بررسی اثر هوش مصنوعی بر تحول آموزش و توسعه منابع انسانی
مقاله پیش رو، ترجمه، خلاصه و تغییر در ۲ مقاله منتشر شده اخیر در دنیای مدیریت منابع انسانی است. مقاله 11 HR Trends for 2026: Shaping What’s Next که در AIHR و مقاله How Gen AI Could Transform Learning and Development که در Harvard Business Review منتشر شده است.
راستش قرار نیست که خیلی مقدمه‌چینی کنم. اگر بخواهیم بگوییم تعریف ما از ناکارآمدی چیست باید گفت به طور خلاصه ناکارآمدی سازمانی (Organizational Inefficiency) به وضعیتی اشاره دارد که در آن منابع مالی، منابع انسانی و منابع فناورانه به‌طور بهینه مورد استفاده قرار نمی‌گیرند و در نتیجه، سازمان از دستیابی به حداکثر بهره‌وری، سرعت و اثربخشی باز می‌ماند. این ناکارآمدی می‌تواند ناشی از عوامل مختلفی باشد که منجر به کاهش نوآوری و چابکی و افزایش هزینه‌های عملیاتی سازمان می‌شود. (منبع)
اما آیا یادگیری ماشین یا هوش مصنوعی این مسئله را حل می‌کند؟ یعنی این حجم از پول که روزانه برای یادگیری ماشین و توسعه ابزارهای مرتبط با آن هزینه می‌شود منجر به افزایش کارایی می‌شود؟
پاسخ یک «بله اما…» است. یک پاسخ با چند ابهام.
گزارش‌ها حاکی از آن است که شرکت‌هایی که میلیون‌ها دلار در هوش مصنوعی مولد (Generative AI) سرمایه‌گذاری می‌کنند، ممکن است به‌زودی با توقف مواجه شوند؛ نه به دلیل محدودیت‌های فناوری، بلکه به دلیل محدودیت‌های انسانی!
همان‌طور که هوش مصنوعی مولد در حال ادغام شدن در جریان‌های کاری به شکل فراگیر است، یک پارادوکس بزرگ همراه خود پدید آورده: چه میزان از مهارت‌های انسانی برای استفاده از هوش مصنوعی نیاز است؟ اصلا کدام مهارت‌ها نیاز است؟ یا چگونه مهارت‌هایی مانند صورت بندی‌مسئله یا خلاقیت می‌تواند به استفاده بهینه از هوش مصنوعی کمک کند؟ چه میزان از گپ مهارتی بین آن‌چیزی که باید باشد و آن چیزی که هست، وجود دارد؟
خب! بنظر راه‌حل ساده‌ای برای این مسئله دشوار وجود دارد. نیازسنجی و آموزش! آموزش برای توسعه مهارت منابع انسانی برای استفاده از ابزارها و تکنولوژی جدید.
اما یک نکته وجود دارد؛ آیا روش‌های سنتی، کارآمدی لازم برای پاسخگویی به این نیاز را دارد؟ پاسخ به یک شکل قاطع، خیر است!
از جمله دلایل آن اغلب کمبود مربی یا برنامه‌های آموزشی مناسب است. حتی برنامه‌هایی هم که ارائه می‌شوند، معمولاً ناکارآمد هستند. اکثر آن‌ها خیلی کلی یا جدا از کار روزانه‌اند و مهم‌تر از همه، فاقد دسترسی گسترده برای همه کارکنان هستند؛ یعنی اساسا مقیاس‌پذیر نیستند!
حال تصور کنید هر کارمند یک مربی شخصی داشته باشد که نقش او، چالش‌هایش برای دستیابی به عملکرد بالا، و نیازهای یادگیری‌اش را درک کند و در لحظه و با هزینه‌ای بسیار کمتر از بودجه‌های فعلی آموزش و توسعه (L&D) در دسترس باشد. اینجاست که هوش مصنوعی مولد می‌تواند آموزش مهارت‌های انسانی را در مقیاس گسترده شخصی‌سازی کند.
بررسی یک آزمایش علمی
شواهد یک آزمایش از مؤسسه BCG Henderson نشان می‌دهد که آموزش با کمک هوش مصنوعی مولد می‌تواند به‌اندازه آموزش‌های سنتی – و حتی جذاب‌تر از آن‌ها – در توسعه مهارت‌های انسانی مؤثر باشد.
برای بررسی تأثیر یک مربی هوش مصنوعی مولد، آزمایشی روی شرکت‌کنندگان برنامه BCG RISE سنگاپور انجام شد؛ برنامه‌ای برای بازآموزی حرفه‌ای افراد میانسال به منظور ورود به نقش‌های دیجیتال. این آزمایش بین ماه نوامبر و دسامبر سال ۲۰۲۴ برگزار شد و ۱۳۹ نفر در آن مشارکت کردند. تمرکز آزمایش بر آموزش مهارت «چارچوب‌بندی مسئله» یا Problem Framing بود؛ چرا که این مهارت به عنوان اولین گام در حل مسئله در عصر هوش مصنوعی برای بهره‌گیری از توان تحلیل و بکاربست این فناوری محسوب می‌شود. داده‌های پیش‌آزمون و پس‌آزمون، میزان درگیری ذهنی، بازخورد کیفی، و مصاحبه‌های عمیق جمع‌آوری و تحلیل شد.
در این آزمایش گروه کنترل در کلاس مجازی با یک مربی با تجربه شرکت کردند و گروه آزمایش به‌صورت فردی با یک مربی هوش مصنوعی مولد تعامل داشتند. نتایج نشان داد که عملکرد مربی هوش مصنوعی با کلاس سنتی برابری می‌کند، اما از نظر شخصی‌سازی و کارایی بسیار بهتر بود.
چهار یافته کلیدی از تحلیل نتایج این آزمایش به‌دست آمد:
۱. شخصی‌سازی در مقیاس: مربی هوش مصنوعی توانست بر اساس داده‌های عملکرد، نقاط قوت و ضعف و نیازهای یادگیری هر فرد، برنامه آموزشی پویا طراحی کند. هوش مصنوعی در این بخش، ۳۲٪ و در «ارتباط بازخورد» ۱۷٪ نسبت به کلاس با مربی انسانی بهتر بود.
۲. تأمل و بازاندیشی: این پژوهش نشان داد که بازاندیشی پایه توسعه مهارت‌های انسانی است. مربی هوش مصنوعی این امکان را فراهم کرد تا فراگیران در نقاط کلیدی درباره تجربه‌ها و چالش‌های خود فکر کنند. ۴۷٪ شرکت‌کنندگان حتی گفتگوهای عمیق و شخصی با مربی داشتند.
۳. کارایی و صرفه‌جویی در زمان: یکی از موانع اصلی یادگیری در محیط کار کمبود وقت است. فراگیران با مربی هوش مصنوعی حدود ۲۳٪ سریع‌تر از همتایان خود در کلاس، آموزش را کامل کردند.
۴. حمایت از سطوح پایین‌تر مهارتی: حتی کسانی که در سطح مهارتی پایین‌تری بودند، با مربی هوش مصنوعی به اندازه کلاس پیشرفت کردند (۳۲٪ رشد بیشتر بین پیش‌آزمون و پس‌آزمون).
۵. بیش از نیمی از شرکت‌کنندگان (۵۳٪) بعد از تنها یک تجربه، مربی هوش مصنوعی را به آموزش کلاسی ترجیح دادند. البته، برای موضوعات پیچیده مثل همکاری گروهی، همچنان مربی انسانی ترجیح داده شد.
تیم‌های منابع انسانی چه کنند؟
۱. جایگزینی ساختارهای میان‌وظیفه‌ای با سیلوهای سنتی منابع انسانی
ساختارهای سنتی منابع انسانی (HR) که حول سیلوهایی مثل جذب و استخدام، آموزش، جبران خدمات و ارزیابی عملکرد شکل گرفته‌اند، دیگر در محیط کار متحول‌شده توسط هوش مصنوعی کارآمد نیستند. بر اساس تحقیقات اخیر، ۸۹٪ از واحدهای HR در حال بازطراحی ساختارهای خود هستند یا طی دو سال آینده چنین برنامه‌ای دارند؛ در این نشانه‌‌هایی است برای آنان که می‌اندیشند!
سازمان‌های پیشرو به جای مراکز تخصصی سنتی HR (مثل تیم‌های مجزای جذب استعداد، توسعه یادگیری، جبران خدمات یا مدیریت عملکرد) به سمت ایجاد تیم‌های میان‌وظیفه‌ای چابک (Agile, Cross-Functional Teams) حرکت کرده‌اند. در این ساختار جدید، متخصصان حوزه‌های مختلف منابع انسانی در قالب پادهای چندرشته‌ای روی چالش‌های مشترک کسب‌وکار، مثل طراحی دوباره فرآیند ورود کارکنان، بهبود نگهداشت، یا توسعه رهبران آینده با هم کار می‌کنند.
مزیت این رویکرد، تصمیم‌گیری سریع‌تر، تجربه یکپارچه‌تر کارکنان و هم‌سویی بیشتر با نتایج کسب‌وکار است. به جای تحویل کار از یک سیلو به سیلوی دیگر، تیم‌ها از پلتفرم‌ها، داده‌ها و چرخه‌های بازخورد مشترک استفاده می‌کنند. این تحول تنها ساختاری نیست، بلکه یک تغییر فرهنگی نیز محسوب می‌شود. متخصصان HR باید از ذهنیت «تابع-محور» فاصله بگیرند و رویکرد «نتیجه‌محور» را بپذیرند. این موضوع مستلزم ارتقای سواد داده‌ای و توانایی در تفکر سیستمی است. وقتی HR به شبکه‌ای منعطف از قابلیت‌های میان‌وظیفه‌ای بازطراحی می‌شود، به موتور سرعت، نوآوری و ارزش‌آفرینی تبدیل خواهد شد.
این ساختارهای جدید همچنین زمینه را برای به‌کارگیری معنادار AI در HR فراهم می‌کنند؛ چه به عنوان همکار در استفاده از ابزارهای نوین و چه در استخراج بینش برای تدوین استراتژی منابع انسانی و تجربه کلی کارکنان.توجه کنید که در حالی که ۴۲٪ از تیم‌های بازاریابی از AI استفاده می‌کنند، این عدد در HR تنها ۱۳٪ است!
۲. مراکز تعالی هوش مصنوعی (AI Centers of Excellence)
با وجود اینکه ۹۸٪ از سازمان‌ها فرایند ادغام هوش مصنوعی را شتاب بخشیده‌اند، تعداد کمی از آن‌ها واقعاً احساس آمادگی برای مقیاس‌پذیری مؤثر و دستیابی به ارزش واقعی دارند. بسیاری از پروژه‌ها پس از مرحله‌ی پایلوت متوقف می‌شوند، ریسک‌های اخلاقی بدون مدیریت باقی می‌مانند و کارکنان دچار احساس سردرگمی یا بیگانگی می‌شوند، زیرا نمی‌دانند هوش مصنوعی چه معنایی برای نقش‌های شغلی‌شان دارد. نبود ساختار روشن باعث می‌شود سازمان‌ها در گذار از جاه‌طلبی به دستاورد واقعی ناکام بمانند.
اینجاست که مراکز تعالی هوش مصنوعی (AI CoE) نقش مؤثری ایفا می‌کنند. این تیم‌های میان‌وظیفه‌ای و مجهز، فناوری، استعداد و اعتماد را همسو می‌سازند. CoEها تلاش‌های بخش‌های مختلف را هماهنگ می‌کنند، شاخص‌های موفقیت را تعریف می‌نمایند، ریسک‌ها را مدیریت کرده و چارچوب حکمرانی لازم برای پیاده‌سازی مقیاس‌پذیر و پایدار هوش مصنوعی را ایجاد می‌کنند. به‌عنوان مثال، آزمایشگاه هوش مصنوعی شرکت Siemens به‌عنوان یک مرکز تعالی عمل می‌کند و کارشناسان را گرد هم می‌آورد تا راه‌حل‌های مبتنی بر هوش مصنوعی را توسعه، آزمایش و مقیاس‌بندی کرده و نوآوری صنعتی را تسریع بخشد.
علاوه بر متخصصان IT و کسب‌وکار، سازمان‌های پیشرو به‌طور فزاینده‌ای منابع انسانی (HR) را هم به این مراکز وارد می‌کنند؛ نه فقط برای مدیریت تغییر، بلکه برای شکل‌دهی به آن. داده‌ها نشان می‌دهد شرکت‌هایی که در پذیرش هوش مصنوعی جلوتر هستند، ۲.۵ برابر بیشتر احتمال دارد منابع انسانی را برای شناسایی وظایف مناسب برای اتوماسیون دخالت دهند؛ اقدامی که به تسریع پذیرش و کاهش مقاومت کارکنان کمک می‌کند. نقش HR در این مراکز شامل ارائه‌ی بینش درباره‌ی طراحی شغل، گذار نقش‌ها، نیازهای بازآموزی و پیاده‌سازی اخلاقی است؛ همه‌ی این موارد برای پایداری تحول حیاتی‌اند.
۳. آموزش و توسعه منابع انسانی کارآمد
با گسترش نقش هوش مصنوعی در انجام کارهای فنی و تکراری، ارزش واقعی منابع انسانی بیش از پیش به توانایی‌های انسانی گره خورده است. در نتیجه متخصصان منابع انسانی می‌بایست برای سازگار کردن شرایط همکاران خود با تغییرات پیش روی آینده، از امروز مهارت‌های مورد نیاز آن روز را آموزش دهند و روی آن سرمایه‌گذاری کنند. وقت آن است که مدیریت منابع انسانی از تیک زدن تسک‌ها بدون توجه به ارزش افزوده ایجاد شده به تلاش برای خلق ارزش پایدار و بلندمدت روی بیاورد!
چه نتیجه‌ای بگیریم؟
تحول دیجیتال دیگر یک پروژه فناورانه نیست؛ یک تحول انسانی است.
هوش مصنوعی، برخلاف تصور اولیه، فقط ابزاری برای کاهش هزینه و افزایش بهره‌وری نیست؛ بلکه نیرویی است که ساختارها، مهارت‌ها، و حتی فلسفه یادگیری در سازمان‌ها را بازتعریف می‌کند. ناکارآمدی سازمانی در گذشته از ناهماهنگی بین منابع، داده‌ها و تصمیم‌ها ناشی می‌شد، اما امروز شکل جدیدی از ناکارآمدی در حال ظهور است: فاصله میان ظرفیت فناوری و آمادگی انسانی برای استفاده از آن.
مدیریت منابع انسانی در این میان نقشی حیاتی دارد
آینده‌ی HR در ادغام سه محور خلاصه می‌شود:
۱. یادگیری مستمر و شخصی‌سازی‌شده،
۲. رهبری انسانی و اخلاقی در عصر ماشین‌ها،
۳. چابکی سازمانی از طریق همکاری انسان و هوش مصنوعی.
اگر سازمان‌ها بتوانند میان انسان و ماشین یک رابطه‌ی هم‌افزا بسازند، دیگر هوش مصنوعی تهدیدی برای مشاغل نخواهد بود؛ بلکه تبدیل به مربی، همکار و شتاب‌دهنده‌ای برای رشد و توسعه در کار می‌شود.
در نهایت، کارآمدی واقعی در دنیای جدید نه در صرفه‌جویی زمان، بلکه در بازآفرینی ارزش انسانی در کنار فناوری معنا پیدا می‌کند.
دیدگاهتان را بنویسید