تحلیل داخلی گوگل از ۱۵ میلیون تعامل با ابزارهای AI نشان میدهد که اگرچه اکنون ۶۸٪ از مشاغل با یک دستیار AI در تماس هستند، اما این سیستمها در واقع تنها ۲۱٪ از وظایف انجامشده را خودکارسازی میکنند. این شکاف از این جهت اهمیت دارد که شرکتها روی AI برای بازنگری در جریانهای کاری شرطبندی کردهاند، اما دادهها نشان میدهند که اکثر کارکنان هنوز تنها برای تعداد محدودی از فعالیتها به این فناوری تکیه میکنند.
چرا این اعداد اهمیت دارند
این مطالعه که روی پلتفرم Gemini گوگل انجام شده است، تصویری دقیق و چندبعدی از پذیرش AI ارائه میدهد. نرخ پذیرش دوسوم، چشمگیر به نظر میرسد، اما رقم متواضعانه ۲۱٪ برای خودکارسازی به این معناست که از هر پنج وظیفه، چهار مورد همچنان بدون کمک AI انجام میشوند. مدیرانی که برنامهریزی برای استقرار گسترده AI را در دستور کار دارند، باید مراقب عدم تطابق بین نرخهای اعلامشدهی پذیرش و دستاوردهای واقعی بهرهوری باشند؛ این موضوع میتواند انتظارات مربوط به ROI را بیش از حد بالا ببرد.
چگونه به اینجا رسیدیم
فروشندگان، ابزارهای AI را به عنوان گام بعدی در کارایی محیط کار بازاریابی کردهاند و وعده «عوامل خودمختار» (autonomous agents) را میدهند که کل فرآیندها را از ابتدا تا انتها اجرا میکنند. با این حال، دادههای گوگل نشان میدهد که اکثر کاربران از این فناوری برای لحظات خاص و همکاریمحور استفاده میکنند — مانند ایدهپردازی، پیشنویس استراتژیها یا جمعآوری تحقیقات — نه اینکه کل یک جریان کاری را به آن بسپارند. این مطالعه هر تعامل با Gemini را ردیابی کرده و هدف هر درخواست و نوع کاری را که از آن پشتیبانی میکرد، فهرستبندی کرده است.
دادهها چه چیزی را فاش میکنند
- تلاش محدود برای خودکارسازی کامل. کمتر از یک مورد از هر ده تعامل، با هدف خودکارسازی کامل یک وظیفه انجام شده است. اکثر کاربران رویکرد «انسان در چرخه» (human-in-the-loop) را ترجیح میدهند.
- همکاری به جای جایگزینی. بخش عمدهای از استفاده از AI بر تولید مفاهیم، اصلاح استراتژیها و انجام تحقیقات زمینهای متمرکز است، که نشان میدهد کارکنان AI را به عنوان یک شریک میبینند تا یک جایگزین.
- کارهای روتین اولین اولویت هستند. وقتی AI اقدام به خودکارسازی میکند، وظایف تکراری و مشخص را بر عهده میگیرد. با این حال، حتی در آنجا نیز چهار پنجم فعالیتهای روزانه دستنخورده باقی میماند.
- غلبه کارهای شناختی و غیرروتین در درخواستهای AI. حدود ۶۵٪ از تعاملات شامل وظایف کمتر استاندارد — مانند حل مسئله، تحلیل یا تفکر خلاق — است که نشان میدهد کاربران در جایی به سراغ AI میروند که قضاوت انسانی همچنان اهمیت دارد.
- تأثیر نابرابر در مشاغل مختلف. نقشهای یقه سفید مانند توسعه نرمافزار و تحلیل مالی، بالاترین میزان استفاده از AI را نشان میدهند. مشاغل دستی عقبتر هستند، اگرچه برخی تکنسینها از هماکنون از AI برای تشخیص خرابی تجهیزات از طریق عکس استفاده میکنند.
مخاطرات برای کسبوکارها
اگر شرکتی استراتژی AI خود را بر این فرض بنا کند که بیشتر کارها به زودی به سیستمهای خودمختار سپرده خواهد شد، ممکن است در فرآیندهای انسانی که هنوز بر خروجی روزانه تسلط دارند، کمکاری کند. وعدههای بیش از حد در مورد خودکارسازی میتواند در صورت تحقق نیافتن بهرهوریهای مورد انتظار، اعتماد را از بین ببرد. از سوی دیگر، شناسایی نقاطی که AI در حال حاضر ارزش افزوده ایجاد میکند — مانند ایدهپردازی، تحقیق سریع و مدیریت دادههای روتین — به شرکتها اجازه میدهد تا منابع آموزشی، ابزاری و حاکمیتی خود را به شکلی مؤثرتر هدفگذاری کنند.
استدلال مخالف
برخی از فروشندگان استدلال میکنند که ارقام پذیرش اولیه تنها اولین قدم هستند و با بهبود مدلها، نرخ خودکارسازی به شدت افزایش خواهد یافت. آنها به پیشرفتهای سریع در مدلهای زبانی بزرگ و عرضه عوامل تخصصی به عنوان شواهدی بر این مطلب اشاره میکنند که رقم ۲۱٪ یک نقطه پایین موقتی است. دستاوردهای آینده محتمل هستند، اما مطالعه گوگل تأکید میکند که «قصد کاربر» اهمیت دارد: بدون تمایل روشن برای جایگزینی وظایف، حتی توانمندترین مدلها نیز به جای جایگزین، در نقش مکمل باقی میمانند.
آنچه باید در آینده زیر نظر داشت
- تغییر در قصد کاربر. آیا با افزایش اعتماد به AI، نسبت درخواستهای کاملاً خودکار افزایش مییابد یا همکاری همچنان غالب خواهد بود؟
- منحنیهای پذیرش در صنایع مختلف. بخشهای با مقررات شدید یا حساس به ایمنی ممکن است خودکارسازی کندتری را تجربه کنند، در حالی که حوزههای فناوریمحور میتوانند این درصد را بالاتر ببرند.
- تکامل ابزارها. ویژگیهای جدیدی که AI را عمیقتر در مجموعه نرمافزارهای موجود ادغام میکنند، میتوانند سهم خودکارسازی را افزایش دهند، اما تنها در صورتی که با جریانهای کاری کاربر همسو باشند.
گام عملی بعدی برای تیمها
اجازه ندهید نرخ پذیرشِ اعلامشده در تیتر اخبار، برنامهریزی شما را هدایت کند. از افراد خود بپرسید: «کدام وظایف خاص، آن ۲۱٪ از کارهای خودکارشده توسط AI ما را تشکیل میدهند؟» نقشهبرداری از آن وظایف، پایهای ملموس برای گسترش خودکارسازی، بودجهبندی برای لایسنسهای AI و اندازهگیری تأثیر واقعی بهرهوری فراهم میکند.
نتیجهگیری: AI اکنون یک دستیار تقریباً همهجاحاضر است، اما هنوز بخش کوچکی از وظایف را انجام میدهد. شرکتهایی که امروز با AI به عنوان یک ابزار همکاری برخورد میکنند — و دقیقاً مشخص میکنند که AI در حال حاضر چه کارهایی را خودکار میکند — در موقعیت بهتری خواهند بود تا زمانی که این فناوری در نهایت از آستانه ۲۱٪ فراتر رفت، از دستاوردهای واقعی بهرهوری بهرهمند شوند.