اگر امروز یک برنامهنویس هستید که از عاملهای هوش مصنوعی استفاده میکند، احتمالاً متوجه تغییری متناقض در روز کاری خود شدهاید: فضای بیشتری برای تجربه دارید، اما آرامش ذهنیتان کمتر شده است. این واقعیتی است که joe.dev در ۹ ژوئن ۲۰۲۶ توصیف میکند؛ جایی که نویسنده استدلال میکند هوش مصنوعی در حال احیای روح «زمان ۲۰ درصد» مشهور گوگل است، اما بدون آن ساعتهای حفاظتشده واقعی. نویسنده این وضعیت را «منهای زمان» مینامد؛ جایی که وعدهٔ اکتشاف بازگشته، اما فضای واقعی برای آن وجود ندارد. در این مدل جدید، هزینهٔ تجربه دیگر با «ساعت» پرداخت نمیشود، بلکه با «توجه» پرداخت میشود و تجربهٔ کاری را عملاً به «زمان ۱۲۰ درصد» تبدیل میکند.
برای درک این تغییر، باید به سالهای ابتدایی گوگل بازگردیم. بیست سال پیش، این شرکت به مهندسان اجازه میداد یک روز در هفته — یعنی یکپنجم زمان خود — را صرف پروژهای کنند که خودشان انتخاب کردهاند. این فقط یک سیاست نبود، بلکه فرهنگ اعتماد بود که به مهندسان اجازه میداد جستوجو کنند و نوآوری به راه بیندازند. طبق تحلیل نویسنده، زمان ۲۰ درصد به دلیل محیط و فلسفهٔ حاکم بر آن جواب میداد، نه به خاطر عدد خاصی که در دفترچه راهنما نوشته شده بود. این یک شرطبندی امیدوارانه بود: به مردم فضای لازم برای جستوجو بدهید و اعتماد کنید که نتایج خوبی حاصل خواهد شد.
فرسایش فرهنگ
همانطور که در تحلیلهای پیشین ما دربارهی فرهنگ سازمانی شرکتهای فناوری اشاره کردیم، این مدلهای آزادی معمولاً در برابر مقیاسپذیری شکست میخورند. با رشد گوگل از چند هزار نفر به نزدیک ۲۰۰ هزار نفر، این فرهنگ فرسوده شد. سیاست زمان ۲۰ درصد بهتدریج و در سکوت کنار گذاشته شد.
- تغییر سال ۲۰۱۱: لری پیج با شعار «چوبِ بیشتر پشتِ تیرهای کمتر» (more wood behind fewer arrows) به عنوان مدیرعامل بازگشت که منجر به تعطیلی گوگل لبز (Google Labs) شد.
- واقعیت سال ۲۰۱۳: تا سال ۲۰۱۳، کارکنان نام این وضعیت را به «زمان ۱۲۰ درصد» تغییر دادند. در حالی که پروژههای جانبی در تئوری مجاز بودند، اما فشار برای رسیدن به اهداف (Targets) به این معنا بود که این پروژهها صرفاً روی دوش یک هفته کاری کامل سوار میشدند.
نوآوری زمانی میمیرد که شرکت در اندازهگیری خروجیها بیش از حد دقیق شود. وقتی اندازهگیری به خط مبنا تبدیل شود، هر ساعت صرف شده برای جستوجو، به عنوان یک ساعت عقبماندگی دیده میشود. فضای اکتشاف تنها زمانی زنده میماند که هیچکس آن را بیش از حد دقیق اندازهگیری نکند.
تغییر از «ساعت» به «توجه»
در سال ۲۰۲۶، عاملهای هوش مصنوعی (AI Agents) — شبیه دستیارهایی که میتوانند تکالیف پیچیده را به جای شما انجام دهند — واحد بنیادی بهرهوری را تغییر دادهاند. نویسنده «پروژه جانبی» را نه چیزی خارج از کار، بلکه بخش اکتشافیِ خودِ شغل تعریف میکند؛ یعنی چیزهایی که باید وجود داشته باشند اما در نقشه راه (Roadmap) فوری نیستند.
در سال ۲۰۰۵، یک پروژه ۲۰ درصدی یک بلوک زمانی بود. منبع کمیاب، یک بازه از تمرکز بدون وقفه بود که به اندازه کافی طولانی باشد تا بتوان یک مسئله سخت را در ذهن نگه داشت. کدنویسی در آن زمان شبیه بریدن و جوش دادن فلز بود، جایی که هر تغییر، یک جنگ کوچک با متریال بود. اما اکنون با عاملها، کدنویسی بیشتر شبیه کار با گل است: شما شکل را تغییر میدهید، هزینهٔ تغییر شکل تقریباً صفر است و گل هرگز تصمیم نمیگیرد که شما چه میسازید.
الگوی کاری جدید به این شکل است:
- توسعهدهندگان پروژههای اکتشافی را در یک پنجره شروع میکنند، در حالی که یک عامل، وظایف اصلی نقشه راه را در پنجرهای دیگر مدیریت میکند.
- اکتشاف در فواصل کوتاه رخ میدهد؛ یعنی همان شکافهایی که هر بار کار اصلی نیازی به انسان ندارد، باز میشوند.
- این وضعیت «زمان ۲۰ درصد بدون تقویم» است؛ نوعی اکتشاف که نیازی به تأیید مدیریت ندارد چون در حاشیهٔ روز میگذرد.
اما گلوگاه تغییر کرده است. وقتی عاملها تایپ کردن را بر عهده میگیرند، ساعتها دیگر مانع نیستند. گلوگاه جدید «توجه» است؛ بهویژه تلاشی که برای نگه داشتن بافتار (Context) در چندین رشتهٔ مختلف و تصمیمگیری درباره درست بودن خروجی عامل لازم است.
ظهور «سوختگی مغزی هوش مصنوعی»
این بهرهوری جدید هزینهای شناختی دارد. هاروارد بیزنس ریویو (Harvard Business Review) پدیدهای به نام «سوختگی مغزی هوش مصنوعی» (AI Brain Fry) را شناسایی کرده است. این فشار ذهنی خاصی است که هنگام نظارت بر سیستمهایی رخ میدهد که سریعتر از تفکر انسان حرکت میکنند.
مدیریت چندین عامل و جابجایی بین آنها، نوعی خستگی جدید است. نویسنده تفاوت این حالت را با سوختگی شغلی (Burnout) سنتی چنین میبیند:
- سوختگی شغلی: احساس مسئولیت برای چیزی که نمیتوانید تغییر دهید؛ مانند فشار آوردن به یک شیء تکانناپذیر.
- سوختگی مغزی: برعکس سوختگی شغلی است. شما تمام کمکهای ممکن را دارید — ردیفی از عاملها که هر چه بگویید انجام میدهند — اما ظرفیت شما برای نگه داشتن بافتار و تصمیمگیری ته میکشد.
ما بیشتر توجه خود را صرف این کردهایم که ابزارها چه میکنند، اما بهزحمت فهمیدهایم که اجرای این ابزارها با انسانی که از آنها استفاده میکند چه میکند.
چه کسی سود این بهرهوری را میبرد؟
وجه تاریک این افزایش بهرهوری، وضعیت متخصصان خلاق دیگر است. تصویرگران، صداپیشگان و فیلمنامهنویسان، «فضای بیشتر برای اکتشاف» را تجربه نمیکنند. در عوض میبینند مهارتهایی که یک عمر برای یادگیریشان وقت گذاشتهاند، برای آموزش ابزارهایی استفاده شده که حالا دستمزد آنها را پایین میآورند یا کاملاً جایگزینشان میشوند.
برای برنامهنویس، عامل هوش مصنوعی ابزاری برای سرعت است؛ اما برای هنرمند، هدف عامل انجام کار «بدون حضور او» است. نویسنده به واقعیت تلخی اشاره میکند: سود زمانی که طبقه فنی به دست میآورد، ممکن است بر پایه آنچه از طبقه خلاق گرفته شده باشد. خوشبینیِ زمان ۲۰ درصد هرگز برای این کارکنان روی میز نبود.
علاوه بر این، نویسنده میپرسد در بلندمدت چه کسی واقعاً سود میبرد. شکافهای بین اجرای عاملها، «زمان حفاظتشده» به سبک سال ۲۰۰۵ نیستند؛ بلکه «زمان دزدیده شده» هستند.
- مشکل اندازهگیری: زمان ۲۰ درصد به دلیل اندازهگیریهای دقیق مُرد. جایگزین آن زیر ذرهبین متولد شده، جایی که صورتحساب توکنها هر اقدام را اندازه میگیرد.
- الگوی اقتصادی: از نظر تاریخی، در ۵۰ سال گذشته، دستاوردهای بهرهوری به سود بالای سازمان بوده، نه افرادی که کار را انجام میدهند.
این تکامل نشان میدهد هوش مصنوعی میتواند آزادی دوران قدیمی گوگل را شبیهسازی کند، اما نمیتواند امنیت روانیِ زمانِ تأییدشده و حفاظتشده را بازگرداند. سؤال اصلی این است که آیا این نیروی کارِ آزادشده به کارگر بازگردانده میشود تا خلق کند، یا صرفاً به فشاری بیشتر برای تولید بیشتر تبدیل میشود. ما به سمت دنیایی میرویم که در آن تمام کمکهای ممکن را داریم، اما فضایی برای نفس کشیدن نداریم.
گام بعدی شما
- اگر از عاملهای متعدد استفاده میکنید، زمانهای «استراحت ذهنی» کوتاه (بدون صفحه نمایش) را به تقویم خود اضافه کنید تا از سوختگی مغزی جلوگیری کنید.
- در بررسی ابزارهای جدید، به جای «سرعت تولید»، روی «کاهش بار شناختی برای نظارت» تمرکز کنید.
- اگر مدیر تیم هستید، به جای اندازهگیری خروجی توکنها، فضای امنی برای اکتشاف بدون نظارت ایجاد کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو