فرض کنید یک فروشگاه اینترنتی برای نوشتن توضیحات صد محصول جدید از هوش مصنوعی کمک می‌گیرد. ابزار می‌تواند پیش‌نویس‌ها را سریع آماده کند، اما هنوز کسی باید مشخصات کالا را بررسی کند، تفاوت مدل‌ها را توضیح دهد و مطمئن شود متن به سؤال‌های واقعی خریدار جواب می‌دهد. این مثال نشان می‌دهد که تأثیر هوش مصنوعی بر بازار کار اغلب از تغییر وظایف یک شغل شروع می‌شود.
اگر می‌خواهید بدانید ابزارهای تازه چه قابلیت‌هایی دارند و کدام‌یک به کارتان می‌آیند، می‌توانید خبرهای جدید هوش مصنوعی را دنبال کنید. برای سنجش اثر هر قابلیت روی شغل خودتان، یک سؤال عملی بپرسید. این ابزار کدام بخش از کارم را سریع‌تر می‌کند و مسئولیت بررسی نتیجه با چه کسی است؟
آینده ابزارهای هوش مصنوعی چگونه خواهد بود؟
یکی از مسیرهای توسعه، استفاده از هوش مصنوعی در همان محیطی است که کار روزمره انجام می‌شود. برای مثال، یک دستیار می‌تواند داخل ابزار مدیریت پروژه، گفت‌وگوهای جلسه را خلاصه کند، تصمیم‌ها را بیرون بکشد و فهرستی از کارهای بعدی بسازد. اعضای تیم هم می‌توانند مسئول هر کار و زمان تحویل آن را پیش از ثبت نهایی بررسی کنند.
مسیر دیگر، استفاده از ابزارهای چندوجهی است که می‌توانند با متن، تصویر یا صدا کار کنند. برای مثال، تیم بازاریابی می‌تواند عکس محصول، متن کمپین و فایل صوتی جلسه را در اختیار یک ابزار بگذارد و چند پیش‌نویس برای معرفی محصول بگیرد. ارزش این قابلیت زمانی مشخص می‌شود که خروجی با اطلاعات واقعی محصول و لحن برند هماهنگ باشد.
در کارهای چندمرحله‌ای نیز ابزارهای هوش مصنوعی می‌توانند چند وظیفه مرتبط را پشت سر هم انجام دهند. برای مثال، یک دستیار پشتیبانی می‌تواند درخواست مشتری را دسته‌بندی کند، پاسخ پیشنهادی بنویسد و موارد حساس را برای بررسی کارشناس ارجاع دهد. شرکت باید از ابتدا مشخص کند ابزار به چه اطلاعاتی دسترسی دارد و کدام اقدام‌ها به تأیید کارشناس نیاز دارند.
آیا هوش مصنوعی جای مشاغل را می‌گیرد؟
سازمان بین‌المللی کار در گزارش سال ۲۰۲۵ برآورد کرد که از هر چهار شاغل در جهان، یک نفر در حرفه‌ای کار می‌کند که بخشی از وظایف آن بالقوه تحت‌تأثیر هوش مصنوعی مولد قرار می‌گیرد. این برآورد درباره قابلیت اثرگذاری فناوری بر وظایف است. طبق همین پژوهش، تغییر شیوه انجام کار برای بیشتر مشاغلِ در معرض تأثیر، محتمل‌تر از حذف کامل آن‌هاست.
برای مثال، کارشناس پشتیبانی را در نظر بگیرید. پاسخ به سؤال تکراری «سفارشم کجاست؟» می‌تواند تا حدی خودکار شود. رسیدگی به سفارشی که چند بار به تأخیر افتاده و مشتری برای دریافت آن زمان محدودی دارد، به بررسی جزئیات و تصمیم‌گیری نیاز دارد. اگر ابزار بخش اول را پوشش دهد، ترکیب کار روزانه کارشناس تغییر می‌کند و زمان بیشتری به پرونده‌های پیچیده اختصاص می‌یابد.
هوش مصنوعی کدام مشاغل را بیشتر تغییر می‌دهد؟
کارهایی که ورودی دیجیتال و مراحل قابل‌تکرار دارند، بیشتر در معرض تغییرند. پژوهش سازمان بین‌المللی کار همچنین نشان می‌دهد که پیشرفت ابزارهای تولید تصویر، صدا و ویدئو، ظرفیت خودکارسازی بعضی وظایف در مشاغل رسانه‌ای و وب را افزایش داده است. جدول زیر نمونه‌هایی از تقسیم کار احتمالی میان ابزار و متخصص را نشان می‌دهد.
|
حوزه کاری |
هوش مصنوعی کجا کمک می‌کند؟ |
متخصص چه چیزی را بررسی می‌کند؟ |
|
تولید محتوا و سئو |
پیشنهاد ساختار مقاله و تهیه پیش‌نویس |
دقت اطلاعات، نیاز مخاطب و ارزش محتوای نهایی |
|
طراحی گرافیک |
ساخت اتود و آماده‌کردن چند ترکیب بصری |
هویت بصری برند، خوانایی و کیفیت اجرای نهایی |
|
خدمات مشتری |
دسته‌بندی پیام‌ها و پیشنهاد پاسخ |
شکایت‌های پیچیده، استثناها و تصمیم‌های حساس |
|
برنامه‌نویسی |
پیشنهاد کد و کمک به مستندسازی |
درستی منطق، امنیت و عملکرد کد در پروژه |
|
امور اداری |
خلاصه‌سازی اسناد و استخراج اطلاعات اولیه |
صحت داده‌ها، محرمانگی و تأیید گزارش نهایی |
این تغییر برای نیروهای تازه‌کار هم مهم است. اگر بخشی از پیش‌نویس‌ها و گزارش‌های ساده با ابزار آماده شوند، کارآموز باید زودتر یاد بگیرد خروجی را ارزیابی کند. برای نمونه، یک نویسنده تازه‌کار باید بتواند ادعای بدون منبع را تشخیص دهد، منبع معتبر پیدا کند و جمله را طوری بازنویسی کند که دقیق و قابل‌فهم باشد.
کسب‌وکارها چطور برای تأثیر هوش مصنوعی بر بازار کار آماده شوند؟
با یک وظیفه مشخص و قابل‌اندازه‌گیری شروع کنید. یک فروشگاه آنلاین می‌تواند برای دو هفته، تهیه پیش‌نویس توضیحات محصولات را با هوش مصنوعی امتحان کند. سپس سه چیز را مقایسه کند. آماده‌سازی متن چقدر طول کشید؟ چند پیش‌نویس به اصلاح جدی نیاز داشت؟ چند خطای مربوط به مشخصات محصول در بازبینی پیدا شد؟
برای تصمیم‌گیری، زمان بازبینی را هم در محاسبه بگنجانید. اگر ابزار یک ساعت در نوشتن صرفه‌جویی کند ولی اصلاح خطاها همان‌قدر طول بکشد، فرایند هنوز سریع‌تر نشده است. اگر خروجی دقیق‌تر یا آماده‌سازی محتوا سریع‌تر شد، می‌توان همان روش را برای دسته دیگری از محصولات آزمایش کرد.