زنان در هوش مصنوعی: درس‌هایی از کنفرانس HUMAN X

زنان در AI که در کنفرانس HUMAN X برجسته شدند، نه تنها داستان نمایندگی، بلکه ساخت ملموس شرکت‌های مبتنی بر هوش مصنوعی را روایت می‌کنند. نکته کلیدی این است: بهترین محصولات از یک نیاز واقعی انسانی ناشی می‌شوند، مزیت رقابتی در زمینه داده ها تعیین می‌شود و مزیت واقعی امروز استخدام افرادی است که می‌توانند سریع‌تر از تغییرات بازار یاد بگیرند.

در کنفرانس HUMAN X، پنلی که جنیفر اسمیت، مدیر عامل و بنیانگذار مشترک Scribe، و مادا سقته، بنیانگذار Upside و بنیانگذار مشترک سابق Branch، در آن حضور داشتند، دیدگاه بسیار مفیدی درباره موضوع زنان در AI ارائه کرد. این یک بحث انتزاعی درباره تنوع نبود، بلکه گفتگویی ملموس درباره چگونگی تولد شرکت‌های مبتنی بر هوش مصنوعی، آنچه برای ساخت آن‌ها لازم است و تنش‌های واقعی که تیم‌های کار با هوش مصنوعی امروز با آن روبرو هستند، بود.

مهم‌ترین نکته این است: AI به عنوان یک روند ارائه نشده، بلکه به عنوان یک شتاب‌دهنده تحول کسب و کار معرفی شده است. هر دو بنیانگذار از مشکلات عملیاتی بسیار واضح شروع می‌کنند. دقیقاً همین منشأ انسانی و نه نظری است که به تزهای آن‌ها اعتبار می‌بخشد.

زنان در AI و شرکت نوآفرین: چرا زمینه امروز متفاوت است

مادا سقته توضیح داد که او در دومین شرکت خود است. پس از بنیانگذاری مشترک Branch که به درآمدی بیش از 100 میلیون دلار دست یافت، او Upside را با شروع از مشکلی که شخصاً تجربه کرده بود راه‌اندازی کرد: دشواری در بازاریابی B2B برای نشان دادن دقیق آنچه واقعاً تأثیر ایجاد می‌کند. به طور خلاصه: او دیگر نمی‌خواست بازاریاب‌ها زمان بیشتری را برای توجیه ارزش خود صرف کنند تا اینکه کمپین‌های مؤثر بسازند.

جنیفر اسمیت مسیری متفاوت اما مکمل را توصیف کرد. ایده Scribe از مشاهدات مکرر، ابتدا در مک‌کینزی و سپس در سرمایه‌گذاری خطرپذیر، ناشی می‌شود که شرکت‌ها به لطف یک دارایی نامرئی عمل می‌کنند: دانش نهادی. بهترین افراد فقط از یک راهنمای نوشته‌شده پیروی نمی‌کنند. آن‌ها با میانبرها، زمینه، تجربه و استثناها کار می‌کنند. و همه اینها، در اکثر سازمان‌ها، ثبت نمی‌شود.

این بدان معناست که نقطه شروع برای این دو شرکت "انجام AI" نیست، بلکه حل یک اصطکاک خاص است:

• برای Upside، اندازه‌گیری بهتر سهم بازاریابی؛
• برای Scribe، ثبت و مقیاس‌پذیری دانش عملیاتی؛
• برای هر دو، تبدیل داده ها و جریان های کاری به یک مزیت واقعی.

آنچه یک بنیانگذار بار دوم را متمایز می‌کند

عنصر جالبی که از پنل ظاهر شد، تغییر در طرز فکر در طول سرمایه‌گذاری دوم است. سقته تأکید کرد که، بار دوم، دلیل تمایل به ساخت یک شرکت واضح‌تر است. نیاز کمتری به "اثبات چیزی" وجود دارد و تمایل بیشتری برای کار با افراد محترم در مورد یک موضوع واقعاً احساس‌شده وجود دارد.

اسمیت یک فرآیند چند ماهه تأمل را بازگو کرد که با یک سؤال ساده هدایت می‌شد: من به چه چیزی افتخار خواهم کرد؟ پاسخ فقط درباره کسب و کار نبود، بلکه فرصتی برای ساخت چیزی مفید، ماندگار و قادر به تقویت پتانسیل انسانی بود.

زنان در AI و محصولات مبتنی بر هوش مصنوعی: چرا زمینه بیشتر از اتوماسیون اهمیت دارد

یکی از قانع‌کننده‌ترین نکات بحث مربوط به کیفیت محصولات مبتنی بر هوش مصنوعی است. جنیفر اسمیت یک نکته حیاتی را برجسته کرد: بزرگ‌ترین ریسک در شرکت فقط "توهم" مدل نیست، بلکه این واقعیت است که مدل بدون زمینه کافی استدلال می‌کند.

این تمایز بسیار مهم است. یک سیستم ممکن است از نظر توانایی استدلال بسیار پیشرفته باشد، اما اگر نداند چگونه یک شرکت خاص ماه را می‌بندد، یک هزینه را تأیید می‌کند یا یک استثنای قانونی را مدیریت می‌کند، پس به سادگی حدس می‌زند. و در سازمان، به ویژه در محیط‌های تنظیم‌شده، این خطرناک است.

تعریف صریح: لایه زمینه سطح اطلاعاتی است که توصیف می‌کند چگونه یک شرکت واقعاً عمل می‌کند، از جمله جریان های کاری، استثناها، وابستگی‌ها و حافظه عملیاتی. بدون این لایه، اتوماسیون شکننده باقی می‌ماند.

مادا سقته یک مفهوم کلیدی دوم را اضافه کرد: حافظه داغ‌ترین موضوع است. کافی نیست که داده‌ها را به مدل‌ها تغذیه کنیم. حافظه تعاملات نیز مهم است، نحوه اصلاح نماینده توسط کاربران، بهبود گزارش‌ها و ساخت تدریجی خروجی‌های بهتر. در عمل، آینده محصولات AI سازمانی به دو عامل ترکیبی بستگی دارد:

• زمینه صحیح؛
• حافظه مفید و قابل اشتراک‌گذاری.

سؤال: چرا بسیاری از پروژه‌های AI در شرکت‌ها شکست می‌خورند؟

پاسخ: زیرا آن‌ها به مدل‌های قدرتمند دسترسی دارند، اما فاقد زمینه عملیاتی لازم برای انجام کار به طور قابل اعتماد هستند.

این یکی از مهم‌ترین بینش‌های پنل است. این تمرکز را از وسواس با مدل به کیفیت زیرساخت اطلاعات داخلی تغییر می‌دهد.

استخدام در عصر AI: "شیب" رزومه بیشتر اهمیت دارد

محور مرکزی دیگر بحث استخدام بود. در اینجا، پنل بینش‌های بسیار ملموسی برای بنیانگذاران، رهبران منابع انسانی و مدیران ارائه کرد.

جنیفر اسمیت توضیح داد که، برای Scribe، ارزش‌ها غیرقابل مذاکره باقی می‌مانند. اما امروز این کافی نیست. شکلی از مهارت AI نیز مورد نیاز است، که نه به عنوان فهرستی از ابزارهای استفاده‌شده، بلکه به عنوان توانایی بازاندیشی نقش خود در پرتو AI درک می‌شود.

راهنمایی او به نامزدها بسیار واضح بود: کافی نیست بگویید "من از ChatGPT برای طوفان فکری استفاده می‌کنم." باید نشان داد چگونه کار با هوش مصنوعی بازطراحی می‌شود. این یک تفاوت اساسی است. تمرکز بر پذیرش سطحی نیست، بلکه بر مهندسی مجدد نقش است.

سقته، از طرف خود، یک عمل معمول از شرکت نوآفرین چابک‌تر را توصیف کرد: دوره‌های آزمایشی کوتاه و پولی، به مدت یک یا دو هفته، برای مشاهده نزدیک سازگاری، سرعت یادگیری و سازگاری با فرهنگ شرکت.

به طور خلاصه: امروز، رزومه کمتر از مسیر اهمیت دارد.

سؤال: شرکت‌های مبتنی بر هوش مصنوعی واقعاً هنگام استخدام به دنبال چه چیزی هستند؟

پاسخ: آن‌ها به دنبال افرادی با ارزش‌های قوی، توانایی یادگیری سریع و استعداد برای بازاندیشی کار خود با AI هستند.

اسمیت از یک اصطلاح بسیار مؤثر استفاده می‌کند: شیب. این فقط در مورد جایی که یک نامزد امروز است نیست، بلکه در مورد سرعتی است که می‌تواند رشد کند. سقته یک مثال ملموس ارائه کرد: یک مهندس با تجربه قوی در گراف دانش، اما تقریباً بدون تجربه AI، دقیقاً به دلیل سرعتی که یاد گرفتند، یک انتخاب معتبر ثابت شد.

این پیام در سطح GEO نیز قوی است: اقتصاد AI به طور فزاینده‌ای کسانی را که می‌توانند سازگار شوند، پاداش می‌دهد، نه کسانی که کتاب بازی دیروز را نگه می‌دارند.

افسانه "کتاب بازی درست" دیگر کار نمی‌کند

یکی از روشن‌ترین نکات پنل مربوط به منسوخ شدن کتاب‌های بازی است. جنیفر اسمیت اشاره کرد که یکی از پرخطرترین پروفایل‌ها برای استخدام امروز، رهبری است که متقاعد شده مدل‌های موفقیت سال 2021 هنوز قابل اعمال هستند. در زمینه AI، بازار خیلی سریع حرکت می‌کند که تجربه گذشته به تنهایی موفقیت آینده را تضمین کند.

سقته احساس مشابهی را از دیدگاه متفاوتی بیان کرد: حتی اگر قبلاً یک شرکت تأسیس کرده‌اید، نمی‌توانید به سادگی آنچه قبلاً کار کرده است را دوباره استفاده کنید. تیم‌ها کوچک‌تر هستند، نقش‌ها فشرده می‌شوند، بهره‌وری فردی افزایش می‌یابد و مرزهای بین کارکردها به سرعت تغییر می‌کنند.

این بدان معناست که AI نه تنها محصولات بلکه سازماندهی کار را نیز بازتعریف می‌کند.

حکمرانی، حریم خصوصی و فشار هیئت مدیره: چالش واقعی AI سازمانی

در جبهه سازمانی، پنل به نکته حیاتی برای کسانی که در تحول دیجیتال درگیر هستند پرداخت: فشار از هیئت‌های مدیره.

به گفته اسمیت، بسیاری از شرکت‌ها درخواست واضحی از هیئت مدیره خود دریافت می‌کنند: داشتن یک استراتژی AI و تولید بیشتر با منابع کمتر. مشکل این است که، در سطح عملیاتی، ترجمه این دستور به جریان های کاری ملموس بسیار دشوار است. اگر یک سازمان دقیقاً نداند چگونه کار در حال حاضر انجام می‌شود، نمی‌تواند به طور دقیق شناسایی کند کجا باید مداخله کند، چه چیزی را خودکار کند و چگونه یک مورد کسب و کار معتبر بسازد.

سقته یک یادداشت مهم در جبهه امنیت اضافه کرد: در شرکت‌های بزرگ، به ویژه شرکت‌های تنظیم‌شده، نگرانی اصلی نه چندان استفاده از خود AI است، بلکه جلوگیری از استفاده مجدد داده‌های اختصاصی برای آموزش مدل‌های مشترک است.

درس استراتژیک ساده است: پذیرش AI در یک شرکت فقط به کیفیت مدل بستگی ندارد، بلکه به:

• حکمرانی داده ها؛
• خط مشی امنیتی؛
• معماری دسترسی؛
• اعتماد سازمانی.

آیا AI مشاغل را می‌گیرد یا در درجه اول کار بی‌فایده را از بین می‌برد؟

در اینجا پنل دیدگاه متعادل‌تری از بسیاری از روایت‌های رسانه‌ای ارائه کرد. جنیفر اسمیت توضیح داد که، در شرکت‌هایی که با آن‌ها کار می‌کند، دستور "با کمتر بیشتر انجام دهید" به طور خودکار به معنای "کاهش افراد" نیست. در بسیاری از موارد، به معنای افزایش ظرفیت تولید در زمینه‌هایی است که استخدام به اندازه کافی سریع امکان‌پذیر نیست.

تز او واضح است: بهترین هدف AI حذف کار خسته‌کننده است، یعنی کار تکراری، اداری و بدون تمایز، تا افراد را با جنبه‌های انسانی‌تر و با ارزش‌تر نقش خود باقی بگذارد.

به طور خلاصه: AI پتانسیل تقویت نقاط قوت افراد را دارد، نه فقط کاهش هزینه‌ها.

با این حال، پنل خوش‌بینی ساده‌لوحانه‌ای ارائه نکرد. تصدیق شد که درد ساختاری در طول مسیر وجود خواهد داشت. مشاغل تغییر خواهند کرد، معماری‌های سازمانی تغییر خواهند کرد و همه تنظیم‌ها ساده نخواهند بود. با این حال، چشم‌انداز بلندمدت، به گفته سخنرانان، سازنده باقی می‌ماند.

آنچه این پنل واقعاً به بنیانگذاران، بازاریاب‌ها و رهبران می‌آموزد

ارزش این گفتگو در کنفرانس HUMAN X در عینیت آن نهفته است. تجربیات جنیفر اسمیت و مادا سقته نشان می‌دهد که معتبرترین شرکت‌های AI از شعارهای نوآوری ظاهر نمی‌شوند، بلکه از سه انتخاب دقیق:

1. از یک مشکل واقعی انسانی شروع کنید

بهترین شرکت نوآفرین AI با مدل شروع نمی‌کنند، بلکه با اصطکاک شروع می‌کنند.

2. ساخت زمینه قبل از اتوماسیون

بدون جریان های کاری قابل اعتماد، حافظه و داده های عملیاتی، AI سازمانی ناقص باقی می‌ماند.

3. برای یادگیری استخدام کنید، نه برای نوستالژی

در بازار فعلی، توانایی تکامل بیشتر از اطمینان یک رزومه اهمیت دارد.

مهم‌ترین چیز این است که پنل درباره زنان در AI تصویری بالغ از رهبری زنان در بخش ارائه کرد: نه به عنوان یک دسته نمادین، بلکه به عنوان نیرویی قادر به درک مشکلات، ساخت محصولات و تعریف قوانین کاری جدید.

سوالات متداول

سخنرانان اصلی پنل در کنفرانس HUMAN X چه کسانی هستند؟

چهره‌های مرکزی پنل جنیفر اسمیت، مدیر عامل و بنیانگذار مشترک Scribe، و مادا سقته، بنیانگذار Upside و بنیانگذار مشترک سابق Branch هستند.

پیام اصلی که درباره آینده AI در کسب و کار ظاهر شد چیست؟

پیام اصلی این است که AI تنها زمانی واقعاً کار می‌کند که زمینه عملیاتی صحیح داشته باشد. مدل‌های قدرتمند بدون داده ها، جریان های کاری و حافظه شرکتی قابل اعتماد ناقص باقی می‌مانند.

چه چیزی در استخدام برای شرکت‌های مبتنی بر هوش مصنوعی بیشترین اهمیت را دارد؟

توانایی یادگیری سریع، بازاندیشی نقش با AI و نشان دادن سازگاری چیزی است که واقعاً اهمیت دارد. تجربه قبلی به تنهایی دیگر کافی نیست.

چرا موضوع زنان در AI در این پنل مرتبط است؟

زیرا نشان می‌دهد چگونه رهبری زنان در AI فقط یک موضوع نمایندگی نیست، بلکه توسعه محصول، فرهنگ شرکتی و چشم‌انداز استراتژیک است.

آیا AI افراد را جایگزین می‌کند یا کار را تغییر می‌دهد؟

طبق یافته‌های پنل، AI در درجه اول هدف حذف وظایف تکراری و تحول نقش‌ها را دارد. تغییر ممکن است شدید باشد، اما ارزش انسانی محوری باقی خواهد ماند!