اجازه ندهید هوش مصنوعی خلاقیت تیمتان را محدود کند
با هوش مصنوعی طوری رفتار کنید که انگار مخاطب شما در یک گفت‌وگوی ساختاریافته است.
توانایی چت‌جی‌پی‌تی در ارائۀ ایده‌های بسیار را هیچ‌کس زیر سوال نمی‌برد. اما آیا آن ایده‌ها واقعاً خوب هستند؟ اخیراً در یک آزمایش، تیم‌هایی که درگیر یک حل مسئلۀ خلاقانه بودند، در اکثر موارد دستاوردهای اندکی را از دستیار هوش مصنوعی مشاهده کردند و برخی حتی عملکرد ضعیف‌تری داشتند. کیان گوهر، مدیرعامل شرکت توسعۀ رهبری جئولَب و یکی از نویسندگان این تحقیق می‌گوید: «مشکل از فناوری نیست.» تصورات اشتباه دربارۀ هوش مصنوعی مولد، حل مسئله و فرآیند خلاقانه، باعث می‌شوند که کارکنان و مدیران از این ابزارها به درستی استفاده نکنند و گاهی حتی وضعیت بدتری نسبت به زمانی که بدون دخالت هوش مصنوعی عمل می‌کردند، داشته باشند.
گوهر و همکار پژوهشی‌اش، جرمی آتلی از دانشگاه استنفورد، با چهار شرکت همکاری کردند: دو شرکت در اروپا و دو شرکت در ایالات متحده. از حدود ۶۰ کارمند در هر شرکت خواسته شد که در تیم‌های کوچک روی یک مشکل کسب‌وکار که شرکتشان با آن مواجه است، کار کنند. برای مثال، چگونه منابع آموزشی داخلی را توسعه دهند یا چگونه فروش بین شرکتی یک محصول خاص را گسترش دهند. در هر شرکت، برخی از تیم‌ها (تیم‌های گروه کنترل) بدون هیچ‌گونه کمکی از هوش مصنوعی به حل مشکل پرداختند و برخی دیگر (تیم‌های گروه آزمایشی) نسخه‌ای متن‌باز از چت‌جی‌پی‌تی دریافت کردند. همۀ تیم‌ها یک ارائۀ کوتاه دربارۀ مشکل مورد نظر مشاهده کردند و برگه‌هایی با اطلاعات و جزئیات مرتبط دریافت کردند.
تیم‌ها ۹۰ دقیقه فرصت داشتند تا با استفاده از ساختاری که محققان پیشنهاد داده بودند، راه‌حل‌های احتمالی را ارائه دهند. کارکنان ابتدا به صورت فردی کار کردند و سپس ایده‌های خود را در یک جلسۀ طوفان فکری با هم‌تیمی‌هایشان به اشتراک گذاشتند. تیم‌های گروه آزمایشی می‌توانستند در هر دو مرحلۀ ایده‌پردازی از چت‌جی‌پی‌تی استفاده کنند و تشویق شدند که ابزار هوش مصنوعی را با وارد کردن مطالبی از برگه‌های اطلاعاتی برای حل مشکل آموزش دهند. در پایان تمرین، هر تیم ایده‌های خود را ارسال کرد.
“مالک” هر مسئله (یعنی فردی که در هر سازمان مسئول اجرای راه‌حل نهایی است) ایده‌ها را قضاوت کرد و از A (“بسیار جالب توجه”) تا D (“ارزش پیگیری ندارد”) به آن‌ها نمره داد، بدون اینکه بداند کدام ایده‌ها از همکاری انسان و ماشین به دست آمده‌اند. گوهر می‌گوید: «نتایج، انتظارات محققان را کاملاً ویران کرد.» او و همکارانش فرض کرده بودند تیم‌هایی که از چت‌جی‌پی‌تی استفاده می‌کنند، ایده‌های بسیار بیشتر و بهتری نسبت به دیگران تولید خواهند کرد. اما آن تیم‌ها به طور متوسط فقط ۸٪ بیشتر از تیم‌های گروه کنترل ایده تولید کردند. آن‌ها ۷٪ کمتر نمرۀ D گرفتند، اما ۸٪ بیشتر نمرۀ B (“جالب اما نیازمند توسعه”) دریافت کردند و تقریباً همان میزان نمرۀ C (“نیازمند توسعۀ قابل توجه”) را داشتند. غافل‌گیرکننده‌ترین نکته این بود که آن‌ها ۲٪ کمتر نمرۀ A دریافت کردند.
گوهر می‌گوید: «هوش مصنوعی مولد به کارکنان کمک کرد از ایده‌های بد جلوگیری کنند، اما از طرفی به ایجاد ایده‌های متوسط بیشتری منجر شد.» نظرسنجی‌هایی که قبل و بعد از تمرین انجام شدند، نشان می‌دادند تیم‌هایی که از هوش مصنوعی استفاده کردند، ۲۱٪ بیشتر در توانایی‌های حل مسئلۀ خود اعتماد‌به‌نفس پیدا کردند. اما نمراتی که دریافت کردند نشان می‌دهند که بسیاری از این اعتماد به نفس، بی‌جا بوده است.
گوهر می‌گوید: «البته، پتانسیل هوش مصنوعی مولد در حل مسئله واقعی است.» در اینجا چند مرحله برای به حداکثر رساندن این پتانسیل آورده شده است:
دربارۀ مشکلی که می‌خواهید حل کنید، دقیق باشید. مدل‌های زبانی بزرگ که زیربنای چت‌بات‌های هوش مصنوعی مولد هستند، به گونه‌ای طراحی شده‌اند که پاسخ‌های “متوسط” ارائه دهند؛ الگوریتم‌های آن‌ها برای شناسایی بالاترین احتمال واژه‌های پشت سر هم آموزش دیده‌اند. اگر کسی تایپ کند “من واق واق میکنم مثل یک…” و از ربات بخواهد جمله را کامل کند، به احتمال زیاد واژۀ “سگ” را پیشنهاد می‌کند. اما اگر تیم‌ها به دنبال راه‌حل‌های خارج از چارچوب باشند، پاسخ‌های متوسط مفید نخواهند بود.
بنابراین مدیران باید به تیم‌های خود بیاموزند که قبل از استفاده از ابزار هوش مصنوعی شرح مسئله را خیلی مشخص بنویسند و تا حد ممکن جزئیات را وارد آن کنند. به عنوان مثال، به جای پرسیدن “چگونه می‌توانیم رضایت مشتری را بهبود ببخشیم؟” تیم‌ها می‌توانند بگویند “مراحلی که مشتری ما طی می‌کند شامل موارد زیر است… چه تغییراتی در مرحلۀ معارفه می‌توانند نرخ حفظ مشتری را ۱۰٪ افزایش دهند؟” گوهر می‌گوید: «مردم از هوش مصنوعی انتظار دارند که مثل یک پیشگو باشد: آن را به برق میزنی و ناگهان راه حل را به شما می‌دهد.» تیم‌هایی که این رویکرد را داشتند (یعنی به سادگی مشکل را به صورت کلی بیان کنند و از چت‌جی‌پی‌تی درخواست کنند آن را حل کند) نتایج ضعیفی گرفتند.
توانایی چت‌جی‌پی‌تی در ارائۀ ایده‌های بسیار را هیچ‌کس زیر سوال نمی‌برد. اما آیا آن ایده‌ها واقعاً خوب هستند؟ اخیراً در یک آزمایش، تیم‌هایی که درگیر یک حل مسئلۀ خلاقانه بودند، در اکثر موارد دستاوردهای اندکی را از دستیار هوش مصنوعی مشاهده کردند و برخی حتی عملکرد ضعیف‌تری داشتند. کیان گوهر، مدیرعامل شرکت توسعۀ رهبری جئولَب و یکی از نویسندگان این تحقیق می‌گوید: «مشکل از فناوری نیست.» تصورات اشتباه دربارۀ هوش مصنوعی مولد، حل مسئله و فرآیند خلاقانه، باعث می‌شوند که کارکنان و مدیران از این ابزارها به درستی استفاده نکنند و گاهی حتی وضعیت بدتری نسبت به زمانی که بدون دخالت هوش مصنوعی عمل می‌کردند، داشته باشند.
گوهر و همکار پژوهشی‌اش، جرمی آتلی از دانشگاه استنفورد، با چهار شرکت همکاری کردند: دو شرکت در اروپا و دو شرکت در ایالات متحده. از حدود ۶۰ کارمند در هر شرکت خواسته شد که در تیم‌های کوچک روی یک مشکل کسب‌وکار که شرکتشان با آن مواجه است، کار کنند. برای مثال، چگونه منابع آموزشی داخلی را توسعه دهند یا چگونه فروش بین شرکتی یک محصول خاص را گسترش دهند. در هر شرکت، برخی از تیم‌ها (تیم‌های گروه کنترل) بدون هیچ‌گونه کمکی از هوش مصنوعی به حل مشکل پرداختند و برخی دیگر (تیم‌های گروه آزمایشی) نسخه‌ای متن‌باز از چت‌جی‌پی‌تی دریافت کردند. همۀ تیم‌ها یک ارائۀ کوتاه دربارۀ مشکل مورد نظر مشاهده کردند و برگه‌هایی با اطلاعات و جزئیات مرتبط دریافت کردند.
تیم‌ها ۹۰ دقیقه فرصت داشتند تا با استفاده از ساختاری که محققان پیشنهاد داده بودند، راه‌حل‌های احتمالی را ارائه دهند. کارکنان ابتدا به صورت فردی کار کردند و سپس ایده‌های خود را در یک جلسۀ طوفان فکری با هم‌تیمی‌هایشان به اشتراک گذاشتند. تیم‌های گروه آزمایشی می‌توانستند در هر دو مرحلۀ ایده‌پردازی از چت‌جی‌پی‌تی استفاده کنند و تشویق شدند که ابزار هوش مصنوعی را با وارد کردن مطالبی از برگه‌های اطلاعاتی برای حل مشکل آموزش دهند. در پایان تمرین، هر تیم ایده‌های خود را ارسال کرد.
“مالک” هر مسئله (یعنی فردی که در هر سازمان مسئول اجرای راه‌حل نهایی است) ایده‌ها را قضاوت کرد و از A (“بسیار جالب توجه”) تا D (“ارزش پیگیری ندارد”) به آن‌ها نمره داد، بدون اینکه بداند کدام ایده‌ها از همکاری انسان و ماشین به دست آمده‌اند. گوهر می‌گوید: «نتایج، انتظارات محققان را کاملاً ویران کرد.» او و همکارانش فرض کرده بودند تیم‌هایی که از چت‌جی‌پی‌تی استفاده می‌کنند، ایده‌های بسیار بیشتر و بهتری نسبت به دیگران تولید خواهند کرد. اما آن تیم‌ها به طور متوسط فقط ۸٪ بیشتر از تیم‌های گروه کنترل ایده تولید کردند. آن‌ها ۷٪ کمتر نمرۀ D گرفتند، اما ۸٪ بیشتر نمرۀ B (“جالب اما نیازمند توسعه”) دریافت کردند و تقریباً همان میزان نمرۀ C (“نیازمند توسعۀ قابل توجه”) را داشتند. غافل‌گیرکننده‌ترین نکته این بود که آن‌ها ۲٪ کمتر نمرۀ A دریافت کردند.
گوهر می‌گوید: «هوش مصنوعی مولد به کارکنان کمک کرد از ایده‌های بد جلوگیری کنند، اما از طرفی به ایجاد ایده‌های متوسط بیشتری منجر شد.» نظرسنجی‌هایی که قبل و بعد از تمرین انجام شدند، نشان می‌دادند تیم‌هایی که از هوش مصنوعی استفاده کردند، ۲۱٪ بیشتر در توانایی‌های حل مسئلۀ خود اعتماد‌به‌نفس پیدا کردند. اما نمراتی که دریافت کردند نشان می‌دهند که بسیاری از این اعتماد به نفس، بی‌جا بوده است.
گوهر می‌گوید: «البته، پتانسیل هوش مصنوعی مولد در حل مسئله واقعی است.» در اینجا چند مرحله برای به حداکثر رساندن این پتانسیل آورده شده است:
دربارۀ مشکلی که می‌خواهید حل کنید، دقیق باشید. مدل‌های زبانی بزرگ که زیربنای چت‌بات‌های هوش مصنوعی مولد هستند، به گونه‌ای طراحی شده‌اند که پاسخ‌های “متوسط” ارائه دهند؛ الگوریتم‌های آن‌ها برای شناسایی بالاترین احتمال واژه‌های پشت سر هم آموزش دیده‌اند. اگر کسی تایپ کند “من واق واق میکنم مثل یک…” و از ربات بخواهد جمله را کامل کند، به احتمال زیاد واژۀ “سگ” را پیشنهاد می‌کند. اما اگر تیم‌ها به دنبال راه‌حل‌های خارج از چارچوب باشند، پاسخ‌های متوسط مفید نخواهند بود.
بنابراین مدیران باید به تیم‌های خود بیاموزند که قبل از استفاده از ابزار هوش مصنوعی شرح مسئله را خیلی مشخص بنویسند و تا حد ممکن جزئیات را وارد آن کنند. به عنوان مثال، به جای پرسیدن “چگونه می‌توانیم رضایت مشتری را بهبود ببخشیم؟” تیم‌ها می‌توانند بگویند “مراحلی که مشتری ما طی می‌کند شامل موارد زیر است… چه تغییراتی در مرحلۀ معارفه می‌توانند نرخ حفظ مشتری را ۱۰٪ افزایش دهند؟” گوهر می‌گوید: «مردم از هوش مصنوعی انتظار دارند که مثل یک پیشگو باشد: آن را به برق میزنی و ناگهان راه حل را به شما می‌دهد.» تیم‌هایی که این رویکرد را داشتند (یعنی به سادگی مشکل را به صورت کلی بیان کنند و از چت‌جی‌پی‌تی درخواست کنند آن را حل کند) نتایج ضعیفی گرفتند.
نظرات شما