استخدام سه برابری IBM در ۲۰۲۶: بازگشت نقش انسان در عصر هوش مصنوعی

گزارشی از تصمیم IBM برای سه‌برابر کردن استخدام ورودی در ۲۰۲۶ و تأثیر آن بر نقش نیروی انسانی در مواجهه با هوش مصنوعی؛ بررسی پیامدهای بازار کار، نیاز به بازآموزی و تعادل بین اتوماسیون و نظارت انسانی.

.
استخدام سه برابری IBM در ۲۰۲۶: بازگشت نقش انسان در عصر هوش مصنوعی

8 دقیقه

دنبال کردن در گوگل

نگاه کلی

تصور کنید وارد پنجره گفت‌وگوی پشتیبانی مشتری می‌شوید یا شماره خط پشتیبانی را می‌گیرید و با یک انسان مواجه می‌شوید، نه تنها با متن‌های صیقلی‌شده تولیدشده توسط هوش مصنوعی. این تصویری است که به نظر می‌رسد IBM می‌کوشد آن را حفظ کند: بلومبرگ گزارش داده شرکت قصد دارد استخدام نیروی ورودی (entry-level) در ایالات متحده را در سال ۲۰۲۶ سه‌برابر کند. این تیتر در دورانی که بسیاری از شرکت‌ها اتوماسیون را گام منطقی بعدی می‌پندارند، عجیب و برجسته به نظر می‌رسد.

جزئیات برنامه و دامنه آن

اطلاعات دقیق به طور کامل منتشر نشده است. IBM اهداف عددی مشخص درباره تعداد نیروی جدید اعلام نکرده و توسعه استخدام قرار است بخش‌های متنوعی از شرکت را پوشش دهد. با این حال، سیگنال واضح است—این شرکت در حال کنار گذاشتن نیروی انسانی به نفع مدل‌های خودکار نیست. در عوض، به نظر می‌رسد IBM روی این شرط‌بندی می‌کند که انسان‌ها همچنان برای نقش‌های روبه‌روی مشتری و اعتبارسنجی خروجی‌های هوش مصنوعی که می‌توانند مفید اما ناقص باشند، ضروری خواهند ماند.

IBM قصد دارد استخدام ورودی‌رده در ایالات متحده را در ۲۰۲۶ سه‌برابر کند؛ نشانه‌ای از مرکزی بودن نقش انسان در استراتژی هوش مصنوعی این شرکت.

اهمیت خبری و پیامدهای بازار کار

چرا این خبر اهمیت دارد؟ چون در مباحث صنعتی معمولاً فرض بر این است که هوش مصنوعی مساوی با کاهش مشاغل است. این روایت، بخشی از تصویر را از قلم می‌اندازد: بازآرایی نقش‌ها. کارهای تکراری قابل اتوماسیون هستند. اما تفسیر، زمینه‌سازی و ایجاد اطمینان در مشتری انسانی؟ این وظایف هنوز به انسان نیاز دارند—خصوصاً زمانی که خطاها یا قضاوت‌های اخلاقی مطرح شود.

تفکیک بین وظایفی که قابل اتوماسیون‌اند و آنهایی که به قضاوت انسانی نیاز دارند، برای سیاست‌گذاران، مدیران منابع انسانی و رهبران فناوری حیاتی است. نتیجه‌گیری‌های عجولانه مبنی بر اینکه «هوش مصنوعی همه‌چیز را خواهد گرفت» اغلب تصویر ناقص یا نادرستی ارائه می‌دهد. واقعیت پیچیده‌تر است: هوش مصنوعی می‌تواند بار کاری را کاهش دهد، اما نیازهای جدیدی برای کنترل، نقد و تعامل انسانی ایجاد می‌کند که خود باعث ظهور نقش‌های جدید و مسیرهای شغلی تازه می‌شود.

پیامدهای بلندمدت برای بازار کار

اگر شرکت‌های بزرگ مانند IBM و Dropbox به صورت همزمان روی افزایش استخدام فاز ابتدایی و توسعه کانال‌های استعدادیابی سرمایه‌گذاری کنند، می‌توان انتظار داشت بازار کار فناوری دستخوش تغییر شود:

  • افزایش نقش‌های سرویس مشتری انسانی که بر تعاملات پیچیده و مدیریت رابطه تمرکز دارند.
  • نیاز به برنامه‌های بازآموزی (reskilling) و ارتقای مهارت (upskilling) برای تبدیل کارکنان به ناظران ابزارهای هوش مصنوعی.
  • افزایش ارزش مهارت‌های نرم مانند همدلی، حل تعارض و ارتباطات میان‌فردی که در تعاملات حساس مشتریان کلیدی‌اند.

زمینه تاریخی و سابقهٔ تعدیل نیرو در IBM

سابقهٔ تعدیل نیرو در IBM به زمینهٔ بحث کمک می‌کند. این شرکت اخیراً قطع گسترده‌ای انجام نداده است؛ آخرین اقدامات بزرگ شامل حدود ۱۰۰۰ شغل در چین در آگوست ۲۰۲۴ و تقریباً ۳۹۰۰ موقعیت در ژانویه ۲۰۲۳ بود. در برابر این پیش‌زمینه، فشار سنگین برای جذب نیروی ورودی کمتر شبیه تناقض است و بیشتر شبیه یک بازتعادل راهبردی می‌نماید؛ ترکیبی از مدیریت هزینه‌ها در برخی حوزه‌ها و سرمایه‌گذاری در نیروی انسانی در حوزه‌های دیگر.

دلایل استراتژیک احتمالی

دلایل متعددی ممکن است پشت تصمیم IBM قرار داشته باشد:

  • حفاظت از تجربه مشتری و جلب اعتماد با حضور انسان در تعاملات حساسی که هوش مصنوعی هنوز در آن‌ها کامل نیست.
  • ساخت خطوط عرضه استعداد (talent pipeline) قوی از فارغ‌التحصیلان و کارآموزان برای پشتیبانی از رشد بلندمدت شرکت.
  • ایجاد ظرفیت برای نظارت، ارزیابی و اصلاح خروجی‌های مدل‌های هوش مصنوعی—فرآیندی که به کار انسانی برای تأیید و پالایش نیاز دارد.

روندهای مشابه در صنعت فناوری

این روند محدود به IBM نیست. مثلاً دراپ‌باکس (Dropbox) اخیراً اعلام کرده است که کارآموزی‌ها و استخدام‌های مخصوص فارغ‌التحصیلان جدید را حدود ۲۵ درصد افزایش می‌دهد؛ حرکتی که منعکس‌کنندهٔ اعتقاد برخی رهبران فناوری به اهمیت خطوط تأمین نیروی انسانی حتی در دورهٔ گسترش ابزارهای هوش مصنوعی است. هم‌زمان، پیش‌بینی‌های برجسته‌ای نگرانی‌هایی را برانگیخته‌اند: رئیس بخش هوش مصنوعی مایکروسافت گفته بسیاری از مشاغل دفتری ممکن است طی تقریباً ۱۸ ماه آینده خودکار شوند. آیا این پیش‌بینی دراماتیک است؟ بله. آیا اجتناب‌ناپذیر است؟ لزوماً نه.

نمونه‌هایی از تغییرات ساختاری

برخی شرکت‌ها ممکن است بخش‌هایی از عملیات را خودکار کنند تا بهره‌وری را افزایش دهند، اما معمولاً در نقاط تماس حیاتی مشتری یا تصمیم‌گیری‌های پیچیده به نظارت انسانی نیاز خواهند داشت. این یک تغییر پارادایمیک نیست که همه نقش‌ها را بلافاصله حذف کند؛ بلکه یک تحول پیشرونده و ترکیبی است که به ایجاد نقش‌های هیبریدی—جایی که انسان و ماشین با هم کار می‌کنند—منجر می‌شود.

چالش‌های اعتماد و تجربهٔ مشتری

سؤال اصلی که شرکت‌ها باید پاسخ دهند این نیست که آیا می‌توان آدم‌ها را با الگوریتم‌ها جایگزین کرد، بلکه این است که در چه حوزه‌هایی قضاوت انسانی هنوز بهتر از اتوماسیون عمل می‌کند و سازمان‌ها چگونه کارکنان را برای نقش‌های هیبریدی بازآموزی خواهند کرد. آیا شرکت‌ها می‌توانند با سیستم‌های صرفاً خودکار اعتماد مشتری را بسازند؟ تجربه نشان می‌دهد پاسخ پیچیده است. اعتماد به ظرافت نیاز دارد و ظرافت غالباً به دست انسان تحقق می‌یابد.

عوامل اصلی در ساخت اعتماد

عوامل متعددی بر توانایی سیستم‌های خودکار برای ایجاد اعتماد تأثیر می‌گذارند:

  • قابلیت شفافیت مدل‌ها (explainability): آیا سیستم می‌تواند تصمیماتش را طوری توضیح دهد که برای مشتری یا ناظر انسانی قابل درک باشد؟
  • دقت و قابلیت اطمینان: خطاهای مکرر یا خروجی‌های ناسازگار به سرعت اعتماد را تضعیف می‌کنند.
  • پاسخگویی و حل و فصل: در مواجهه با خطا، آیا مشتری یک نقطه تماس انسانی برای حل مسئله دارد؟

وقتی خطاهای مدل منجر به پیامدهای مالی، حقوقی یا اخلاقی می‌شود، نیاز به بررسی انسانی و بازنگری تصمیم‌ها افزایش می‌یابد. به همین دلیل نقش‌هایی مانند ناظران ارشد هوش مصنوعی، تحلیلگران محتوا و نمایندگان خدمات مشتری که توانایی تعامل انسانی را دارند، حیاتی می‌مانند.

مهارت‌ها و بازآموزی: چگونه سازمان‌ها می‌توانند کارکنان را آماده کنند

با توسعه ابزارهای هوش مصنوعی، تغییر نقش‌ها ضرورت بازآموزی را افزایش می‌دهد. سازمان‌ها باید برنامه‌های آموزشی هدفمند برای توسعه مهارت‌های فنی و انسانی طراحی کنند تا کارکنان بتوانند به‌طور مؤثر در محیط‌های ترکیبی کار کنند. این شامل موارد زیر است:

  • آموزش در مورد کارکرد و محدودیت‌های مدل‌های هوش مصنوعی به منظور توانمندسازی کارکنان در نظارت و اصلاح خروجی‌ها.
  • تقویت مهارت‌های نرم مانند همدلی، مدیریت تعارض و قضاوت اخلاقی که در تعاملات پیچیده مشتریان حیاتی‌اند.
  • ارائه مسیرهای شغلی روشن برای انتقال از نقش‌های سنتی به نقش‌های هیبریدی مانند «مفسر مدل»، «ناظر کیفیت خروجی AI» یا «متخصص ارتباط مشتری-ماشین».

الگوهای موفق آموزش و توسعه

الگوهای مختلفی وجود دارد که شرکت‌ها می‌توانند از آن‌ها الگوبرداری کنند، از جمله برنامه‌های داخلی توسعه مهارت، همکاری با مؤسسات آموزشی برای طراحی دوره‌های تخصصی، و شتاب‌دهنده‌های مهارت‌افزایی (bootcamps) که بر آموزش‌های فشرده و کاربردی تمرکز دارند. کلید موفقیت، ترکیب آموزش فنی با آموزش مهارت‌های رفتاری است تا کارکنان قادر باشند در محیط‌های کمّی و انسانی هر دو عمل کنند.

موازنه بین کارایی اتوماسیون و نیاز به نظارت انسانی

با پیشرفت ابزارهای هوش مصنوعی، دو نیروی رقیب را باید زیر نظر داشت: سودمندی‌های کارایی حاصل از اتوماسیون و نیاز مداوم به نظارت انسانی، همدلی و تأیید. کدام یک غالب خواهد شد؟ این انتخاب شکل‌دهندهٔ تغییرات میلیون‌ها شغل در سال‌های آینده خواهد بود.

سازمان‌هایی که تنها به دنبال بیشینه‌سازی کارایی از طریق اتوماسیون هستند ممکن است در کوتاه‌مدت هزینه‌ها را کاهش دهند، اما در بلندمدت با ریسک‌های مربوط به رضایت مشتری، وفاداری و پیامدهای حقوقی روبه‌رو خواهند شد. از سوی دیگر، شرکت‌هایی که سرمایه‌گذاری متعادل‌تری در فناوری و نیروی انسانی انجام می‌دهند، می‌توانند مزیت رقابتی پایدارتری ایجاد کنند؛ مزیتی که ترکیب تخصص انسانی با توان محاسباتی ماشین را در بر دارد.

ریسک‌ها و مدیریت آن‌ها

مدیریت ریسک در این گذار شامل موارد زیر است:

  • پیاده‌سازی چارچوب‌های اخلاقی برای استفاده از هوش مصنوعی.
  • ایجاد کانال‌های بازخورد مشتری برای شناسایی نقاط ضعف در تعاملات خودکار.
  • تدوین سیاست‌های روشن درباره مسئولیت‌پذیری در صورت بروز خطاهای مدل یا سوءاستفاده از سیستم‌ها.

نتیجه‌گیری و توصیه‌های راهبردی

تصمیم IBM برای افزایش سه‌برابری استخدام نیروی ورودی در آمریکا سیگنالی روشن درباره جهت‌گیری شرکت‌ها در برابر اتوماسیون و نقش انسان در آیندهٔ کاری است. این اقدام نشان می‌دهد که حتی در عصر رشد سریع هوش مصنوعی، مهارت‌ها و نقش‌های انسانی هنوز مهم هستند و در بسیاری از موقعیت‌ها غیرقابل‌جایگزین باقی خواهند ماند.

توصیه‌هایی برای سازمان‌ها و سیاست‌گذاران:

  • بر برنامه‌های بازآموزی و ارتقای مهارت سرمایه‌گذاری کنند تا کارکنان برای نقش‌های هیبریدی آماده شوند.
  • چارچوب‌های شفاف اخلاقی و نظارتی برای توسعه و استقرار سیستم‌های هوش مصنوعی تدوین کنند.
  • تعادل بین اتوماسیون و حضور انسانی را مبتنی بر داده‌ها و بازخورد مشتری تعیین کنند، نه بر پیش‌فرض‌های ایدئولوژیک.

در پایان، آنچه مشخص است این است که هوش مصنوعی به معنی پایان نقش انسان نیست؛ بلکه به معنی بازتعریف و تغییر نقش‌هاست. شرکت‌هایی که این بازتعریف را به‌صورت فعال مدیریت کنند—با ترکیب هوش مصنوعی، نظارت انسانی و سرمایه‌گذاری در نیروی انسانی—احتمالاً در موقعیت بهتری برای مواجهه با تحولات آتی بازار کار قرار خواهند داشت.

چشم‌انداز نهایی

همزمان با اجرای برنامه‌های استخدامی و تکامل ابزارهای هوش مصنوعی، دو نیروی رقیب را دنبال کنید: بهبودهای کارایی ناشی از اتوماسیون و نیاز مداوم به نظارت انسانی، همدلی و راستی‌آزمایی. نتیجهٔ این رقابت تعیین خواهد کرد چگونه میلیون‌ها شغل در سال‌های آینده تغییر خواهند کرد و چه فرصت‌ها و چالش‌هایی برای نیروی کار و کسب‌وکارها پدید خواهد آمد.

منبعsmarti.live
کامران تهرانی
"رویدادهای مهم حوزه فناوری و فرهنگ دیجیتال را پیگیری می‌کنم و سعی می‌کنم با زبانی قابل‌فهم تحولات پیچیده را برای عموم توضیح دهم."

نظر بگذارید

نظرات

هنوز نظری ثبت نشده. اولین نفر باشید.