تکنولوژی‌های هوشمند چگونه عرصه کارآموزی را دگرگون کرده‌اند؟
چه کنیم تا تکنولوژی، مانع کسب مهارت‌ها نشود؟
کرت: چه بخواهید چه نخواهید، این روزها خیلی‌ها دارند کارشان را با تکنولوژی‌هایی مثل روبات‌ها و هوش مصنوعی انجام می‌دهند و تعدادشان هر روز دارد بیشتر می‌شود. این تکنولوژی‌های در حال گسترش، در حال حاضر خیلی از شغل‌ها را نابود کرده‌اند و در نحوه انجام خیلی از کارها تغییر ایجاد کرده‌اند. اما فقط مشاغل نیستند که در حال تغییرند. نحوه آموزش دیدن افراد برای شغل‌ها نیز دستخوش تغییر شده. میهمان امروز من، درباره حوزه جراحی تحقیق کرده، یکی از اولین حوزه‌هایی که روبات‌های دستیار به آن وارد شده‌اند. او می‌گوید این روبات‌ها شبیه دو دست اضافه هستند که به جراح کمک می‌کنند و این یعنی جراحان مجبور نیستند مثل سابق، بخشی از کار را به کارآموزها بسپارند. به اعتقاد او، این گرایش حالا وارد بسیاری از صنایع شده، از جمله امور مالی و سرمایه‌گذاری و آموزش و پرورش. «مت‌بین» استادیار دانشگاه کالیفرنیاست. خوش آمدی مت.
مت: خیلی خوشحالم که اینجا هستم.
قبل از اینکه پای روبات‌ها به اتاق‌های جراحی باز شود، آموزش جراحی چه شکلی بود؟
در جراحی سنتی، یک روش داریم به نام «یکی را ببین، یکی را انجام بده، یکی را آموزش بده». جامعه جراحان کاملا در این زمینه اتفاق نظر دارند. در سایر حوزه‌ها این روش را با اسم‌های دیگری می‌شناسند، مثل کارآموزی، آموزش، کوچینگ، یادگیری در حین کار و ده‌ها اسم دیگر. فرض کن می‌خواهی یک جراح اورولوژیست شوی. اول باید یک فرآیند را چند بار مشاهده کنی. البته معنایش این نیست که فقط نگاه کنی. می‌توانی در انجام بعضی کارها به جراح کمک کنی، البته نه کارهای حیاتی و ریسکی. این را هم باید بگویم که در اینجا، جراح که دارد تو را ارزیابی می‌کند هم به تو نیاز دارد. در واقع، حضور تو به‌عنوان کارآموز، اختیاری نیست، بلکه ضروری است چون جراح برای انجام بخشی از کار جراحی، به بیش از دو دست نیاز دارد. پس رابطه میان مربی و شاگرد، مثل همزیستی است. به مرور زمان، جراح ارشد اجازه می‌دهد بخشی از عمل جراحی را تو انجام دهی و البته او هم تا حدی نظارت می‌کند و تو هم پس از مدتی باید فعالیت یک جراح تازه‌کار دیگر را نظارت کنی. اما کارآموز، همان‌طور که از نامش پیداست، سرعت کار را پایین می‌آورد و امکان خطایش بیشتر است. تو به‌عنوان کارآموز، به اندازه جراح مهارت نداری و مشارکت تو در کار، هزینه دارد.
و حالا روبات‌ها وارد اتاق جراحی می‌شوند. انگار داریم آینده را از نزدیک می‌بینیم. چه اتفاقی دارد می‌افتد؟
اولا انواع و اقسام روبات وجود دارد. روباتی که من دیدم و درباره‌اش تحقیق کردم، اسمش «سامانه جراحی داوینچی» است. در روش سنتی، یک برش بزرگ در شکم ایجاد می‌کنند. دو دست، برش را باز نگه می‌دارند و یک نفر جراحی را انجام می‌دهد. اما این روبات که چند بازو دارد، چند برش کوچک در شکم ایجاد می‌کند. یکی از بازوها مجهز به دوربین سه‌بعدی است. جراح به جای ایستادن در کنار بیمار، کمی آن طرف‌تر، پشت کنسول می‌نشیند. او بدن بیمار را نمی‌بیند. فقط نمای کوچکی را از طریق دوربین می‌بیند. بقیه کسانی که در اتاق عمل هستند هم می‌توانند این نما را روی یک نمایشگر بزرگ ببینند. هر حرکت دکتر (که روی دو دسته کنترل انجام می‌شود)، به شکل دقیق‌تر و کوچک‌تر روی بدن بیمار انجام می‌شود. مثلا اگر دکتر دستش را چهار میلی‌متر تکان دهد، بازوی روبات که در حال جراحی روی بدن بیمار است، فقط یک میلی‌متر تکان می‌خورد. نکته مهمش این است که در اینجا، حضور کارآموز اصلا ضروری نیست. کاملا اختیاری است. او فقط مشاهده می‌کند. تو به‌عنوان کارآموز، فقط در صورتی می‌توانی بخشی از کار را انجام دهی که من به‌عنوان جراح، اجازه دهم بروی و پشت کنسول دوم بنشینی. و طبق مشاهدات من، اگر مثلا مدت جراحی ۴ ساعت باشد، تو به‌عنوان کارآموز فقط ۱۵ دقیقه می‌توانی جراحی انجام دهی، آن هم ساده‌ترین و بدون ریسک‌ترین قسمت‌های جراحی را. در حالی که در جراحی‌های سنتی، در تمام مدت به تو نیاز است.
و این چرا نگران‌کننده است؟
خب یک کارآموز پزشکی در دوران کارآموزی‌اش به اندازه کافی آموزش نمی‌بیند که مهارت‌های لازم را کسب کند و بتواند یک جراحی را خودش به تنهایی انجام دهد با اینکه از نظر قانونی این اجازه را دارد.
اما حتی اگر این مشکل را در حوزه پزشکی حل کنند، به هر حال در سایر حوزه‌ها با آن مواجه خواهیم شد و موسسات آموزشی و افراد باید یک جوری این مساله را حل کنند. در حوزه پزشکی، کارآموزها برای آنکه بتوانند به اندازه کافی آموزش ببینند چه می‌کردند؟
اکثر آنها سعی می‌کردند از طریق روش‌های قدیمی، یاد بگیرند. که البته این جواب نداد چون بعدا فهمیدند یادگیری روش‌های قدیمی با استفاده از ابزارهای جدید نمی‌تواند نتیجه دهد. سپس یک تکنیک کاملا متفاوت را امتحان کردند. تکنیک سایه (shadow learning). آنها تلاش می‌کردند به اتاق عمل راه پیدا کنند و هر طور شده، در عمل جراحی دخیل شوند. اما تمام تلاش‌ها و راه‌حل‌هایشان، یک جورهایی هنجارشکنانه بود. رزیدنت‌هایی که در جراحی روباتیک مهارت پیدا کرده بودند، برای درس‌های دیگرشان، مثل آموزش پزشکی عمومی، کمتر وقت می‌گذاشتند تا برای جراحی وقت کافی داشته باشند. که وقتی به گذشته نگاه می‌کردند، می‌گفتند به نظرشان این کار اصلا درست نبوده. خیلی‌ها هم برای یادگیری، صدها ویدئو از جراحی‌های ضبط شده در یوتیوب تماشا می‌کردند، با کمک یک دستگاه سیمولاتر (شبیه‌سازی). که این هم کاملا با هنجارهای صد ساله حوزه جراحی در تضاد بود. همان‌طور که هیچ‌کس با زیاد فیلم دیدن، بازیگر نمی‌شود. آنها در نهایت به این نتیجه رسیدند که برای یادگیری، باید با چالش روبه‌رو شوی. یعنی از تمام قابلیت‌هایت استفاده کنی و چیزی را امتحان کنی که مطمئن نیستی از پسش برمی‌آیی یا نه. و در این میان، یک کارشناس، کنارت باشد برای پشتیبانی. کارآموزها پس از مدتی فهمیدند که با استفاده از روش‌های تایید شده، هیچ‌وقت نمی‌توانند این فرصت را داشته باشند. پس تلاش کردند به اتاق جراحی راه پیدا کنند و هر طور شده، جراحی انجام دهند، گاهی با نظارت محدود یک نفر و گاهی حتی بدون اینکه کسی بر کارشان نظارت کند. بعدها که از آنها سوال کردم، هیچ‌کدام کار خود را تایید نمی‌کردند اما معتقد بودند که وقتی مجبور بودند کاری را خودشان به تنهایی انجام دهند، بیشتر یاد می‌گرفتند. که این خیلی ریسک دارد. ما نباید برای یاد گرفتن یک مهارت، این‌قدر ریسک کنیم.
چقدر می‌توانیم این اتفاق را به سایر حوزه‌ها تعمیم دهیم؟ کدام حوزه‌ها تجربه مشابهی داشته‌اند؟
این سوالی بود که بعد از اتمام تحقیقاتم، ذهنم را درگیر کرده بود. عواملی که من مشاهده کردم کاملا تعمیم‌پذیر به نظر می‌آمدند. وقتی حضور کارآموز، اختیاری می‌شود و تکنولوژی به تو به‌عنوان کارشناس این امکان را می‌دهد که بدون کمک او کار کنی، پس روند یادگیری آنها به مخاطره خواهد افتاد. حالا در هر حوزه‌ای، جراحی یا پلیس، اما من برای اثبات این ادعا هیچ مدرکی نداشتم. پس به مدت یک سال و نیم زمان گذاشتم و درباره سایر حوزه‌ها تحقیق کردم. از پلیس تا سرمایه‌گذاری و تولید و ارتش و هر کدام از تکنولوژی‌های کاملا متفاوتی استفاده می‌کردند، طیف وسیعی از تکنولوژی‌ها. از الگوریتم‌های پیش‌بینی گرفته تا آموزش آنلاین یا پلت‌فرمی برای ایجاد پل ارتباطی میان کارگر و کسانی که به خدمات نیاز دارند و در این حوزه‌ها هم همان اتفاق داشت می‌افتاد.
به‌کارگیری این تکنولوژی‌ها هم به نفع سازمان‌هاست هم به ضررشان. تو یک کارشناس استخدام می‌کنی که کار کردن با این ماشین‌ها را بلد است، ولی هیچ برنامه‌ای برای جانشینی او نداری و احتمالا با مشکل استعدادیابی مواجه خواهی شد. چه راه‌حلی به ذهنت می‌رسد؟
راه‌حل در دست کارآموزهایی بود که از تکنیک سایه استفاده کردند. آنها در هر حوزه‌ای که بودند، برای یادگیری ریسک می‌کردند، ریسک‌های جدی. آنها از چند الگو پیروی می‌کردند. اولا برای یادگیری باید سختی بکشی. ثانیا در هر زمینه‌ای که کار می‌کنی باید خودت را به چالش بکشی. اما به حمایت یک کارشناس هم نیاز داری. به دو دلیل. اولا از فاجعه جلوگیری کند. ثانیا برای اینکه از آنها راهنمایی بگیری و آنها باید بتوانند راهنمایی‌ات کنند، البته نه در زمینه‌هایی که به لطف این تکنولوژی‌ها به راحتی انجام می‌شوند، بلکه در سایر زمینه‌ها و روش‌ها. پس همیشه باید این سه مورد را در کار لحاظ کنیم. در طراحی تکنولوژی‌ها هم همین‌طور. و در طراحی سازمان‌ها.
و حتی شاید در نظام آموزشی، مثل دانشگاه پزشکی.
دقیقا! البته این اتفاق دارد در بعضی جاها می‌افتد اما کافی نیست. «بهره‌وری» خیلی وسوسه‌کننده است و این تکنولوژی‌ها بهره‌وری را افزایش می‌دهند. با استفاده از این تکنولوژی‌ها، تو کلی کارمند درجه یک خواهی داشت. و این تو را وسوسه می‌کند. اما یک مدیر، یک کارشناس تکنولوژی، یک کارمند، یک کارآموز، همه ما نه تنها باید از این تکنولوژی‌ها طوری استفاده کنیم که به بهبود و افزایش بهره‌وری بینجامد، بلکه کار را طوری طراحی کنیم و این تکنولوژی‌ها را طوری اعمال کنیم که کسب مهارت‌ها تضمین شود. من طراح این تکنولوژی‌ها نیستم پس راه‌حلش دست من نیست. اما راه‌حل هر چیزی که هست، باید همزمان با به کارگیری این تکنولوژی‌ها، قابلیت‌های انسانی نیز گسترش یابد. این یک نیاز اساسی است.
آیا جایی هست که جراحان (یا به طور کلی، مردم) بروند و یاد بگیرند؟
البته که هست. می‌توانیم از تکنولوژی‌های هوشمند برای حل این مشکل استفاده کنیم. در روش سنتی، اگر من کارآموز بودم و تو استاد، هر دو باید در یک مکان می‌بودیم یا حداقل وقتی مشکلی در جریان بود، همان موقع درباره‌اش صحبت می‌کردیم. الان اینترنت را داریم. تکنولوژی رایانش ابری را داریم و یادگیری ماشین که با کمک آنها می‌توانیم میان کارآموزها و استادها پل ارتباطی بزنیم. پس می‌توانیم فرآیند کارآموزی را با کمک این ابزارها بازسازی و آن را جهانی کنیم طوری که بین همه تقسیم شده باشد و همه بتوانند در آن شرکت کنند و از این گنجینه، یعنی حمایت بی‌درنگ یک کارشناس، بهره ببرند. و این دیگر محدود به سازمان و زمان و فضا و نوع مهارت‌ها نیست. مثلا اگر شغل من جوشکاری است اما دارم سعی می‌کنم نویسندگی یاد بگیرم، مربی‌ام می‌تواند کسی باشد کیلومترها دورتر از من که کمک کند «یک بار ببینم، یک بار انجام دهم و یک بار آموزش دهم.» و تکنولوژی‌هایی مثل هوش مصنوعی، یادگیری ماشین و بعضی الگوریتم‌ها می‌توانند ما را به هم برسانند، درست مثل اپلیکیشن‌های هم‌پیمایی که میان مسافر و راننده ارتباط برقرار می‌کنند. این هم یک بازار دوسویه (two-sided market) است. مدل قدیمی کارآموزی، امروز دیگر جواب نمی‌دهد. با توجه به دقت این تکنولوژی‌ها. واقعا هم وسوسه‌کننده هستند. پس ما به یک مدل توزیع‌شده نیاز داریم. و به نظرم می‌توانیم با استفاده از این ابزارها، این تصویر آینده را محقق کنیم.
تو کلی درباره کارهایی صحبت کردی که همه با هم می‌توانیم انجام دهیم. چه کارهایی را می‌توانیم به تنهایی، به صورت انفرادی انجام دهیم؟ به‌عنوان یک مدیر یا رهبر یا پزشک ارشد، اگر دیدیم این مشکلات دارند وارد محل کار خودمان می‌شوند چه تدابیری می‌توانیم بیندیشیم؟
اولا، اگر احساس کردی که ابزارهای سنتی و روش‌های کار کردن، دیگر جواب نمی‌دهند، این یکی از هشدارهای اولیه و مهم است که باید به آن توجه کنی. گام بعدی، که البته ممکن است با عقلت جور در نیاید این است که بدانی آدم‌هایی هستند که با وجود این موانع جدید، هنوز هم راه‌هایی برای یادگیری پیدا می‌کنند. حتی ممکن است خودشان این را ندانند. شاید بعضی از این راه‌ها مناسب نباشند و بهتر باشد از آنها کپی‌برداری نکنیم. اما در هر سازمانی و با هر تکنولوژی جدیدی، روش‌هایی برای کسب مهارت‌ها هم وجود دارند. همه ما یک جورهایی می‌دانیم که اگر همیشه کاملا طبق قوانین رفتار کنی، قوانینی که می‌گویند «باید اینطوری یاد بگیری»، اصلا چیزی یاد نخواهی گرفت. گاهی باید از مرزها عبور کنیم و کارها را طوری انجام دهیم که کسی انتظارش را ندارد. فقط اینطوری می‌توانیم خودمان را به چالش بکشیم.
باید افرادی را که در تقلا هستند یا با مشکل مواجهند شناسایی و مشاهده کنیم، بدون آن که بخواهیم تنبیهشان کنیم. اینطوری می‌توانیم نشانه‌های اولیه را شناسایی کنیم و با کمک آنها به این سوال جواب دهیم: «چطور فرآیند کارآموزی را بازسازی کنیم؟» مثلا در حوزه جراحی، باید قبل از این که پایت را در اتاق عمل بگذاری، کلی با این دستگاه‌ها تمرین کرده باشی. و این چیزی است که این حوزه نیاز دارد، تمرین دیجیتال. با مشاهده کارآموزان و کارکنانی که از تکنیک سایه استفاده می‌کنند، می‌توانیم سرنخ‌های ارزشمندی پیدا کنیم که با کمک آنها، تغییرات کوچک و اولیه را در برنامه‌های آموزشی ایجاد کنیم و البته در نحوه انجام کارها.
مت، ممنونم که به برنامه ما آمدی.
خواهش می‌کنم. من هم از تو خیلی ممنونم.
ارسال نظر