از زمانی که کودکان زبان بازمی‌کنند، ما با پرسش‌های فراوان بمباران می‌شویم. این غریزه‌ای است که در بقا ریشه دارد. در سال ۲۰۰۳، یک پژوهش بریتانیایی که بر روی ۱۰۰۰ مادر انجام شد، نشان داد که کودکان به صورت روزانه، بیش از ۳۰۰ بار از والدینشان سوال میپرسند. نرخی که به صورت ساعتی با "زمان جلسه پرسش و پاسخ نخست وزیر" رقابت می‌کند. پرسش‌ها، با روشن کردن انتظارات، سرعت بخشیدن به روند یادگیری، ایجاد روابط و مدیریت ریسک، به ما کمک میکنند تا مسیرمان را در زندگی و نقشی که در سازمان‌ها ایفا می‌کنیم را بیابیم.
برای درک اینکه پرسش‌ها چگونه میتوانند پیچیدگی‌ها را کنار بزنند، نظریه شانون را در نظر بگیرید، نظریهای که توسط کلود شانون، پدر علم نظریه اطلاعات، ارائه شده است. این نظریه توضیح میدهد که در حضور اختلال یا نویز، چه میزان داده می‌تواند از یک کانال ارتباطی عبور کند.
شانون در آزمایشگاه بل (bel labs) کار میکرد و تمرکز اصلیاش بر روی کانال‌هایی مانند خطوط تلفن یا باند‌های رادیویی بود. ما در سازمان‌های امروزی، باید یاد بگیریم چگونه نویزهایی که در تمرکزمان اختلال ایجاد میکنند را حذف کنیم. اینجاست که پرسش‌ها نقش مهمی پیدا میکنند (به ما کمک میکنند تمرکزمان را حفظ کنیم).
این که بدانیم در هر لحظه، چه پرسشی را مطرح کنیم، در کاهش عدم قطعیت به ما کمک می‌کند. این موضوع، اساسِ کار با یادگیری ماشین، درخت‌های تصمیم گیری و علم داده را شکل میدهد. توانایی پرسیدن سوال درست، به ویژه در زمانی که هوش مصنوعی به یک بخش جدایی ناپذیر از زندگیمان تبدیل شده، صرفا یک مهارت فنی نیست بلکه مهارتی زیربنایی و اساسی است.
اهمیت پرسش در سازمان‌ها
اگر بدانیم در هر مرحله کلیدی چه پرسش‌هایی را مطرح کنیم، میتوانیم به میزان دانش بیافزاییم و از میزان عدم قطعیت بکاهیم. مطرح کردن پرسش‌های مرتبط به ما کمک می‌کند تا جریان کار را بهتر پیش ببریم، نیازهای مشتری را بشناسیم، به گروه‌ها آموزش دهیم و اعتماد ایجاد کنیم.
البته انسان بودن نیز می‌تواند بزرگترین مانع ما باشد، چرا که اکثر اوقات پرسش‌ها را سرکوب می‌کنیم و تنها به نتایج نهایی اهمیت می‌دهیم.
در نتیجه اهمیت پرسش در سازمان‌ها چیست و چرا باید در نحوه استفاده از آن‌ها تجدید نظر کنیم؟
برای شروع، پرسش‌ها میتوانند اطلاعات جدیدی را به ما ارائه دهند، مسئله‌ای را چارچوب بندی کنند و سوگیری‌های ذهنی‌مان را آشکار سازند. همچنین پرسش‌های خوب میتوانند نوآوری را شکوفا کنند و ما را به سمت مسیری درست سوق دهند تا بتوانیم روند کار را به شکل موثری پیش ببریم.
دو سناریو را تصور کنید:
- سناریوی اول: در سناریوی اول، شما رهبری یک پروژه تحول SAP (نام مجموعه‌ای از نرم‌افزارهای سازمانی (ERP) است که برای مدیریت منابع سازمانی به‌کار می‌رود)، را برای یکی از شرکت‌های حاضر در فهرست Forbes 2000، به عهده گرفتید. پروژه‌ای که بیش از ۳۰۰ میلیون دلار هزینه دارد و قرار است که طی سه سال انجام شود. وظیفه شما این است که در موعد مقرر و با رعایت بودجه، این پروژه را به سرانجام برسانید. اگر پروژه را به بخش‌های کوچکتر تقسیم کنیم، با ۱۲ جریان کاری مواجه می‌شویم که هر کدام شامل ۱۰۰۰ وظیفه مجزا هستند. این یعنی ۱۲۰۰ نقطه زمانی متفاوت که باید مطمئن شوید تیم شما می‌داند چه کاری انجام دهد، چگونه با مسائل پیش‌بینی نشده مقابله کند و وظایفش را به درستی انجام دهد. در چنین ابعادی، ابزارهایی مانند ایمیل و نرم‌افزارهای گروهی مانند Microsoft Teams پاسخگوی نیاز شما نخواهند بود.
- سناریو دوم: حال تصور کنید دوستتان رهبری فرآیند توسعه یک داروی جدید را در حوزه داروسازی زیستی (BioPharma) بر عهده دارد. او میگوید که در مرحله کشف و پیش بالینی، ۶۰ نقطه تصمیم گیری کلیدی وجود دارد. (۲۰ نقطه برای ثبت درخواست داروی تحقیقاتی (IND) و ۴۰ نقطه در مرحله کارآزمایی بالینی فاز اول).
به طور کلی، در مسیر رساندن یک داروی جدید به مرحله بالینی، ۱۲۰ نقطه کلیدی برای تصمیم گیری وجود دارد. در هر یک از این موارد میتوان به صورت تقریبی پنج پرسش اصلی را شناسایی کرد که با هر تصمیم مرتبط هستند. وقتی تیم شما به یک نقطه تصمیم گیری نزدیک می‌شود، این پرسش‌ها را مرور می‌کند تا از خود و سایر اعضای تیم بپرسد: آیا این مشکل به خصوص بررسی شده؟ آیا هزینه مربوط به این اقدام به درستی بودجه بندی شده؟ آیا دلیلی وجود دارد که باور کنیم این اقدام میتوانست به شکل بهتری انجام شود؟
این فرآیند پرسشگری ساختارمند اگرچه از قدرت بالایی برخوردار است، اما در عین حال زمان‌بر نیز هست. که در چنین شرایطی، هوش مصنوعی وارد عمل می‌شود.
نقش هوش مصنوعی در شکلدهی به فرایند پرسش
متخصصان موضوعی (Subject matter experts) قهرمانان واقعی این داستان هستند. آن‌ها تجربه عملی دارند، مسیر را پیموده‌اند و می‌دانند در هر مرحله، چه پرسش‌هایی باید مطرح شود. هوش مصنوعی می‌تواند این دانش را تکمیل کند و فهرستی جامع از پرسش‌های مرتبط با هر نقطه تصمیم گیری را ارائه دهد.
به عنوان مثال، وقتی کاربر به یکی از بخش‌های پروژه تحول SAP مراجعه می‌کند، پرسش‌های کلیدی مرتبط با همان مرحله به صورت خودکار نمایش داده می‌شوند. این پرسش‌ها به اطلاعات پس‌زمینه متصل خواهد بود، پاسخ‌هایی که توسط سایر اعضای پروژه به آن‌ها داده شده نیز – در صورتی که مرتبط با همان وظیفه باشد – در دسترس قرار می‌گیرند.
پرسش‌ها ابزاری برای سنجش کیفیت هستند و همچنین به روشی برای مشارکت در جریان کاری سازمان، تبدیل شدهاند. هوش مصنوعی این امکان را فراهم می‌کند که دانش بدست آمده در هر نقطه از جهان، به صورت دقیق و در لحظه، در همان مرحله از پروژه که مورد نیاز است، در دسترس قرار گیرد.
پلتفرم‌های هوش مصنوعی میتوانند در لحظه بیاموزند که کدام پرسش‌ها بیشترین میزان اثربخشی را دارند، کدام پاسخ‌ها اهمیت بیشتری دارند و چه نوع اطلاعات پشتیبان می‌تواند به آموزش، آگاهی بخشی و پاسخ‌گویی بهتر کمک کند.
پرسش‌ها و محتوای مرتبط نیز میتوانند به هر زبانی ترجمه شوند، این قابلیت امکان شکلگیری ایده‌ها را از هر نقطه جهان، فراهم میسازد، برای دستیابی به این چشمانداز، لازم است یکی از عادت‌های بنیادینی که امروزه ما را هدایت می‌کند، بازنگری و اصلاح شود.
از زمانی که گوگل در سال ۱۹۹۸ فعالیت خود را آغاز کرد، ما به گونهای عادت کردیم که تنها چند واژه یا عبارت کلیدی بنویسیم؛ در نتیجه، توانایی ما در طرح پرسش های دقیق تا حد زیادی کمرنگ شده است. حال با پیدایش هوش مصنوعی مولد (Generative AI) لازم است بار دیگر "ماهیچه‌های پرسشگری" خود را فعال کنیم، زیرا کیفیت اطلاعاتی که دریافت می‌کنیم، به کیفیت سوال مطرح شده بستگی دارد. این مهارت نوظهور، که با عنوان مهندسی پرامپت - (prompt engineering) شناخته می‌شود، برای بهره‌برداری کامل از توانمندی‌های هوش مصنوعی، حیاتی است، به یاد داشته باشید که استفاده موثر ما از هوش مصنوعی مولد، بازتابی از میزان هوشمندی ماست چرا که ما زندگی را با کنجکاوی آغاز می‌کنیم و نباید اجازه دهیم، این ویژگی ارزشمند، در گذر زمان از بین برود.
وظیفه ما در عصر هوش مصنوعی، این است که به همان شکلی که در کودکی بودیم، کنجکاو باقی بمانیم. اکنون ما همین رویکرد را به پروژه‌های جهانی تعمیم می‌دهیم، نقشهای از پرسش‌ها برای هر نقطه تصمیم گیری، یک پلتفرم مبتنی بر هوش مصنوعی برای به اشتراک‌گذاری پاسخ و محتوای مرتبط، توانمندی هر یک از اعضای تیم برای مشارکت در تولید و دانش سازمانی.
تمرکز بر استفاده موثر از هوش مصنوعی
تمرکز بر استفاده موثر از هوش مصنوعی، به مراتب مهم‌تر از نگرانی برای مشاغلی است که ممکن است روزی دچار تغییر شوند یا از بین بروند. چه چیزی نیاز است؟
پاسخ ساده است: باید عادت‌ها و رویکرد های خود را تغییر دهیم، تا بتوانیم پیشرفت‌های هوش مصنوعی را با آغوشی باز بپذیریم. شرکت‌های کنجکاو، بر پایه سبک جدیدی از یادگیری و مقیاس پذیری، پروژه تحول SAP را با ۱۰۰ میلیون دلار صرفه‌جویی، یک سال زودتر به پایان خواهند رساند، یا طراحی موثرتری برای کارآزمایی بالینی درمان‌های جدید ارائه خواهند داد – در نهایت این پرسش برای ما باقی می‌ماند: چه زمانی این آینده را به واقعیت تبدیل می‌کنیم؟
مترجم: سونیا پورعباس
منبع
