تشکلهای دادهای، مرز تازهای در روابط کار هستند (HBR)
این مقاله در مجله کسب و کار هاروارد منتشر شده که منبعی معتبر و ارزشمند در حوزه کسب و کار است.
نویسندگان: خوزه پارا-مویانو و آمیت جوشی
ترجمه شده توسط تیم گیت (Git.ir)
تأثیر هوش مصنوعی، بهویژه هوش مصنوعی مولد، در حال حاضر در صنایع مختلف بهوضوح دیده میشود. اما در حالی که مدیران از ظرفیتهای این فناوری هیجانزده هستند، بسیاری از کارکنان دانشی با نگرانی به آن نگاه میکنند؛ نگرانی درباره آینده شغلی، نقششان در سازمان و مسیری که پیش رو دارند. این تفاوت نگاه، تنشهای جدیدی ایجاد کرده و چالشهای تازهای را برای هر دو گروه به همراه آورده است.
در همین حال، کارکنان نیز شروع کردهاند تا بر تصمیماتی که آینده استفاده از هوش مصنوعی در سازمانها را شکل میدهد، اثر بگذارند. یکی از برجستهترین نمونهها، اعتصاب 148 روزه اتحادیه نویسندگان آمریکا (WGA) در سال 2023 بود؛ اتحادیهای که نماینده 11,500 فیلمنامهنویس است. این اعتصاب صنعت سرگرمی را برای ماهها متوقف کرد و در نهایت با توافقی به پایان رسید که بر اساس آن، هوش مصنوعی نمیتواند بهتنهایی متنهای ادبی را بنویسد یا بازنویسی کند؛ محتوای تولیدشده توسط AI بهعنوان منبع اصلی شناخته نمیشود (و نمیتواند جایگاه نویسنده را تضعیف کند)؛ استفاده از آثار نویسندگان برای آموزش مدلهای هوش مصنوعی ممنوع است؛ و در نهایت، نویسندگان میتوانند بهدلخواه از ابزارهای AI استفاده کنند، اما شرکتها نمیتوانند آنها را مجبور به این کار کنند.
اگرچه این توافق بهعنوان یک پیروزی برای اتحادیه نویسندگان تلقی شد، اما در عین حال پیچیدگیهای این نوع مذاکرات را نیز نشان میدهد. اول اینکه این توافق تنها سه سال اعتبار دارد و بهزودی باید دوباره مذاکره شود. دوم اینکه اجرای آن با ابهام مواجه است، چون راه مطمئنی برای تشخیص اینکه آیا دادهها وارد مدلهای زبانی شدهاند یا نه وجود ندارد. سوم اینکه این توافق درباره ورود بازیگران جدید به صنعت سکوت کرده است. برای مثال، OpenAI کمپینی برای معرفی ابزار تولید ویدیوی خود، Sora، در میان فیلمسازان و استودیوهای هالیوود آغاز کرده است. در عمل، هیچ مانعی وجود ندارد که استودیوها از این ابزارها برای تولید فیلمنامه و ویدیو استفاده کنند؛ اتفاقی که میتواند نهتنها قدرت و نفوذ نویسندگان، بلکه بازیگران را نیز بهشدت کاهش دهد.
اعتصاب اتحادیه نویسندگان شاید بزرگترین نمونه اقدام جمعی کارکنان باشد، اما تنها مورد نیست. سازمانها باید خود را برای این احتمال آماده کنند که نگرانی درباره هوش مصنوعی، به تلاشهای جدید برای ایجاد اتحادیهها و اقدامات جمعی در میان کارکنان دانشی منجر شود. پروژه «قانون هوش مصنوعی» که توسط Trades Union Congress راهاندازی شده، نشان میدهد اتحادیهها بهسرعت در حال تکامل هستند تا نقش و صدای کارکنان را در نحوه استفاده از فناوری در محیط کار تقویت کنند.
ریشه بسیاری از این چالشها، مستقیم یا غیرمستقیم، به موضوع دسترسی به دادههای باکیفیت و معنادار برمیگردد. داده، سوخت اصلی الگوریتمهای یادگیری ماشین است و هوش مصنوعی نیز بر پایه همین الگوریتمها ساخته میشود. بنابراین، هر کسی که به دادههای باکیفیت دسترسی داشته باشد، میتواند مدلهای قدرتمندتری توسعه دهد. در حال حاضر، اتحادیههایی مانند WGA کنترلی بر نحوه تولید و استفاده از دادههای ایجادشده توسط نیروی کار ندارند و مقررات جدیدی مانند EU AI Act بیشتر بر جلوگیری از نظارت بر کارکنان تمرکز دارند تا نحوه استفاده از محتوای تولیدشده توسط آنها برای آموزش مدلها. نتیجه این وضعیت، شکلگیری زمینهای گسترده برای تعارض است. اگر سازمانها و کارکنان نتوانند این مسئله را بهصورت اساسی حل کنند، این تنشها همچنان در قالب کشمکشها و مذاکرات مقطعی ادامه خواهد داشت.
در این میان، تعاونیهای داده میتوانند مسیر معناداری برای پیشرو باشند. این مدل سازمانی به افراد اجازه میدهد دادههای خود را تجمیع کنند تا قدرت چانهزنی بیشتری در برابر شرکتهایی که این دادهها را تحلیل میکنند به دست آورند. نمونههایی مانند Swash، datum، MIDATA، Gener8، SAOS، GISC و اتحادیه کارگران داده، به افراد این امکان را میدهند که دادههای خود را مدیریت و حتی از آن کسب درآمد کنند و نقش خود را در اقتصاد دیجیتال بازتعریف کنند. این تعاونیها بر کنترل فردی، استفاده اخلاقی از داده و برخورد منصفانه تأکید دارند و به کاربران اجازه میدهند مالکیت و اختیار دادههای دیجیتال خود را حفظ کنند.
علاوه بر این، در بسیاری از موارد این تعاونیها امکان درآمدزایی از دادهها را فراهم میکنند و در عین حال به شرکتها اجازه میدهند به شکل مسئولانه و با حفظ حریم خصوصی، از این دادهها برای استخراج بینش یا آموزش مدلهای هوش مصنوعی استفاده کنند. در نتیجه، تعاونیهای داده میتوانند هم نیاز سازمانها به دادههای باکیفیت و بهروز را برطرف کنند و هم به افراد این امکان را بدهند که کنترل دادههای خود را در دست داشته باشند و تصمیم بگیرند کدام شرکتها و تحت چه شرایطی از آنها استفاده کنند.
داده بهعنوان یک عامل جدید تولید
تأثیر فناوری بر کارکنان و کارفرمایان معمولاً بهصورت یک بازی با حاصل جمع صفر تحلیل میشود؛ جایی که اتوماسیون سود کارفرمایان را افزایش میدهد و در مقابل، فرصتهای شغلی کارکنان را کاهش میدهد. اما وابستگی هوش مصنوعی به دادههای تازه، این نگاه را به سه دلیل اساسی تغییر میدهد:
قابلیت تولید محتوا توسط هوش مصنوعی مولد میتواند بر نقشهایی مانند تبلیغات و بازاریابی، طراحی دارو و نوآوری، و طراحی و توسعه محصولات و فرآیندها تأثیر بگذارد. در واقع، اثر این فناوری بر مشاغل برنامهنویسی همین حالا هم قابل مشاهده است.
از آنجا که مدلهای هوش مصنوعی بهشدت به داده وابستهاند، میتوان آنها را نهتنها با خروجیهای نهایی، بلکه با دادههای تولیدشده در طول فرآیند خلق نیز آموزش داد. این دادهها معمولاً در مالکیت سازمان هستند و همین موضوع آموزش مدلهای داخلی آینده را سادهتر میکند.
بیشتر سازمانها همین حالا نیز به حجم عظیمی از دادههای گذشته دسترسی دارند که بخش قابلتوجهی از آنها میتواند برای پیشآموزش یا تنظیم دقیق مدلهای هوش مصنوعی مورد استفاده قرار گیرد.
برای مثال، تیمی از مهندسان را در نظر بگیرید که روی سیستم انتقال قدرت یک مدل جدید خودرو کار میکنند. چنین تیمی ممکن است شامل چند ده نفر با مهارتها و تجربیات متنوع باشد. در عین حال، خودروسازان به حجم زیادی از دادههای مربوط به طراحیهای قبلی، عملکرد، هزینهها و فرآیندهای توسعه دسترسی دارند. بنابراین قابل پیشبینی است که شرکتها بخشی از کارهای اولیه را به هوش مصنوعی واگذار کنند؛ موضوعی که میتواند بر برخی مشاغل دانشی در این حوزه تأثیر بگذارد.
با این حال، هوش مصنوعی برای بهبود عملکرد خود به دادههای جدیدتر، دقیقتر و گستردهتر نیاز دارد. سازمانهایی که صرفاً به قابلیتهای فعلی AI متکی باشند، دیر یا زود با پدیده «افت مدل» مواجه میشوند؛ یعنی کاهش تدریجی عملکرد مدلها در طول زمان. دلیل این اتفاق آن است که دادههایی که مدل با آنها آموزش دیده، دیگر نماینده شرایط واقعی فعلی نیستند.
ترجیحات، زمینهها و حتی درک ما از طنز، سلیقه و مد دائماً در حال تغییر است. این انسانها هستند که ترجیحات خود را نشان میدهند، به چیزهایی میخندند، با محتوا تعامل میکنند و محصولاتی را که مطابق سلیقهشان است استفاده میکنند. ارزشمندترین دادهها، دادههایی درباره خود انسانهاست و این دادهها از تعامل ما با سیستمهای دیجیتال تولید میشود. حذف انسان بهمعنای حذف دادههایی است که هوش مصنوعی برای تولید محتوا به آنها نیاز دارد. فقط ما هستیم که تعیین میکنیم آیا یک شوخی واقعاً خندهدار است، آیا یک تغییر ظریف در رنگ جذاب است یا اینکه دیگر چیزی که سه ماه پیش دوست داشتیم، امروز کافی نیست.
همین ویژگی، که ناشی از ماهیت هوش مصنوعی است و نه فناوریهای پیشین، میتواند بهطرز جالبی منافع کارفرمایان و کارکنان را به یکدیگر نزدیک کند. زیرا کارکنان انسانی نقش اساسی در تولید دادههای جدید دارند؛ دادههایی که در نهایت موتور محرک توسعه و بهبود هوش مصنوعی خواهند بود.
تعاونیهای داده برای داده همان نقشی را دارند که اتحادیههای کارگری برای نیروی کار
در محیط کار، این دانش عملی کارکنان، توانایی حل مسئله و مهارتهایی است که با هر چالش و نوآوری جدید تغییر میکند. بنابراین ارزشمندترین داده برای هوش مصنوعی که میتواند وظایف کارکنان را بر عهده بگیرد، مستقیماً از فعالیتهای خود کارکنان به دست میآید. تعامل واقعی آنها با ابزارها، سیستمها و مشتریان، دقیقاً همان دادهای را تولید میکند که هوش مصنوعی برای حفظ دقت و کارایی خود به آن نیاز دارد.
در همین نقطه است که تعاونیهای داده رویکردی جدید به حکمرانی داده ارائه میدهند؛ رویکردی که به کارکنان امکان میدهد دادههای جمعی خود را بهصورت مشترک مالکیت و مدیریت کنند، آن هم از طریق نوعی فرآیند تصمیمگیری نسبتاً غیرمتمرکز. این اتفاق زمانی رخ میدهد که اعضای یک تعاونی داده بتوانند دادههایی را که در منابع مختلف پراکنده است، در یک مجموعه یکپارچه گردآوری کنند. تجمیع دادههایی که اعضا از منابع و موقعیتهای گوناگون تولید میکنند، میتواند به شکلگیری محصولات، خدمات و مدلهای کسبوکار جدیدی منجر شود که با مشارکتهای فردی یا دادههای محدود به یک منبع (مثل یک شرکت یا یک پلتفرم) قابل دستیابی نیست.
علاوه بر این، وقتی کارکنان شروع به کسب درآمد از دادههای خود در قالب تعاونیها کنند، احتمال بیشتری دارد که فرآیندهای کاری خود را طوری بازطراحی کنند که جمعآوری داده باکیفیتتر و دقیقتر شود. این موضوع هم به بهبود عملکرد هوش مصنوعی در سازمان کمک میکند و هم میتواند درآمد بیشتری برای کارکنان از محل دادههایشان ایجاد کند.
برخلاف اتحادیههای کارگری که بهطور سنتی مسیر یکطرفهای برای بهبود شرایط کارکنان دنبال میکنند، تعاونیهای داده بیشتر شبیه تأمینکنندگان دادههای آموزشی عمل میکنند و بر اساس منطق بازار به تقاضای برآوردهنشده پاسخ میدهند؛ یعنی نیاز به دادههای بهروز برای آموزش سیستمهای هوش مصنوعی. این کار میتواند با حفظ حریم خصوصی انجام شود، بهگونهای که اعضای تعاونی کنترل کامل بر اطلاعات شخصی خود داشته باشند. این مدل به کارکنان قدرت میدهد تا قواعد مشترکی برای استفاده از داده تعیین کنند و در نتیجه قدرت چانهزنی خود را در برابر کارفرمایان افزایش دهند.
در عمل، این به این معناست که تعاونیهای داده باید به کارکنان امکان دهند دادههای خود را از منابع مختلف جمعآوری کنند و در هر مورد مشخص کنند که کدام طرف ثالث (مثلاً کارفرما) اجازه استفاده از این دادهها برای آموزش الگوریتمها را دارد. این سازوکار به کارکنان اجازه میدهد هم از دادههای خود کسب درآمد کنند و هم کنترل آن را در یک چارچوب واحد حفظ کنند. مدلهای مختلفی برای پیادهسازی این ایده وجود دارد: برخی از بلاکچین استفاده میکنند، برخی دیگر به اپلیکیشنهای واسط متکی هستند و برخی نیز دادهها را بهصورت محلی نگه میدارند و فقط کنترل دسترسی را در اختیار کاربر قرار میدهند.
اکنون که داده بهطور فزایندهای بهعنوان یک عامل تولید در اقتصاد مورد استفاده قرار میگیرد، ظهور تعاونیهای داده امری طبیعی به نظر میرسد. این همان منطقی است که در گذشته به شکلگیری اتحادیههای کارگری انجامید: پراکندگی مالکیت یک عامل تولید (چه نیروی کار باشد و چه داده) باعث کاهش قدرت چانهزنی افراد در برابر کارفرما میشود.
داده و نیروی کار، هر دو از عوامل حیاتی تولید هستند و هر دو با چالش پراکندگی مواجهاند. اما تفاوت مهم اینجاست که داده عمدتاً در مقیاس بزرگ ارزش ایجاد میکند. بنابراین برای استخراج ارزش از آن، باید دادهها تجمیع شوند. به همین دلیل است که از اصطلاح «کلانداده» استفاده میکنیم.
در چارچوب تعاونیهای داده، مالکیت جمعی داده نهتنها قدرت چانهزنی را افزایش میدهد، بلکه با استفاده از حجم و تنوع دادههای اعضا، امکان خلق ارزش را نیز فراهم میکند. این موضوع نشان میدهد که ساختارهای مالکیت توزیعشده میتوانند فراتر از مذاکره، به ایجاد مزایای اقتصادی و اجتماعی گستردهتر منجر شوند.
این موضوع چه معنایی برای آینده رابطه کارفرما و کارکنان دارد
برای آزادسازی این ارزش اقتصادی و شکوفایی همزمان کارفرمایان و کارکنان در اقتصاد داده، همه ذینفعان باید سطح سواد دادهای خود را ارتقا دهند. کارکنان و کارفرمایان باید درک کنند که داده چگونه ارزش ایجاد میکند؛ از طریق تجمیع و تحلیل برای استخراج الگوها و بینشهایی که به بهبود تصمیمگیری و آموزش مدلهای هوش مصنوعی کمک میکند. همچنین کارکنان باید بدانند در جریان کار روزمره چگونه در تولید و مدیریت این دادهها نقش دارند و از قدرت جمعیای که تعاونیها در اختیارشان میگذارند، برای شکل دادن به گفتوگو درباره آینده کار استفاده کنند.
برای بهرهبرداری کامل از دادههایی که افراد تولید میکنند و در عین حال حفظ کنترل کارکنان بر دادههایشان و دریافت جبران منصفانه، کارفرمایان و کارکنان میتوانند اقدامات زیر را دنبال کنند تا آینده اقتصاد دیجیتال و در نتیجه آینده کار را شکل دهند:
1. ارزیابی منابع و ظرفیت دادهای داخل سازمان
کارفرمایان و کارکنان باید با یک ارزیابی جامع از دادههایی که سازمان جمعآوری و تولید میکند شروع کنند و مشخص کنند کدام دادهها برای آموزش هوش مصنوعی یا تحلیل ارزشمند هستند. در این مسیر، شناسایی دادههایی که توسط کارکنان تولید میشود میتواند مبنایی برای سنجش سهم آنها در خلق ارزش مبتنی بر داده باشد. ابتکار «رصدخانه الگوریتمی کارکنان» که در دانشگاه پرینستون شکل گرفته، به کارکنان کمک میکند دادهها را بهصورت جمعی گردآوری کنند و سیستمهای الگوریتمیای را که بر حقوق، زمانبندی و سایر جنبههای کار در اقتصاد پلتفرمی اثر میگذارند، بررسی کنند. این ابتکار میتواند منبع الهام و راهنما برای سازمانها باشد.
2. درگیر کردن کارکنان در برنامههای سواد داده
سازمانها میتوانند با اجرای برنامههای آموزشی، سطح سواد دادهای کارکنان خود را افزایش دهند. آموزش درباره اینکه فعالیتهای روزمره چگونه داده ارزشمند تولید میکند، این داده چه نقشی در توسعه هوش مصنوعی دارد و کارکنان چگونه میتوانند در تعاونیهای داده مشارکت کنند، به ایجاد دانش ارزشمند منجر میشود. این دانش به کارکنان کمک میکند ارزش بیشتری از دادههای سازمان ایجاد کنند و در عین حال، زبان مشترکی میان همه ذینفعان درباره ارزش تعاونیهای داده شکل میدهد. نتیجه برای همه مثبت است: کارکنان بهتر میفهمند چگونه ارزش خلق میکنند و در قبال آن پاداش میگیرند، و کارفرمایان نیز به دادههای باکیفیتتری دست پیدا میکنند. شرکت داروسازی Roche از پیشگامان این حوزه است.
3. گنجاندن بندهای مربوط به تعاونیهای داده در قراردادهای کاری
سازمانها میتوانند با بهروزرسانی قراردادهای کاری و افزودن بندهایی که حقوق کارکنان نسبت به دادههایشان را به رسمیت میشناسد و نحوه استفاده از این دادهها در همکاری با تعاونیها را مشخص میکند، در این حوزه پیشرو شوند. این اقدام به شفافیت کمک میکند، چارچوب حقوقی مشخصی برای استفاده از داده فراهم میآورد و میتواند در جذب استعدادهای جدید مؤثر باشد. چنین ایدههایی در ابتکاراتی مانند «اتحادیه کارگران داده» در حال بررسی است. شرکتها میتوانند از این بحثها الهام بگیرند و سیاستهای خود را تدوین کنند تا جلوتر از یک مسئله مهم روابط کار در آینده حرکت کنند. اقدام پیشدستانه به سازمانها کمک میکند یک سیستم برد-برد ایجاد کنند و از تعارضات پرهزینه در آینده جلوگیری کنند.
با توجه به پویایی مداوم جامعه، هوش مصنوعی حداقل در آینده قابل پیشبینی همچنان به دادهها و راهنماییهای انسانی نیاز خواهد داشت تا بتواند ارزش واقعی ایجاد کند. بنابراین کارکنان نقش کلیدی در حفظ مرتبط بودن هوش مصنوعی دارند. در واقع این ترکیب نیروی کار، سرمایه و هوش مصنوعی است که میتواند ارزشی را که شرکتهای مشاورهای مانند McKinsey پیشبینی میکنند، محقق کند. به همین دلیل، کارکنان باید بر درک تعامل میان سرمایه، نیروی کار و داده تمرکز کنند و با شناخت درست از ماهیت هوش مصنوعی، در شکلدهی به آینده کار نقش فعال داشته باشند.
رهبران کسبوکار نیز باید این وابستگی متقابل میان سرمایه، نیروی کار و داده را درک کنند تا بتوانند چارچوبهای همکاری مؤثری طراحی کنند که هم سازمانها و هم جامعه در عصر هوش مصنوعی رشد کنند.
جمعبندی
با ادامه تحول صنایع توسط هوش مصنوعی، تنش میان کارفرمایان و کارکنان دانشی در حال افزایش است. کارکنان بیش از گذشته در برابر تأثیرات هوش مصنوعی واکنش نشان میدهند و موضوع مالکیت و استفاده از داده به محور اصلی مذاکرات کاری تبدیل شده است. تعاونیهای داده میتوانند راهکاری امیدوارکننده باشند، زیرا به کارکنان اجازه میدهند دادههای خود را کنترل، مدیریت و از آن کسب درآمد کنند و در نتیجه قدرت چانهزنی بیشتری داشته باشند.
مالکیت داده حیاتی است و هوش مصنوعی به داده تازه نیاز دارد. بدون ورودی مستمر انسانی، عملکرد مدلهای هوش مصنوعی کاهش مییابد. در حالی که کارکنان دادههای ارزشمند تولید میکنند، معمولاً این دادهها بدون جبران مناسب در اختیار سازمانها قرار میگیرد.
نقش تعاونیهای داده. این تعاونیها میتوانند مشابه نقش تاریخی اتحادیههای کارگری، به کارکنان قدرت کنترل و کسب درآمد از دادههایشان را بدهند.
همکاری کارفرما و کارکنان. شرکتها باید شفافیت داده را افزایش دهند، برنامههای سواد داده اجرا کنند و حقوق داده را در قراردادهای کاری لحاظ کنند.
یک پارادایم جدید در روابط کار. همراستاسازی هوش مصنوعی، نیروی کار و سرمایه میتواند ارزشی پایدار برای کسبوکارها و کارکنان ایجاد کند.
برای ثبت دیدگاه وارد حساب کاربری خود شوید.
