هوش مصنوعی و هوش ترکیبی چه تفاوتی دارند؟ چرا این تفاوت مهم است؟
فرصتهای آینده در رقابت تکنولوژیک
برای توصیف این مرحله، میتوان از مفهوم «هوش ترکیبی» استفاده کرد؛ مفهومی که بر تفاوت میان یک «شبیهساز» و یک سیستم واقعا توانمند تاکید دارد. همانطور که سنگ «کوبیک زیرکنیا» ممکن است از دور شبیه الماس باشد، اما از نظر ساختار و ویژگیها الماس نیست، هوش مصنوعی سنتی نیز ممکن است رفتار هوشمندانه را شبیهسازی کند. اما سیستمهای جدید، حتی اگر درباره ماهیت «فکر کردن» آنها اختلافنظر وجود داشته باشد، در عمل تواناییهایی دارند که از یک ابزار صرف فراتر میرود.
پنج نشانه ورود به عصر هوش ترکیبی
۱- خودمختاری پایدار. افق زمانی انجام وظایف توسط عاملهای هوش مصنوعی بهسرعت در حال افزایش است. سیستمهایی که پیشتر تنها برای چند دقیقه یا چند ساعت قابل اتکا بودند، اکنون میتوانند وظایف پیچیدهتری را برای مدت طولانیتر دنبال کنند. این روند میتواند ساختار نیروی کار و سازمان را تغییر دهد. پیشبینیهایی درباره استفاده گسترده شرکتهای بزرگ از دهها هزار یا حتی صدها هزار عامل هوش مصنوعی نشان میدهد که مساله آینده فقط «استفاده از یک نرمافزار هوشمند» نیست، بلکه مدیریت مجموعه بزرگی از عاملهای دیجیتال است.
۲- هویت پایدار. بسیاری از سیستمهای فعلی پس از پایان یک دوره تعامل، عملا از نو شروع میکنند. اما سیستمهای جدید میتوانند حافظه خود را در جلسات و فعالیتهای مختلف حفظ کنند و براساس تاریخچه تعاملات، مدل دقیقتری از محیط و وظایف خود بسازند. این یعنی قابلیتهای سیستم دیگر صرفا ویژگیهای یک ابزار موقت نیستند؛ تجربه و تاریخچه به بخشی از هویت عملکردی آن تبدیل میشود.
۳- عاملیت در جهان واقعی. سیستم هوش مصنوعی دیگر فقط متن تولید نمیکند یا پیشنهاد نمیدهد. میتواند ایمیل ارسال کند، بازپرداخت انجام دهد، کد اجرا کند، تیکتهای پشتیبانی را جابهجا کند، در وب جستوجو کند و با زیرساختها، حسابها و منابع مالی تعامل داشته باشد. تفاوت اقتصادی این تحول بسیار مهم است: خطای یک سیستم مشاورهای ممکن است به پاسخ نادرست منجر شود، اما خطای یک عامل دارای دسترسی میتواند به حذف داده، انتقال پول یا اختلال عملیاتی منجر شود.
۴- خوداصلاحی. سیستمهایی در حال ظهورند که میتوانند کد خود را اصلاح و آزمایش کنند و در فرآیندهای بهبود عملکرد مشارکت داشته باشند. حتی اگر این قابلیت هنوز در مراحل ابتدایی باشد، جهت حرکت تکنولوژی روشن است: چرخه توسعه و بهینهسازی دیگر لزوما به سرعت تیمهای انسانی وابسته نیست.
۵- استقلال مولد. سیستمها بهتدریج میتوانند در میانه انجام یک کار، اهداف فرعی ایجاد کنند، ابزار مورد نیاز خود را بسازند و با عاملهای دیگر همکاری یا مذاکره کنند. انسان هدف کلی را تعیین میکند، اما سیستم بخشی از مسیر رسیدن به آن هدف را خودش طراحی میکند. در مقیاس سازمانی، این موضوع اهمیت بیشتری پیدا میکند، زیرا رفتارهای مهم ممکن است نه درون یک عامل، بلکه در تعامل میان هزاران عامل شکل بگیرد؛ تعاملاتی که هیچ مدیر یا مهندسی آنها را بهصورت مستقیم طراحی نکرده است.
سه فرض قدیمی که دیگر برای کسبوکارها کافی نیست
ورود این سیستمها، سه فرض اساسی مدیریت سنتی را زیر سوال میبرد.
۱- کنترل کیفیت همیشه خطا را شناسایی میکند. سازوکارهای سنتی کنترل کیفیت برای شناسایی خطاهای فنی طراحی شدهاند: آیا سیستم درست کار میکند؟ آیا خروجی با دستور دادهشده مطابقت دارد؟ آیا نتیجه دقیق است؟
اما یک عامل خودمختار ممکن است از نظر فنی کاملا درست عمل کند و در عین حال تصمیمی بگیرد که سازمان آن را نمیخواهد. تفاوت مهم اینجاست: سیستم دیگر فقط «خروجی اشتباه» تولید نمیکند؛ ممکن است درباره اینکه کدام هدف یا قاعده را دنبال کند، قضاوت کند.
بنابراین ارزیابی هوش مصنوعی باید از مدل سنتی کنترل کیفیت فراتر رود. سازمانها باید سیستمها را نه فقط مانند نرمافزار، بلکه تا حدی مانند نیروی انسانی تصمیمگیرنده ارزیابی کنند: از نظر ارزشها، تناسب با سازمان، الگوی تصمیمگیری، واکنش به تعارض اهداف و نحوه برخورد با محدودیتها.
برای اقتصاد و مدیریت، پیام روشن است: ریسک هوش مصنوعی فقط ریسک خرابی تکنولوژی نیست؛ ریسک تصمیمگیری مستقل نیز هست.
۲- قابلیت را میتوان از فروشنده خرید. شرکتها معمولا تکنولوژی را بر اساس قیمت، عملکرد و امکانات مقایسه میکنند. اما در مورد سیستمهای عاملمحور، این رویکرد کافی نیست. هر سیستم هوش مصنوعی نوعی منطق، ارزشگذاری و فلسفه تصمیمگیری را نیز وارد سازمان میکند.
مسوولیت حقوقی و اقتصادی تصمیمهای عامل، در نهایت بر عهده سازمان استفادهکننده است. بنابراین شرکت نمیتواند صرفا با استناد به اینکه «هوش مصنوعی این کار را انجام داد»، از مسوولیت پیامدهای آن شانه خالی کند. این موضوع ضرورت حاکمیت سازمانی بر هوش مصنوعی را افزایش میدهد. شرکت باید از پیش مشخص کند: چه تصمیمهایی حتما به تایید انسان نیاز دارند؛ چه کسی مسوول نظارت بر عامل است؛ چه کسی اختیار خاموش کردن اضطراری سیستم را دارد؛ تصمیمهای عامل چگونه ثبت و قابل بازبینی میشوند؛ دسترسی سیستم به داده، پول و زیرساخت تا کجا مجاز است؛ و چه اقداماتی باید پیش از اجرا، قابل برگشت یا محدود شوند.
یکی از مهمترین داراییهای آینده، لایه زمینه و حافظه سازمانی خواهد بود. دادههای تاریخی، گزارشهای ثبتشده، حافظه سیستم و سابقه تعاملات بهتدریج هویت عملیاتی عامل را شکل میدهند. سازمانی که این لایه را کاملا در اختیار فروشنده قرار دهد، ممکن است نهتنها به یک نرمافزار، بلکه به تاریخچه و هویت شکلگرفته سیستم خود وابسته شود.
۳- مزیت رقابتی با سرعت انسانی تغییر میکند. در اقتصاد سنتی، مزیتهای رقابتی معمولا بهآرامی فرسوده میشوند. شرکتها زمان دارند تا عملکرد خود را بهبود دهند، فروشندگان را سالانه ارزیابی کنند و برنامههای استراتژیک را در چرخههای چند ماهه یا سالانه بازنگری کنند. اما هوش ترکیبی این زمانبندی را به چالش میکشد. سیستمهایی که میتوانند در مدت کوتاه صدها آزمایش انجام دهند و عملکرد خود را بهبود بخشند، مزیتهای رقابتی را با سرعتی بسیار بیشتر از چرخههای انسانی تغییر میدهند.
در چنین شرایطی، ارزیابی سالانه فروشندگان یا بازنگری سالانه استراتژی ممکن است دیگر کافی نباشد. قابلیتهایی که امروز مزیت محسوب میشوند، ممکن است در مدت کوتاهی عمومی شوند. رقیبی که از یک سیستم خود بهبود دهنده استفاده میکند، میتواند فاصله خود را با سرعتی افزایش دهد که سازمانهای سنتی فرصت واکنش به آن را نداشته باشند.
نتیجه اقتصادی این تحول، تغییر مفهوم مزیت رقابتی است. مزیت آینده ممکن است نه در داشتن یک ابزار خاص، بلکه در داشتن سیستمی باشد که سریعتر از رقیب یاد میگیرد، آزمایش میکند و خود را بهبود میدهد.
چهار اقدام فوری برای مدیران
برای سازگاری با این وضعیت، سازمانها باید چهار اقدام را در اولویت قرار دهند:
۱- انجام ارزیابی آستانهای. شرکت باید همه سیستمهای هوش مصنوعی خود را بر اساس پنج پرسش ارزیابی کند:
آیا سیستم خودمختار است؟
آیا حافظه پایدار دارد؟
آیا از طریق ابزارها در جهان واقعی اقدام میکند؟
آیا میتواند بخشی از خود را تغییر دهد یا بهینه کند؟
آیا میتواند کاری را آغاز کند که مستقیما به او محول نشده است؟
هر سیستمی که به سه مورد یا بیشتر پاسخ مثبت دهد، احتمالا دیگر نباید با چارچوب مدیریت یک ابزار ساده اداره شود.
۲- تعریف دوباره اختیارات تصمیمگیری. برای عاملهای پیشرفته باید روشن شود کدام تصمیمها به انسان نیاز دارند، چه کسی مسوولیت نهایی را بر عهده دارد و مکانیسم توقف اضطراری چگونه عمل میکند. تصمیمهای برگشتناپذیر، مانند حذف داده، انتقال پول یا تغییرات اساسی در زیرساخت، باید دروازههای تایید و محدودیتهای مشخص داشته باشند.
۳- مالکیت بر زمینه و حافظه. شرکتها باید بدانند حافظه، گزارشها، تاریخچه تصمیمها و دادههای زمینهای آنها کجا ذخیره میشود و چه کسی مالک آن است. این اطلاعات ممکن است به مهمترین دارایی رقابتی آینده تبدیل شوند یا برعکس، منبع وابستگی خطرناک به فروشنده باشند.
۴- افزایش سرعت نظارت. اگر عاملها هر روز در حال یادگیری، آزمایش و بهبود هستند، نظارت نمیتواند فقط در جلسات ماهانه یا گزارشهای فصلی انجام شود. سازمانها به نظارت پیوسته و لحظهای نیاز دارند؛ نظارتی که نه فقط رفتار یک عامل، بلکه تعامل میان عاملها را نیز بررسی کند.
شکاف مدیریتی مهمتر از هوش ترکیبی
هوش ترکیبی برای کسب و کارها هم فرصت است و هم ریسک. این تکنولوژی میتواند بهرهوری، سرعت نوآوری و ظرفیت عملیاتی شرکتها را بهشدت افزایش دهد. اما همان ویژگیهایی که آن را ارزشمند میکنند – یعنی خودمختاری، حافظه، توانایی اقدام و خودبهبوددهی - میتوانند پیامدهای پیشبینینشده نیز ایجاد کنند. بزرگترین خطر این نیست که هوش مصنوعی «خیلی هوشمند» شود؛ بلکه این است که سازمانها همچنان سیستمهایی را که بهطور فزایندهای خودمختار و تصمیمگیرنده شدهاند، مانند ابزارهای ساده مدیریت کنند.
برای مدیران و سیاستگذاران اقتصادی، پیام اصلی روشن است: دوران خرید یک ابزار و استفاده از آن به پایان نزدیک میشود. شرکتها اکنون باید درباره معماری تصمیمگیری، حاکمیت داده، مسوولیت حقوقی، سرعت نظارت و توانایی یادگیری سازمانی خود تصمیم بگیرند.
رقابت آینده میان شرکتهایی که هوش مصنوعی «دارند» یا «ندارند»، نخواهد بود. رقابت میان سازمانهایی خواهد بود که میتوانند عاملهای هوشمند را سریعتر، ایمنتر و موثرتر مدیریت کنند. در نهایت، شکاف تعیینکننده میان شرکتهای موفق و ناموفق، فاصله میان توانایی تکنولوژی و توانایی مدیریتی خواهد بود. هوش ترکیبی ساخته شده است، اما هنوز بسیاری از سازمانها ساختار لازم برای مدیریت موجودی را که ساختهاند، ندارند.
منبع: Fast Company
