تصور کنید مدیر شرکتی هستید که برای کاهش هزینه‌ها، نیمی از تیم فنی خود را با ابزارهای اتوماسیون جایگزین کرده‌اید، اما حالا می‌بینید که سرعت نوآوری شرکت متوقف شده و هزینه‌های عملیاتی شما حتی بیشتر از قبل شده است. این کابوس مدیریتی اکنون برای هزاران شرکت در سراسر جهان به واقعیت تبدیل شده است.
طبق داده‌های وب‌سایت jobloss.ai، بین ژانویه ۲۰۲۵ تا ژوئن ۲۰۲۶، حدود ۱۲۶,۰۰۰ کارمند در ایالات متحده شغل خود را به دلیل عوامل مرتبط با هوش مصنوعی از دست دادند. در حالی که مدیران ارشد ابتدا به هوش مصنوعی زاینده (Generative AI) — شبیه دستیاری که می‌تواند هزاران صفحه متن را در ثانیه بنویسد اما گاهی واقعیت را فراموش می‌کند — به عنوان میان‌بری برای کاهش هزینه‌ها نگاه می‌کردند، اکنون بسیاری دریافته‌اند که جایگزینی استعدادهای انسانی با اتوماسیون، قمار پرریسکی است که اغلب با شکست می‌انجامد.
این چرخش زمانی رخ داد که شعارهای تبلیغاتی «انجام کارهای بیشتر با نیروی کمتر» با واقعیت‌های عملیاتی برخورد کرد. برای بسیاری از رهبران کسب‌وکار، وسوسهٔ کاهش فوری هزینه‌های حقوق و دستمزد، آن‌ها را نسبت به ارزش بلندمدت تخصص انسانی کور کرد. این تنش به‌ویژه در بخش‌های فناوری اطلاعات و حقوقی شدید است؛ جایی که شکاف بین آنچه یک مدل هوش مصنوعی پیش‌نویس می‌کند و آنچه یک متخصص می‌تواند در دادگاه یا جلسه فنی از آن دفاع کند، هر روز عمیق‌تر می‌شود.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، تکیهٔ مطلق بر خروجی‌های ماشینی بدون نظارت انسانی، ریسک‌های سیستمی ایجاد می‌کند. انکور آناند، مدیر ارشد فناوری در Harvey Nash، معتقد است فشار برای تعدیل نیرو از پیام‌های اولیه فروشندگان و مشاوران نشأت می‌گیرد که بیش از حد بر بهره‌وری و اتوماسیون تأکید داشتند. این رویکرد این باور غلط را تقویت کرد که سریع‌ترین راه رسیدن به ارزش تجاری، داشتن تعداد کمتری کارمند است.
با این حال، این وضعیت محیطی ناامیدکننده برای متخصصان ایجاد می‌کند. تمرکز بر «انجام بیشتر با نیروی کمتر»، ضرورت نظارت انسانی و قضاوت‌های ظریفی را که برای عملکردهای سطح بالای تجاری لازم است، نادیده می‌گیرد.
هزینهٔ «طرح انقباضی»
پژوهش‌های مؤسسه Careerminds شکاف عمیقی را بین انتظارات مدیران و نتایج واقعی نشان می‌دهد. بر اساس این گزارش، ۷۵٪ از سازمان‌ها دریافتند که تعدیل‌های شغلی مبتنی بر هوش مصنوعی، هزینه‌ای بیشتر از مقدار صرفه‌جویی در دستمزدها برای شرکت داشته است. این پشیمانی چنان گسترده است که ۹ از هر ۱۰ شرکت اعلام کردند اگر فرصتی داشته باشند، در این تصمیم بازنگری می‌کنند.
Gartner تخمین می‌زند که تا سال ۲۰۲۷، ۵۰٪ از شرکت‌هایی که کاهش نیروی خود را به هوش مصنوعی نسبت دادند، دوباره برای همان جایگاه‌ها نیرو استخدام خواهند کرد. این یعنی «بهره‌وری» حاصل از حذف انسان‌ها، خلأیی در قضاوت و دانش سازمانی ایجاد کرد که هیچ مدلی قادر به پر کردن آن نیست. این روند با پیش‌بینی‌های کلان جهانی همسو است؛ چنان‌که مجمع جهانی اقتصاد هشدار داده بود که تا سال ۲۰۲۷ میلیون‌ها شغل در سراسر جهان تحت تأثیر این تغییرات قرار می‌گیرند.
انکور آناند استدلال می‌کند که نگاه به هوش مصنوعی صرفاً به عنوان ابزاری برای کاهش هزینه، یک خطای استراتژیک است. او این رویکرد را «استفاده از یک فناوری رشد برای اجرای یک طرح انقباضی» می‌نامد. به باور او، برندگان واقعی کسانی خواهند بود که توانمندی‌های تکنولوژیک را با تعالی انسانی ترکیب کنند تا جریان‌های درآمدی جدید خلق کنند. اگر استراتژی یک شرکت فقط با تعداد کارکنان شروع و تمام شود، آن شرکت فرصت‌های بزرگ‌تری را از دست داده است.
«راحتیِ» تعدیل‌های AI
البته تمام اخراج‌هایی که به هوش مصنوعی نسبت داده می‌شوند، واقعاً توسط این فناوری ایجاد نشده‌اند. استیو لوکاس، مدیرعامل Boomi، اشاره می‌کند که بسیاری از مدیران فناوری از هوش مصنوعی به عنوان بهانه‌ای راحت برای تعدیل‌های استاندارد و قدیمی استفاده می‌کنند. لوکاس هشدار می‌دهد هر کسی که ادعا می‌کند وضعیت نهایی دنیای کار را کاملاً درک کرده، احتمالاً قصد دارد چیزی به شما بفروشد.
لوکاس همچنان نسبت به فناوری خوش‌بین است و معتقد است هوش مصنوعی در نهایت به جامعه کمک می‌کند تا سالم‌تر زندگی کنند و بهره‌وری را به‌شدت افزایش دهد، اما او نسبت به روند فعلی که در آن تقصیر کوچک کردن سازمان‌ها به گردن AI می‌افتد، هشدار می‌دهد.
محدودیت‌های اتوماسیون در خدمات تخصصی
در حوزه حقوقی، محدودیت‌های اتوماسیون اکنون کاملاً آشکار شده است. استیون وود، مدیر عملیات Rathbones Asset Management، خاطرنشان می‌کند که اگرچه هوش مصنوعی زاینده می‌تواند بخش بزرگی از تحقیقات یک دستیار حقوقی را انجام دهد، اما هرگز نمی‌تواند جایگزین وکیلی شود که باید در دادگاه حاضر شود.
وود به یک گلوگاه حیاتی اشاره می‌کند: نیاز به متخصصان. اگر هوش مصنوعی جایگزین نقش‌های سطح پایین (مانند دستیاران) شود، دیگر مسیری برای متخصصان وجود ندارد تا تجربه لازم برای تبدیل شدن به رهبران پرونده‌ها را کسب کنند. این چالش به‌ویژه در دنیای برنامه‌نویسی مشهود است، جایی که کاهش استخدام نیروهای تازه‌کار در مشاغل حساس به AI، مسیر رشد متخصصان آینده را تهدید می‌کند. او روندی مشابه را در خدمات مالی می‌بیند؛ جایی که AI باید برای توانمندتر کردن افراد استفاده شود، نه حذف آن‌ها از معادله.
چرخش به سمت خلق ارزش
سازمان‌های پیشرو اکنون به جای حذف نیرو، بر «فشرده‌سازی زمان چرخه» تمرکز کرده‌اند تا سرعت را به درآمد تبدیل کنند. آن‌ها از هوش مصنوعی برای شتاب‌بخشی به فرآیندهای حیاتی استفاده می‌کنند:
- خدمات تخصصی: استفاده از مدل‌های زاینده برای تکمیل ارزیابی‌های پیچیده و بررسی‌های لازم (Due Diligence) در عرض چند روز به جای چند هفته.
- توسعه نرم‌افزار: توانمندسازی تیم‌ها برای عرضه سریع‌تر ویژگی‌های جدید و تصاحب زودتر فرصت‌های بازار.
- داروسازی: پیاده‌سازی ابزارهای نویسندگی AI برای کاهش شدید خطاها در اسناد بالینی و پرونده‌های نظارتی.
تیم تیم چیلتون در Ordnance Survey این رویکرد را از طریق عامل‌های هوش مصنوعی (Agentic AI) — سیستم‌هایی که مثل کارمندانی مستقل می‌توانند برنامه‌ریزی کنند و ابزارها را به کار بگیرند — در پلتفرم Snowflake اجرا می‌کند. هدف او این است که کارکنان از طریق یک چت‌بات به آمارها دسترسی فوری داشته باشند. این یعنی کارمندی که قبلاً برای آمادگی در یک تماس فروش عجله‌ای به روزها یا هفته‌ها زمان نیاز داشت، اکنون در چند ثانیه داده‌ها را دریافت می‌کند.
تعادل بین اراده انسان و ماشین
در Ordnance Survey، هدف توانمندسازی کارکنان فعلی از طریق نوآوری است. چیلتون متخصصان داخلی را تشویق می‌کند تا تعادل بین اراده تکنولوژیک و انسانی را تعریف کنند. کارکنان این قدرت را دارند که بگویند «کجا دیگر کافی است»، تا اطمینان حاصل شود که AI فقط در جاهایی از گردش کار قرار می‌گیرد که واقعاً مفید است، نه اینکه کورکورانه روی همه چیز اعمال شود.
چارچوبی برای ادغام هوش مصنوعی
برای جلوگیری از تله‌های تعدیل بی‌رویه، آناند پنج چرخش استراتژیک را به رهبران پیشنهاد می‌کند:
- پرهیز از تعدیل پیش‌فرض: دست از حذف نیرو به امید بهره‌وری آینده بردارید. حذف‌های کورکورانه، دانش ارزشمند را نابود کرده و توان نوآوری را تضعیف می‌کند.
- بازطراحی کار: انسان‌ها را به سمت قضاوت، خلاقیت و مدیریت روابط سوق دهید و کارهای روتین را به AI بسپارید. نقش را تغییر دهید، نه تعداد نفرات را.
- سنجش فراتر از هزینه: به جای تمرکز صرف بر کاهش دستمزد، معیارهایی مثل مقیاس‌پذیری، کیفیت، کاهش ریسک و درآمدهای جدید را ردیابی کنید.
- سرمایه‌گذاری در ارتقای مهارت: کارکنان را برای همکاری با AI بازآموزی کنید و نقش‌های جدیدی بسازید که از نقاط قوت انسانی بهره می‌برد.
- نگاه به AI به عنوان یک پلتفرم: بپذیرید که AI در طول زمان نیروی کار را تغییر می‌دهد، اما باید به عنوان پلتفرمی برای رشد استفاده شود، نه اهرمی برای کوچک کردن سازمان.
این گذار، تغییر نگاه از «هوش مصنوعی به عنوان جایگزین» به «هوش مصنوعی به عنوان شتاب‌دهنده» است. هدف دیگر این نیست که ببینیم چند نفر را می‌توان حذف کرد، بلکه این است که یک فرد متخصص وقتی از کارهای اداری خسته‌کننده رها شود، چه دستاوردهای عظیمی می‌تواند داشته باشد.
گام بعدی شما
- اگر مدیر هستید، به جای بررسی «کدام پست‌ها حذف می‌شوند»، لیستی از «کدام فرآیندهای زمان‌بر می‌توانند با AI شتاب بگیرند» تهیه کنید.
- برای کارکنان خود دوره‌های بازآموزی در زمینه همکاری با مدل‌های زاینده ترتیب دهید تا از ترس جایگزینی، به جای مقاومت، به سمت بهره‌وری بروند.
- معیارهای موفقیت AI در سازمان خود را از «کاهش هزینه حقوق» به «کاهش زمان رسیدن محصول به بازار» تغییر دهید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و تأثیر آن‌ها بر هزینه استنتاج مراجعه کنید.
گفتگو