۸۰٪ کارکنان AI بیشتری می‌خواهند؛ شغلشان اجازه نمی‌دهد

Cognizant در اعلامیهٔ ۹ اکتبر ۲۰۲۶ گزارش داد که در پژوهش آن بر بیش از ۱۰ هزار کارمند، ۸۰٪ می‌خواهند بیش از آنچه شغل فعلی‌شان امکان می‌دهد از هوش مصنوعی استفاده کنند. این یافته دربارهٔ فاصلهٔ میان استفادهٔ مطلوب و استفادهٔ کنونی است؛ به این معنا نیست که همهٔ این کارکنان با یک ممنوعیت رسمی روبه‌رو هستند.

پژوهش، مانع واحدی برای این فاصله معرفی نمی‌کند. ابزارهای نامتناسب با کار، دسترسی و مجوزهای محدود، کمبود مهارت و تردید دربارهٔ فایدهٔ خروجی، بسته به وضعیت کارکنان نقش متفاوتی دارند. برای کارفرمایی که استفادهٔ کاری از AI را کمتر از انتظار می‌بیند، همین تفاوت تعیین می‌کند مشکل را باید در ابزار جست‌وجو کند یا در شرایط استفاده از آن.

«شکاف فعال‌سازی» چگونه سنجیده شد؟

در گزارش کامل پژوهش، شکاف فعال‌سازی تفاوت میان میزانی است که فرد مایل است از AI استفاده کند و میزانی که اکنون واقعاً از آن استفاده می‌کند؛ پاسخ‌دهندگان نیز در هفت تیپ دسته‌بندی شده‌اند و در هر تیپ، ۷۲ تا ۸۲٪ گفته‌اند ابزارهای موجود نیازشان را برآورده نمی‌کند. مثبت‌بودن شکاف یعنی خواست فرد از عمل او جلوتر است. مقدار منفی نشان می‌دهد استفادهٔ کنونی از انتظار خود او فراتر رفته است.

برای ساختن تیپ‌ها، پرسش‌های مربوط به نگرش افراد به فناوری، ریسک و کار با پاسخ‌های آنان دربارهٔ استفادهٔ فعلی، تمایل آینده، توانایی و شرایط سازمانی کنار هم قرار گرفت. پژوهش همچنین «ضریب فعال‌سازی» را برای توصیف میزان درگیری کارکنان با AI به کار می‌برد. این ضریب و شکاف، دو چیز متفاوت‌اند: فرد می‌تواند کاربر باتجربه‌ای باشد و همچنان از ابزار مجاز سازمان برای وظیفهٔ خود رضایت نداشته باشد.

داده‌ها از پاسخ کارکنان به دست آمده‌اند. بنابراین شکاف، اندازه‌گیری مستقلِ زمان کار با ابزار یا کیفیت خروجی آن نیست و علت مانع را برای هر فرد به‌تنهایی مشخص نمی‌کند. تفاوت میان تمایل و عمل نقطهٔ شروع تحلیل است؛ برای فهمیدن اینکه کدام محدودیت در یک شغل اثر دارد، باید به نوع کاری که فرد انجام می‌دهد و امکاناتی که واقعاً در اختیار اوست نگاه کرد.

برآورد اقتصادی پژوهش نیز جنس دیگری دارد. اولی اوداناهیو، مدیر پژوهش Cognizant، در گفت‌وگو با diginomica توضیح داد که میانگین افزایش بهره‌وریِ مورد انتظارِ پاسخ‌دهندگان ۱۴٪ بود، اما برای سناریوی محاسباتی آن را به ۵٪ کاهش داد: «The mean was 14%, so we reduced it to five percent». حاصل سناریوی افزایش یکنواخت ۵٪ در بهره‌وری نیروی کار جهان، حدود ۶ تریلیون دلار افزایش تولید ناخالص داخلی است. این مبلغ، نتیجهٔ اقتصادیِ مشاهده‌شده پس از رفع موانع کارکنان نیست.

هفت تیپ کارکنان با چه مانعی روبه‌رو هستند؟

Architects، Accelerators و Precisionists کاربران پیشرو گزارش‌اند، اما نیاز یکسانی ندارند. Architects با وجود اعتماد به مدیریت ریسک در سازمان، وقتی گزینهٔ تأییدشده برای کارشان کافی نباشد به ابزارهای تأییدنشده روی می‌آورند. Accelerators تجربهٔ زیادی دارند و می‌توانند روش‌های کاری خود را به همکاران منتقل کنند. Precisionists نیز استفادهٔ گسترده‌ای دارند، اما رابطه‌شان با AI بیشتر بر سودمندی آن برای کار استوار است تا اشتیاق به فناوری. برای این گروه‌ها، آموزش مقدماتی پاسخ کاملی به مشکل تناسب ابزار نمی‌دهد.

در بخش میانی، Navigators می‌خواهند از AI استفاده کنند، اما به ابزار، مجوز یا مسیر تأیید مناسب دسترسی ندارند. Pragmatists توانایی استفاده را در خود می‌بینند و پیش از تغییر روش کار، نتیجه‌ای قابل‌اعتماد در وظیفه‌ای مشابه می‌خواهند. Stalwarts با احتیاط بیشتری پیش می‌روند؛ اعتماد به توانایی فنی و ارتباط AI با آیندهٔ شغلی برایشان اهمیت دارد. Navigators و Stalwarts روی‌هم ۷۲٪ نمونه را تشکیل می‌دهند، پس مانعی که این دو گروه تجربه می‌کنند به بخش بزرگی از کارکنان مربوط است.

Holdouts کمترین استفاده و اطمینان فنی را دارند، ولی شکاف میان خواست و عمل در این گروه نیز مثبت است. آنان برای دیدن کاربرد AI در وظیفهٔ خود به آموزش پایه و نمونه‌های مرتبط نیاز دارند. در میان کسانی که آموزش را گذرانده‌اند، سهم افرادی که آن را مؤثر دانسته‌اند در Holdouts کمتر از Architects است؛ تکمیل آموزش اجباری نیز در این دو گروه یکسان نیست. پایین‌بودن استفاده در Holdouts را نمی‌توان صرفاً به بی‌میلی نسبت داد.

آمار تازه چه چیزی را برای یک تیم روشن می‌کند؟

تیپ‌های پژوهش چهار منشأ متفاوت را پیش روی مدیران می‌گذارند. این‌ها تشخیص قطعی برای هر سازمان نیستند؛ هر مورد باید با تجربهٔ کارکنان همان تیم و محدودیت‌های کار آنان سنجیده شود:

• ابزار: کارکنان باتجربه می‌دانند AI را کجا به کار ببرند، اما گزینهٔ مجاز اطلاعات، زمینه یا قابلیت لازم برای وظیفه‌شان را ندارد. در این وضعیت، آموزش عمومی کمبود خودِ ابزار را برطرف نمی‌کند.
• دسترسی: فرد کاربرد مشخصی برای AI می‌شناسد، اما مجوز یا راه تأییدشده‌ای برای استفاده ندارد. این مانع به وضعیت Navigators نزدیک است و از کمبود علاقهٔ آنان نتیجه نمی‌شود.
• مهارت: ابزار در دسترس است، ولی فرد برای استفاده از آن در وظیفهٔ خودش به تمرین پایه نیاز دارد. تفاوت تجربهٔ آموزشی Holdouts و کاربران پیشرو نشان می‌دهد عرضهٔ یک دورهٔ یکسان الزاماً نیاز هر دو گروه را پاسخ نمی‌دهد.
• اعتماد: امکان استفاده وجود دارد، اما فرد هنوز فایدهٔ خروجی، قابلیت اتکای آن یا ارتباطش با نقش شغلی خود را روشن نمی‌بیند. تردید Pragmatists و Stalwarts را نمی‌توان تنها با افزودن حساب کاربری حل کرد.

این تمایز در تفسیر عدد کلی اهمیت دارد. شمار حساب‌های فعال یا دوره‌های برگزارشده به‌تنهایی نشان نمی‌دهد چرا استفادهٔ کاری کمتر از خواست کارکنان است. اگر کاربران باتجربه نیز ابزار مجاز را برای کارشان ناکافی بدانند، افزایش تعداد کاربران آن مشکل را رفع نمی‌کند؛ اگر کارمند علاقه‌مند مسیر دسترسی نداشته باشد، آموزش بیشتر جای مجوز را نمی‌گیرد. پیامد پژوهش برای سازمان‌ها این است که یک رقم واحد، چند مانع متفاوت را در خود پنهان می‌کند.

بیشتر بخوانید:

• ۴۸٪ کارکنان دربارهٔ مهارت AI اغراق کرده‌اند؛ فشار سازمانی متهم است
• ۹۳٪ کارجویان خود را آمادهٔ AI می‌دانند؛ کارفرمایان انتظار بیشتری دارند
• Leonardo AI یا Midjourney؛ طرح ارزان‌تر الزاماً تصویر خصوصی نمی‌دهد