فاصلهٔ ۹۴ تا ۳۳ درصد در هوش مصنوعی
پژوهش تازهٔ انتروپیک: در مشاغل رایانهای ۹۴ درصد وظایف از نظر نظری در دسترس مدل است ولی در عمل ۳۳ درصد پوشش داده میشود. این شکاف یعنی چه و چطور بسته میشود.
پژوهش تازهای از انتروپیک، سازندهٔ مدل Claude، عددی منتشر کرده که بیشتر بحثهای رایج دربارهٔ هوش مصنوعی و کار را جابهجا میکند: فاصلهٔ میان آنچه این فناوری میتواند انجام دهد و آنچه واقعاً انجام میدهد، بسیار بزرگتر از تصور است.
پاسخ کوتاه
در گزارش «اثرهای هوش مصنوعی بر بازار کار»، انتروپیک نشان میدهد که در گروه مشاغل رایانه و ریاضیات، از نظر نظری حدود ۹۴ درصد وظایف در دسترس مدل است، اما در استفادهٔ واقعی تنها حدود ۳۳ درصد پوشش داده میشود. یعنی مسئلهٔ امروز سازمانها توانایی فناوری نیست؛ فاصلهٔ میان توانایی و بهکارگیری است.
سنجهای که کار را میسنجد، نه شغل را
نوآوری روشی این پژوهش ساده و مهم است: بهجای پرسیدن «کدام شغلها در معرضاند»، وظیفهها را میسنجد و آن را «مواجههٔ مشاهدهشده» مینامد — ترکیبی از توانایی نظری مدل با دادهٔ استفادهٔ واقعی.
این تفاوت را دستکم نگیرید. هیچ شغلی یک کار یکپارچه نیست؛ هر شغل مجموعهای از دهها وظیفهٔ متفاوت است. وقتی در سطح وظیفه نگاه میکنید، پرسش از «آیا این شغل جایگزین میشود؟» به «کدام بخش از این کار زودتر تغییر میکند؟» تبدیل میشود — و دومی پرسشی است که میتوان برایش برنامه ریخت.
اعدادی که گزارش میدهد
بر پایهٔ همان پژوهش:
- برنامهنویسان رایانه بیشترین پوشش را دارند: حدود ۷۵ درصد
- اپراتورهای ورود داده: حدود ۶۷ درصد
- کارشناسان پشتیبانی مشتری نیز در رتبههای بالا
- در مقابل، حدود ۳۰ درصد شاغلان مواجههٔ صفر دارند — آشپز، مکانیک موتورسیکلت، متصدی بار
الگو روشن است: کاری که خروجیاش متن و داده و تصویر است زودتر تغییر میکند؛ کاری که دست و جسم و حضور فیزیکی میخواهد، تقریباً دستنخورده مانده.
آنچه دربارهٔ اشتغال گفته و نگفته
این بخش را باید با دقت خواند. پژوهش میگوید از اواخر ۲۰۲۲ تاکنون افزایش سیستماتیکی در بیکاری شاغلان پرمواجهه دیده نشده است. یعنی آن تصویر رایج از جایگزینی گسترده، در دادهها تأیید نشده.
یک نشانهٔ ظریفتر گزارش شده: در گروه سنی ۲۲ تا ۲۵ سال و در مشاغل پرمواجهه، نرخ یافتن شغل حدود ۱۴ درصد کاهش داشته. یعنی آنچه تغییر کرده بیشتر مسیر ورود به کار است تا خودِ اشتغال موجود.
دو نکتهٔ مهم برای خواندن درست این اعداد: دادهها از پیمایش جمعیت فعال ایالات متحده از اوت ۲۰۲۲ به بعد است، نه ایران؛ و روش سنجش عمداً محافظهکارانه است — استفادهٔ کاملاً خودکار وزن کامل میگیرد و استفادهٔ همافزا نصف وزن. تفاوت این دو را در اتوماسیون یا همافزایی جداگانه شکافتهایم.
چرا فاصلهٔ ۹۴ به ۳۳ مهمترین عدد این گزارش است
اگر فناوری میتواند ۹۴ درصد را پوشش دهد و در عمل ۳۳ درصد را پوشش میدهد، آن شکاف ۶۱ واحدی جای سه چیز است: نبود داده، نبود فرایند بازطراحیشده، و نبود مهارت در تیم.
هیچکدام از این سه با خرید ابزار بهتر حل نمیشود. همین نتیجهای است که پژوهشهای مدیریتی دیگر هم به آن رسیدهاند و در چرا بودجهٔ هوش مصنوعی به سود تبدیل نمیشود آوردهایم.
برای یک سازمان، معنای عملیاش این است: رقابت امروز بر سر دسترسی به فناوری نیست — همه دسترسی دارند — بلکه بر سر سرعت بستن همان شکاف است.
این برای یک سازمان در کرج یعنی چه
سازمانهای کرج و البرز — کارخانه، مرکز آموزشی، شرکت خدماتی — معمولاً ترکیبی از هر دو نوع کار را دارند: بخشی متن و داده و سند، بخشی حضور فیزیکی و تجهیزات.
توصیهٔ عملی ما این است که فهرست وظایف یک واحد را روی کاغذ بیاورید و هر کدام را با یک پرسش ساده بسنجید: خروجی این کار متن یا داده است، یا چیزی فیزیکی؟ همین یک تفکیک، بیشتر از هر گزارش جهانی به شما میگوید از کجا شروع کنید.
تیم ما این جلسه را حضوری در پارک علم و فناوری البرز یا در محل سازمان برگزار میکند، چون فهرست واقعی وظایف در هیچ شرح شغلی نوشته نشده؛ نزد کسی است که کار را انجام میدهد.
پرسشهای متداول
«مواجههٔ مشاهدهشده» دقیقاً یعنی چه؟
سنجهای که توانایی نظری مدل را با دادهٔ استفادهٔ واقعی ترکیب میکند. تفاوتش با سنجههای قبلی این است که فقط نمیپرسد فناوری چه میتواند بکند، بلکه میسنجد در عمل چه میکند.
آیا این یعنی مشاغل برنامهنویسی از بین میرود؟
پژوهش چنین چیزی نمیگوید. میگوید پوشش وظایف در این گروه بالاست، و همزمان میگوید افزایش سیستماتیکی در بیکاری شاغلان پرمواجهه دیده نشده. پوشش وظیفه با حذف شغل یکی نیست.
چرا استفادهٔ واقعی اینقدر از توان نظری کمتر است؟
سه دلیل معمول: دادهٔ سازمانی آمادهٔ استفاده نیست، فرایند حول ابزار بازطراحی نشده، و تیم مهارت بهکارگیریاش را ندارد. هر سه حلشدنیاند و هیچکدام به مدل بهتر نیاز ندارند.
آیا این اعداد برای ایران هم صادق است؟
مستقیم نه. دادهها از بازار کار ایالات متحده است. آنچه قابل انتقال است الگو است نه عدد: کارهای متنی و دادهمحور زودتر تغییر میکنند، و شکاف میان توان و بهکارگیری همهجا وجود دارد.
از کجا بفهمیم کدام وظایف سازمان ما در این دستهاند؟
از خروجی کار شروع کنید نه از عنوان شغل. هر وظیفهای که خروجیاش سند، گزارش، پیام یا دستهبندی داده است، نامزد اول است. راهنمای عملیاش در آمادهکردن تیم برای کاری که تغییر میکند آمده.
آیا باید منتظر مدلهای بهتر بمانیم؟
بر پایهٔ همین گزارش، محدودیت اصلی توان مدل نیست — استفادهٔ واقعی یکسوم توان موجود است. سازمانی که امروز شکافش را ببندد، از مدلهای بعدی هم بیشتر بهره میبرد.
خدمات مرتبط قطره
- مشاوره هوش مصنوعی در کسبوکار — تشخیص وظایف قابل انتقال و نقشهٔ راه
- آموزش سازمانی — برنامهٔ درونسازمانی و مشاور هوش مصنوعی برای آموزش تیم
- دوره آموزشی هوش مصنوعی — آموزش کاربردی برای تیمهای فنی
- اتوماسیون هوش مصنوعی — خودکارسازی وظایف تکراری
- چتبات سازمانی — پاسخگویی خودکار روی دانش سازمان
- بینایی ماشین — استخراج عدد از تصویر دوربینها
- علم داده — پیشبینی و داشبورد تصمیم
- روباتیک — روباتیک آموزشی، خدماتی و صنعتی
- هوش مصنوعی در کرج — همهٔ خدمات، حضوری در کرج و البرز