تصور کنید متخصصی هستید که امروز از اکسل یا ایمیل استفاده نمی‌کند؛ در دنیای فعلی، هر کسی که نتواند در سطح پایه با هوش مصنوعی صحبت کند، دقیقاً به همان اندازه منسوخ شده است. طبق گزارش ZDNET، این تغییر در انتظارات محیط کار باعث شده است که نردبان شغلی سنتی — همان مسیر پله‌پله از پایین به بالا — عملاً فرو بپاشد.
برای دهه‌ها، روایت حرفه‌ای ساده بود: در یک نقش سطح مقدماتی شروع کنید، تجربه کسب کنید و پله‌به‌پله بالا بروید. اما اکنون هوش مصنوعی زاینده (Generative AI) — مثل دستیاری که تمام کارهای تکراری و خسته‌کننده را در یک چشم‌به‌هم‌زدن انجام می‌دهد — در حال اتوماسیون همین پله‌های اول است. این اتفاق باعث شده زمین‌های تمرینی که پیش‌تر برای کارکنان تازه‌کار بود، حذف شود و شکافی ایجاد شود که متخصصان باید برای پر کردن آن و رسیدن به مدیریت ارشد، راه‌های جدیدی بیابند. با این حال، همین ابزارها به افراد اجازه می‌دهند بسیار زودتر از گذشته، روی پروژه‌های پیچیده کار کنند.
آنکور آناند (Ankur Anand)، مدیر ارشد فناوری در شرکت استخدامی Harvey Nash، معتقد است «نردبان شغلی» جای خود را به یک «شبکه رشد» (Career Lattice) می‌دهد. در این ساختار جدید، رشد دیگر فقط رو به بالا نیست. متخصصان باید به‌صورت افقی بین بخش‌های مختلف و به‌صورت مورب وارد حوزه‌های مجاور شوند تا مجموعه‌ای از مهارت‌های انتقال‌پذیر بسازند. کسانی که در این جابجایی‌های سیال استاد شوند، احتمالاً سریع‌تر از کسانی که منتظر ترفیع سنتی هستند، به نقاط اوج می‌رسند. آناند تأکید می‌کند که هوش مصنوعی فقط شکل کار را عوض نکرده، بلکه اساساً نحوه صعود در سازمان را تغییر داده است.
کاوش در قلمروهای جدید
موفقیت در عصر هوش مصنوعی نیازمند ذهنیتی است که همواره به دنبال کاوش باشد. جسی کاکس (Jesse Cox)، مدیر حساب‌های پرداخت در Solis Mammography، این تغییر فعلی را به یک موج تشبیه می‌کند؛ او معتقد است متخصصان یا باید «روی تخته‌شان سوار شوند و موج را برانند» یا اینکه زیر موج دفن شده و پشت سر بگذارند. او صراحتاً بیان می‌کند که در این مورد واقعاً هیچ انتخابی وجود ندارد.
کاکس استدلال می‌کند که هوش مصنوعی لزوماً به معنای از دست دادن شغل نیست. در عوض، به این معناست که کارکنان بالاخره فرصت پیدا می‌کنند کارهایی را انجام دهند که به‌دلیل کمبود وقت، همیشه در اولویت‌های بعدی قرار داشتند و به آن‌ها نرسیده بودند. در بخش او، متخصصان همین حالا از سرویس‌های هوش مصنوعی برای بهینه‌سازی فرآیندهای تجاری موجود، مانند روش تأیید و پرداخت فاکتورها، استفاده می‌کنند.
به باور کاکس، کسانی که بتوانند کاربردهای موفق هوش مصنوعی را ثابت کنند و تجربیات و درس‌های برتر خود را به اشتراک بگذارند، توانایی خود را برای تبدیل شدن به رهبران نسل آینده به نمایش می‌گذارند. کاکس معتقد است متخصصان باید مدام از خود بپرسند: «این اتفاق چه معنایی دارد؟ من حالا اجازه دارم چه کارهایی انجام دهم؟ و چگونه به رشد خود ادامه دهم؟»
تال کارمی (Tal Carmi)، مدیر فناوری WalkMe، تأکید می‌کند که کنجکاوی موتور اصلی موفقیت است، به‌ویژه با توجه به سرعتی که فناوری تغییر می‌کند. او از همکار مدیری در سطح ارشد نقل می‌کند که گفته است اگر کسی نتواند در سطح پایه با هوش مصنوعی تعامل کند، این وضعیت معادل عدم استفاده از اینترنت یا اکسل است.
کارمی با افرادی خارج از صنعت فناوری برخورد کرده است که به‌دلیل برنامه‌نویس نبودن، از کاوش در هوش مصنوعی دوری می‌کنند. او هشدار می‌دهد که این رویکرد محدود، جاه‌طلبی‌های آن‌ها برای رشد رو به بالا را محدود خواهد کرد. در حالی که شرکت‌ها ممکن است مهارت‌ها یا دانش لازم را فراهم کنند، اما این میل درونی به جست‌وجو و کاوش است که افراد صعودکننده را از دیگران متمایز می‌کند.
لبه‌ی رقابتیِ انعطاف‌پذیری
کیرستی روت (Kirsty Roth)، مدیر عملیات Thomson Reuters، مشاهده کرده است که «انعطاف‌پذیری» قوی‌ترین پیش‌بین موفقیت بلندمدت شغلی است. او اشاره می‌کند که بهترین متخصصان کسانی هستند که صادقانه از تغییرات هیجان‌زده می‌شوند.
روت اعضای تیمی را به یاد می‌آورد که در روزهای اول، با اشتیاق با مدل‌های پیشگام ChatGPT بازی می‌کردند. به گفته روت، دقیقاً همین افراد در ۱۸ ماه گذشته به توانمندترین مهندسان شرکت تبدیل شده‌اند.
روت استدلال می‌کند که این انعطاف‌پذیری محدود به «بومیان دیجیتال» یا جوانان نیست. یک تصور رایج وجود دارد که جوانان بهترین جایگاه را برای پاسخ به تغییرات ناشی از هوش مصنوعی دارند، اما شواهد او نشان می‌دهد که بهترین متخصصان، فارغ از هر گروه سنی، کسانی هستند که با اعتمادبه‌نفس وارد مسیر یادگیری مستمر می‌شوند.
روت برای تعیین حرکت درست، یک تمرین عملی را هنگام انتخاب بین پیشنهادهای شغلی مختلف پیشنهاد می‌کند. او به افراد می‌گوید دو یا سه خطی را که در پایان آن نقش به رزومه‌شان اضافه خواهد شد، بنویسند. متخصصان باید بپرسند: «من قرار است چه چیزی یاد بگیرم؟ در این نقش چه کاری را متفاوت از قبل انجام خواهم داد؟» کسانی که با ذهن باز وارد تغییرات شوند، مدیران عامل و اعضای هیئت‌مدیره آینده خواهند بود.
۶ استراتژی برای پیمایش در شبکه رشد
برای مدیریت این تغییر، آنکور آناند پیشنهاد می‌کند که هوش مصنوعی را نه فقط یک تغییر تکنولوژیک، بلکه یک آزمون رهبری بدانیم. او ۶ حرکت عملی خاص را برای متخصصانی که می‌خواهند جاه‌طلبی‌های خود را در مسیر درست نگه دارند، توصیه می‌کند:
- استفاده از هوش مصنوعی به‌عنوان مربی: به‌جای اینکه فقط برای تمام کردن کارها از آن استفاده کنید، برای یادگیری سریع‌تر به کار ببرید. از مدل بخواهید مفاهیم را توضیح دهد، ایده‌هایتان را آزمایش کند و پیش از تصمیم‌گیری، رویکردهای مختلف را بررسی کند. این کار، کارهای روزمره را به یک چرخه یادگیری سریع تبدیل می‌کند.
- اولویت دادن به کارهای تصمیم‌محور: به دنبال فرصت‌هایی باشید که خروجی‌های هوش مصنوعی را بازبینی کنید، موارد پیچیده را شناسایی کنید یا بینش‌های کلیدی را برای تیم‌های ارشد استخراج نمایید. این کار «عضله تصمیم‌گیری» شما را تقویت می‌کند که تعریف‌کننده رهبران آینده است.
- ساخت پروفایل T-شکل: تخصص عمیق خود را در یک حوزه اصلی (مثل مالی، استخدام یا مهندسی) حفظ کنید، اما یک نوار افقی قوی از تسلط بر هوش مصنوعی، سواد داده و تفکر پایه در زمینه محصول یا کسب‌وکار به آن اضافه کنید.
- تمرکز بر پروژه، نه عنوان شغلی: هر نقش را مجموعه‌ای از پروژه‌ها ببینید که در آن‌ها می‌توانید تأثیر واضحی نشان دهید. روی معیارهایی مثل «زمان ذخیره شده»، «درآمد تأثیرگذار»، «کاهش ریسک» یا «بهبود تجربه کاربر» تمرکز کنید. این کار باعث می‌شود وقتی معیارهای ترفیع تغییر می‌کنند، شما متمایز شوید.
- تقویت مهارت‌های انسانی: روی ارتباطات، همدلی و تفکر انتقادی سرمایه‌گذاری مضاعف کنید، زیرا این‌ها حوزه‌هایی هستند که انسان‌ها هنوز در آن‌ها پیشرو هستند. اجازه دهید هوش مصنوعی کارهای روتین را مدیریت کند تا شما بتوانید بیشتر روی روابط، مدیریت ذینفعان و حل مسئله تمرکز کنید.
- پذیرش جابجایی‌های افقی و مورب: اگر جابجایی بین تیم‌ها یا بخش‌های مختلف باعث ساخت مهارت‌های مهم یا کسب تجربه در هوش مصنوعی می‌شود، نسبت به آن پذیرا باشید. در یک شبکه رشد، گام‌های عرضی می‌توانند در بلندمدت سریع‌ترین راه برای صعود باشند.
این گذار به اندازه یک تغییر تکنولوژیک، یک آزمون رهبری است. متخصصانی که موفق می‌شوند، کسانی هستند که با هوش مصنوعی به‌عنوان ابزاری برای گسترش توانمندی‌های خود برخورد کنند، نه به‌عنوان تهدیدی برای جایگاه فعلی‌شان.
با ورود عامل‌های هوش مصنوعی به مدیریت جریان‌های کاری مستقل، پرسش حیاتی بعدی این است که شرکت‌ها چگونه نقش‌های «سطح مقدماتی» را بازتعریف می‌کنند تا نسل آینده رهبران، تجربه بنیادی لازم را کسب کنند.
گفتگو