شرکت‌های بزرگ پس از شکست اتوماسیون، تعدیل نیروهای مبتنی بر هوش مصنوعی را لغو می‌کنند

حدود نیمی از شرکت‌هایی که نیروی انسانی خود را با هوش مصنوعی جایگزین کردند، اکنون با یک اثر بومرنگ پرهزینه مواجه شده‌اند و مجبورند همان نقش‌ها را با دستمزدی بالاتر دوباره استخدام کنند. موج اولیه تعدیل نیروهای ناشی از هوش مصنوعی – که تقریباً ۴/۵٪ از کل تعدیل‌های شغلی ملی در سال ۲۰۲۵ را تشکیل می‌داد – به سرمایه‌گذاران و اعضای هیئت مدیره به عنوان یک اقدام صرفه‌جویی تمیز و دائمی که حاشیه سود را به شدت افزایش می‌دهد، فروخته شد.

در عوض، شرکت‌ها در بخش‌های مختلف در حال کشف این واقعیت هستند که اتوماسیون بدون تخصص انسانی اغلب نتیجه معکوس می‌دهد، کیفیت محصول را کاهش می‌دهد، مشتریان قدیمی را ناراضی می‌کند و شکاف‌های حیاتی در دانش سازمانی ایجاد می‌کند. درک این موضوع که مدل‌های هوش مصنوعی مولد نمی‌توانند قضاوت انسانی را به طور کامل تکرار کنند، تلاش‌های آرام اما گسترده‌ای برای استخدام مجدد را برانگیخته است و روایت جابجایی اجتناب‌ناپذیر فناوری را به تأییدی قدرتمند بر نیروی کار انسانی تبدیل کرده است.[1][3]

این عقب‌نشینی در صنایع مختلف، از تولید خودرو گرفته تا خدمات مالی، گسترش یافته است، زیرا مدیران اجرایی با محدودیت‌های سیستم‌های جدید خود روبرو می‌شوند. به عنوان مثال، شرکت فورد موتور، سه سال گذشته را صرف استخدام آرام ۳۵۰ مهندس باسابقه کرد تا مشکلات کیفیت خودرو را که سیستم‌های خودکار به طور مداوم در تشخیص آن‌ها شکست می‌خوردند، برطرف کند.

این شرکت متوجه شد که وارد کردن الزامات طراحی به یک مدل هوش مصنوعی نمی‌تواند محصولی با کیفیت بالا تولید کند، مگر با نظارت انسانی باتجربه که برای تشخیص نقص‌های ظریف و ثبت‌نشده لازم است.

از آنجا که تجربه عمیق سازمانی این مهندسان در مجموعه داده‌های مورد استفاده برای آموزش هوش مصنوعی ثبت نشده بود، سیستم‌های خودکار شکاف‌های دانشی خطرناکی ایجاد کردند. این مهندسان بازگشته از آن زمان ابزارهای هوش مصنوعی را بازنگری کرده و اکنون جلسات عیب‌یابی را رهبری می‌کنند؛ تلاشی که صدها میلیون دلار در هزینه‌های گارانتی و فراخوان برای فورد صرفه‌جویی کرده است.[2][4]

در بخش مالی، محدودیت‌های اتوماسیون کامل به طور مشابه آشکار شده است، اغلب به قیمت نارضایتی مشتری. بانک کامن‌ولث استرالیا سال گذشته بیش از ۴۰ موقعیت خدمات مشتری را حذف کرد و یک ربات صوتی هوش مصنوعی را برای مدیریت حجم کار و ساده‌سازی عملیات به کار گرفت. با این حال، این فناوری به سرعت تحت فشار پرسش‌های ظریف مشتریان از هم پاشید و به جای کاهش حجم تماس‌ها، افزایش چشمگیری در آن ایجاد کرد.

مشتریان ناامید خود را در حلقه‌های خودکار گرفتار دیدند، که بانک را مجبور کرد تعدیل‌ها را لغو کرده و به سرعت کارکنان انسانی را برای مدیریت پیامدهای آن استخدام کند. بانک بعداً بیانیه‌ای صادر کرد و اذعان داشت که قبل از اعلام تعدیل‌های اولیه، نتوانسته است همه عوامل تجاری مرتبط و تأثیرات آن بر مشتری را به اندازه کافی در نظر بگیرد.[2]

حتی غول‌های فناوری، که در ابتدا پیشگام انقلاب هوش مصنوعی بودند، در حال تنظیم مجدد رویکرد خود نسبت به سرمایه انسانی هستند. آی‌بی‌ام یک سیستم پیشرفته هوش مصنوعی را برای مدیریت درخواست‌های منابع انسانی به کار گرفت که با موفقیت تقریباً ۹۴٪ از درخواست‌های روتین ورودی را پاسخ داد. با این حال، ۶٪ که نتوانست حل کند – که اغلب شامل قضاوت‌های اخلاقی پیچیده، روابط حساس کارکنان و تفسیرهای ظریف سیاست‌ها بود – مرزهای سخت این فناوری را برجسته کرد.

آی‌بی‌ام با درک این موضوع که حذف نقش‌های سطح پایین (Entry-level) در سه تا پنج سال آینده یک کمبود شدید استعداد ایجاد خواهد کرد، برنامه‌هایی را برای سه برابر کردن استخدام‌های سطح پایین خود در تمام واحدهای تجاری در سال ۲۰۲۶ اعلام کرد. این شرکت به این نتیجه رسید که بدون جریان ثابتی از کارمندان تازه‌کار که در حال یادگیری اصول هستند، خط لوله رهبری آینده به سادگی خشک خواهد شد.[1][2]

داده‌ها تأیید می‌کنند که این یک تغییر ساختاری کلان اقتصادی است، نه فقط مجموعه‌ای از حوادث جداگانه شرکتی. گزارش اخیر Orgvue نشان داد که در حالی که ۳۹٪ از رهبران تجاری به دلیل استقرار هوش مصنوعی، کارکنان را تعدیل کردند، ۵۵٪ حیرت‌آور بعداً اعتراف کردند که این تصمیمات اشتباه بوده‌اند. به طور مشابه، شرکت استخدامی رابرت هاف (Robert Half) گزارش داد که ۳۲٪ از مدیران استخدام ایالات متحده که نقشی را عمدتاً به دلیل هوش مصنوعی حذف کردند، قبلاً همان نقش یا موقعیتی بسیار مشابه را دوباره استخدام کرده‌اند.

تحلیلگران خاطرنشان می‌کنند که بسیاری از مدیران اجرایی در مورد دستاوردهای فوری بهره‌وری هوش مصنوعی مولد اغراق کردند، در حالی که اصطکاک ناشی از استقرار آن بدون نظارت انسانی را به شدت دست کم گرفتند. در نتیجه، این باور که هوش مصنوعی می‌تواند به طور یکپارچه جایگزین کل بخش‌ها شود، به سرعت در اتاق‌های هیئت مدیره شرکت‌ها در حال از دست دادن اعتبار است.[4]

هزینه مالی این عقب‌نشینی‌ها قابل توجه است و منطق صرفه‌جویی اولیه برای تعدیل‌ها را تضعیف می‌کند. طبق نظرسنجی Careerminds، تقریباً یک سوم شرکت‌هایی که تعدیل‌های هوش مصنوعی را انجام دادند، قبلاً ۲۵٪ تا ۵۰٪ از نقش‌هایی را که حذف کرده بودند، دوباره استخدام کرده‌اند. نکته قابل توجه‌تر این است که از هر سه کارفرما، یک نفر بیشتر از آنچه در ابتدا از تعدیل‌ها صرفه‌جویی کرده بود، برای استخدام مجدد، جذب و آموزش مجدد هزینه کرده است.

«تعدیل بزرگ هوش مصنوعی» به یک تلاش پرهزینه برای استخدام مجدد تبدیل شده است، زیرا مدیران اجرایی متوجه هزینه‌های پنهان از دست دادن دانش سازمانی ثبت‌نشده می‌شوند. شرکت‌ها درمی‌یابند که استخدام مجدد بهترین عملکردها اغلب مستلزم پرداخت دستمزد بالاتر است، زیرا آن کارگران اکنون پس از شکست سیستم‌های خودکار، حداکثر اهرم را در مذاکرات حقوقی دارند.[1][3]

نارضایتی مشتری همچنان محرک اصلی بازگشت به نیروی کار انسانی است. برندهای تجارت الکترونیک و فین‌تک، از جمله Salesforce و Meta، تعداد نامعلومی از کارگران را در نقش‌های بازتعریف‌شده برای هدایت خدمات هوش مصنوعی مولد خود و رسیدگی به موارد تشدید شده اضافه کرده‌اند. موتورهای جستجوی شغل، افزایش چشمگیری در آگهی‌های شغلی سطح پایین برای بازاریابان، کپی‌رایترها و نمایندگان خدمات مشتری را ردیابی می‌کنند که شباهت زیادی به نقش‌هایی دارند که تنها شش تا دوازده ماه پیش حذف شده بودند.

همانطور که یک مدیر عامل اشاره کرد، مشتریان می‌توانند به راحتی «کار ضعیف هوش مصنوعی» را تشخیص دهند و هنگامی که مجبور به حل مسائل پیچیده با یک ربات می‌شوند، به شدت ناامید می‌شوند، که منجر به حجم بالاتری از شکایات و آسیب به برند می‌شود. از دست دادن کارگرانی که درخواست‌های پیچیده مشتری را درک می‌کردند، شکافی در همدلی ایجاد کرد که الگوریتم‌ها به سادگی نمی‌توانستند آن را پر کنند.[3]

اجماع نوظهور در میان رهبران تجاری این است که هوش مصنوعی باید به عنوان ابزاری برای تقویت، نه جایگزینی کامل، در نظر گرفته شود. گارتنر پیش‌بینی می‌کند که تا سال ۲۰۲۷، نیمی از شرکت‌هایی که به دلیل هوش مصنوعی تعداد کارکنان خدمات مشتری را کاهش دادند، افراد را برای کارهای مشابه تحت عناوین جدیدی مانند «مدیران هوش مصنوعی» یا «ناظران اتوماسیون» دوباره استخدام خواهند کرد.

تمرکز به طور قاطع از حذف شغل‌ها به ایجاد سیستم‌های انعطاف‌پذیر «انسان در چرخه» تغییر می‌کند، جایی که کارگران باتجربه بر خروجی‌های هوش مصنوعی نظارت، آن‌ها را اصلاح و عیب‌یابی می‌کنند. این تنظیم مجدد تضمین می‌کند که افزایش بهره‌وری به قیمت کیفیت محصول یا وفاداری مشتری تمام نشود و ثابت می‌کند که باارزش‌ترین دارایی در عصر هوش مصنوعی، تخصص انسانی مورد نیاز برای هدایت آن است.[1][3][4]