هوش مصنوعی مشکلات انسانی رو حل نمیکنه
هوش مصنوعیخلاصهٔ کاملتر
این روزا دو تا روایت افراطی درباره هوش مصنوعی همه جا موجه: یا AI همه چیزو نجات میده، یا قراره دنیا رو نابود کنه. اما یه نویسنده و متخصص حوزه تکنولوژی به اسم Betty Junod یه نکته مهمتر رو مطرح میکنه: ما داریم از هوش مصنوعی میخوایم مشکلاتی رو حل کنه که اصلاً فنی نیستن.
مشکل اصلی اینه که تیمهای نرمافزاری دهههاست که به جای حرف زدن با هم، نرمافزار میسازن. داستانهای کاربری بدون کاربر واقعی، مستنداتی که توی ذهن یه نفر زندگی میکنن، و آنبوردینگی که خلاصهاش میشه «برو از یکی بپرس». اینا شکستهای فنی نیستن — شکستهای ارتباطیان.
وقتی یه agent هوش مصنوعی میخواد توی محیط کاری یه تیم عمل کنه، دقیقاً همون چیزی رو نیاز داره که تیمها هیچوقت درست مستند نکردن: چرایی یه تصمیم، زبان مشترک حوزه کاری، و هدف واقعی پشت یه درخواست — نه فقط خود درخواست. به عبارتی، همون «چیزی» که هیچوقت درست برای همکار انسانی هم فراهم نمیکردیم، حالا برای ماشین هم وجود نداره.
این ماجرا سابقه داره. Agile از اول یه جنبش درباره «تعامل انسانی» بود، نه ابزار. DevOps هم فرهنگ همکاری بین تیم توسعه و عملیات بود — نه یه محصول. اما با گذشت زمان، هر دو تبدیل به کتگوری محصول شدن و سازمانها شروع کردن به «خریدن» راهحل مشکلات فرهنگی، که فقط اوضاع رو بدتر کرد.
حالا AI همین وعده رو میده: agentها به جای انسانها همکاری میکنن! اما مشکل اینه که اون اصطکاکی که داری دورش میزنی، اغلب همونیه که اعتماد و همراستایی رو توی تیم میساخت. Matt LeMay در یه رویداد مطرح کرد که برنامهریزی یعنی ارتباط، و ارتباط یه مهارت و هنره. وقتی باهاش مثل یه سربار رفتار میکنیم که باید حذف بشه، اون چیزی که سیستم رو انعطافپذیر نگه میداره از دست میره. اعتماد رو نمیشه شیپ کرد!
یه مفهوم کلیدی اینجا «بدهی شناختی» یا cognitive debt هست — وزن تجمیعیافته تصمیماتی که هیچوقت مستند نشدن و context هایی که فقط توی ذهن آدمهایی هستن که شاید فردا سازمان رو ترک کنن. وقتی «چرایی» یه تصمیم توی یه thread قدیمی Slack گم شده، AI واقعاً نمیتونه بدون اون اطلاعات پیش بره. این محدودیت مدل نیست — آینهایه که بازتاب خودمونه. هیچ مقدار prompt نمیتونه خلأ دانش از دست رفته رو پر کنه.
شکاف بین آنچه AI میتونه انجام بده و آنچه سازمانها واقعاً قادر به جذبش هستن، فنی نیست — انسانیه. ارتباطاتی که اتفاق نیفتاد، اطلاعاتی که ثبت نشد، فرضیاتی که گفته نشد، و اعتمادی که برای سرعت بیشتر فدا شد. جالبه که Grace Hopper روزی باور داشت محدودیت اصلی کامپیوترها اینه که نمیتونن ارتباط برقرار کنن — همین تفکر منجر به ساخت کامپایلرها و زبانهای برنامهنویسی شد. نوآوری امروز این ارتباط رو برای همه قابل دسترستر میکنه، اما مسئولیت تعریف واضح intent و instruction همچنان با ماست.
نتیجهگیری سادهست: تیمهایی که قبلاً روی مستندسازی واضح، context صریح، و هنجارهای ارتباطی قوی کار کردن، با AI بیشتر پیشرفت میکنن. اونایی که این کارها رو به تعویق انداختن، حالا سریعتر و واضحتر از هر زمان دیگهای با عواقبش روبرو میشن.
نکات کلیدی:
- هوش مصنوعی مشکلات ارتباطی و سازمانی رو حل نمیکنه، بلکه اونا رو برجستهتر میکنه
- مستندات ناقص، زمینه گمشده، و ارتباط ضعیف؛ موانع اصلی پذیرش AI هستن نه مشکلات فنی
- «بدهی شناختی» خطرناکتر از بدهی فنیه چون به صورت نامرئی انباشته میشه
- Agile و DevOps هم با همین چالش روبرو شدن — از فرهنگ به محصول تبدیل شدن و ناکارآمد شدن
- تیمهایی که قبلاً پایههای ارتباطی و مستندسازی قوی ساختن، بیشترین بهره رو از AI میبرن
- اعتماد و همراستایی رو نمیشه اتوماتیک کرد — این فرآیندها ارزش ذاتی دارن
