالاً ارزش بعضی مهارتها را تغییر میدهد
بنابراین، بهجای اینکه فقط بپرسیم چه چیزی یاد بگیرم تا جایگزین نشوم؟ بهتر است بپرسیم:
چه چیزی یاد بگیرم تا بتوانم کارهایی انجام دهم که بدون قضاوت، تجربه و شناخت من، نتیجه متفاوتی خواهند داشت؟
شاید آینده متعلق به کسانی نباشد که بیشترین ابزارهای هوش مصنوعی را بلدند؛ بلکه متعلق به کسانی باشد که میدانند با کمک این ابزارها، چه مسئلهای را حل کنند و چرا حل آن اهمیت دارد
✍️نازنین عباس پور
