هوش مصنوعی و تفکر ناب

نویسنده: آرت اسملی (Art Smalley)
ترجمه و تدوین: تیم محتوای ناب‌اندیشان

پیش از ورود به دنیای هوش مصنوعی ناب…

ورود طوفانی هوش مصنوعی به دنیای کسب‌وکار، سوالات، هیجانات و گاهی نگرانی‌های زیادی را برای مدیران و رهبران سازمان‌ها ایجاد کرده است. برای پاسخ به این دغدغه‌ها، تصمیم گرفتیم مقاله‌ای عمیق و راهگشا از «آرت اسملی» (Art Smalley) — یکی از چهره‌های مشهور، موفق و بین‌المللی تفکر ناب — را برای شما ترجمه و تدوین کنیم.
اما پیش از آنکه وارد متن اصلی مقاله شویم، جای یک نگاه بومی و راهبردی خالی بود. از آنجا که در دوره‌ها و مجامع مختلف، بسیاری از شما مدیران و ناب‌اندیشانِ عزیز پیوسته درباره رویکرد و نظر «استاد موتابیان» پیرامون پدیده هوش مصنوعی می‌پرسید، تصمیم گرفتیم ۴ سوال پرتکرار و کلیدی را انتخاب کرده و مستقیماً از ایشان بپرسیم.
بنابراین، آنچه در ادامه می‌خوانید، ابتدا دیدگاه‌های اختصاصی و شفاف استاد موتابیان پیرامون جایگاه هوش مصنوعی در تفکر ناب است تا ذهن شما برای درک بهتر موضوع آماده شود. پس از آن، وارد متن اصلی و جذاب مقاله آرت اسملی خواهیم شد.
البته این تازه آغاز راه ماست؛ در آینده نزدیک، از جوانب بسیار بیشتر و تخصصی‌تری به بررسی پیوند هوش مصنوعی و متدولوژی ناب (Lean) خواهیم پرداخت. بیایید این مسیر هیجان‌انگیز را با هم شروع کنیم.

دیدگاه اختصاصی استاد موتابیان: جایگاه هوش مصنوعی در تفکر ناب چیست؟

سوال ۱: جایگاه AI در تفکر ناب و تولید ناب چیست؟

به طور کلی این فکر که «ناب با تکنولوژی در تضاد است»، یک تفکر کاملاً غلط است. در تفکر ناب ما باید از تکنولوژی به میزان مورد نیاز، در زمان مورد نیاز و با کیفیت مورد نیاز استفاده کنیم. این به آن معناست که اگر در مسیر ناب شدن واقعاً ضرورت داشته باشد ما از سطح معینی از تکنولوژی استفاده کنیم و آن را انجام ندهیم، این می‌تواند به معنای دور افتادن ما از مسیر تکنولوژی باشد.

این امر در عین حال به معنای آن است که استفاده از تکنولوژی قبل از زمانی که واقعاً به آن نیاز است، بیشتر از آن چیزی که به آن نیاز است و با کیفیتی بالاتر از آن چیزی که به آن نیاز است، خود می‌تواند مانعی در راه پیشرفت ناب باشد.

هوش مصنوعی مثل هر ابزار تکنولوژیک دیگری می‌تواند در مسیر ناب شدن یک کمک باشد یا یک مانع. اولین اصل دربارۀ هوش مصنوعی آن است که بپذیریم AI یک مشاور خوب، و حتی یک مشاور عالی است؛ اما یک مشاور خوب یا عالی هم ممکن است اشتباه کند. اگر ما مقامی بیش از یک مشاور به آن بدهیم و اختیار تفکر خود را در اختیار آن قرار دهیم، خود را دچار اشتباه و گمراهی می‌کنیم.

بر این اساس، می‌توانیم همواره از AI به عنوان یک ابزار استفاده کنیم، اما او هم باید به عنوان عضوی از تیم حل‌مسئله در نظر گرفته شود، نه به عنوان جایگزین تیم.

در چنین حالتی، مثلاً در فرایند حل‌مسئله، هوش مصنوعی می‌تواند در موارد زیر به ما کمک کند:

• تعریف مشکل
• تجزیه و تحلیل مشکل
• تعیین اهداف پروژۀ بهبود
• ارائۀ اقدامات و حتی مقایسۀ اقدامات ممکن

اما در هیچ‌یک از این مراحل نباید به عنوان یک مرجع نهایی که نظر نهایی را می‌دهد یا فصل‌الخطاب است، در نظر گرفته شود. به این ترتیب AI می‌تواند فرایند حل یک مسئله را سریع‌تر و آسان‌تر کند، اما به هیچ وجه نمی‌تواند جایگزین تفکر نقادی انسان شود؛ به‌ویژۀ کسانی که با مسئله درگیر هستند و از نزدیک می‌توانند آن را و نتایج آن را در گمبا (Gemba) مشاهده کنند.

در مجموع می‌توان نتیجه گرفت قرار نیست AI در هیچ‌یک از مراحل ناب شدن جایگزین انسان یا ابزارهایِ سادۀ دیداری ناب شود، بلکه همواره به عنوان یک مشاور با توان بالای آنالیز، در کنار انسان قرار می‌گیرد.

سوال ۲: استاد، ما سال‌هاست در آموزش‌های ناب بر سادگی، مدیریت دیداری و حل مسئله با کاغذ و قلم در گمبا تاکید کرده‌ایم. حالا هوش مصنوعی به عنوان یک پدیده پیچیده و دیجیتال وارد میدان شده است. آیا ورود به دنیای AI با روحِ سادگی در تفکر ناب در تضاد نیست؟ ما چطور باید این پارادوکس (تضاد) را در ذهنمان حل کنیم که هم ناب بمانیم و هم تکنولوژیک شویم؟

ابتدا بیایید از هر کدام از این اصطلاحات یک تعریف روشن ارائه دهیم:

منظور از «سادگی» چیست؟ در تفکر ناب، منظور از «سادگی» (Simplicity) ابتدایی بودن نیست، بلکه انجام کارها با کمترین فعالیت‌های اضافی است. در واقع یک کار ساده، کاری است که از اجزای کمتری برخوردار است. در تولید، رفتن از پیچیدگی به سادگی می‌تواند حذف پیچ‌ها برای بستن یک قالب و استفاده از کلمپ باشد.

همین مفهوم در مورد نحوۀ دسترسی به اطلاعات، ارزیابی آن‌ها و استفادۀ از آن‌ها قابل کاربرد است. یک نظریۀ معروف در سیستم ساماند‌هی محیط کار آن است که: «اگر شما به هنگام نیاز برای دسترسی به یک داده به بیش از ۶۰ ثانیه وقت نیاز دارید، عملاً به آن داده دسترسی ندارید.»

در مورد داده‌ها، یکی دیگر از معانی سادگی آن است که بتوان در سریع‌ترین حالت یک داده را فهمید و آن را به اطلاعات مفید مبدل کرد. به همین دلیل مجموعۀ داده‌هایی که روی یک داشبورد مدیریتی قرار دارند (اعم از اینکه در کامپیوتر باشند یا روی برد آنالیز) در بسیاری موارد از مفهوم سادگی در ناب تبعیت نمی‌کنند و شاید به جای آن‌ها بتوان از یک یا دو دادۀ اصلی یا شاخص اصلی استفاده کرد؛ به نحوی که بتوان تغییرات را به سرعت درک نمود.

منظور از «مدیریت دیداری» چیست؟ (Visual Management) به معنای آن است که بتوان با یک نگاه، وضعیت محیط کار را تشخیص داد و این به آن معناست که بتوان شرایط عادی را از شرایط غیرعادی تمیز داد. این کار مستلزم موارد زیر است:

• یک لی‌اوت (Layout) ساده و حفظ ساماندهی محیط کار
• استفاده از علائم آندن (Andon)
• بردهای ساده‌ای مثل برد آنالیز تولید (برد اعلان مشکل)
• برگه‌های کار استاندارد و گانت‌چارت‌های دستی که روی دیوار و در محل دید همه قرار دارد
• کانبان‌های فیزیکی، تا اپراتور با یک نگاه بفهمد ابزار سر جایش نیست یا موجودی در حال اتمام است.

البته مدیریت دیداری فقط وقتی درست کار می‌کند که همراه باشد با رهیافت گمبایی؛ یعنی به جای نشستن پشت میز کار، به طور مرتب به گمبا مراجعه شده و وضعیت و شرایط محیط کار مورد بررسی و بازنگری قرار گیرد.

پارادوکس (تضاد) کجاست؟

واقعیت این است که هیچ‌گونه پارادوکسی وجود ندارد. اتفاقاً سیستم عامل پردازش انسانی بسیار پیچیده‌تر از هوش مصنوعی است و علاوه بر آن عوامل احساسی و روانی در آن موثر است و همچون هوش مصنوعی، مغز یک انسان برای دیگران یک جعبۀ سیاه است. پس راه‌حل از قبل وجود داشته است؛ هوش مصنوعی مثل یک دستیار یا شریک فکری و به خصوص یک «نظر دیگر» باید مورد توجه قرار گیرد و همواره باید با آن با رهیافت تفکر انتقادی برخورد شود و در نظر داشته باشیم که هوش مصنوعی هم می‌تواند مانند انسان خطا کند.

فقط به یاد داشته باشیم که منظور من از «هوش مصنوعی» ربات‌های انسان‌نمای تسلا یا مفاهیم تخیلی نیست؛ بلکه همان «هوش مصنوعی متمرکز» (Narrow AI) است که در حال حاضر وجود دارد و می‌تواند کارهای تخصصی را تسریع کند.

یک نکته دیگر را هم باید در نظر بگیریم و آن این که هر تصمیمی، یک تصمیم اخلاقی است و برای دیگران و خودمان نتایج و عواقب مثبت و منفی دارد و در نهایت مسئولیت اخلاقی تصمیم باید بر عهدۀ انسان‌ها باشد. بدین خاطر در هر فرایند تصمیم‌گیری باید اطمینان حاصل شود که به جز هوش مصنوعی، از همۀ توانایی افراد درگیر در مسئله برای رسیدن به یک نتیجۀ منطقی استفاده شده است.

برای روشن شدن موضوع، برایتان چند مثال کاربردی می‌زنم:

۱. در کف کارخانه (Gemba) – سیستم‌های بینایی ماشین (Computer Vision): به جای اینکه بازرس کنترل کیفیت با چشم خسته به قطعات عبوری روی نوار نقاله نگاه کند، دوربین‌های متصل به هوش مصنوعی با دقت میلی‌متری و بدون خستگی، کوچک‌ترین خراش‌ها را در کسری از ثانیه تشخیص می‌دهند. (این همان توسعه مفهوم جیدوکا یا اتوماسیون باهوش انسانی است).

۲. در نگهداری و تعمیرات پیش‌بینانه (Predictive Maintenance): به جای اینکه منتظر بمانیم دستگاه خراب شود (رویکرد واکنشی) یا قطعات را بر اساس زمان‌بندی ثابت عوض کنیم (رویکرد پیشگیرانه)، سنسورها صدای موتور و لرزش‌ها را به هوش مصنوعی می‌فرستند. الگوریتم یادگیری ماشین تشخیص می‌دهد که این بلبرینگ با توجه به الگوی لرزش، دقیقاً ۴ روز دیگر از کار می‌افتد و قبل از توقف خط تولید، هشدار می‌دهد.

۳. در کارهای فکری و اداری – تحلیل‌گر داده و متون (LLMs): فرض کنید صدها فرم شکایت مشتری یا گزارش خرابی (A3) در بایگانی دارید. هوش مصنوعی (مثل مدل‌های زبانی ChatGPT یا Claude) می‌تواند در چند دقیقه تمام این متن‌ها را بخواند و به شما بگوید: «الگوی پنهان این است که ۷۰ درصد خرابی‌ها در شیفت شب و مربوط به قطعه X بوده است.» اینجا AI نقش یک ابزار قدرتمندِ کشف الگو را بازی می‌کند.

۴. در جریان کار (Flow) – اتوماسیون فرآیندها: استفاده از ابزارهایی که کارهای تکراری دفتری، انتقال داده‌ها از اکسل به نرم‌افزار CRM، یا زمان‌بندی‌ها را به صورت خودکار انجام می‌دهند تا وقت مدیر و کارمند برای حل مسئله اصلی (ارزش‌آفرینی) آزاد شود.

در محیط اداری، بزرگ‌ترین اتلاف‌ها (Muda) معمولاً از جنس «پردازش بیش از حد»، «توقف و انتظار در جریان کار» و «خطاهای انسانی در انتقال داده‌ها» هستند. هوش مصنوعی در اینجا نقش یک تسریع‌کننده را دارد:

• استخراج اکشن‌پلن‌ها و حذف اتلافِ جلسات: در محیط‌های اداری، مدیران زمان زیادی را صرف جلسات طولانی و خواندن رشته‌ ایمیل‌های بی‌پایان می‌کنند. ابزارهای هوش مصنوعی می‌توانند به جای انسان، وظیفه مستندسازی را بر عهده بگیرند. مثلاً از یک جلسه یک ساعته، هوش مصنوعی بلافاصله نه‌تنها خلاصه جلسه را می‌دهد، بلکه مشخص می‌کند دقیقاً چه کسی، چه کاری را تا چه زمانی باید انجام دهد (Action Items) و تحویل دبیر جلسه می‌دهد. دبیر جلسه چک و تایید می‌کند و هوش مصنوعی وظیفۀ هر کس را در فرمت کانبان تهیه کرده و در اتوماسیون قرار می‌دهد و همزمان دستور پرینت آن‌ها را می‌دهد. سپس دبیر جلسه کانبان فیزیکی هر فرد را به او دستی تحویل می‌دهد. این کار اتلافِ «انتظار برای تنظیم صورت‌جلسه» و «ابهام در وظایف» را کاملاً از بین می‌برد.
• کشف ناهنجاری‌ها در تحلیل‌های مالی و حسابداری (Office Gemba): حسابداران در پایان هر ماه باید هزاران ردیف از هزینه‌ها یا فاکتورها را بررسی کنند. در ناب به جای اینکه یک نیروی متخصص ساعت‌ها وقت صرف اسکرول کردن در اکسل کند (اتلاف حرکت و پردازش)، هوش مصنوعی می‌تواند در چند ثانیه تمام داده‌ها را اسکن کرده و بگوید: «این ۳ فاکتور در بخش تدارکات، با الگوی مصرف ماه‌های گذشته همخوانی ندارند؛ لطفاً این‌ها را بررسی کنید.» در اینجا AI نقش یک سیستم پوکا-یوکه (خطاگیر) را برای داده‌های مالی بازی می‌کند.

اما دو موردی که «نباید» از هوش مصنوعی استفاده کرد و اصطلاحاً در تفکر ناب خط قرمز هستند:

در تفکر ناب، هر جایی که نیاز به «درک»، «همدلی» و «قضاوت انسانی» باشد، ورودِ هوش مصنوعی به عنوان تصمیم‌گیرنده، یک خطای استراتژیک و مخرب است:

۱. مربی‌گری (Coaching) و ارزیابی عملکرد کارکنان: اصلِ اساسی تفکر ناب «احترام به انسان» است. هوش مصنوعی نمی‌تواند خستگی کارگر، مشکلات خانوادگی او، یا تلاش‌های پنهانش در تیم را درک کند. اگر سیستم‌های AI را مسئول ارزیابی عملکرد، رتبه‌بندی یا دادنِ بازخورد به کارکنان کنیم، وارد همان مدل خطرناک «استخراج و نظارت پلیسی» شده‌ایم. مربی‌گری باید چهره‌به‌چهره، در محل کار (گمبا) و بر اساس اعتماد متقابلِ دو انسان انجام شود. ماشین نمی‌تواند منتورِ انسان باشد.

۲. تصمیم‌گیری‌های استراتژیک و گسترش خط مشی (Hoshin Kanri): هوش مصنوعی فقط گذشته را بر اساس داده‌هایی که به آن داده شده (Data) می‌شناسد، اما استراتژی نیازمند «بینش (Insight)» و درک آینده بازار است. سپردن تصمیمات حیاتی (مثل تغییر جهت سازمان، تعطیل کردن یک خط تولید، یا ورود به بازار جدید) به هوش مصنوعی یک اشتباه مرگبار است. AI می‌تواند داده‌ها را برای تصمیم‌گیری آماده کند و ریسک‌ها را شبیه‌سازی کند (شریک فکری)، اما «قضاوت نهایی»، درک ریسک‌های اجتماعی و مسئولیت‌پذیری، منحصراً بر عهده رهبران سازمان است. ماشین شعور استراتژیک ندارد.

سوال ۳: بسیاری از مدیران ایرانی الان بین دو حس ترس از عقب ماندن و هیجان خرید ابزارهای جدید گیر کرده‌اند. به عنوان یک کوچ که سال‌ها در صنعت بوده‌اید، بزرگترین اشتباهی که مدیران ما ممکن است در مواجهه با هوش مصنوعی مرتکب شوند چیست و تفکر ناب چگونه جلوی این اشتباه را می‌گیرد؟

نخست آن که تصمیم‌گیری بر اساس ترس یا هیجان، همواره شرکت‌ها را به تصمیمات غلط و مشکلات سخت و سخت‌تر دچار کرده است. این روش و سنت نه فقط مختص ایرانیان بلکه یک پاندمی جهانی است و فقط هم به هوش مصنوعی منحصر نمی‌شود.

شتاب‌زدگی برای خرید نرم‌افزارهایی مثل ERP، CRM، TPM و تجهیزات جدید در بسیاری از مواقع نه فقط هزینه و وقت شرکت‌ها را هدر داده است، بلکه باعث بروز اختلالات بسیار زیاد در عملیات شده است. برای جلوگیری از چنین تصمیمات عجولانه‌ای باید به پرسش‌های زیر یک به یک پاسخ داد:

1. اکنون مشکل واقعی شرکت چیست و ریشه در چه عواملی دارد؟
2. هوش مصنوعی چگونه و در چه نقاطی می‌تواند بدون ایجاد اختلال در روند عملیات به حل این مشکل کمک کند؟
3. ما چه موقع و چگونه خواهیم فهمید که به استخدام گرفتن هوش مصنوعی واقعاً منجر به تسهیل روندها و کاهش مشکل شده است؟

به تعبیر دیگر، استفاده از هوش مصنوعی باید در چارچوب تفکر ناب و حل‌مسئلۀ ناب و مطابق چرخۀ PDCA انجام شود.

سوال ۴: در تفکر ناب، همیشه می‌گوییم احترام به انسان و توسعه نیروی انسانی اصل اول است. نگرانی‌ای وجود دارد که AI جای انسان را بگیرد. نگاه شما چیست؟ هوش مصنوعی در مدل ناب اندیشان، قرار است رقیب انسان باشد یا رفیق انسان؟

یک نکتۀ مهم که غالباً مغفول می‌ماند و در مورد استفاده از هر ابزاری صدق می‌کند این است که: ابزارها قرار نیست جایگزین انسان‌ها شوند، بلکه باید بی‌آنکه ارتباط آن‌ها را با محیط کار واقعی قطع کند، در انجام کارها و وظایف به آن‌ها کمک کند تا بتوانند تصمیمات درست بگیرند و هوشمندانه‌تر کار کنند.

همیشه تصمیم‌گیرندۀ نهایی باید انسان و به ویژه خرد جمعی و گروهی باشد. هوش مصنوعی به عنوان یک عضو از این جمع می‌تواند بسیار کمک‌کننده باشد اما نباید جایگزین خرد جمعی انسان شود.

حتی اگر بتوان کاری را کاملاً به هوش مصنوعی سپرد (مانند ساخت پاورپوینت‌های تخصصی، کدنویسی، غلط‌گیری و اصلاح متون)، همواره باید به دنبال کارهای ارزش‌آفرینی جدیدی بود که از عهدۀ هوش مصنوعی برنمی‌آید و هوش مصنوعی جایگزین کار و تخصص آن‌ها شده است.

یکی از نتایج طبیعی کاربرد ناب، حذف نیروی انسانی از فرایندها از طریق حذف اتلاف است؛ اما در ناب نباید هیچ‌کس به دلیل کاهش تعداد نیروی انسانی در یک فرایند مشخص، اخراج شود. به همین دلیل است که در تویوتا نیروها مادام‌العمر استخدام می‌شوند.

در اینجا یک پرسش مهم مطرح می‌شود: پس با نیروهایی که از یک فرایند حذف می‌شوند چه باید کرد؟

در تفکر ناب، این وظیفۀ مدیران ناب‌اندیش است که برای نیروهایی که از یک فرایند حذف می‌شوند، کار ارزشمند جدیدی ایجاد کنند. مثلاً از آن‌ها در موارد زیر استفاده کنند:

• بهبود سیستم‌های نگهداری و تعمیرات (نِت)
• مدیریت جریان ارزش
• راه‌اندازی فرایندها و خطوط جدید

در مورد هوش مصنوعی هم دقیقاً همین امر مصداق دارد. وقتی هوش مصنوعی کار کسی را حذف می‌کند، این وظیفۀ مدیریت است که به کمک خلاقیت و تفکر استارتاپی برای آن نیروها کارهای جدید خلق کند. (برای درک عمیق‌تر این موضوع، خوب است به کتاب “تولید ناب”، فصل “رفتار با نیروی انسانی” مراجعه کنید).

مسیریابیِ درست در عصر هوش مصنوعی

آینده هوش مصنوعی در گرو یک انتخاب سرنوشت‌ساز است: انتخاب میان رویکرد «استخراج» و رویکرد «تقویت».
• رویکرد استخراج: یعنی بیرون کشیدن سود از دلِ سیستم، به قیمت حذف انسان.
• رویکرد تقویت: یعنی به خدمت گرفتن تکنولوژی برای چند برابر کردن توانمندی‌های انسان.
تفکر ناب (Lean) به ما می‌آموزد که تکنولوژی باید کرامت انسانی را حفظ کند، یادگیری را سرعت ببخشد و توانمندی‌ها را ارتقا دهد؛ نه اینکه جایگاه انسان را تضعیف یا حذف کند.
من پس از چهار دهه فعالیت در صنعت تولید و دیدن وعده‌های رنگارنگ درباره اتوماسیون کامل، یاد گرفته‌ام که چگونه مرز باریک میان پیشرفت واقعی و هیاهوی تبلیغاتی را تشخیص دهم. اما اعتراف می‌کنم که سیگنال‌های امروزِ دنیای هوش مصنوعی، گیج‌کننده‌تر از هر زمان دیگری هستند.

بیایید نگاهی به این تناقض‌ها بیندازیم:
از یک سو، جفری هینتون (پدرخوانده هوش مصنوعی) هشدار می‌دهد که نتیجه این مسیر، بیکاری گسترده و انباشت ثروت در دست عده‌ای خاص است. آمارها و روندهای اخیر هم نگران‌کننده‌اند: شاهد هستیم که سرمایه‌گذاری غول‌های فناوری در ساخت دیتاسنترها و زیرساخت‌های هوش مصنوعی، سالانه از مرز صدها میلیارد دلار عبور کرده است؛ در حالی که درآمدهای مستقیم حاصل از آن، هنوز با این هزینه‌های نجومی (و استهلاک ده‌ها میلیارد دلاریِ سخت‌افزارها) فاصله بسیار معناداری دارد.

در سوی دیگر، نمایش‌های پر زرق‌وبرق شرکت‌هایی مثل تسلا را دیدیم که ربات‌های انسان‌نمای چند صد هزار دلاری را به عنوان آینده‌ی کار به رخ کشیدند؛ ربات‌هایی که البته خیلی زود کاشف به عمل آمد برای انجام کارهای ساده‌ای مثل سرو نوشیدنی یا بازی سنگ-کاغذ-قیچی، همچنان توسط اپراتورهای انسانی از راه دور کنترل می‌شدند!

اما دور از این هیاهو، در لایه‌های آرام‌تر اقتصاد، یک انقلاب واقعی در جریان است:
• توسعه‌دهندگان نرم‌افزار می‌بینند که کدنویسی فرانت‌اند (Frontend) دگرگون شده و ورود به این حرفه برای تازه‌کارها بسیار آسان‌تر شده است.
• در دانشگاه استنفورد، اساتید علوم کامپیوتر دوباره به امتحانات کتبی و کاغذی روی آورده‌اند؛ چون مرز بین دانش دانشجو و خروجی هوش مصنوعی چنان محو شده که دیگر قابل تشخیص نیست.
• شرکت مک‌کینزی (McKinsey) با به‌کارگیری ۱۲,۰۰۰ ایجنت هوش مصنوعی، نیروی انسانی خود را ۵,۰۰۰ نفر کاهش داده است؛ آن هم در حالی که ۴۰ درصد درآمدش را از راه مشاوره دادن در مورد همین تکنولوژی‌ها به دست می‌آورد.

در این میانه، تکلیف جامعه ناب (Lean) چیست؟
کلید معما در درک یک تمایز حیاتی است؛ تمایزی که گرد و غبار ابهام را کنار می‌زند: تفاوت میان هوش مصنوعی بزرگ (Big AI) و هوش مصنوعی متمرکز (Narrow AI).
تنها با درک این تفاوت است که می‌توانیم هوش مصنوعی را نه به‌عنوان یک جایگزین همه‌کاره، بلکه به‌عنوان یک شریک فکری در مسیر تفکر ناب به کار بگیریم.

دو چهره متفاوت از هوش مصنوعی: تفکیکی که حیاتی است

برای اینکه درک درستی از شرایط امروز داشته باشیم، باید مرز بین دو مفهوم کاملاً متفاوت را روشن کنیم:

۱. رویای دوردست: هوش مصنوعی بزرگ (Big AI)

آنچه «هوش مصنوعی بزرگ» می‌نامیم، در واقع نقطه تلاقی پنج رکن اصلی فناوری است که دهه‌هاست به صورت جداگانه رشد کرده‌اند:
۱. رباتیک (Robotics)
۲. سیستم‌های بینایی ماشین (Vision Systems)
۳. سیستم‌های خبره (Expert Systems)
۴. پردازش زبان طبیعی (NLP)
۵. یادگیری ماشین و تحلیل‌های پیش‌بینی‌کننده (Machine Learning)

روزی که این پنج رکن با هم ادغام شوند—یعنی روزی که یک ربات بتواند همزمان ببیند، فکر کند، تصمیم بگیرد، حرف بزند و یاد بگیرد—ما به همان هوش مصنوعیِ انقلابی می‌رسیم که امروز تیتر تمام اخبار شده است. این همگرایی واقعیت دارد، اما باور من این است که تا آن روز، «سال‌ها» فاصله داریم، نه ماه‌ها.
من ۳۰ سال پیش در خطوط تولید موتور تویوتا با ربات‌ها کار می‌کردم. لحظه‌ای که رباتی ساخته شود که بتواند از نردبان بالا برود و پنکه سقفی را تعمیر کند، من نفر اول صف خریدارانش خواهم بود! اما دموهای نمایشیِ ربات‌های تسلا بیشتر تلاش شرکت‌ها برای تحمیل یک زمان‌بندی شتاب‌زده برای رسیدن به «هوش مصنوعی بزرگ» است.

۲. واقعیتِ در دسترس: هوش مصنوعی متمرکز (Narrow AI)

در نقطه مقابل، ما «هوش مصنوعی متمرکز» را داریم که همین امروز در حال زیر و رو کردن حوزه‌های تخصصی است.
ابزارهای هوش مصنوعی مولد عملاً دنیای برنامه‌نویسی را تغییر داده‌اند و شیوه تحقیق وکلای دادگستری را دگرگون کرده‌اند. شاید این تغییرات به اندازه «ربات پیشخدمت» تخیلی به نظر نرسند، اما یک تغییر واقعی در نحوه انجام «کارهای فکری و تخصصی» هستند که همین لحظه دارد اتفاق می‌افتد.

ریشه اصلی سردرگمی‌ها کجاست؟

مشکل اینجاست که ما میان این دو افق زمانی، تفکیک قائل نمی‌شویم. از یک طرف سرعتِ خیره‌کننده هوش مصنوعی متمرکز را می‌بینیم و هیجان‌زده می‌شویم؛ از طرف دیگر، چشممان به پتانسیل عظیم هوش مصنوعی بزرگ است. نکته کلیدی این است: هر دو واقعیت وجود دارند، اما سرعت حرکت و زمان رسیدن به آن‌ها، زمین تا آسمان با هم فرق دارد.

هوش مصنوعی محدود همین حالا در کدام حوزه‌ها تحول‌آفرین شده است؟

الگوی تحولات فعلی از قانون ساده‌ای پیروی می‌کند: هرچه پیچیدگی کار بیشتر شود، نفوذ هوش مصنوعی کمتر می‌شود. در مشاوره مدیریت، ابزارهای هوش مصنوعی بارِ کارهای وقت‌گیر را به دوش می‌کشند؛ اما اشتباه نکنید؛ این ابزارها هنوز شعور استراتژیک ندارند. کار آن‌ها حذف مشاور نیست، بلکه خریدنِ زمان برای اوست تا روی تحلیل‌های عمیق و ارتباط با مشتری تمرکز کند.
تغییری که در راه است، فراتر از ابزار کار است. فضای امروز، شباهت عجیبی به روزهای اول اینترنت (سال ۱۹۹۵) دارد که کسی پیش‌بینی نمی‌کرد یوتیوبِ ساده به بزرگترین کلاس درس جهان تبدیل شود.

یک دوراهی سرنوشت‌ساز: استخراج یا تقویت؟

ما امروز دقیقاً بر سر یک دوراهی ایستاده‌ایم و باید بین دو فلسفه کاملاً متفاوت یکی را انتخاب کنیم:

رویکرد اول: استخراج (Extraction)

فرمول آن‌ها ساده است: هوش مصنوعی (منهای) انسان = سود خالص.
در این سناریو، به هوش مصنوعی صرفاً به چشم ابزاری برای حذف نیروی کار نگاه می‌کنند. نمونه بارزش شرکتی است که ۵,۰۰۰ متخصص را اخراج می‌کند تا هزینه‌ها کاهش یابد، اما نمی‌فهمد که با این کار، دانش و حافظه سازمانی خود را به باد داده است.

رویکرد دوم: تقویت (Amplification)

تجسم واقعی تفکر ناب؛ جایی که معادله تغییر می‌کند: انسان + هوش مصنوعی > مشکلات.
هوش مصنوعی قرار نیست جایگاه انسان را تخریب کند، بلکه قرار است مثل یک سوخت جت، توانمندی‌های او را چند برابر کند. در رویکرد تقویت، ما یک ترکیب برنده می‌سازیم: قدرتِ بی‌نظیر هوش مصنوعی در کشف الگوهای پنهان را کنارِ قدرتِ انحصاری انسان در قضاوت، درک شرایط و خلاقیت می‌گذاریم.

سه اصل کلیدی برای تحقق «هوش مصنوعی ناب» (Lean AI)

۱. اولویت با خلق ارزش است، نه خودِ تکنولوژی: معیار تصمیم‌گیری روشن است؛ اگر هوش مصنوعی بتواند اتلاف‌ها (Muda) را حذف کند، واجب است. اما تکنولوژی برای تکنولوژی، خودش بزرگترین اتلاف است.
۲. احترام به انسان یعنی توانمندسازی به جای حذف: هوش مصنوعی باید انحصار دانش تخصصی را بشکند و ذهن انسان‌ها را آزاد کند تا به کارهای ارزشمندتری بپردازند.
۳. حضور در محلِ واقعی کار (Gemba) و پرسشگری را با هوش مصنوعی «ارتقا» دهید: قدرت واقعی در ترکیب مشاهده انسان به علاوه تحلیل ماشین است؛ قدرتی که هیچ‌کدام به تنهایی ندارند.

ارزیابی هوش مصنوعی با معیارهای ناب

هر زمان خواستید ابزار جدیدی از هوش مصنوعی را به کار بگیرید، آن را با این سه معیار طلایی محک بزنید:
۱. آیا این ابزار، واقعاً ارزش دریافتی مشتری را بالا می‌برد؟
۲. آیا باعث تقویت توانمندی‌های انسانی در تیم می‌شود؟
۳. آیا قدرت ما را در تشخیص و درک عمیق مشکلات افزایش می‌دهد؟
اگر پاسخ هر سه سوال بله است، شک نکنید که در مسیر درست هستید.

حواستان به زنگ خطرها باشد.

سه نشانه وجود دارد که می‌گوید شما در مسیر اشتباه هستید:
۱. پروژه‌هایی که هدف اصلی‌شان فقط تعدیل نیرو است.
۲. ابزارهای نظارتی که به جای توانمند کردن، ترس و بی‌اعتمادی ایجاد می‌کنند.
۳. تکنولوژی‌هایی که کارکنان را تُهی از مهارت (Deskill) می‌کنند و آن‌ها را به اپراتورهایی ساده تبدیل می‌کنند.

جمع‌بندی نهایی: چگونه در عصر هوش مصنوعی، جایگاه خود را ارتقا دهیم؟

ما نمی‌توانیم دست روی دست بگذاریم تا هوش مصنوعی جایگاه شغلی ما را تهدید کند. تفکر ناب به ما می‌گوید که انسان همیشه ارزش‌آفرین اصلی است؛ اما به شرطی که مهارت‌های خود را هم‌راستا با تغییرات ارتقا دهد.

۱. به چه مهارت‌هایی برای پیشرفت مداوم نیاز داریم؟

اگر ماشین‌ها کارهای تکراری، تحلیل داده‌ها و برنامه‌نویسی‌های پایه را بهتر از ما انجام می‌دهند، ما باید روی حوزه‌هایی سرمایه‌گذاری کنیم که ذاتاً انسانی هستند:
• حل‌مسئله در سطح پیچیده و استراتژیک: هوش مصنوعی داده‌ها را تحلیل می‌کند، اما این شما هستید که باید معنای آن داده‌ها را در محیط واقعی کسب‌وکار تفسیر کنید.
• تفکر انتقادی و پرسشگری: مهارت اصلی در آینده، یافتن پاسخ نیست (AI این کار را می‌کند)؛ بلکه مهارت اصلی «طرح سوالاتِ درست و دقیق» است.
• همدلی، رهبری و ارتباطات: مدیریت تیم‌ها، درک نیازهای پنهان مشتری و ایجاد انگیزه در پرسنل، کارهایی هستند که هیچ الگوریتمی قادر به انجام آن‌ها نیست.
• سازگاری و یادگیری مستمر: در عصر تکنولوژی، باید انعطاف‌پذیر بود و مدام راه‌های جدیدی برای ترکیب ابزارهای AI با جریان کار (Flow) پیدا کرد.

۲. تغییر تعریف انسانِ باهوش: دیدگاه مدیرعامل انویدیا

جنسن هوانگ (Jensen Huang)، مدیرعامل شرکت انویدیا (بزرگ‌ترین غول سخت‌افزاری هوش مصنوعی در جهان)، در مصاحبه‌ای اخیراً تعریف شگفت‌انگیزی از «باهوش‌ترین انسان‌ها» ارائه داد که دقیقاً موید همین تفکر ناب است.
وقتی از او پرسیدند باهوش‌ترین فردی که تا به حال دیده‌اید کیست، او پاسخ داد:
«تعریف قدیمی از باهوش بودن این بود: کسی که بتواند مسائل فنی و تکنیکال را حل کند (مثل برنامه‌نویسی). اما هوش مصنوعی به زودی ثابت می‌کند که حل مسائل فنی، پیش‌پاافتاده‌ترین کار برای ماشین است.
در آینده، باهوش‌ترین انسان کسی نیست که نمره ریاضی یا SAT بالایی داشته باشد. بلکه کسی است که در نقطه تلاقیِ “تیزهوشی فنی” و “همدلی عمیق انسانی” ایستاده باشد. باهوش کسی است که بتواند چیزهای ناگفته را درک کند، پشت پیچ‌ها را ببیند و قبل از وقوع مشکلات، آن‌ها را از روی نشانه‌ها پیش‌بینی کند. این توانایی از ترکیب تحلیل داده‌ها با خرد، تجربه زندگی و درک احساسات دیگران به دست می‌آید؛ چیزهایی که مختصِ انسان است.»

۳. یک تبصره حیاتی برای مدیران: واقع‌بینی در حفظ نیروی انسانی

البته در اینجا باید یک خط‌کشیِ بسیار مهم و واقع‌بینانه داشته باشیم. وقتی در تفکر ناب از قانونِ «عدم تعدیل نیرو به دلیل ورود تکنولوژی» صحبت می‌کنیم، منظورمان منحصراً در یک «سازمانِ ناب» است که توسط یک مدیر ناب‌اندیش رهبری می‌شود و از ابتدا با اصول جذبِ درست و استانداردسازی رشد کرده است.
اگر سازمانی بدون هیچ‌گونه استراتژی مشخصی، صرفاً به صورت هیجانی و بی‌رویه استخدام کرده و ساختار خود را با نیروهای مازاد و غیرکارآمد متورم ساخته است، مسلماً با ورود هوش مصنوعی نمی‌تواند معجزه کند! در چنین سازمانِ آشفته‌ای، نمی‌توان با تکیه بر شعارِ “تکنولوژی جای انسان را نمی‌گیرد”، از اصلاح ساختار فرار کرد. قانونِ طلاییِ “حفظ انسان‌ها و خلق ارزشِ جدید برای آن‌ها”، متعلق به سیستم‌هایی است که از پایه بر اساس اصول «احترام به انسان» و «حذف اتلاف» بنا شده‌اند.

مسیر پیش‌رو

جامعه مدیران ناب در این برهه حساس، فرصتی منحصربه‌فرد دارند. ما دهه‌ها تجربه داریم که چطور تکنولوژی را وارد کار کنیم، بدون اینکه کرامت انسانی را زیر پا بگذاریم.
ما مجبور نیستیم بین «پذیرش کورکورانه» یا «رد کامل» هوش مصنوعی، یکی را انتخاب کنیم. راه سوم، همان هوش مصنوعی ناب است: کار را با تعریف ارزش شروع کنید، به انسان‌ها احترام بگذارید و از قدرت این ابزار برای حل مشکلات واقعی استفاده کنید.
فراموش نکنید:
تکنولوژی به خودیِ خود، نه خوب است و نه بد؛ تکنولوژی فقط «قدرتمند» است. آنچه اهمیت دارد، این است که ما چگونه افسار این قدرت را به دست می‌گیریم.

منبع: https://www.lean.org/the-lean-post/articles/lean-ai-extraction-amplification/