علیرغم همه پیشرفت‌های دیجیتال خیره‌کننده، تریلیون‌ها دلاری که صرف فناوری رایانه می‌شود، تقریباً هیچ کاری برای تبدیل جهان به مکانی پربارتر انجام نداده است. رابرت سولو، اقتصاددانی که این مشکل را شناسایی کرد، آن را پارادوکس بهره وری نامید. در سال 1987، یک دهه پس از انقلاب کامپیوتری، او مشاهده کرد که رشد بهره وری در واقع کند شده است. او نوشت: «عصر رایانه را در همه جا می‌توانید ببینید، اما در آمار بهره‌وری».
اقتصاددانان و مورخان زمان زیادی را صرف این موضوع کرده اند که چرا ممکن است این اتفاق بیفتد. اما پاسخ را می‌دانید: نرم‌افزار قرار است ما را سریع‌تر کند، اما اغلب ما را کندتر می‌کند. نیم ساعتی را به طرز ناشیانه ای صرف پر کردن فایل های PDF می کنیم که می توانستیم با مداد و کاغذ در یک دقیقه انجام دهیم. ما یک ساعت را صرف ایمیل‌های برگشتی می‌کنیم تا نکته‌ای را که می‌توانست در 30 ثانیه روی تلفن مشخص شود، روشن کنیم. عصر دیجیتال بسیاری از کارهای روزمره را پیچیده تر و کارآمدتر از 30 سال پیش کرده است.
دستاوردهای عظیم بهره وری عصر صنعتی فقط به این دلیل اتفاق نیفتاده است که فردی یک فناوری جدید را اختراع کرده است. آنها به این دلیل اتفاق افتادند که مردم همچنین متوجه شدند که چگونه می‌توانند کار را پیرامون آن فناوری سازماندهی مجدد کنند. برای مثال، اگر کارگران نساجی شبکه‌ای پراکنده از کشاورزان مستقل باقی می‌ماندند، بر خلاف گروهی از کارمندان که زیر یک سقف کارخانه جمع شده بودند، یک موتور بخار برای تولید نساجی فایده‌ای نداشت. و هنگامی که هنری فورد آنها را در کارخانه خود استفاده کرد، تسمه نقاله چیز جدیدی نبود. انقلاب این بود که چگونه کارگران را ترتیب داد تا از آنها استفاده کنند و کار پیچیده خودروسازی را به وظایف تکراری و خاص تقسیم کرد. پیشرفت فورد به همان اندازه سازمانی بود که فناوری بود.
رایانه‌ها نتوانسته‌اند افزایش بهره‌وری را افزایش دهند، اما مشکل رایانه‌ها نیستند. این است که ما به کارگران اجازه نداده‌ایم از قدرت واقعی رایانه‌ها – اتوماسیون – بهره ببرند. ما هنوز از آنها مانند ماشین تحریر یا ماشین حساب استفاده می کنیم.
ورود ChatGPT – بیش از همه، توانایی قابل توجه آن در نوشتن کدهای کامپیوتری برای خودکارسازی وظایف تعریف شده – می تواند همه اینها را تغییر دهد. به جای حذف کلی بسیاری از مشاغل یقه سفید، همانطور که مردم به طور قابل درک نگران هستند که انجام دهد، این توانایی را دارد که کاری بسیار قدرتمندتر انجام دهد: حذف آنچه در آن مشاغل خسته کننده است، آزاد کردن ما برای تحریک بیشتر، خلاق تر و بیشتر انسان در کار ما در این فرآیند می تواند بهره وری را به شدت افزایش دهد.
امروزه بیشتر مشاغل اداری به دستکاری داده ها مربوط می شود. چیزهای زیادی وجود دارد که هوش مصنوعی نمی تواند انجام دهد، اما در نوشتن کد برای دستکاری داده ها بسیار خوب است. کارمندان اداری همگی مشاور فنی شخصی خود را دارند. آنها فقط باید یاد بگیرند که از آن استفاده کنند.
به عنوان یک مورخ، اعتراف می کنم که به سرعت به این ایده که ChatGPT می تواند هر بخشی از کار من را انجام دهد، پوزخند زدم. منظورم این است که آیا تا به حال از آن خواسته اید که علل جنگ جهانی اول را تفسیر کند؟ فهرستی از عوامل مؤثر را به شما ارائه می دهد. و نوشتن – من را شروع به نوشتن نکنید.
اما بعد به این فکر افتادم که از ChatGPT بخواهم کد کامپیوتری را برای تجزیه و تحلیل مجموعه داده ها بنویسد، که کار پر زحمتی است که من به عنوان یک مورخ اقتصادی اغلب باید انجام دهم. چیزهایی وجود دارد که می دانم چگونه کدنویسی کنم، و چیزهایی وجود دارد که آرزو می کردم می دانستم چگونه کدنویسی کنم. ChatGPT می تواند هر دو را به راحتی انجام دهد. کارهای کسل کننده و تکراری که می دانستم کامپیوتر باید قادر به انجام آن باشد، اما نمی دانستم چگونه آن را انجام دهم، ناگهان به آسانی تایپ کردن درخواست من شد.
اگر یک مورخ بتواند این کار را انجام دهد، هر کسی می تواند.
ChatGPT ممکن است نتواند به کسی در یک شرکت تامین پزشکی کمک کند تا بفهمد چرا و کجا یک دسته خاص از دارو در محل نادرست قرار گرفته است – که ممکن است نیاز به نبوغ واقعی داشته باشد. اما می‌تواند تجارت خسته‌کننده ردیابی سفارش‌ها و تحویل‌ها در صفحه‌گسترده اکسل را برعهده بگیرد و زمان بیشتری را برای کارمند ایجاد کند تا دقیقاً آن نوع کار حل مسئله چالش‌برانگیزتر و رضایت‌بخش‌تر را انجام دهد.
محققان مؤسسه فناوری ماساچوست اخیراً آزمایشی را با 444 “متخصص تحصیل کرده دانشگاهی” انجام دادند که به آنها “وظیفه نوشتن حرفه ای در سطح متوسط” مانند تهیه پیش نویس اخبار یا ایمیل های ظریف داده شد. نیمی با ChatGPT ارائه شدند و نیمی دیگر نداشتند. شرکت کنندگانی که ChatGPT دریافت کردند زمان کمتری گرفتند، بهتر نوشتند و گزارش دادند که از این کار لذت بیشتری می برند. شاید مهم‌تر از آن، ChatGPT به «کارگران کم‌توان» کمک کرد، به این معنی که آنهایی که مهارت‌های نوشتاری ضعیف‌تری دارند – اما شاید ایده‌های خوبی دارند – می‌توانند کار را به طور مؤثر انجام دهند.
ChatGPT می تواند این کار را برای نوشتن تکالیف انجام دهد، اما می تواند این کار را حتی برای کارهای کدنویسی بهتر انجام دهد. کارهای به ظاهر غیرممکن، مانند ساخت داشبورد جدید برای ردیابی نقشه های حرارتی فروش هفتگی در اکسل، آسان خواهد بود. با تقسیم مسائل تحلیلی پیچیده به مراحل کوچک، مانند کاری که مهندسان فورد برای مدل T انجام دادند، کارمندان قادر خواهند بود خطوط مونتاژ داده‌های خود را بسازند و آنها را آزاد کنند تا کارهای خلاقانه‌تری انجام دهند. اسمش را اتوماسیون روزمره بگذارید.
من متوجه هستم که خودکار کردن کارهای روزمره شما می تواند ترسناک باشد. اگر یک ماکرو بتواند گزارش روزانه شما را در پنج ثانیه به جای پنج ساعتی که شما طول می کشد تولید کند، ارزش شما چیست؟ وسوسه انگیز است که خودمان یا کارمندانمان را چیزی جز آن کارهای تکراری ببینیم. ما نمی توانیم دنیایی را تصور کنیم که همان کارمندان بتوانند کارهای بیشتری انجام دهند.
اما اگر یک شرکت بتواند این گام مهم را از اجتناب بردارد در آغوش گرفتن اتوماسیون روزمره، مزیت رقابتی خواهد داشت. شرکت‌هایی که کارگرانی را ارتقا می‌دهند که می‌توانند بخش‌های خسته‌کننده‌ی شغل خود را خودکار کنند، در درازمدت سود بیشتری خواهند داشت، زیرا آن کارمندان می‌توانند کارهای پیچیده‌تر، مفیدتر و انسانی‌تر انجام دهند. تقریباً طبق تعریف، کاری که نمی‌تواند خودکار شود، دستمزد بهتری خواهد داشت.
تا به حال، باید از بخش فناوری اطلاعات بخواهید که به خودکارسازی بخشی از جریان کاری شما کمک کند. اما با ChatGPT هر کسی می تواند این کار را انجام دهد، فقط با کمی آموزش. مانند خط مونتاژ فورد، چالش امروز دیگر تکنولوژیکی نیست، بلکه سازمانی است.
درست است که برخی از شرکت های کوته فکر خوشحال می شوند همان کاری را که اکنون انجام می دهند، اما با افراد کمتر انجام دهند. اما گمان من این است که بیشتر مشاغل موفق پتانسیل بلندمدت تشویق کارگران برای حل مشکلات سخت تر را درک خواهند کرد.
تغییر روش سازماندهی شرکت ها بسیار سخت تر از ارتقاء نرم افزار است. با وجود آنچه در اخبار می خوانید، اکثر ما در گوگل یا آمازون کار نمی کنیم. ما در همان شرکت‌هایی کار می‌کنیم که در سال 1973 وجود داشتند، که سعی کردند بدون کاغذ کار کنند، اما هرگز موفق نشدند. تغییر واقعی ممکن است یک یا دو نسل طول بکشد – اما امیدواریم که نه.
اتوماسیون روزمره، اگر اتفاق بیفتد، نابودی هنری فورد خواهد بود. تولید خط مونتاژ او به کارگران دستمزد بهتری می‌داد، اما غیرانسانی بود. این نشان می‌دهد که تنها راهی که می‌توانیم بهره‌ورتر باشیم و پول بیشتری به دست آوریم، شبیه‌تر شدن به ماشین‌ها بود. اتوماسیون روزمره برعکس این را می گوید: اینکه راه برای بهره وری بیشتر و کسب درآمد بیشتر این است که از فناوری خود برای انسان تر شدن دوباره استفاده کنیم.
لویی هیمن (@louishyman) یک مورخ در مدرسه ILR در کرنل است و اخیراً نویسنده کتاب «Temp: How American Work, Business American and the American Dream Cake Temporary» است.
تایمز متعهد به انتشار است تنوع حروف به سردبیر مایلیم نظر شما را در مورد این مقاله یا هر یک از مقالات ما بدانیم. در اینجا برخی از نکات. و این هم ایمیل ما: letters@nytimes.com.
بخش نظرات نیویورک تایمز را دنبال کنید فیس بوک، توییتر (@NYTopinion) و اینستاگرام.
