سه روش کار با هوش مصنوعی و انتخاب روش درست برای هر کار

خیلی از ما هوش مصنوعی را فقط یک چت‌باکس می‌دانیم: سؤال می‌پرسیم و جواب می‌گیریم. اما کار با هوش مصنوعی یک شکل ندارد. به گزارش Wharton Executive Education، اتان مولیک، استاد دانشکده وارتون، سه روش جدا برای این کار معرفی می‌کند و می‌گوید انتخاب روش اشتباه یا وقت شما را می‌گیرد یا کیفیت کار را پایین می‌آورد، یا هر دو. شعار این مطلب هم روشن است: «کمتر پرامپت بنویس، بیشتر واگذار کن.» (پرامپت یعنی دستوری که به هوش مصنوعی می‌دهید.)

مرز دندانه‌دار هوش مصنوعی؛ چرا انتخاب روش مهم است؟

مولیک می‌گوید گاهی کاری که ساده به نظر می‌رسد از پس هوش مصنوعی برنمی‌آید. در مقابل، کاری که سخت به نظر می‌رسد ممکن است برایش کاملاً شدنی باشد. او این مرز ناهموار را «مرز دندانه‌دار» (jagged frontier) می‌نامد. با بهتر شدن مدل‌ها هم این مرز مدام جابه‌جا می‌شود.

پس اول باید بپرسید آیا این کار اصلاً ارزش استفاده از هوش مصنوعی را دارد یا نه. اگر جواب مثبت بود، سه روش مختلف پیش رویتان است.

درباره نویسنده: مولیک در وارتون «Roberts Distinguished Faculty Scholar» و یکی از مدیران آزمایشگاه‌های هوش مصنوعی مولد این دانشکده است. او کتاب پرفروش Co-Intelligence (۲۰۲۴) و کتاب Co-Existence: The Next Phase of AI (۲۰۲۶) را نوشته است.

سه روش کار با هوش مصنوعی: سنتور، سایبورگ و کانجورر

۱. سنتور (Centaur): تقسیم کار با مرز مشخص

در این روش، شما و هوش مصنوعی کار را بین خودتان تقسیم می‌کنید و تحویل کار از یکی به دیگری کاملاً آگاهانه است. مثلاً یکی تحلیل می‌کند و دیگری گزارش را پیش‌نویس می‌کند. یا یکی ایده می‌دهد و دیگری از میان آن‌ها انتخاب می‌کند.

۲. سایبورگ (Cyborg): کار درهم‌تنیده

در این حالت شما و هوش مصنوعی در هم تنیده‌اید و کار را با هم جلو می‌برید. شما در تمام مسیر درگیر می‌مانید و فقط در لحظه‌های مشخص کمک می‌گیرید. مثال‌هایش:

• تمام کردن یک جمله
• راستی‌آزمایی یک نکته
• بررسی اینکه استدلال هنوز سر جایش است یا نه

۳. کانجورر (Conjurer): تعریف کار، واگذاری، ارزیابی

این روش را «هوش مصنوعی عامل‌محور» (agentic AI) ممکن کرده است. یعنی هوش مصنوعی‌ای که می‌تواند کار را خودش و بدون نظارت لحظه‌به‌لحظه انجام دهد. اینجا شما کار را تعریف می‌کنید، به هوش مصنوعی می‌سپارید و بعد نتیجه را ارزیابی می‌کنید. در زمان اجرا شما حضور ندارید.

انتخاب روش درست کار با هوش مصنوعی: کدام را کِی؟

کِی کار را تقسیم کنیم (سنتور)؟

وقتی کار بخش‌های جداشدنی دارد. همچنین وقتی یکی از بخش‌ها به قضاوتی نیاز دارد که هوش مصنوعی ندارد، یا کاری است که می‌خواهید خودتان انجام دهید. مولیک سه متغیر را برای تصمیم‌گیری مهم می‌داند:

• خودِ شما چقدر وقت لازم دارید تا کار را انجام دهید؟
• احتمال موفقیت هوش مصنوعی چقدر است؟
• بررسی نتیجه‌ای که برمی‌گرداند چقدر طول می‌کشد؟

کِی کنار هم کار کنیم (سایبورگ)؟

وقتی باید در کل مسیر درگیر بمانید اما در لحظه‌های خاصی کمک می‌خواهید. مثل همان نمونه‌ها: تمام کردن جمله، چک کردن یک واقعیت یا سنجیدن استحکام استدلال.

کِی کار را بسپاریم، ولی اول حساب‌وکتاب کنیم (کانجورر)؟

برای کارهایی که لازم نیست خودتان حین انجامشان باشید. شرطش این است که هوش مصنوعی بتواند کار را انجام دهد، شما بتوانید نتیجه را ارزیابی کنید و زمانی که صرفه‌جویی می‌شود، هزینه راه‌اندازی را توجیه کند. یعنی قبل از واگذاری، حساب کنید ارزشش را دارد.

بعد از تحویل کار: بازبینی و تلاش دوباره

در روش کانجورر شما موقع اجرا نبودید. پس بازبینی همان جایی است که تخصص شما کار می‌کند. توصیه مقاله این است که همه خروجی را بخوانید و قبل از تلاش دوباره، مشکل را تشخیص دهید.

اگر نتیجه به هدف نخورد، فقط نگویید «دوباره امتحان کن». بفهمید مشکل از کجاست و دستور را اصلاح کنید:

• کار شفاف تعریف نشده بود؟
• زمینه (context) کم بود؟
• یک محدودیت را اشتباه فهمیده؟

معمولاً دو یا سه دور اصلاح متمرکز نشان می‌دهد هوش مصنوعی می‌تواند به نتیجه برسد یا با همان مرز دندانه‌دار روبه‌رو شده‌اید. اگر همچنان شکست خورد، کار را خودتان انجام دهید، یادداشت کنید چه چیزی خراب شد و چند ماه بعد با مدل‌های جدیدتر دوباره امتحان کنید.

مدیران در عمل چه می‌کنند؟ سه نمونه

Klarna: واگذاری هوشمند و بازگرداندن نیروی انسانی

Klarna یک شرکت فعال در حوزه پرداخت است. در اوایل ۲۰۲۴ اعلام کرد دستیار هوش مصنوعی‌اش کاری معادل حدود ۷۰۰ کارشناس پشتیبانی مشتریان انجام می‌دهد. برآورد شرکت این بود که سود ۲۰۲۴ را حدود ۴۰ میلیون دلار بالاتر ببرد. بعدها اما Klarna نیروهای انسانی پشتیبانی را دوباره وارد ماجرا کرد. حالا هوش مصنوعی سؤال‌های روتین و پرتکرار را جواب می‌دهد و انسان‌ها برای موارد پیچیده و مشتریانی که انسان می‌خواهند در دسترس‌اند.

Shopify: استفاده از هوش مصنوعی به‌عنوان انتظار پایه

Shopify پلتفرمی برای ساخت فروشگاه آنلاین است. توبی لوتکه، مدیرعامل آن، در ۲۰۲۵ به کارکنان گفت استفاده خودکار و پیش‌فرض از هوش مصنوعی حالا انتظار پایه است. او شیوه کار را هم به شانس نسپرد:

• پیش از درخواست نیروی جدید یا بودجه بیشتر، تیم‌ها باید توضیح می‌دادند چرا هوش مصنوعی نمی‌تواند این کار را انجام دهد.
• از هر سرپرست تیم خواسته شد حوزه خودش را با «عامل‌های خودکار» در تیم تصور کند.
• استفاده از هوش مصنوعی به ارزیابی عملکرد هم اضافه شد.

McKinsey: کانجورر در مقیاس بزرگ

مک‌کینزی، شرکت مشاوره مدیریت، کار به شیوه کانجورر را به مقیاس بزرگ برده است. باب استرنفلز، مدیرعامل آن، در اوایل ۲۰۲۶ گفت نیروی کار شرکت ۴۰ هزار نفر و حدود ۲۵ هزار عامل هوش مصنوعی است. هجده ماه قبل‌تر این عدد چند هزار عامل بود. هدف شرکت هم دست‌کم یک عامل برای هر کارمند بود.

نکات کاربردی برای کسب‌وکارها

این بخش تحلیل ماست، نه ادعای مقاله. به نظر ما می‌شود این چارچوب را در کسب‌وکار ایرانی هم ساده به کار برد، با هر ابزار هوش مصنوعی‌ای که در دسترس شماست.

• سنتور: مثلاً برای یک فروشگاه اینستاگرامی، هوش مصنوعی چند ایده کپشن یا کمپین بدهد و شما بهترین را انتخاب و با لحن برند اصلاح کنید.
• سایبورگ: وقتی متن معرفی محصول یا پیام تلگرامی برای مشتری می‌نویسید، فقط در لحظه‌های لازم کمک بگیرید: تمام کردن جمله، چک کردن یک نکته یا بررسی منطق پیشنهادتان.
• کانجورر: کارهای تکراری و قابل‌سنجش، مثل دسته‌بندی پیام‌های مشتریان یا آماده کردن پیش‌نویس گزارش، را بسپارید و فقط نتیجه را بررسی کنید.
• مثال Klarna یادآوری خوبی است: پاسخ سؤال‌های تکراری مشتری را می‌شود به هوش مصنوعی سپرد، اما برای موارد حساس و پیچیده یک انسان را در دسترس نگه دارید.
• مثال Shopify الهام‌بخش است. قبل از استخدام نفر جدید در تیم کوچک خودتان بپرسید: «آیا این کار را می‌شود با هوش مصنوعی انجام داد؟»

چک‌لیست اجرایی کوتاه:

• اول بررسی کنید این کار اصلاً ارزش استفاده از هوش مصنوعی را دارد یا نه.
• سه چیز را بسنجید: زمان انجام کار توسط خودتان، احتمال موفقیت هوش مصنوعی و زمان بررسی نتیجه.
• روش را انتخاب کنید: تقسیم کار، کار مشترک یا واگذاری کامل.
• برای واگذاری کامل، قبلش حساب کنید صرفه‌جویی زمانی هزینه راه‌اندازی را جبران می‌کند.
• همه خروجی را بخوانید و علت ضعف را تشخیص دهید.
• دستور را اصلاح کنید و حداکثر دو یا سه دور تلاش کنید.
• اگر نشد، خودتان انجام دهید، مشکل را یادداشت کنید و بعداً با مدل‌های جدیدتر دوباره امتحان کنید.

پرسش‌های متداول

مرز دندانه‌دار هوش مصنوعی یعنی چه؟

یعنی توانایی هوش مصنوعی یکنواخت نیست. گاهی در کار به ظاهر ساده می‌ماند و گاهی کار سخت را خوب انجام می‌دهد. این مرز با بهتر شدن مدل‌ها تغییر می‌کند.

تفاوت سنتور و سایبورگ چیست؟

در سنتور کار با تحویل‌های مشخص بین شما و هوش مصنوعی تقسیم می‌شود. در سایبورگ شما در تمام مسیر درگیر می‌مانید و در لحظه‌های خاص کمک می‌گیرید.

اگر هوش مصنوعی چند بار شکست خورد چه کنیم؟

اول علت را پیدا کنید: مبهم بودن کار، کمبود زمینه یا اشتباه فهمیدن یک محدودیت. اگر بعد از دو یا سه دور اصلاح هنوز جواب نگرفتید، خودتان کار را انجام دهید و بعداً با مدل‌های جدیدتر دوباره امتحان کنید.

جمع‌بندی

پیام مقاله مولیک این است که کار با هوش مصنوعی یعنی انتخاب آگاهانه روش، نه فقط نوشتن پرامپت بهتر. اگر کار بخش‌های جداشدنی دارد، سنتور. اگر باید درگیر بمانید، سایبورگ. و اگر حضور شما لازم نیست و حساب‌وکتابش درست درمی‌آید، کانجورر. از امروز یک کار تکراری در کسب‌وکارتان انتخاب کنید، روشش را مشخص کنید و نتیجه را با دقت بازبینی کنید.