ویرگول
ورودثبت نام
یوسف شمس
یوسف شمسمتخصص استراتژی تجارت الکترونیک و خرده‌ فروشی متمرکز بر رشد کسب‌وکار، توسعه تصمیم‌گیری داده‌ محور و طراحی استراتژی رهبری عملکردی
یوسف شمس
یوسف شمس
خواندن ۱۴ دقیقه·۳ ماه پیش

برون سپاری ذهنی کارکنان

وقتی ماشین‌ها شروع به فکر کردن می‌کنند
مقدمه

تاریخ توسعه فناوری، در بسیاری از مواقع تاریخ انتقال بخشی از توانایی‌های انسان به ابزارها بوده است. انسان روزگاری برای جابه‌جایی کالا به قدرت فیزیکی خود وابسته بود اما در سیر تکامل عملکردی انسان ماشین‌ها این وظیفه را بر عهده گرفتند. زمانی محاسبات پیچیده نیازمند ساعت‌ها کار ذهنی بود. در مدت ها بعد رایانه‌ها این فرآیند را ساده کردند و نیز شبکه های ارتباطی بین المللی مانند اینترنت دسترسی انسان به اطلاعات را متحول کرد اما با تولد هوش مصنوعی بازی از دسترسی به ساخت تغییر پیدا کرد چرا که آنها میتوانستند بر اساس مدل سازی های متفاوتی تصمیم گیری کنند و شروع به ساخت و تحلیل تطلاعات کنند. این فناوری تنها قدرت فیزیکی یا دسترسی به اطلاعات را افزایش نمی‌دهد، بلکه وارد قلمروهایی شده است که تا پیش از این انحصاراً انسانی تصور می‌شد و شاید تفاوت ذاتی انسان در همین تصورات بود.
منابع تحقیقاتی اشاره ای به این قلمرو ها میکنند که میتوان به سادگی به آنها اشاره کرد که عبارت است از تحلیل داده، نوشتن و ارتباطات، تصمیم‌سازی، برنامه‌ریزی استراتژیک، تولید ایده و محتوا، حل مسئله و آموزش و یادگیری. به همین دلیل سازمان ها امروزه با یک سوال بسیاد جدی مواجه هستند ؛ اگر ماشین‌ها می‌توانند بخشی از فرآیند فکر کردن را انجام دهند، نقش انسان در آینده کار چه خواهد بود؟ پاسخ ساده و ایده آل این است که انسان باید از ماشین ها برای افزایش توانایی خود استفاده کند اما باید به یک ویژگی منحصر به فرد انسان رجوع کرد که نشان دهنده توقف ناپذیری او در تمامی اکتشافات و اختراعات است. در راستای این ویژگی منحصر به فرد انسان خطری جدی او را تهدید میکند که ممکن است به جای تقویت ذهن خود به تدریج آن را خاموش کند؛ همان طور که عضله کمتر استفاده شده به مرور زمان توان خود را از دست میدهد انسان نیز توانایی شناختی خود با شروع فکر ماشین ها از دست میدهد.

از انقلاب بهره‌وری تا بحران شناختی
چکیده نوشتار
هوش مصنوعی مولد در مدت کوتاهی به یکی از مهم‌ترین فناوری‌های تحول ‌آفرین در محیط کار تبدیل شده است. ابزارهایی مانند ChatGPT، Gemini، Claude و Copilot نه‌ تنها سرعت انجام وظایف دانشی را افزایش داده‌اند، بلکه شیوه فکر کردن، تصمیم گرفتن و خلق ارزش در سازمان‌ها را نیز تغییر داده‌اند؛ در حالی که بسیاری از سازمان ‌ها بر مزایای آشکار هوش مصنوعی مانند افزایش بهره‌ وری، کاهش هزینه‌ها و تسریع فرآیندها تمرکز کرده‌اند، یک چالش عمیق‌تر در حال شکل‌ گیری است که میتوان نام آنرا برون‌ سپاری ذهنی کارکنان (Cognitive Outsourcing) نام گذاری کرد.
برون‌ سپاری ذهنی زمانی رخ می‌دهد که افراد به جای استفاده از توانایی‌های شناختی خود برای تحلیل، حل مسئله، خلق ایده و تصمیم‌گیری، این فرآیندها را به ابزارهای هوش مصنوعی واگذار می‌کنند. این پدیده در کوتاه‌ مدت می‌تواند باعث افزایش سرعت و کاهش فشار کاری شود، اما در بلند مدت ممکن است به کاهش سرمایه شناختی سازمان، افت خودکارآمدی کارکنان، کاهش نوآوری و تضعیف تفکر مستقل منجر شود.
مسئله اصلی عصر هوش مصنوعی، جایگزینی انسان توسط ماشین نیست؛ بلکه خطر اصلی، جایگزینی فرآیند تفکر انسان با پاسخ‌های آماده ماشین است.
این مقاله تلاش می‌کند مفهوم برون‌سپاری ذهنی را بررسی کرده، پیامدهای آن برای سرمایه انسانی را تحلیل کند و چارچوبی برای ایجاد تعادل میان توانایی‌های انسانی و قابلیت‌های هوش مصنوعی ارائه دهد.

ظهور مفهوم برون‌ سپاری ذهنی (Cognitive Outsourcing)
مفهوم برون‌ سپاری ذهنی از یک ایده قدیمی‌ تر به نام Cognitive Offloading سرچشمه می‌گیرد و به معنای استفاده از ابزارهای بیرونی برای کاهش بار ذهنی است. به نوع مثال ساده تر میتوان به مواردی مانند استفاده از تقویم دیجیتال برای یاد آوری جلسات، استفاده از ماشین حساب ها و استفاده از GPS برای مسیر یابی اشاره کرد.
در تحلیل موارد نام برده اشاره مستقیم به مالکیت فرآیند تصمیم گیری توسط انسان بخش اصلی و پایدار فرآیند است و تمام فرآیند صرفا توان پردازشی او را تقویت میکند اما در عصر هوش مصنوعی یک تغییر بسیار بزرگ استفاده ابزاری در حال انجام است که آن را میتوان در یک جمله ساده بیان کرد “ابزار هوش مصنوعی دیگر صرفا کمک کننده نیستند بلکه میتوانند بخشی از فرآیند تحلیل و تفکر را انجام دهند”. مثال‌هایی ساده برای درک بهتر موضوع وجود دارد که میتوان آنهارا بیان کرد. اصلی ترین این مثال مربوط به عملکرد تحلیل مدیران است که پیش از تحلیل دقیق ذهنی صرفا از هوش مصنوعی برای تحلیل استفاده میکنند. برون سپاری خاموش زمانی اتفاق میفتد که فرد در هر جایگاه تحلیل را به زور استاندارد در ذهن خود انجام میدهم اما راه حل مشکلات را از هوش مصنوعی میخواهد که این موضوع میتواند خطری جدی برای ساختار دانشی سازمان ها بوجود بیاورد. در واقع اشاره به موردی بوجود می‌آید که میگوید “ مشکل اصلی استفاده از هوش مصنوعی نیست بلکه نوع رابطه و سپردگی مدل سازی افکاری به هوش مصنوعی مشکل اصلی است”.
موضوع بیان شده در اصل تفاوت میان استفاده هوشمندانه از هوش مصنوعی و وابستگی شناختی را نشان میدهد و این نوعی تعریف از تهدید خاموش سرمایه شناختی سازمان در عصر هوش مصنوعی است.

سپردگی مدل سازی افکاری به هوش مصنوعی
سپردگی مدل سازی افکاری به هوش مصنوعی سه سطح اصلی و کلی را شامل میشود که هر سطح سبک های متفاوتی از رفتار و استفاده ابزاری از هوش مصنوعی است.
• سطح اول اشاره به هوش مصنوعی ،صرفا به عنوان ابزار دارد که در این سطح انسان فکر میکند ، مسئله را تعریف میکند و راه حل را پیدا میکند یا آن را میسازد و صرفا با استفاده از هوش مصنوعی کیفیت خروجی را تغییر و بهبود میدهد. در جامعه و خلق نتایج این سطح بسیار ایده‌آل و مورد پسند است و میتوان گفت این سطح یک سطح استاندارد است که به انسان برای تکامل عملیاتی کمک بسیار دقیقی میکند.
• سطح دوم اشاره به شریک فکری دارد؛ به بیانی متفاوت میتوان گفت در این سطح انسان و ماشین با یک دیگر تعامل میکنند و انسان با توجه به مدل تکامل ذهنی (شخصیتی) پاسخ هوش مصنوعی که بر اساس مدلسازی‌های پایدار است را نقد میکند، فرضیه ایجاد میکند و دوباره مسئله را اصلاح میکند . در این سطح هوش مصنوعی به ظاهر یک همکار تحلیلی به شمار میرود اما به دلیل تکرار مسئله توسط انسان، مسئله میتواند از مدل و فاز خود خارج شود و به اشتباه در مدل هوش مصنوعی قرار گیرد. با این اتفاق دیگر نمیتوان به هوش مصنوعی بدون تفکر تحلیلی انسان تکیه کرد اما در تحقیقات سازمانی میتوان متوجه بود که کارکنان در این چرخه به ظاهر درست و به باطن اشتباه قرار میگیرند که میتواند با لایه سطحی از تفکرات ایدهآل اما با لایه عمیق از تفکر اشتباه قرار گیرند.
•سطح سوم که به آن هوش مصنوعی به عنوان جایگزین ذهن میگویند تفکر را حذف میکند. انسان مسئله را به هوش مصنوعی میسپارد و خروجی را بدون دانش و تحلیل عمیق استفاده میکند. این همان مسیر اشتباهی است که کارکنان در سازمان ها به آن عادت میکنند. این عادت از سریع ترین نتیجه و به ظاهر بهترین نتیجه بوجود می‌آید اما بر خلاف تصور ظاهری، معمولا در اجرا با چالش عدم تحصص و عدم تحلیل مواجه میشود. این همان نقطه ای است که در آن برون سپاری شناختی شکل میگیرد.

پارادوکس بهره‌وری
یکی از بزرگ ترین چالش های مدیریت در عصر هوش مصنوعی تفاوت میان بهره‌ وری عملیاتی و توانمندی انسانی است. فرض بر این باشد که یک فرد در سازمان برای تهیه گزارش مدیریتی به دانش ، تخصص، تجربه و سه ساعت زمان نیاز داشته اما در حال حاضر میتواند به سرعت در سی دقیقه آن را آماده کند. از منظر سازمان اتفاقی بزرگ در حال رخ دادن است که به ترتیب کاهش هزینه، افزایش سرعت اجرا و بیشتر شدن اطلاعات خروجی است؛ اما در عمق اتفاقی بزرگتر در حال رخ دادن است که ما را به سوالی اصلی میرساند “تهیه کننده گزارش در سه ساعت استاندارد به چه نکاتی میرسید که در حال حاضر نرسیده است؟” مجموعه پاسخ سوالات کوتاه تر دیگری میتواند پاسخ سوال بزرگ و اصلی باشد، مانند “ او چگونه و از چه روشی داده ها را تحلیل میکرد؟” “الگو های ذهنی در بررسی و تحلیل داده او چگونه شکل میگرفتند؟” “تجربه او چه مقدار در نکات نهفته داده نقش داشت؟”
یادگیری انسان عمدتا از طریق مواجهه با مسئله اتفاق می افتد و اگر تمام مراحل دشوار مسئله حذف شود عملا بخش مهمی از مسئله حذف شده است. از منظر منابع انسانی میتوان به نکته ای دقیق اشاره کرد؛ در این حذف مراحل دشوار نیز رشد و خلاقیت فرد که سازمان به آن احتیاج دارد متوقف میشود. در نهایت موضوعی بوجود می‌آید به نام پارادوکس بهره‌ وری که اشاره مستقیم به بهره‌ وری کوتاه مدت و ساخت توانمندی بلند مدت دارد. در ادامه مسیر توسعه سازمانی در جامعه انسازی تعادل زمانی بین بهره‌وری و ساخت توانمندی اهمیت بسیاری پیدا میکند.

سرمایه شناختی سازمان؛ دارایی نامرئی آینده

در اقتصاد دیجیتال بسیاری از سازمان ها دارایی خود را با معیار هایی مانند سرمایه مالی، تجهیزات، فناوری و داده اندازه گیری میکنند. در آینده ی توسعه سازمانی مهم ترین داریی یک سازمان موفق صرفا موارد گفته شده نیست، بلکه مهم ترین دارایی، سرمایه شناختی خواهد بود که عبارت است از درک مسائل پیچیده، ایجاد ارتباط ذهنی بین انسان و داده، تصمیم گیری در شرایط عدم قطعیت، خلق ایده جدید و یادگیری تجربی به جای فنی است. این گونه سرمایه ها به هیچ عنوان قابل خرید نیستند و حتی یک سازمان صرفا با خرید بهترین مدل های هوش مصنوعی نمیتواند تفکر سازمانی خود را بوجود آورد. مزیت رقابتی واقعی از منظر منابع انسانی در تجارت، داشتن مدل تفکری خلاق به جای ابزار هوش مصنوعی است. در اشاره ای دقیق تر میتوان مقایسه‌ ای استراتژیک بین دو سازمان با فرضیه سازمان ابزار محور و سازمان تفکر محور انجام داد. در انتها سازمانی موفق خواهد بود که توانایی فردی کارکنانش در پرسیدن سوال درست، ارزیابی دقیق پاسخ، تشخیص صحیح خطا و ترکیب تفکر انسانی و دانش ماشینی را داشته باشد.

کاهش مهارت‌ شناختی؛ وقتی ذهن کمتر تمرین می‌کند
یکی از مهم‌ ترین پیامد وابستگی بیش از حد به هوش مصنوعی، پدیده‌ای است که می‌توان آن را تحلیل رفتن شناختی (Cognitive Atrophy) نامید. مغز انسان مانند یک سیستم یادگیری پویاست و توانایی‌هایی مانند تحلیل، استدلال، خلاقیت و حل مسئله زمانی تقویت می‌شوند که فرد به‌طور مستمر از آن‌ها استفاده کند. زمانی که یک فرد در سازمان برای حل یک مسئله پیچیده کسب‌وکار ساعت‌ها داده‌ها را بررسی می‌کند، با همکاران گفت‌وگو می‌کند، فرضیه می‌سازد و اشتباه می‌کند، در واقع در حال ساختن یک مدل ذهنی از مسئله است اما اگر همین فرآیند به یک درخواست ساده از هوش مصنوعی تبدیل شود، ممکن است خروجی نهایی سریع‌ تر تولید شود، اما فرآیند شناختی که باعث توسعه توانایی فرد می‌شود، اتفاق نمی‌افتد. این موضوع شبیه تفاوت میان یادگیری رانندگی و استفاده دائمی از خودروهای خودران است. خودرو ممکن است شما را سریع‌تر به مقصد برساند، اما اگر هیچ‌گاه رانندگی نکنید، مهارت رانندگی نیز در شما شکل نخواهد گرفت.

پیامدهای برون‌ سپاری ذهنی به وسیله هوش مصنوعی
خطر از دست دادن دانش ضمنی
یکی از مهم‌ ترین دارایی‌های هر سازمان، دانش ضمنی کارکنان است. دانش ضمنی (Tacit Knowledge) شامل دانش تخصصی و عمومی است که افراد می‌دانند اما همیشه نمی‌توانند به‌ راحتی بیان کنند؛ شناخت رفتار مشتری، درک فرهنگ سازمان، تشخیص فرصت‌های بازار، تجربه مواجهه با بحران‌ها و شهود مدیریتی است که معمولاً از سال‌ها تجربه، آزمون و خطا و مواجهه با موقعیت‌های واقعی شکل می‌گیرد اما زمانی که تصمیم‌ها و تحلیل‌ها به شکل مداوم به هوش مصنوعی واگذار شوند، نسل جدید کارکنان ممکن است فرصت ساختن این دانش را از دست بدهند و در نتیجه، سازمان در کوتاه‌ مدت سریع‌تر می‌شود، اما در بلندمدت ممکن است عمق تخصصی خود را از دست بدهد.

کاهش خودکارآمدی؛ وقتی انسان به توانایی خودش شک می‌کند
یکی از مفاهیم کلیدی در روان‌ شناسی سازمانی، خودکارآمدی است. آلبرت بندورا، روان‌شناس برجسته، خودکارآمدی را باور فرد نسبت به توانایی خود برای انجام موفقیت‌ آمیز یک وظیفه تعریف می‌کند. کارکنانی که خودکارآمدی بالایی دارند مسئولیت بیشتری می‌پذیرند، با مسائل پیچیده راحت‌تر مواجه می‌شوند، در برابر شکست مقاومت بیشتری دارند و خلاق‌تر عمل می‌کنند اما تجربه موفقیت شخصی یکی از مهم‌ ترین منابع شکل‌ گیری خودکارآمدی است. اگر فرد احساس کند موفقیت او نتیجه توانایی خودش نیست، بلکه نتیجه ابزار است، به مرور اعتماد او به توانایی‌های شخصی کاهش پیدا می‌کند و در چنین شرایطی، سازمان با کارکنانی مواجه می‌شود که سریع‌تر کار می‌کنند و اما کمتر به خود اعتماد دارند.

کاهش نوآوری و کاهش ایده در برون سپاری ذهنی
نوآوری همیشه از پاسخ‌های آماده ایجاد نمی‌شود. بسیاری از ایده‌های بزرگ نتیجه دوره‌هایی از ابهام، آزمایش، شکست، جست و جو و تفکر عمیق هستند. اما هوش مصنوعی معمولاً تمایل دارد سریع‌ترین پاسخ قابل قبول را ارائه دهد و این ویژگی اگرچه یک مزیت عملیاتی است، اما ممکن است باعث کاهش جست‌ و جوی انسانی شود. سازمان‌هایی که به پاسخ‌های اولیه رضایت می‌دهند، ممکن است به مرور دچار همگرایی شناختی (Cognitive Convergence) شوند؛ یعنی افراد مختلف به دلیل استفاده از ابزارهای مشابه، به پاسخ‌های مشابه برسند و در چنین شرایطی، تنوع فکری که یکی از مهم‌ ترین منابع نوآوری است، کاهش پیدا می‌کند.

کاهش تعاملات انسانی و تضعیف سرمایه اجتماعی
سازمان‌ها فقط مجموعه‌ ای از افراد نیستند؛ بلکه شبکه‌ ای از روابط، اعتماد و همکاری هستند و بخش مهمی از یادگیری سازمانی از طریق تعاملات انسانی اتفاق می‌افتد. کارکنان در مسیر رشد سوال میپرسند، از تجربه دیگران استفاده میکنند، بحث میکنند و بازخورد دریافت میکنند اما اگر هوش مصنوعی به اولین مقصد حل مسئله تبدیل شود، این مسیر تغییر می‌کند. با کاهش تعاملات انسانی و تضعیف سرمایه اجتماعی این تغییر از چرایی به نتیجه نهایی تبدیل میشود. در اصل ساختار نتایج سازمانی نتیجه ممکن است افزایش سرعت باشد، اما کاهش یادگیری اجتماعی پیامد است و در بلندمدت، سازمان ممکن است با نسلی از کارکنان مواجه شود که اطلاعات زیادی دارند، اما تجربه مشترک و دانش سازمانی کمتری ساخته‌ اند.

طراحی سازمان‌های آینده؛ از هوش مصنوعی به سمت هوش ترکیبی
هوش ترکیبی (Hybrid Intelligence)؛ مدل جدید همکاری انسان و ماشین
بحث اصلی در عصر هوش مصنوعی نباید اشاره تکی به تصمیم گیری های انسانی یا ماشینی باشد ، چون این مدل تصمیم گیری تک معیار میتواند در ظاهر درست باشد اما از اساس غلط. مسئله واقعی این است که چگونه می‌توان توانایی‌های انسانی و قابلیت‌های ماشین را به گونه‌ای ترکیب کرد که ارزش خلق‌ شده از مجموع هرکدام بیشتر باشد و این همان مفهومی است که تحت عنوان هوش ترکیبی مطرح میشود. در مدل هوش ترکیبی، انسان و ماشین نقش‌های متفاوت اما مکمل دارند و میتوان گفت ماشین ها در حوزه هایی مانند پردازش عظیم داده، شناسایی الگو، تولید سریع تر محتوا، محاسبات پیچیده و پیشنهاد بیش تر در گزینه های موجود توانمند تر هستند. در نقطه متقابل انسان در حوزه هایی مانند تعریف مسئله به صورت دقیق و درست، درک زمینه‌ای، قضاوت اخلاقی، فهم و درک احساسات، تصمیم گیری در شرایط ابهام و خلق معنا توانمند تر است و نسبت به ماشین برتری دارد. بنابراین، سازمان‌های آینده موفق نخواهند شد چون بیشترین استفاده را از هوش مصنوعی دارند؛ بلکه موفق خواهند شد چون بهترین معماری همکاری انسان و هوش مصنوعی را طراحی کرده‌اند.

تغییر نقش هوش مصنوعی از پاسخ‌دهنده به مربی شناختی
یکی از اشتباهات رایج سازمان‌ها این است که هوش مصنوعی را صرفاً به عنوان یک موتور تولید پاسخ ببینند در صورتی که ارزش واقعی هوش مصنوعی زمانی ایجاد می‌شود که نقش آن از پاسخ‌ دهنده به مربی شناختی تغییر کند که در این حالت هوش مصنوعی تبدیل به شریک فکری و شریک راه موفقیت میشود.

طراحی سیاست‌های سازمانی برای استفاده سالم از هوش مصنوعی
سازمان‌ها باید به جای سیاست‌های محدودکننده، چارچوب استفاده هوشمندانه طراحی کنند
در ادامه به این سیاست های کلیدی اشاره خواهم کرد که به ترتیب تعریف استاندارد استفاده، ارزیابی فرآیند به جای تمرکز اصلی بر نتایج، حل مسئله بدون هوش مصنوعی، حمایت از نوشتار کارکنان، حمایت از تحلیل اولیه مسئله از جانب کارکنان و بررسی عماکرد های چند گانه رفتاری مانند گفتار موثر و نوشتار موثر میباشد.

سخن پایانی
هوش مصنوعی بزرگ‌ترین فرصت بهره‌ وری در تاریخ کسب‌ و کار است، اما همان‌ قدر که می‌تواند توانایی‌های انسان را افزایش دهد، می‌تواند باعث کاهش آن‌ها نیز شود و مسئله اصلی اشاره مستقیم به فناوری ندارد؛ بلکه اشاره مستقیم به معماری روابط انسان و فناوری را شامل میشود. اگر سازمان‌ها هوش مصنوعی و فناوری های نوین را صرفاً به عنوان جایگزین نیروی انسانی ببینند، ممکن است در کوتاه‌ مدت سرعت بیشتری پیدا کنند، اما در بلندمدت سرمایه شناختی خود را از دست دهند. در مقابل اگر هوش مصنوعی را به عنوان یک شریک شناختی طراحی کنند، می‌توانند سازمان‌هایی بسازند که هم سریع‌تر هستند و هم هوشمندتر. در مفهومی دیگر آینده متعلق به سازمان‌هایی نیست که بیشترین پاسخ را از ماشین دریافت می‌کنند بلکه آینده متعلق به سازمان‌هایی است که انسان‌های آن‌ها هنوز توانایی پرسیدن بهترین سؤال، تحلیل عمیق‌ترین مسئله و خلق ارزش جدید را حفظ کرده‌اند.

در نهایت میتوان گفت “چالش قرن بیست‌ و یکم جایگزینی انسان با هوش مصنوعی نیست، چالش واقعی این است که چگونه اجازه ندهیم انسان، قدرت فکر کردن خود را به هوش مصنوعی واگذار کند.”

محقق و نویسنده: یوسف شمس

منابع:
1. Raisch & Krakowski (2021), Automation–Augmentation Paradox.

2. Risko & Gilbert (2016) , Cognitive Offloading.
3. Bandura (1997) , Self-Efficacy.
4. Brynjolfsson et al. (2023) , Generative AI at Work.
5. Dell’Acqua et al. (2023) , Jagged Technological Frontier.
6. Jarrahi (2018) , Human-AI Symbiosis.
7. Shneiderman (2022) , Human-Centered AI.
8. McKinsey Global Institute (2023) — Economic Potential of Generative AI.







برون سپاری
۲
۰
یوسف شمس
یوسف شمس
متخصص استراتژی تجارت الکترونیک و خرده‌ فروشی متمرکز بر رشد کسب‌وکار، توسعه تصمیم‌گیری داده‌ محور و طراحی استراتژی رهبری عملکردی
شاید از این پست‌ها خوشتان بیاید