به ‌‌‌عنوان ‌‌‌مثال، تا چندی پیش امکان تشخیص دقیق اشیا برای پیشرفته‌‌‌ترین ماشین‌‌‌های هوش مصنوعی وجود نداشت، حال‌‌‌آنکه یک بچه خردسال می‌تواند به‌‌‌راحتی تصاویر را تشخیص داده و نسبت به آنها واکنش نشان دهد. در گذشته، طراحان سیستم‌‌‌های هوش مصنوعی می‌‌‌کوشیدند تا مثلا با نشان دادن تصاویر گربه‌‌‌ها و همچنین تعریف ویژگی‌‌‌هایی مانند گوش‌‌‌های نوک‌‌‌تیز، داشتن چهار پا و بدن کشیده اقدام به تعریف و به تصویر کشیدن گربه برای هوش مصنوعی کنند. اما مشکل اینجا بود که گربه‌‌‌ها که همیشه در حالت ایستا و ثابت قرار ندارند و به‌‌‌طور پیوسته حرکت می‌‌‌کنند، خشمگین می‌‌‌شوند، می‌‌‌دوند و رنگ‌‌‌ها و اندازه‌‌‌های بسیار متنوعی نیز دارند و همین تفاوت‌‌‌هاست که موجب سردرگمی ماشین‌‌‌ها در تشخیص دقیق گربه‌‌‌ها می‌شود. بر این اساس، روش سنتی فرموله کردن مدل‌‌‌های خاص و پس ‌‌‌از آن، همسان کردن این مدل‌‌‌ها با ورودی‌‌‌های بسیار متنوع نمی‌تواند اثربخش و قابل ‌‌‌اجرا باشد.

در نتیجه، چنین سیستم‌‌‌های غیرانعطاف‌‌‌پذیری فقط به درد نقش‌‌‌آفرینی در حوزه‌‌‌هایی می‌‌‌خوردند که انجامشان به رمزگذاری قواعد خاص و سپس رمزگشایی از آن نیاز داشت. متاسفانه در دهه‌‌‌های ۱۹۸۰ و ۱۹۹۰ روند پیشرفت هوش مصنوعی بسیار کند و ناامیدکننده بود و به همین دلیل هم از آن دوران با عنوان «زمستان هوش مصنوعی» یاد می‌شود. در اواخر دهه ۱۹۹۰ اما یک اتفاق بزرگ و تاثیرگذار در دنیای هوش مصنوعی افتاد، اتفاقی در قلب آن. در آن زمان هوش مصنوعی وارد انجام دادن کارهایی شد که نیازمند طراحی و اجرای راه‌‌‌حل‌‌‌های مسائل پیچیده بود. در آن دوره محققان دریافتند که برای جهش هوش مصنوعی به روش جدیدی نیاز است که با استفاده از آن بتوان به ماشین‌‌‌ها امکان یادگیری خودکار بدهند؛ یعنی اینکه ماشین‌‌‌ها بتوانند خودشان اقدام به یادگیری کنند و به‌‌‌جای اینکه منتظر کدهای ورودی تهیه‌‌‌شده توسط انسان باشند خودشان دست به یادگیری بزنند. در نتیجه همین تفویض فرایند یادگیری از انسان به ماشین بود که روند یادگیری ماشینی شتاب بیشتری پیدا کرد و برنامه‌‌‌هایی برای هوش‌ مصنوعی ساخته شد که می‌توانستند از تجربیات بیاموزند و به معنای واقعی کلمه یادگیری داشته باشند.

هوش مصنوعی مدرن

پیشرفت‌‌‌های بزرگ خیلی زود از راه رسیدند. در دهه نخست قرن ۲۱ پیشرفت‌‌‌های صورت گرفته در زمینه تشخیص اشیا باعث شد تا برنامه‌‌‌نویسان بتوانند هوش مصنوعی قدرتمندی را توسعه دهند که می‌توانست با یادگیری از یکسری تصاویر به‌‌‌طور دقیق اشیا را تشخیص دهد؛ بدون اینکه برای کار نیازی به کدگذاری و کدگشایی داشته باشد.

در هوش مصنوعی پیشرفته‌‌‌ای که توانست آنتی باکتری هالی‌‌‌سین را شناسایی کند نیز از همین فرآیند یادگیری ماشینی استفاده ‌‌‌شده بود؛ جایی که محققان MIT یک الگوریتم یادگیری ماشینی پیشرفته را طراحی کردند که می‌توانست ویژگی‌‌‌های آنتی باکتریال مولکول‌‌‌ها را «پیش‌بینی» کند و برای ایجاد این توانایی به آن الگوریتم از مجموعه داده‌‌‌های مربوط به ۲‌هزار مولکول مختلف بهره بردند. نتیجه این کار چیزی شد که تا پیش از آن نه از عهده هیچ انسانی و نه هیچ الگوریتم سنتی و کلاسیکی برنیامده بود. بنابراین در این حالت الگوریتم یادگیری ماشینی مدل جدیدی را بر مبنای دیتای موجود توسعه داد که قادر به شناسایی و درک روابطی بود که از دید انسان به دورمانده بود و تابع قاعده و قانون مشخصی هم نبود. همان‌طور که پیش‌‌‌ از این نیز گفته شد، این هوش مصنوعی مدرن برای یادگیری خود به قواعد و روابط از پیش تعریف‌‌‌شده توسط انسان نیازی ندارد که رابطه علت و معلولی خاصی برای آن تعریف شود. به‌‌‌عنوان‌‌‌مثال هوش مصنوعی مدرن این توانایی را دارد که متقاضیان شغلی دارای بالاترین شانس را از بین انبوهی از افراد برگزیند و علاوه بر این، بر مبنای بازخوردهایی که از دنیای واقعی می‌گیرد می‌تواند هم نتایج را پیش‌بینی کند و ابهامات موجود را به‌‌‌درستی مورد تجزیه‌‌‌ و تحلیل قرار دهد. درواقع، الگوریتم‌‌‌های یادگیری ماشینی به‌‌‌مانند الگوریتم‌‌‌های کلاسیک از یکسری مراحل عبور می‌‌‌کنند. با این تفاوت که این مراحل به‌‌‌طور مستقیم به نتایجی خاص منتهی نمی‌‌‌شوند، بلکه هدف از عبور از این مراحل آن است که کیفیت نتایج احتمالی از قبل‌سنجیده شود و یادگیری معناداری در این میان حاصل آید.

به‌‌‌طور کلی، هر چه شبکه‌‌‌های عصبی مورد استفاده هوش مصنوعی دیتای بیشتری را دریافت کنند و از لایه‌‌‌های شبکه‌‌‌ای بیشتری برخوردار باشند به شکل بهتری قادر خواهند بود تا روابط موجود را کشف کنند.  به همین دلیل هم هست که در یادگیری عمیق امروز از شبکه‌‌‌های عصبی دارای چند لایه (حدود ده لایه) استفاده می‌شود. بااین‌‌‌حال باید دانست که شبکه‌‌‌های عصبی بسیار منبع محور هستند و اجرای فرآیندهایشان به قدرت محاسباتی بالا و الگوریتم‌‌‌های پیچیده‌‌‌ای نیاز دارد که بتوانند حجم عظیمی از داده‌‌‌ها را تحلیل کنند و تطبیق دهند.

درواقع هوش مصنوعی نمی‌تواند مثل انسان آموزش ببیند و سپس آموخته‌‌‌هایش را به مرحله اجرا درآورد، بلکه می‌‌‌کوشد تا تلاش‌‌‌هایش را در دو مرحله متمرکز کند: آموزش دیدن و استنتاج. در مرحله آموزش، الگوریتم‌‌‌های سنجش و بهبود کیفیت هوش مصنوعی به کار می‌‌‌افتند و عملکرد مدل‌‌‌های موجود را برای دستیابی به نتایج مطلوب مورد ارزیابی قرار می‌‌‌دهند که در مورد هالی‌‌‌سین این مرحله در قالب شناسایی روابط بین ساختارهای مولکولی و اثربخشی آنتی‌‌‌بیوتیک بر مبنای دیتای آموزشی انجام شد. در مرحله استنتاج نیز محققان از هوش مصنوعی خواستند تا آنتی‌‌‌بیوتیک‌‌‌هایی را شناسایی کند که بر اساس پیش‌بینی‌‌‌های صورت گرفته در مرحله آموزش دارای اثر آنتی‌‌‌بیوتیکی بالایی بودند. در اینجا هوش مصنوعی با استدلال‌‌‌هایی شبیه به استدلال انسانی اقدام به نتیجه‌‌‌گیری نکرد بلکه این نتیجه‌‌‌گیری را با به‌‌‌کارگیری همان مدلی انجام داد که خودش توسعه داده بود.

 مشاور عزیز،

حدود دو سال است که در واحد پشتیبانی یک شرکت ارائه‌‌‌دهنده اینترنت کار می‌‌‌کنم. محیط کار، همکارها و کاری که انجام می‌‌‌دهیم را عاشقانه دوست دارم.

یک هفته‌‌‌ای هست که ارتقا گرفته‌‌‌ام و سرپرست واحد شده‌‌‌ام. تا روال اداری طی شود و رسما کار جدیدم را شروع کنم دو هفته وقت دارم. دوست داشتم در این دو هفته، درباره مدیریت تیم‌‌‌ها مطالعه کنم تا مدیر تاثیرگذاری باشم.  حالا که نقش پررنگ‌‌‌تری دارم، چطور می‌توانم در موفقیت سازمان و تیمم نقش داشته باشم؟  چطور در محیط کارم تاثیرگذار باشم؟ چه کنم تا همه از من به عنوان عامل تغییر مثبت یاد کنند

پاسخ: دوست عزیز، همه ما دوست داریم در جهان حرفه‌‌‌ای، اثری مثبت از خود به جا بگذاریم. گرچه ممکن است تاثیرگذاری در محیط کار، خیلی سخت و طاقت‌‌‌فرسا به نظر برسد اما بد نیست بدانی که لازم نیست یک حرکت خیلی بزرگ انجام دهی تا در محیط کارت تاثیرگذار باشی.

در ادامه، روش‌های ایجاد تغییر معنادار در محیط کار و ایفای نقش در موفقیت سازمان را، صرف نظر از جایگاه و رده، برایت توضیح خواهم داد. یکسری اطلاعات و استراتژی‌‌‌های کاربردی وجود دارد که دانستن آنها، به تو و سایر کارمندها در هر سطحی، انگیزه و قدرت می‌دهد تا سفر حرفه‌‌‌ای خود را به شکلی هدفمند طی کنید.  تاثیرگذاری در محیط کار، تنها محدود به موفقیت فردی نیست بلکه به معنای ایجاد یک فرهنگ مشارکتی و حمایتی ا‌‌‌ست تا همه شانس موفقیت داشته باشند.

اما چرا تاثیرگذاری در محیط کار مهم است؟ چند دلیل وجود دارد، از جمله رضایت فردی، رشد حرفه‌‌‌ای، مشارکت و روحیه تیمی، رضایت و وفاداری مشتری و موفقیت تیمی. به طور کلی، تاثیرگذاری در محیط کار، نه تنها به نفع توست بلکه یک تاثیر دومینویی ایجاد می‌کند و به بقیه افراد نیز سرایت می‌کند.

روش‌های تاثیرگذاری در محیط کار از این قرارند:

۱- خودجوش باش. به جای اینکه صبر کنی تا به تو دستور یا وظیفه‌‌‌ای دهند، خودت دست به کار شو و هر جا نیاز به کمک هست، آن را شناسایی کن و پیشنهاد کمک بده. این نشان می‌دهد که تو مشتاقی برای محیط کارت، سنگ تمام بگذاری. به دنبال فرصت‌‌‌هایی بگرد تا مثلا روال‌‌‌ها را بهبود بخشی. راه‌حل ارائه کن یا مسوولیت‌‌‌های اضافی بپذیر.

۲- روابط مثبت را تقویت کن. ایجاد روابط مثبت با همکارها، بالادستی‌‌‌ها و کارکنان رده‌‌‌پایین، بسیار مهم است. مودب، حمایتگر و مشارکتی باش. وقتی به کمک نیاز دارند، پیشنهاد کمک کن و به سلامت آنها علاقه خالصانه نشان بده. روابط قدرتمند باعث ایجاد هماهنگی در محیط کار، بهبود کار تیمی و تقویت روحیه می‌‌‌شود.

۳- دید خود را مثبت کن. مثبت‌‌‌نگر باش و با چالش‌‌‌ها خوش‌بینانه برخورد کن. رویکرد تو می‌تواند روی محیط کار، تاثیر بگذارد و در دیگران انگیزه ایجاد کند. در مواجهه با شکست‌‌‌ها، برگشت‌‌‌پذیری از خود نشان بده. این روحیه می‌تواند توانایی حل مساله را ارتقا دهد.

۴- مسوولیت کارهایت را بپذیر. برای پیشرفت تلاش کن. به موفقیت‌‌‌هایت افتخار کن. مسوولیت اقداماتت را بپذیر. کارها را در مهلت مقرر و با کیفیت انجام بده. همچنین باید مسوولیت اشتباهاتت را بپذیری و از آنها درس بگیری. به این ترتیب، همواره به دیگران نشان خواهی داد که فردی قابل اعتماد و حرفه‌‌‌ای هستی.

۵- از دیگران حمایت کن. هر کجا لازم بود به همکارها کمک کن. دانش و تخصص خود را با آنها به اشتراک بگذار تا برای رشد و موفقیت، توانمند شوند. کمک‌‌‌های اعضای تیمت را ببین و از آنها قدردانی کن. به ایده‌‌‌هایشان گوش کن، آنها را به پیشرفت حرفه‌‌‌ای تشویق کن و دستاوردهایشان را جشن بگیر.

۶- راه‌حل پیشنهاد بده. به جای تمرکز صرف بر مشکلات، سعی کن بخشی از راه‌حل باشی. وقتی با چالشی مواجه می‌‌‌شوی، آمادگی داشته باش که راه‌حل و پیشنهادهایی ارائه دهی. این آمادگی و خودجوشی، نشان‌‌‌دهنده مهارت حل مساله و تعهدت در یافتن راه‌حل است.

۷- نماینده تغییر باش. تغییر مثبت را با آغوش باز بپذیر. به جای مقاومت در برابر تغییر، دلایلش را درک کن و به دیگران نیز در فرآیند ‌گذار کمک کن. اگر پذیرای تغییر باشی، در ایجاد فرهنگ نوآوری و تطبیق‌‌‌پذیری نقش خواهی داشت.

۸- در بحران‌ها مثبت بمان. طی شرایط بحرانی، رویکرد مثبت خود را حفظ کن و منشأ انگیزه باش. به همکارها قوت قلب بده و به حفظ روحیه آنها کمک کن. این در دیگران نیز انگیزه ایجاد می‌کند که تمرکز و برگشت‌‌‌پذیری خود را حفظ کنند.

به یاد داشته باش که ایجاد تاثیر در محیط کار، یک تلاش مستمر، و نیازمند تعهد مداوم و اشتیاق خالصانه تو برای ایجاد نقش مثبت است. حالا می‌‌‌خواهم چند نمونه از تاثیرات مثبت در محیط کار را برایت مثال بزنم.

مثلا می‌توانی یک فرآیند کاری جدید را پیدا و اعمال کنی که هم کارها راحت‌‌‌تر پیش بروند، هم خطاها کمتر شود و هم کارآمدی افزایش یابد. به این ترتیب، در زمان و هزینه‌‌‌های سازمان صرفه‌‌‌جویی خواهد شد. یا مثلا می‌توانی به کارکنان رده‌‌‌پایین‌‌‌تر آموزش دهی و دانش و تخصصت را در اختیارشان بگذاری تا آنها هم بتوانند مهارت‌های خود را توسعه دهند و پیشرفت کنند. می‌توانی خدمات مشتری استثنایی ارائه کنی و برای حل سریع و موثر مشکلات مشتری‌‌‌ها، سنگ تمام بگذاری. این نه تنها باعث بهبود رضایت مشتری و وفاداری‌‌‌شان می‌شود بلکه وجهه تیمت را نیز مثبت می‌کند.

اگر ایده یا ابتکار جدیدی داری که می‌تواند تاثیر مثبت در تیم ایجاد کند، آن را مطرح کن.

این می‌تواند یک قابلیت جدید در محصول یا بهبود یک فرآیند یا راه‌حل یک مشکل باشد که منجر به افزایش بازدهی یا رضایتمندی مشتریان شود.

می‌توانی با تشویق افراد به همکاری، ارتباطات آزاد و حمایتگری، در ایجاد یک فرهنگ مثبت سهیم باشی. و توصیه آخرم این است که ریسک کنی، اما حساب‌‌‌شده! از منطقه امنت بیرون بیا و در شرایط مناسب، ریسک کن.

مثلا رویکردهای جدید را به آزمون و خطا بگذار یا پرچم تغییر را به دست بگیر. پذیرش ریسک‌‌‌های حساب‌‌‌شده، به موفقیت‌‌‌های بزرگ و تاثیرات بزرگ‌تر منجر خواهد شد.

بیش از ۳۰ سال است که نقش‌‌‌های در حال تغییر فناوری دیجیتال در شرکت‌ها بررسی می‌‌‌شوند. پیش از این، فناوری عمدتا بهره‌‌‌وری شرکت‌ها را تقویت می‌‌‌کرد. ولی هوش مصنوعی نسلی جدید را آغاز می‌کند که خلاقیت را نیز شعله‌‌‌ور می‌کند. این امر، کاری که شرکت‌ها انجام می‌دهند، نحوه مشارکت کارکنان و جایی که آنها مزیت رقابتی پیدا می‌کنند را تغییر می‌دهد.

نسخه‌‌‌های اولیه هوش مصنوعی مولد، مانند چت‌‌‌ جی‌‌‌‌‌‌پی‌‌‌تی و گوگل بارد، استعدادهای خود در شاعری را نشان داده‌‌‌اند. آنها همچنین با خلاقیت‌‌‌هایی مانند دال‌ای تو (Dall-E۲)  و میدجورنی(Midjourney) به قلمرو هنر نیز وارد شده‌‌‌اند. همان‌طور که در چت جی‌‌‌‌پی‌‌‌تی و آی‌‌‌بی‌‌‌ام واتسون ایکس(IBM Watsonx) دیده می‌شود، قابلیت‌‌‌های هوش مصنوعی مولد به نوشتن کدهای کامپیوتری گسترش یافته که به صرفه‌‌‌جویی ۵۰درصدی در زمان می‌‌‌انجامد. این سیستم‌ها حتی تست‌‌‌های اولیه در زمینه‌‌‌هایی مانند حقوق، تجارت و پزشکی را نیز پشت سر گذاشته‌‌‌اند. به گفته بیل گیتس، «عصر هوش مصنوعی آغاز شده است.» اما مسیرها مشخص نیست. آنچه ما را هیجان‌زده (و نگران می‌کند) چیزی نیست که پیش از این به نمایش درآمده، بلکه چیزی است که اگر آن را جدی نگیریم می‌تواند در سه تا پنج سال آینده رخ دهد.

هوش مصنوعی مولد صرفا به دلیل پذیرفته شدن سریع، رشد بالقوه تولید ناخالص داخلی، یا اختلالات احتمالی در جامعه، صنایع و اشتغال، تحول‌‌‌آفرین نیست. یعنی موضوع، قرار دادن انسان‌های هوشمند در برابر ماشین‌‌‌های قدرتمند نیست. بلکه مقایسه افزایش بهره‌‌‌وری و خلاقیت بین انسانی که به تنهایی کار می‌کند با انسانی است که‌‌‌ ماشین‌‌‌ها را به کار می‌گیرد. با این حال، رهبران ارشد - در شرکت‌ها و دولت‌‌‌ها - نمی‌توانند و نباید صرفا هوش مصنوعی مولد را در رویه‌‌‌های سازمانی و اجتماعی منسوخ قرار دهند. آنها باید از «گرفتاری‌‌‌های ناشی از هوش مصنوعی مولد»، یعنی چالش‌‌‌ها یا مشکلات احتمالی که ممکن است در طول پذیرش، اجرا و استفاده از هوش مصنوعی مولد به وجود بیاید دوری کنند.

گرفتاری‌‌‌های ناشی از اتوماسیون: این باور که هوش مصنوعی می‌تواند یا باید جایگزین همه وظایف انسانی شود، منجر به بیکاری احتمالی می‌شود و ارزش خلاقیت و شهود انسان را ناچیز می‌نماید. مطمئنا می‌توانیم به ترجمه ماشینی سریع‌‌‌تر زبان‌‌‌ها تکیه کنیم، اما آیا این ارزش از دست دادن علاقه انسان به زیبایی و ظرافت مطالعات زبان‌شناسی را دارد؟ اعتصابات هالیوود نشان داد به دلیل سرعت تاثیر اتوماسیون بر مشاغل کارکنانی که از مهارت‌‌‌های خاص برخوردارند، کم‌‌‌کاری پنهان ساختاریافته‌‌‌ای در جریان است. آیا این نیز ارزش دارد؟

گرفتاری‌‌‌های ناشی از الگوریتم: اتکای بیش از حد به تصمیم‌گیری الگوریتمی بدون در نظر گرفتن محدودیت‌ها یا سوگیری‌‌‌های احتمالی آن می‌تواند منجر به نتایج ناقص یا مسائل اخلاقی شود. خدمات مالی بخشی است که تاکنون بر اساس الگوریتم‌‌‌ها کار کرده است (به عنوان مثال در مورد رمزنگاری، مراقبت‌‌‌های بهداشتی آینده همراه با بیوتکنولوژی و پزشکی شخصی و ژن و سلول درمانی نمونه تمام‌عیاری به شمار می‌رود). برای اطمینان از هدایت الگوریتم‌‌‌ها به گونه‌ای که سبب بروز نوآوری شوند، چه مسیری برقرار شده است؟

گرفتاری‌‌‌های ناشی از تجزیه و تحلیل: پیش‌‌‌فرض این است که تجزیه و تحلیل هوش مصنوعی همیشه بینش کاملی را ارائه می‌دهد و احتمال سوء تعبیر یا تاکید بیش از حد بر داده‌‌‌های خاص را نادیده می‌گیرد. بله، ما می‌توانیم توصیه‌‌‌های فوری شخصی‌‌‌سازی‌شده‌‌‌ای در مورد اینکه چه فیلم‌‌‌هایی را بعدا در نتفلیکس تماشا کنیم، چه آهنگ‌‌‌هایی را در اسپاتیفای گوش کنیم یا چه چیزی را از آمازون بخریم دریافت کنیم. اما، اگر به طور کامل زمینه و محدودیت‌های نحوه رسیدن الگوریتم‌‌‌ها به نتایج را درک نکنیم، به طور فزاینده‌‌‌ای تحت‌تاثیر تجزیه و تحلیل جعبه سیاه (مفهومی انتزاعی که به ابزار، سامانه یا جسمی گفته می‌شود که فقط به صورت تابع تبدیل و ورودی و خروجی‌‌‌هایش قابل مشاهده ‌‌‌است و هیچ‌گونه اطلاعی از عملکرد و درون آن در اختیار کاربر نیست و عملکرد آن غیرشفاف است) قرار می‌‌‌گیریم و توانایی خود برای پرسشگری درباره توصیه‌ها را از دست خواهیم داد.

گرفتاری‌‌‌های ناشی از اصالت: از دست دادن تماس انسانی یا همدلی در فرآیندهایی که توسط هوش مصنوعی با اتوماسیون انجام می‌‌‌شوند، می‌تواند تجربه کاربر را کاهش دهد یا پیامدهای غیرقابل پیش‌بینی دیگری ایجاد کند. در حالی که می‌توان تعاملات خدمات مشتری را با افزونه‌‌‌های چت جی‌‌‌پی‌‌‌تی برای بسیاری از توصیه‌‌‌ها، مانند سفر، امور مالی شخصی، املاک، مراقبت‌‌‌های بهداشتی، آموزش و سایر موارد افزایش داد، اما باید پیامدهای آنها را برای تعاملات اجتماعی و حرفه‌‌‌ای درک کنیم.

گرفتاری‌‌‌های ناشی از همسویی: چالش همسوسازی سیستم‌های هوش مصنوعی با ارزش‌‌‌های انسانی و هنجارهای اجتماعی، در صورتی که مورد توجه قرار نگیرد می‌تواند به مناقشات اخلاقی بینجامد. آیا سیستم‌هایی که ایجاد می‌‌‌کنیم تمرکز ثروت برای شماری معدود را به بهای ایجاد هزینه‌‌‌ برای تعداد زیادی از مردم تداوم نمی‌‌‌بخشد؟ آیا سیستم‌های هوش مصنوعی که ایجاد می‌‌‌کنیم شکاف دیجیتالی را تشدید می‌کند؟ یا هوش مصنوعی مولد می‌تواند به عنوان ابزاری بزرگ برای ایجاد برابری به کار گرفته شود و در هر کجای دنیا به افراد امکان ‌‌‌دهد با استفاده از ابزارهای مدرن ارزش‌‌‌آفرینی در دست خود که همواره به سیستم رایانش ابری در حال گسترش هوش مصنوعی متصل‌‌‌اند (اشاره به گوشی‌‌‌های هوشمند)، به موفقیت دست یابند؟

هوش مصنوعی مولد یک فناوری تخصصی مانند چاپ سه‌بعدی یا بلاک‌چین نیست، بلکه به فناوری‌‌‌های همه‌منظوره مانند موتور بخار یا برق شبیه است. چنین فناوری‌‌‌هایی باعث دگرگونی‌‌‌های سریع اجتماعی و صنعتی شدند و هوش مصنوعی مولد، با مقیاس، گستره و سرعت بی‌‌‌نظیر خود، آماده انجام همین کار است. ما بی‌آنکه برای درک فرصت‌‌‌ها و مشکلات بالقوه فرصتی داشته باشیم، در معرض گرفتار شدن در دام‌‌‌های شناسایی شده قرار داریم. برخی از این دام‌‌‌ها افراد و برخی دیگر شرکت‌ها یا جامعه را درگیر می‌کنند. ما نباید موج هوش مصنوعی مولد را متوقف کنیم، بلکه باید مسیری را انتخاب کنیم که اثرات نامطلوب را به حداقل برساند. عاقلانه است به یاد داشته باشیم که در سطح جهانی، همه این سفر را با سرعت یا جهت یکسان آغاز نخواهند کرد.

 در سال ۱۹۵۰، آلن تورینگ، ریاضیدان مشهور که استاد مسلم شکستن کدها لقب گرفته بود در مقاله‌‌‌ای با عنوان «ماشین‌‌‌های محاسبه و هوش» به این پرسش پاسخ داد. آنچه تورینگ در این مقاله بیان کرد این بود که هوش ماشین‌‌‌ها یک مکانیزم نیست، بلکه ماشین‌‌‌ها خودشان «تجلی هوش» محسوب می‌‌‌شوند. تورینگ برای این استدلال خود در آن مقاله توضیح قانع‌‌‌کننده‌‌‌ای ارائه داده است: «هنگامی‌‌‌که زندگی درونی موجودات مختلف برای ما ناشناخته است، تنها وسیله‌‌‌ای که می‌توانیم با استفاده از آن اقدام به سنجش و اندازه‌‌‌گیری هوش آن موجودات کنیم، رفتار آن‌‌‌هاست. پس ما می‌توانیم با اجرای«بازی تقلید» به این نتیجه برسیم که اگر یک ماشین بتواند آن‌‌‌قدر کارآمد عمل کند که مشاهده‌‌‌گران نتوانند رفتار آن ماشین را از رفتار انسان تشخیص دهند، آنگاه می‌توان به آن ماشین لقب باهوش داد.»

و این‌‌‌چنین بود که «تست تورینگ» متولد شد. بسیاری از کسانی که دست به تفسیر تست تورینگ زده‌‌‌اند، روبات‌‌‌هایی را تصور کرده‌‌‌اند که از نظر هوش بر انسان‌‌‌ها پیشی خواهند گرفت. درواقع، تست تورینگ برای سنجش عملکرد ماشین‌‌‌های هوشمند در فعالیت‌‌‌هایی مانند بازی کاملا دقیق و مفید بوده است. علاوه بر این، تست تورینگ به‌‌‌گونه‌‌‌ای طراحی‌‌‌ شده که با استفاده از آن می‌توان عملکرد انسان‌‌‌گونه ماشین‌‌‌ها را مورد سنجش قرار داد و این یعنی اینکه تمرکز تست تورینگ نه روی فرآیندها بلکه روی عملکردهاست. امروزه ژنراتورهایی مانند GPT-۳ جزو مصادیق هوش مصنوعی به‌‌‌حساب می‌‌‌آیند، چراکه متن‌‌‌هایی را تولید می‌‌‌کنند که انسان‌‌‌ها قادر به تولیدشان هستند. در سال ۱۹۵۶، جان مک‌‌‌کارتی، دانشمند برجسته علوم کامپیوتر تعریف پیشرفته‌‌‌تری از هوش مصنوعی ارائه داد. به عقیده او هوش مصنوعی شامل ماشین‌‌‌هایی می‌شود که می‌توانند کارهایی را انجام دهند که انجام آنها جزو مشخصات هوش انسانی است. به‌‌‌طورکلی، تعریف آلن تورینگ و جان مک کارتی از هوش مصنوعی که جزو بهترین و دقیق‌‌‌ترین تعاریف ارائه ‌‌‌شده برای این پدیده به‌‌‌حساب می‌‌‌آید، باعث شده تا توجه ما در تعریف هوش‌مصنوعی از ابعاد فلسفی و شناختی و عصب‌‌‌شناسی به عملکرد و رفتار تغییر پیدا کند.

ماشین‌‌‌هایی که طی نیم‌‌‌قرن اخیر طراحی‌‌‌شده‌‌‌اند، تا حد زیادی در نشان دادن چنین هوشی ناکام بوده‌‌‌اند. اما آنچه در دهه اخیر اتفاق افتاده موجب طراحی ماشین‌‌‌هایی شده که درجات بالاتری از هوش را از خود بروز داده‌‌‌اند. برنامه‌‌‌های کامپیوتری سنتی، فقط قادر به نظم دهی به حجم زیادی از دیتا و انجام محاسبات پیچیده بودند اما نمی‌توانستند کارهایی مانند تشخیص تصاویر مربوط به اشیای ساده یا تطبیق‌‌‌پذیری با ورودی‌‌‌های مبهم و ناشناخته را انجام دهند. این نقیصه در دهه اخیر و با ظهور نسل جدید هوش مصنوعی برطرف شده، به‌‌‌طوری‌‌‌ که ماشین‌‌‌های جدید توانسته‌‌‌اند در این زمینه‌‌‌ها با هوش انسان برابری کنند یا حتی از انسان پیشی بگیرند.

به ‌‌‌عنوان ‌‌‌مثال، «آلفازیرو» را در نظر بگیرید: برنامه‌‌‌های کلاسیک بازی شطرنج که در دهه‌‌‌های گذشته ساخته شدند فقط به تجربیات انسان متکی بودند و بر اساس بازی انسان توسعه پیداکرده بودند. مبنای برنامه‌‌‌نویسی آنها کدهایی بود که از حرکت‌‌‌های شطرنج‌‌‌بازان گرفته‌‌‌ شده بود. آلفازیرو اما مهارت‌‌‌هایش را از طریق میلیون‌‌‌ها بازی کردن با خودش توسعه داده و توانسته از دل بازی‌‌‌هایی که با خودش کرده الگوهای گوناگونی را کشف کند. بلوک‌‌‌های تشکیل‌‌‌دهنده این «تکنیک‌‌‌های یادگیری» الگوریتم‌‌‌ها هستند؛ یعنی مراحلی برای ترجمه ورودی‌‌‌هایی مانند قواعد بازی شطرنج یا سنجش کیفیت حرکت مهره‌‌‌ها به خروجی‌‌‌های قابل تکراری مانند برنده شدن در بازی شطرنج. به عبارت بهتر الگوریتم‌‌‌های یادگیری ماشینی برخلاف الگوریتم‌‌‌های کلاسیک می‌توانند با بهبود دادن نتایج مبهم و کلی برآمده از ورودی‌‌‌ها نتایج دقیق‌‌‌تری را تولید کنند و این توانایی فوق‌‌‌العاده سرمنشأ پیشرفت‌‌‌های بزرگی در زمینه نقش‌‌‌آفرینی جدی‌‌‌تر هوش مصنوعی شده و خواهد شد.

یکی از جدیدترین نوآوری‌‌‌های دنیای هوش مصنوعی برنامه‌‌‌ای است به نام «آلفاداگفایت»(AlphaDogfight) که در قالب برنامه DARPA در حال اجراست. آلفاداگفایت یک برنامه خلبان جنگنده مبتنی بر هوش مصنوعی است که این توانایی را دارد تا در حین جنگ‌‌‌های هوایی دست به مانورهای خارق‌‌‌العاده‌‌‌ای بزند که انجامش از عهده زبده‌‌‌ترین خلبان‌‌‌ها نیز برنمی‌‌‌آید. بر این اساس چنین به نظر می‌رسد که هوش مصنوعی تاثیر شگرف و تعیین‌‌‌کننده‌‌‌ای بر آینده جنگ‌‌‌های هوایی و همچنین آینده پروازهای غیرنظامی داشته باشد.

این نوآوری و بسیاری دیگر از پیشرفت‌‌‌هایی که در زمینه نقش‌‌‌آفرینی هوش مصنوعی در حال شکل گرفتن است به آن معناست که روند جایگزین شدن روبات‌‌‌ها و ماشین‌‌‌ها در بسیاری از حوزه‌‌‌هایی که تا پیش‌‌‌ از این در انحصار انسان‌‌‌ها قرار داشت در حال سرعت گرفتن و گسترده‌‌‌تر شدن است. همه این تحولات بزرگ به‌‌‌ نوبه خود یکسری دگرگونی‌‌‌های اجتماعی، فرهنگی و سیاسی را به دنبال خواهد داشت که لازمه شناخت بهتر این دگرگونی‌‌‌هاست.

امروزه، رابطه دوسویه و مفیدی بین هوش مصنوعی و موتورهای جست‌‌‌وجوی اینترنتی شکل‌‌‌گرفته است، به‌‌‌نحوی‌‌‌ که ماشین‌‌‌ها و هوش مصنوعی می‌توانند سوالاتشان را از موتورهای جست‌‌‌وجو بپرسند و دیتای موردنیازشان را از این طریق تامین کنند.

موتورهای جست‌‌‌وجو نیز از هوش مصنوعی برای پاسخگویی بهینه به درخواست‌‌‌های جست‌‌‌وجوی کاربران خود کمک می‌‌‌گیرند و در این میان، انسان نیز ترجیح داده تا بخشی از تفکرش را به تکنولوژی تفویض کند و با کمک قدرت سرشار هوش مصنوعی بیشتر و دقیق‌‌‌تر فکر کند. با این ‌‌‌همه باید دانست که اطلاعات به‌‌‌خودی‌‌‌خود دارای خاصیت خود توضیحی نیستند بلکه کاملا متکی به موقعیت‌‌‌ها هستند و برای تبدیل‌‌‌شدن به یک‌‌‌ چیز مفید باید اطلاعات را از دریچه فرهنگ و تاریخ درک کرد. به ‌‌‌هر حال، با انفجار بزرگ اطلاعات آنلاین، ما در حال روی آوردن به برنامه‌‌‌های نرم‌‌‌افزاری پیشرفته‌‌‌ای هستیم که به ما کمک می‌‌‌کنند اطلاعات موجود را طبقه‌‌‌بندی کنیم، دست به پالایش اطلاعات بزنیم و آنها را بر مبنای الگوهای موجود مورد ارزیابی و سنجش قرار دهیم. در این میان، ظهور و گسترش روزافزون هوش مصنوعی موجب شکل‌‌‌گیری انقلابی بی‌‌‌سابقه و بزرگ در تاریخ بشر شده که پیامدهای آن تمام ارکان زندگی ما را فراگرفته و خواهد گرفت و موجب خواهد شد نقشی که ذهن ما به‌‌‌طور سنتی برای شکل‌‌‌دهی، تنظیم و ارزیابی انتخاب‌‌‌ها و اعمالمان ایفا می‌‌‌کرده دستخوش تغییر و تحول شده و ایفای این نقش به میزان زیادی به ماشین‌‌‌ها واگذار شود.

تحلیلگران وال‌استریت ژورنال معتقدند که این اتفاق در صورت عملی شدن، OpenAI را به یکی از ارزشمندترین شرکت‌های خصوصی جهان تبدیل خواهد کرد. به عقیده آنها چنین اتفاقی در دوره شور و هیجان برای استارت‌آپ‌های فعال در حوزه هوش مصنوعی که از سال گذشته و با ظهور چت‌بات چت جی‌پی‌تی اوج گرفته، چندان دور از ذهن به نظر نمی‌رسد. با در نظر گرفتن این موضوع که OpenAI حالا بخش بزرگی از آن در مالکیت مایکروسافت است، افزایش ارزش بازار آن بی‌شک برای غول نرم‌افزاری جهان بی‌فایده نخواهد بود. چت جی‌پی‌تی چت‌باتی است که می‌تواند پاسخ‌های انسان‌گونه به درخواست‌های کاربرانش بدهد و درست به همین دلیل باعث شد تا رواج و محبوبیت هوش مصنوعی به یک باره فوران کند. با این اوصاف است که کارشناسان معتقدند هوش مصنوعی، عرصه انقلابی آینده در دنیای تکنولوژی باشد و به کلیدواژه‌ای رایج در میان اهالی سیلیکون‌ولی تبدیل شود.

اگر این تصمیم نهایی شود و سهام OpenAI با قیمتی بالاتر به فروش برسد، این دومین فروش سهام در بازار ثانویه توسط این شرکت است که رشد خیره‌کننده‌ای برای ارزش بازار آن به ارمغان خواهد آورد. این شرکت در اوایل سال جاری میلادی با ارزش بازار ۳۰ میلیارد دلاری، ۳۰۰ میلیون دلار از محل فروش سهامش به دست آورد.

همراهی با استارت‌آپ‌های بزرگ

SpaceX و دیگر استارت‌آپ‌های بالغ و شناخته‌شده فروش سهام خصوصی خود را به صورت معمول و بدون عرضه عمومی در بورس، انجام می‌دهند و به کارمندان و سرمایه‌گذاران فعلی خود اجازه می‌دهند تا از افزایش ارزش سهام خود در آن شرکت، سود ببرند. در فروش سهام موجود، هیچ سرمایه جدیدی برای شرکت به دست نمی‌آید. OpenAI در سال جاری میلادی و در مرحله اول ۱۰ میلیارد دلار از مایکروسافت دریافت کرد که آن را صرف توسعه محصولات جدید و سرمایه‌گذاری روی آموزش الگوی هوش مصنوعی می‌کند.

بسیاری از دیگر استارت‌آپ‌های فعال در حوزه هوش مصنوعی از قبیل Inflection و Anthropic هم در ماه‌های اخیر موفق به افزایش سرمایه خود از طریق سرمایه‌گذاران بزرگ‌شان شده‌اند. با این همه مقامات شرکت OpenAI تا کنون هیچ اظهارنظری درباره جزئیات این موضوع و نتیجه بررسی‌ها و مذاکراتشان نکرده‌اند. این در حالی است که به گفته چند مقام آگاه انتظار می‌رود این معامله در صورت انجام شدن، به کارمندان OpenAI این امکان را بدهد تا سهم‌های موجودشان را با قیمتی بالاتر بفروشند به جای آنکه این شرکت اقدام به انتشار اوراق بهادار بکند. رسیدن به ارزش بازاری بین ۸۰ تا ۹۰ میلیارد دلار، شرکت خصوصی OpenAI را به یکی از ارزشمندترین استارت‌آپ‌های جهان تبدیل می‌کند تا با عبور از استارت‌آپ‌های کوچک‌تری از قبیل Shein و Canva، در کنار استارت‌آپ‌های بزرگ و شناخته‌شده‌ای مانند تیک‌تاک، بایت‌دنس و اسپیس‌ایکس قرار بگیرد.

جادوی یک محصول انقلابی و محبوب

در گزارشی که خبرگزاری رویترز در ماه گذشته میلادی منتشر کرد، برآورد شد که شرکت OpenAI تا یک سال آینده با فروش مجوز دسترسی به نسخه باکیفیت‌تر چت‌بات چت جی‌پی‌تی و تکنولوژی پشتیبان آن، بیش از یک میلیارد دلار درآمد داشته باشد. طبق اعلام وال‌استریت ژورنال در حال حاضر ۴۹ درصد از سهام OpenAI در اختیار مایکروسافت است و این غول نرم‌افزاری در اوایل سال جاری میلادی سرمایه‌گذاری خود‌ در این شرکت را تا چند میلیارد دلار افزایش داده است. از طرف دیگر و به‌طور همزمان مایکروسافت تکنولوژی هوش مصنوعی شرکت OpenAI را با موتور جست‌وجوی بینگ خود یکپارچه کرده است تا با دست پر به میدان رقابت با گوگل برود.

در ماه ‌آوریل گذشته OpenAI بیش از ۳۰۰ میلیون دلار از سرمایه‌گذاران اصلی خود شامل شرکت سرمایه‌گذاری سکویا، اندریسن هورویتز، Thrive و K۲ دریافت کرد تا ارزش بازار آن به حدود ۳۰ میلیارد دلار برسد. این میزان، صرف‌نظر از جذب سرمایه بزرگ از سوی مایکروسافت در اوایل سال جاری بود. چت جی‌پی‌تی یکی از بزرگ‌ترین داستان‌های موفقیت تکنولوژی در یک سال گذشته بوده که به تمام افراد این امکان را داده است تا به سادگی مقاله، شعر و داستان تولید کنند. این در حالی است که در هفته گذشته OpenAI اعلام کرد که این چت‌بات هوش مصنوعی به زودی قابلیت‌های تعاملی‌تری ارائه خواهد کرد و به کاربرانش این امکان را می‌دهد تا بتوانند با این چت‌بات گفت‌وگوی صوتی و حتی تصویری داشته باشند. البته OpenAI هنوز جزئیاتی درباره زمان عملی‌ شدن این قابلیت‌ها و دسترسی عمومی به آنها را اعلام نکرده است.

چت‌بات هوش مصنوعی چت جی‌پی‌تی که مهم‌ترین محصول شرکت OpenAI است، در ماه نوامبر سال گذشته میلادی به صورت رسمی و عمومی عرضه شد و با سرعتی خیره‌کننده به یکی از محبوب‌ترین برنامه‌های هوش مصنوعی جهان تبدیل شد. این چت‌بات در طول هفته اول معرفی خود موفق شد یک میلیون کاربر را جذب کند. این کاربران امکان استفاده از چت جی‌پی‌تی به صورت رایگان را داشتند، در حالی که این محصول هنوز در مرحله «پیش‌نمایش تحقیقات» قرار داشت.

در حال حاضر افراد می‌توانند به صورت رایگان از چت جی‌پی‌تی استفاده کنند، اما شرکت OpenAI نسخه چت جی‌پی‌تی پلاس (ChatGPT+) را هم با حق اشتراک ماهانه ۲۰دلار عرضه کرده است. مشترکان سرویس پلاس امکان دسترسی به جواب‌ها با سرعت بیشتری را دارند و می‌توانند از این سرویس حتی در اوقات اوج مصرف هم استفاده کنند و برای دسترسی به قابلیت‌های تازه آن در اولویت باشند. مایکروسافت به عنوان بزرگ‌ترین سهامدار شرکت OpenAI، تنها شرکت بزرگ تکنولوژی نیست که در هوش مصنوعی سرمایه‌گذاری کرده است. گوگل هم در اوایل سال جاری میلادی چت‌بات هوش مصنوعی خود را با نام بارد معرفی کرد. علاوه بر این‌ها، گوگل فرآیند ادغام این چت‌بات هوش مصنوعی در سرویس‌های دیگر خود از قبیل جی‌میل و یوتیوب را آغاز کرده است. این در حالی است که غول تجارت الکترونیک دنیا یعنی شرکت آمازون هم به تازگی از سرمایه‌گذاری ۴میلیارد دلاری در استارت‌آپ هوش مصنوعی Anthropic خبر داده است.

به گزارش ایندیپندنت، اوپن ای‌آی (OpenAI) هوش مصنوعی مولد تصویر این شرکت را با چت‌ جی‌پی‌تی، روبات چت بسیار پرطرفدارش، تلفیق کرده است. این شرکت تحت پشتیبانی مایکروسافت روز چهارشنبه از جدیدترین نسخه دال-‌ئی (DALL-E)، موسوم به دال-‌ئی ۳، رونمایی کرد که به کاربران امکان می‌دهد تصاویری تولید کنند که در مقایسه با سیستم‌های قبلی «ظرافت و جزئیاتش به میزان قابل‌ملاحظه‌ای بیشتر» است. پژوهشگران اوپن ای‌آی با تلفیق قابلیت‌های دو ابزار هوش مصنوعی مولد مجزای این شرکت، ادعا می‌کنند که اکنون کاربران می‌توانند با هوش مصنوعی «ایده‌پردازی» کنند.

سم آلتمن، رئیس اوپن ای‌آی، مثال می‌زند که چطور از این عملکرد دوگانه می‌شود استفاده کرد و می‌گوید: این ابزار می‌تواند با چند فرمان متنی ساده، یک قصه شب کودکانه را بنویسد و تصویرگری کند.  سیستم‌های فعلی تبدیل متن به تصویر، مانند میدجرنی (Midjourney) یا دال-‌ئی ۲ اوپن ای‌آی، به‌دلیل ناتوانی در درک درخواست‌های خاص، فرمان‌های کاربران را اغلب اشتباه تفسیر می‌کنند. این موضوع به ظهور مهندسان پرسش که به خبرگان پرسش نیز معروف‌اند، منجر شده است؛ که [سیستم را] آموزش می‌دهند تا نتایج ابزارهای هوش مصنوعی مولد مانند چت جی‌پی‌تی و دال‌-‌ئی را بهینه‌سازی کنند. اوپن ای‌آی گفت: «مدل جدید [تبدیل] متن به تصویر ما، دال-‌ئی ۳، می‌تواند درخواست‌های متنوع را به تصاویری با نهایت جزئیات و دقت ترجمه کند.»

«دال‌-‌ئی ۳ به‌صورت بومی روی چت جی‌پی‌تی ساخته شده است‌ که به شما امکان می‌دهد از چت جی‌پی‌تی به عنوان شریک ایده‌پردازی و اصلاحگر فرمان‌ها استفاده کنید. فقط از چت جی‌پی‌تی آنچه مایلید ببینید را در هر قالبی، از یک جمله ساده گرفته تا پاراگرافی دقیق، بخواهید.»

جدیدترین نسخه دال‌-‌ئی فقط در دسترس کاربرانی خواهد بود که حق اشتراک می‌پردازند و در اکتبر، این به‌روزرسانی را با چت جی‌پی‌تی پلاس و چت جی‌پی‌تی اینترپرایز دریافت می‌کنند. اوپن ای‌آی همچنین قابلیت‌های امنیتی بهسازی‌شده را به مولد تصویر هوش مصنوعی‌اش افزوده است که به ادعای این شرکت، مانع خلق تصاویر مستهجن یا نفرت‌پراکن می‌شود. این تمهیدهای حفاظتی نادیده گرفتن واژه‌های خاص و رد درخواست ترسیم چهره‌های سرشناس را شامل می‌شود.

۱- مهارت‌های نرم پایه که شامل مجموعه‌ای از ویژگی‌های زیر است:

  منظم باشید و به‌موقع به محل کارتان برسید.

  قابل اعتماد باشید.

  نسبت به کارتان نگرش مثبتی داشته باشید.

  تلاش و پشتکار داشته باشید.

  وظایف خود را به موقع و با دقت انجام دهید.

  به دنبال بهبود و پیشرفت در مهارت‌های فعلی خود باشید.

  انعطاف‌پذیر و سازگار باشید.

  تمام کارها و وظایف تعریف شده مربوط به خود را انجام دهید؛ حتی اگر برایتان ناخوشایند باشند.

۲- مهارت‌های بین فردی و ارتباطی

  مودب باشید و با همکاران خود دوستانه برخورد کنید.

  به سرپرستان و همکاران خود احترام بگذارید.

  به درخواست‌های مشتریان به موقع و درست پاسخ دهید.

  از همکاران و مدیران خود بازخورد بخواهید.

  انتقادات سازنده داشته باشید.

  درگیری‌ها را با آرامش و نگرش مثبت حل کنید.

  مطالب مکتوب را بخوانید و به درستی درک کنید.

  فعالانه گوش کنید، درک کنید و سوال کنید.

  دستورالعمل‌ها را دنبال کنید.

  هنگام گفتن یا مستندسازی ایده‌ها، آنها را به وضوح بیان کنید.

  فناوری‌های مورد نیاز خود را یاد بگیرید و به درستی از آنها استفاده کنید.

۳- مهارت حل مساله

  تغییرات را بپذیرید.

  مایل به شروع، توقف و تغییر روند کارها باشید.

  با آرامش در محیط‌ها و شرایط شلوغ کار کنید.

  برای پیشرفت سریع‌تر کارها سوال کنید.

  کارها را بدون اتلاف وقت شروع کنید.

۴- مهارت‌های کار گروهی

  با افرادی که در حوزه‌های متفاوتی کار می‌کنند، به راحتی کار کنید.

  به نیازهای دیگران حساس باشید.

  مسوولیت‌پذیر باشید و مسوولیت کارهای خود را به عهده بگیرید.

  به تیم برای رسیدن به اهدافش کمک کنید.

  مسوولیت تصمیمات و اقدامات خود را به عهده بگیرید.

  قوانین و رویه‌های شرکت را بشناسید و آنها را دنبال کنید.

  صادق و قابل اعتماد باشید.

  حرفه‌ای رفتار کنید.

مهارت‌های نرم حرفه‌ای

برای اینکه بتوانید در شغل خود پیشرفت و مشاغل سطح بالاتری را اتخاذ کنید، باید مهارت‌های حرفه‌ای زیر را هم داشته باشید:

۱-  توسعه شغلی

  به‌طور مرتب مهارت‌های جدید بیاموزید و پروژه‌های مختلفی را بر عهده بگیرید.

  ابتکار عمل داشته باشید.

  صنعت و حوزه‌ فعالیتی سازمان خود را درک کنید و شیوه‌های معمول آن را یاد بگیرید.

  اهداف کارهای خود را با ماموریت و چشم‌انداز سازمان هماهنگ کنید.

  نقش‌های مختلف همکاران خود را درک کنید.

۲- مهارت‌های رهبری سازمانی

  توانایی مربیگری دیگران را داشته باشید.

  برای ریسک کردن آماده باشید.

  قادر به مذاکره باشید.

  هنگام کار به افراد انگیزه بدهید و آنها را هدایت کنید.

  بهره‌ور باشید و قادر به نشان دادن آن باشید.

  به دنبال ساده‌سازی فرآیندها باشید.

  با تجزیه و تحلیل نیازهای شغلی، در وقت و هزینه سازمان صرفه‌جویی کنید.

  با همکاران و اعضای تیم مشارکت کنید.

اینها مهارت‌هایی هستند که برای استخدام شدن در یک شغل به آنها نیاز دارید. حال به عنوان یک کارجو یک خودکار ‌بردارید و چک‌لیست بالا را تیک بزنید، چند مهارت از مهارت‌های بالا را در خود می‌بینید؟ در کدام‌یک مشکل دارید؟ آیا برنامه‌ای برای تقویت این مهارت‌ها در خود تدارک دیده‌اید؟