پژوهشی تازه نشان می‌دهد افرادی که در محیط کار از هوش مصنوعی استفاده میکنند، روزانه تا ۹۰ دقیقه بیشتر از همکارانی کار میکنند که سراغ این فناوری نمیروند. این یافته در تضاد مستقیم با وعده حامیان هوش مصنوعی است که میگفتند این فناوری میتواند ساعات کاری انسانها را کاهش دهد و هفته کاری کوتاهتری بسازد.
شرکت ActivTrak که نرم‌افزار بهره‌وری محیط کار می‌سازد، در تحلیلی تازه فعالیت دیجیتال بیش از ۹ هزار کارمند در ۴۶۷ شرکت را بین آوریل تا سپتامبر بررسی کرده است. نتایج نشان می‌دهد روز کاری کاربران هوش مصنوعی به‌طور میانگین بین ۸.۴ تا ۹.۱ ساعت طول می‌کشد؛ این رقم برای افرادی که از هوش مصنوعی استفاده نمی‌کنند ۷.۶ ساعت است. فاصله میان این دو عدد، بین ۴۸ تا ۹۰ دقیقه در روز است.
وضعیت برای کاربران حرفه‌ای هوش مصنوعی هم قابل توجه است. در این پژوهش، کارمندانی که روزانه در دست‌کم پنج نوبت و مجموعاً بیش از ۴۵ دقیقه از ابزارهای هوش مصنوعی استفاده میکنند، در مقایسه با گروهی که از هوش مصنوعی استفاده نمی‌کنند، به‌طور میانگین ۱۸ دقیقه بیشتر پس از پایان ساعات کاری هم مشغول کار هستند. این گروه همچنین بیشتر از سایر کارکنان میان اپلیکیشن‌های مختلف جابه‌جا می‌شوند و در مقایسه با کاربران کم‌مصرف هوش مصنوعی، بازه‌های کوتاهتری از کار متمرکز و بدون وقفه دارند.
رئیس آزمایشگاه بهره‌وری ActivTrak در بیانیه‌ای مطبوعاتی می‌گوید: «هوش مصنوعی شاید به کارمندان کمک کند وظایفشان را سریع‌تر انجام دهند، اما پژوهش ما نشان می‌دهد که این فناوری به طولانی‌تر شدن روزهای کاری، جابه‌جایی بیشتر میان اپلیکیشن‌ها و کوتاه‌تر شدن دوره‌های تمرکز منجر می‌شود.» این جمله خلاصه ای است از آنچه داده‌ها نشان می‌دهند: صرفه‌جویی زمانی که هوش مصنوعی وعده داده بود، در عمل به زمان اضافه‌ای تبدیل شده که صرف تعامل با همان ابزارها و بازبینی خروجی‌شان می‌شود.
**چرا هوش مصنوعی ساعات کاری را افزایش می‌دهد؟**
این یافته‌ها چند تفسیر دارند. ممکن است افرادی که از قبل ساعات طولانی‌تری کار می‌کردند، بیشتر به استفاده از هوش مصنوعی روی آورده باشند؛ یعنی رابطه علت و معلول برعکس باشد و نه هوش مصنوعی، بلکه حجم کار بیشتر عامل اصلی باشد. احتمال دیگر این است که هوش مصنوعی کارکنان را به پذیرش وظایف بیشتر تشویق کند؛ وقتی انجام یک کار سریع‌تر می‌شود، انتظار می‌رود کارهای بیشتری هم انجام شود و مرز کار متوقف نمی‌شود.
تفسیر سوم به کیفیت خروجی مربوط است: بررسی و اصلاح محتوای بی‌کیفیت تولیدشده با هوش مصنوعی میتواند زمان بیشتری از کارمندان بگیرد. مدل‌های زبانی متن‌هایی روان اما گاهی نادرست تولید میکنند و تشخیص خطا در آن‌ها برای فردی که خودش آن متن را ننوشته، دشوارتر از نوشتن از صفر است. به این ترتیب، زمان صرفه‌جویی‌شده در تولید، صرف بازبینی و اصلاح می‌شود.
محققان می‌گویند: «ما در اقتصادی مبتنی بر بهره‌وری زندگی می‌کنیم که در آن، وقتی مقداری بهره‌وری به دست می‌آوریم، خواهان مقدار بیشتری از آن هستیم.» این جمله توضیح می‌دهد چرا افزایش بهره‌وری به‌طور خودکار به کاهش ساعات کاری تبدیل نمی‌شود؛ در بسیاری از سازمان‌ها، زمان آزادشده بلافاصله با وظایف تازه پر می‌شود.
افزایش ساعات کاری کاربران هوش مصنوعی در تضاد با دیدگاهی قرار دارد که برخی چهره‌های فناوری درباره آینده کار مطرح کرده‌اند. بیل گیتس و جنسن هوانگ از جمله افرادی هستند که احتمال داده‌اند هوش مصنوعی در آینده به کوتاه‌تر شدن هفته کاری منجر شود؛ پیش‌بینی‌هایی که این داده‌ها حداقل در کوتاه‌مدت از آن‌ها حمایت نمی‌کند.
نکته مهم برای مدیران این است که این پژوهش رابطه علّی را اثبات نمی‌کند و فقط همبستگی را نشان می‌دهد. با این حال، الگوی آن با تجربه بسیاری از تیم‌ها همخوان است: ابزار هوش مصنوعی وارد جریان کار می‌شود، اما فرایندهای تأیید، هماهنگی و بازبینی انسانی تغییر نمی‌کند. نتیجه این است که سرعت تولید بالا می‌رود، اما حجم کار و تعداد ابزارها هم بیشتر می‌شود و تمرکز عمیق قربانی می‌شود.
اگر سازمانی می‌خواهد از هوش مصنوعی بهره‌وری واقعی بگیرد، باید هم‌زمان با ورود ابزار، فرایندها را هم بازطراحی کند: مشخص کند چه کاری دیگر لازم نیست انجام شود، اختیار تصمیم را کجا می‌شود به ماشین سپرد و کجا بازبینی انسانی اجباری است. در غیر این صورت، هشدار ActivTrak تکرار می‌شود: روز کاری بلندتر، جابه‌جایی بیشتر میان اپلیکیشن‌ها و بازه‌های تمرکز کوتاه‌تر.