AI وقت آزاد نکرد؛ ۸۵٪ کارکنان می‌گویند کارشان بیشتر شده است

Jabra در بیانیهٔ ۱۳ اکتبر ۲۰۲۶ دربارهٔ WorkLife 2026 اعلام کرد که در نظرسنجی از بیش از ۶۰۰۰ کارمند دانشی در فرانسه، آلمان، هند، لهستان، بریتانیا و ایالات متحده، ۸۵٪ از افزایش دست‌کم یک نوع کار نسبت به سال قبل خبر داده‌اند. سهم کسانی که زمان بیشتری صرف برنامه‌ریزی و تحلیل راهبردی، کار خلاق و کار اداری می‌کنند، به‌ترتیب ۵۱٪، ۵۰٪ و ۴۹٪ بوده است.

نتیجهٔ اصلی برای کارکنان این است که سریع‌تر انجام شدن بخشی از کار، لزوماً روز کاری را سبک‌تر نکرده است. این نظرسنجی تجربهٔ افراد از تغییر فعالیت‌ها را ثبت می‌کند؛ رقم ۸۵٪ به معنای افزایش ساعت کاری همهٔ پاسخ‌دهندگان نیست. پژوهش در مه ۲۰۲۶ انجام شد و تصویری از شش بازار بررسی‌شده می‌دهد، نه برآوردی مستقیم از محیط کار ایران یا افغانستان.

زمان ذخیره‌شده به کدام کارها می‌رود؟

افزایش کار اداری در کنار کار خلاق و برنامه‌ریزی نشان می‌دهد که سرعت یک مرحله را نمی‌توان با کاهش بار کل فرایند یکی گرفت. تهیهٔ سریع‌تر یک پیش‌نویس ممکن است فرصت بیشتری برای بازبینی، هماهنگی با همکاران یا تصمیم‌گیری باز کند. این یک توضیح محتمل برای کنار هم قرار گرفتن یافته‌هاست؛ نظرسنجی نشان نمی‌دهد هر دقیقهٔ ذخیره‌شده دقیقاً به کدام فعالیت منتقل شده است.

بخشی از کار دانشی نیز پس از تولید نخستین خروجی آغاز می‌شود. کسی باید درستی آن را بسنجد، دربارهٔ استفاده از آن تصمیم بگیرد و نتیجه را با کار دیگران هماهنگ کند. اگر تعداد خروجی‌ها بالا برود، این مراحل می‌توانند بیشتر شوند، حتی وقتی تهیهٔ هر خروجی زمان کمتری می‌گیرد. بنابراین ممکن است بهره‌وری در یک وظیفه بهتر شود، اما کارکنان هم‌زمان فعالیت بیشتری را در طول روز گزارش کنند.

جلسه‌ها نمونهٔ روشنی از این تفاوت‌اند: ابزار می‌تواند آماده‌سازی اطلاعات را آسان‌تر کند، ولی گفت‌وگو برای حل مسئله و گرفتن تصمیم همچنان زمان می‌خواهد. برای تیم دورکار یا ترکیبی، این بار ممکن است میان پیام‌ها، تماس‌ها و پیگیری‌های پراکنده تقسیم شود و در سنجش سرعت تولید نخستین خروجی دیده نشود. داده‌های منتشرشده وجود این فاصله را برجسته می‌کنند، اما سهم جداگانهٔ هوش مصنوعی، انتظار مدیران و تغییر حجم تقاضای کار را تعیین نمی‌کنند.

آموزش و حمایت مدیر چرا با استفادهٔ روزانه همراه‌اند؟

دسترسی به ابزار، تجربهٔ یکسانی برای کارکنان و مدیران ارشد نساخته است. در گزارش MuyComputerPRO از مطالعه آمده است که ۶۴٪ کارکنان بدون مسئولیت مدیریتی آموزش هوش مصنوعی ندیده‌اند یا فقط معرفی کوتاهی دریافت کرده‌اند، در برابر ۲۶٪ مدیران ارشد؛ میان آموزش‌دیدگان نیز ۳۹٪ کارکنان غیرمدیر آموزش را بسیار مرتبط با نقش خود دانسته‌اند، در برابر ۷۶٪ مدیران ارشد. در همان داده‌ها، استفادهٔ روزانه میان افرادی که مدیر خود را در حمایت از کاربرد هوش مصنوعی توانا می‌دانند ۶۵٪ است، در برابر ۲۷٪ میان کسانی که چنین حمایتی را گزارش نمی‌کنند.

این تفاوت فقط به تعداد دوره‌های آموزشی مربوط نیست. آموزش وقتی در کار روزانه اثر دارد که به وظیفهٔ مشخص فرد مربوط باشد: چه کاری را می‌توان به ابزار سپرد، خروجی آن چگونه ارزیابی می‌شود و مسئولیت تصمیم نهایی با چه کسی است. فاصلهٔ زیاد در ارزیابی مرتبط بودن آموزش نشان می‌دهد آشنایی اولیه با ابزار، جای پاسخ به این پرسش‌های شغلی را نمی‌گیرد.

مدیر در همین نقطه بر روال تیم اثر می‌گذارد. او می‌تواند انتظار دربارهٔ کیفیت خروجی و حجم کار پس از سریع‌تر شدن یک مرحله را روشن کند و برای استفادهٔ مناسب از ابزار راهنمایی بدهد. همراهی حمایت مدیر با استفادهٔ روزانه، به‌تنهایی ثابت نمی‌کند که حمایت علت افزایش استفاده بوده است؛ کارکنان تیم‌هایی که از ابتدا آمادگی بیشتری داشته‌اند نیز ممکن است هم مدیر تواناتر و هم استفادهٔ بیشتری گزارش کنند. با این حال، اختلاف مشاهده‌شده نشان می‌دهد چرا توزیع صرفِ دسترسی تصویر کاملی از سازگاری کارکنان نمی‌دهد.

شکاف میان کارکنان سازگار و جامانده چیست؟

سازگاری در این پژوهش به داشتن ابزار محدود نشده است. صفحهٔ رسمی WorkLife 2026 گروهی حدود ۱۵٪ از کارکنان را توصیف می‌کند که استفادهٔ روزمره از هوش مصنوعی، حمایت سازمانی و تغییر شیوهٔ کار را با هم دارند؛ در سوی دیگر، حدود یک‌سوم پاسخ‌دهندگان می‌گویند شغلشان به‌سختی تغییر کرده و همین گروه پایین‌ترین سطح رضایت، آمادگی و خوش‌بینی شغلی را گزارش کرده است.

این تقسیم‌بندی توضیح می‌دهد چرا دو نفر با امکان استفاده از ابزار مشابه می‌توانند تجربه‌های متفاوتی داشته باشند. برای یک نفر، ابزار در فرایند جا افتاده و تیم می‌داند پس از تولید خروجی چه کند. برای دیگری، ابزار به وظایف قبلی افزوده شده، بی‌آنکه آموزش مرتبط یا شیوهٔ تقسیم کار همراه آن تغییر کرده باشد. در حالت دوم، سرعت گرفتن یک بخش می‌تواند کار تازه‌ای برای بازبینی و پیگیری ایجاد کند.

جایگاه شغلی هم در این شکاف اهمیت دارد، زیرا اختیار تغییر فرایند و دسترسی به آموزش در همهٔ نقش‌ها یکسان نیست. با این حال، «جامانده» ویژگی ثابت یک کارمند نیست: آموزش، حمایت و طراحی کار شرایطی سازمانی‌اند و می‌توانند تغییر کنند. داده‌ها نیز میان افرادی که تغییر اندکی در شغل خود دیده‌اند و کسانی که شیوهٔ کارشان با ابزار سازگار شده، تفاوت تجربه را نشان می‌دهند؛ از آن‌ها نمی‌توان دربارهٔ توانایی فردی هر عضو این گروه‌ها حکم داد.

صرفه‌جویی واقعی در کدام بخش روز کاری دیده می‌شود؟

برای سنجش سبک‌تر شدن کار، سرعت تهیهٔ نخستین خروجی کافی نیست. باید مسیر آن خروجی تا تصمیم و تحویل نهایی دیده شود؛ جایی که بازبینی، هماهنگی و کار اداری ممکن است زمان ذخیره‌شده را مصرف کنند. پرسش‌های زیر از یافته‌های پژوهش برمی‌آیند، اما خودِ نظرسنجی پاسخ جداگانه‌ای برای هر تیم به آن‌ها نمی‌دهد:

• پس از آماده شدن سریع‌تر پیش‌نویس، زمان بازبینی و اصلاح هم کم شده است یا خروجی‌های بیشتری وارد همان مسیر می‌شوند؟
• وقت آزادشده در برنامهٔ فرد باقی می‌ماند یا با جلسه، پیگیری و تصمیم‌های تازه پر می‌شود؟
• ثبت و هماهنگی اداری کمتر شده است یا همراه با افزایش تعداد خروجی‌ها گسترش یافته است؟
• آیا آموزش به وظیفهٔ واقعی کارکنان مربوط است و مدیر انتظار تیم از کیفیت و حجم کار را روشن کرده است؟

پاسخ این پرسش‌ها می‌تواند دو نتیجهٔ متفاوت را از هم جدا کند: تولید بیشتر در همان زمان و داشتن زمان قابل استفادهٔ بیشتر. سازمان ممکن است از نتیجهٔ نخست بهره ببرد، در حالی که کارکنان نتیجهٔ دوم را تجربه نکنند. برای کسی که کارش با هوش مصنوعی سریع‌تر شده، پیامد تعیین‌کننده این است که پس از تحویل سریع‌تر، چه مقدار بازبینی، هماهنگی و مسئولیت تازه به روز او اضافه می‌شود.

بیشتر بخوانید:

• AI وقت آزاد ساخت، اما ۵۸٪ ظرفیت آن را صرف کار دوم می‌کنند
• ۸۸٪ کارکنان می‌گویند AI شغلشان را عوض کرده؛ راهنما اغلب غایب است
• Docker یا Podman؛ سرعت تقریباً برابر است، مدل دسترسی تصمیم را عوض می‌کند