تصور کنید صبح از خواب بیدار شوید و بفهمید مهارت‌هایی که یک دهه برای تسلط بر آن‌ها وقت گذاشته‌اید، یک‌شبه منسوخ شده‌اند. برای بسیاری از برنامه‌نویسان، این دیگر یک فرض نیست، بلکه واقعیتی روزمره است چون عامل‌های هوش مصنوعی (AI Agents) — شبیه دستیارهای هوشمندی که نه فقط حرف می‌زنند، بلکه می‌توانند به‌تنهایی کارهای پیچیده را از ابتدا تا انتها اجرا کنند — در حال به دست گرفتن وظایف کدنویسی هستند. این تغییر، خلأیی از قطعیت ایجاد می‌کند که بسیاری از افراد آن را با کینه و خشم نسبت به مدیریت یا آزمایشگاه‌های هوش مصنوعی پر می‌کنند. این روند را می‌توان در پیوند با تحلیل ما درباره‌ی تحلیل رفتن غرور حرفه‌ای دید، جایی که اتکای مفرط به ابزارها، حس تسلط متخصصان را خدشه‌دار می‌کند.
شان گودکی در ۲۴ اوت ۲۰۲۶، در میان فضای ناپایداری که بر صنعت فناوری حاکم است، استدلال کرد که صرف انرژی برای خشم، یک اشتباه استراتژیک است. به باور او، در عصر فعلی گسست‌های ناشی از هوش مصنوعی، خشم در محیط کار به‌ندرت وضعیتی را بهبود می‌بخشد و اغلب با خلق «متهمان خیالی»، حس کاذبی از کنترل ایجاد می‌کند.
گودکی معتقد است خشم یک سیگنال مفید است، اما واکنش بر اساس آن در فضای حرفه‌ای به‌ندرت جواب می‌دهد. او اشاره می‌کند که در بیشتر موارد، این رفتار صرفاً زندگی افرادی را که در اطراف شما هستند سخت‌تر می‌کند. بسیاری از این همکاران، دقیقاً همان‌قدر در برابر منشأ خشم شما ناتوان هستند که شما هستید. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن و تغییر ساختار مشاغل اشاره کردیم، در هر شرکتی یک چشم‌انداز مشترک وجود دارد؛ اگر با آن مخالفید و نمی‌توانید تغییرش دهید، شروع یک شورش — حتی در مقیاس کوچک — هیچ نتیجه‌ی خوبی تولید نمی‌کند.
بستر اضطراب در دنیای تک
در بحثی در انجمن Lobsters، یکی از پرطرفدارترین نظرات این بود: «چطور می‌شود در فضای تک کار کرد و عصبانی نبود؟». این پرسش مستقیماً به ظهور هوش مصنوعی و عامل‌های خودکار برمی‌گشت و نشان‌دهنده‌ی فشار روانی گسترده در این صنعت است.
به نقل از گودکی، احساسات مناسب برای این دوران، سرگشتگی و اضطراب است، نه خشم. اضطراب پاسخی منطقی به آینده‌ای نامعلوم است. این حس ما را به پرسش‌هایی بنیادین سوق می‌دهد؛ مثلاً اینکه مشاغل در آینده به چه چیزی تبدیل خواهند شد و نسل بعدی کودکان وارد چه نوع محیط کاری خواهند شد.
برخلاف خشم که نیاز به یک هدف برای مقصر دانستن دارد، اضطراب نیازی به متهم ندارد. اما خشم القا می‌کند که کسی یا چیزی به‌طور فعال در حال انجام کاری علیه شماست و به همین دلیل، همواره به دنبال یک هدف برای تخلیه می‌شود.
طبق گزارشی در وب‌سایت lucumr.pocoo.org، روایت رایج این است که بهره‌وری حاصل از هوش مصنوعی فقط به نفع شرکت‌های بزرگ است و کارکنانی که کار واقعی را انجام می‌دهند، چیزی به دست نمی‌آورند. اگرچه ممکن است برخی در شرکت متا خواهان چنین نتیجه‌ای باشند، اما واقعیت بسیار پیچیده‌تر از این روایت ساده است.
تردیدهای پنهان در لایه‌ی مدیریت
گودکی به یک تضاد جالب اشاره می‌کند: بسیاری از مدیران ارشد نیز به همان اندازه مضطرب هستند. آن‌ها معماران مطمئن آینده نیستند و در خلوت خود تردید دارند، زیرا با چالش‌های زیر روبرو هستند:
- تغییر هزینه‌ها: بخش فزاینده‌ای از هزینه‌های عملیاتی آن‌ها مستقیماً به جیب چند آزمایشگاه بزرگ هوش مصنوعی سرازیر می‌شود.
- حاکمیت داده‌ها: آن‌ها به‌شدت نگران این هستند که چه اتفاقی برای داده‌های اختصاصی و محرمانه آن‌ها خواهد افتاد.
- تجاوز به بازار: ترس از این است که غول‌های هوش مصنوعی به‌جای اینکه شریک تجاری باقی بمانند، مستقیماً وارد حوزه‌ی کسب‌وکار تخصصی آن‌ها شوند و جایگزین آن‌ها شوند.
او مشاهده کرده که بسیاری از رهبران در ملاءعام اعتمادبه‌نفس مطلق نشان می‌دهند، اما در خلوت اعتراف می‌کنند که عمیقاً نامطمئن هستند. این افراد اغلب در حال شرط‌بندی روی آینده هستند و از پلتفرم‌های خود — یا همان «بلندگوهایشان» — استفاده می‌کنند تا متحدانی جذب کنند و شانس بقای خود را بالا ببرند، نه اینکه واقعاً نقشه‌ای دقیق برای مقصد داشته باشند. این تضاد میان نمایش بیرونی و تردید درونی، یادآور بررسی ما درباره‌ی جنون شرکتی هوش مصنوعی است، جایی که در برخی سازمان‌ها، هرگونه تردید فنی به مثابه کفر تلقی می‌شود.
چارچوب عاطفی برای پذیرش هوش مصنوعی
گودکی پیشنهاد می‌کند متخصصان تک، پردازش این نوسانات را تغییر دهند تا از نظر روانی تاب‌آورتر شوند:
- اضطراب در برابر خشم: اضطراب یعنی پذیرش اینکه کنترل نداریم و آینده ناشناخته است. خشم اما نیازمند یک هدف برای مقصر دانستن است، که اغلب منجر به انتخاب متهمان اشتباه می‌شود.
- تبدیل عدم قطعیت به کنجکاوی: تغییر جمله‌ی «نمی‌دانم چه می‌شود» به «کنجکاوم بدانم چه می‌شود»، تهدید را به یک پازل جالب تبدیل می‌کند. حتی اگر وضعیت هیجان‌انگیز نباشد، می‌توان آن را «جالب» دانست.
- قدرت از طریق تجربه: هیجان واقعی از دست‌کاری این «ماشین‌های جادویی»، کلنجار رفتن با آن‌ها و دیدن نتایج حاصل می‌شود. این رویکرد منجر به احساسی نو از قدرت و آزادی می‌شود.
- اقتصاد پروژه‌های جانبی: بسیاری از دستاوردهای هوش مصنوعی نه در سود شرکت‌ها، بلکه در افزایش تعداد پروژه‌های شخصی (Side Projects) کارکنان دیده می‌شود که در زمان آزاد خود آن‌ها را عرضه می‌کنند.
برای یک کارمند، خطر خشم این است که یک تغییر سیستمی پیچیده را به یک داستان ساده با یک شخصیت شرور تبدیل کند. این روایت، حس فقدان کنترل را به یک پیرنگ قابل مدیریت تبدیل می‌کند، اما اغلب هدف را اشتباه می‌گیرد. برای مثال، یک مدیر مهندسی یا تیم رهبری ممکن است صرفاً برای تقویت اعتمادبه‌نفس خود، تظاهر به شفافیت کند، در حالی که خودش هم به همان اندازه نامطمئن است.
این چرخش عاطفی به معنای خوش‌بینی کورکورانه نیست. گودکی اعتراف می‌کند که خودش این تضاد را حس می‌کند. او به عنوان صاحب شرکت، هم‌زمان هیجان‌زده و نامطمئن است که وقتی غبار فرو نشست، «بلندی‌های استراتژیک» کجا خواهد بود. او توصیف می‌کند که برخی روزها احساس رهایی می‌کند و برخی روزهای دیگر، حس می‌کند زمین زیر پایش در حال فروپاشی است.
ریسک‌های سیستمی گسترده‌تر
او در حالی که نسبت به انتخاب متهمان فردی هشدار می‌دهد، پذیرفته است که شرورهای واقعی و شکست‌های سیستمی وجود دارند. او به چند نگرانی کلیدی اشاره می‌کند که نباید نادیده گرفته شوند:
- اثرات اجتماعی: صنعت تک تا حد زیادی تأثیر هوش مصنوعی بر جامعه به‌طور کلی و توازن قدرت جهانی را نادیده گرفته است.
- هزینه‌های محیطی: نگرانی‌های جدی و قابل توجهی درباره‌ی اثرات مصرف انرژی و تأثیر این فناوری بر اقلیم زمین وجود دارد.
- وابستگی ژئوپلیتیک: او به‌ویژه از فقدان جاه‌طلبی اروپا و وابستگی روزافزون این قاره به کشورهای دیگر برای دستیابی به فناوری هوش مصنوعی ابراز نگرانی می‌کند.
در نهایت، زمین برای همه در حال حرکت است؛ از برنامه‌نویس تازه‌کار تا صاحب شرکت. هدف این است که با تبدیل سرگشتگی به سیگنالی برای یادگیری، به‌جای شورش، روی آب بمانیم. با کنجکاو ماندن و تجربه کردن ابزارها، کارکنان می‌توانند این حق را به دست آورند که تصمیم بگیرند چه زمانی مقاومت واقعاً لازم است و این مقاومت را در چه جهتی هدایت کنند. این ضرورت یادگیری مستمر در حالی است که شکست‌های گسترده‌ی مدل‌های پیشرو در اجرای سیاست‌های سازمانی نشان می‌دهد که هنوز فاصله زیادی تا اتکای کامل به این ابزارها وجود دارد.
گام بعدی شما
- به‌جای تحلیل اخبار با عینک «چه کسی مقصر است»، بپرسید «این ابزار چه قابلیت جدیدی به من می‌دهد».
- یک پروژه‌ی جانبی کوچک را با استفاده از عامل‌های هوش مصنوعی شروع کنید تا حس کنترل را از طریق تجربه بازپس بگیرید.
- در گفتگو با مدیرانتان، به‌جای تقابل، روی نقاط مشترک اضطراب در مورد آینده‌ی مدل‌های تجاری تمرکز کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو