‏چرا میلیاردها دلار آموزش هوش مصنوعی هدر می‌ره

یه اتفاق تقریباً در همه‌ی جلسات هیئت‌مدیره امسال می‌افته: مدیران نگران «شکاف هوش مصنوعی» هستن و پول زیادی خرج آموزش نیروی کارشون می‌کنن. اما طبق مطالعه‌ی جهانی استعداد ۲۰۲۶ شرکت Mercer، با اینکه ۶۳٪ از مدیران ارشد این آموزش‌ها رو بالاترین سرمایه‌گذاری می‌دونن، فقط ۳۲٪ می‌گن کارمنداشون واقعاً آماده‌ست. جواب معمول به این تناقض؟ پول بیشتر بریز رو آموزش.

مشکل اینجاست که آموزش یه ضریب‌دهنده‌ست، نه پایه. اگه یه کارمند با مهارت‌های پایه‌ی درست آموزش بگیره، شکاف سریع بسته می‌شه. ولی اگه پروفایل رفتاری اون کارمند با نقش جدید همخوانی نداشته باشه، نه «ارتقاء مهارت» اتفاق می‌افته، نه تحول؛ فقط یه نفر با گواهینامه‌ی گرون همون کار قبلی‌اش رو می‌کنه. رزومه‌ها تاریخچه‌ی گذشته‌ان، ارزیابی‌های عملکرد معیارهای دیروز رو نشون می‌دن، و «نظرسنجی‌های آشنایی با هوش مصنوعی» هم بیشتر احساس آدم‌ها نسبت به یه ابزار رو می‌سنجن تا آمادگی واقعیشون.

یه مثال واقعی این رویکرد رو خوب نشون می‌ده: یه شرکت توزیع‌کننده‌ی لوازم نگهداری که تحت فشار رشد فروش بعد از یه ادغام بزرگ بود، به‌جای اینکه سریع آموزش گسترده‌ای راه بندازه، اول یه مدل پیش‌بینی رفتاری ساخت. الگوهای رفتاری که بهترین فروشنده‌هاشون رو از بقیه جدا می‌کرد شناسایی کرد، و بعد آموزش رو دقیقاً بر اساس شکاف‌های اندازه‌گیری‌شده طراحی کرد. نتیجه؟ ۲۰٪ افزایش در فروش خالص، معادل ۸۹ هزار دلار درآمد بیشتر به ازای هر کارمند. همان بودجه، ولی این بار روی آدم‌های درست.

نویسنده یه ترتیب ساده پیشنهاد می‌ده: اول اندازه‌بگیر، بعد بازطراحی کن، سوم آموزش بده، و در طول همه‌ی این مراحل ارتباط برقرار کن. خیلی از سازمان‌ها این ترتیب رو برعکس طی می‌کنن. ۹۸٪ از مدیران طبق Mercer در دو سال آینده بازطراحی سازمانی دارن، ولی اکثرشون این کار رو بدون هیچ سنجش واقعی از آدم‌هایی که قراره این تغییر رو اجرا کنن انجام می‌دن.

یه نکته‌ی مهم دیگه هم اینه که مهارت‌های فنی با «تناسب» فرق دارن. فهرست مهارت‌ها بهت می‌گه یه نفر در دنیایی که دیگه وجود نداره چی بلده. ولی ارزیابی مهارت‌های نرم (soft skills) بهت می‌گه آیا اون آدم برای دنیایی که داره می‌آد ساخته شده یا نه. نادیده گرفتن این مرحله نه‌تنها هزینه داره، بلکه اعتماد کارمندان رو هم می‌شکنه — در حالی که طبق همون گزارش Mercer، «شادکامی» نیروی کار به پایین‌ترین سطح دهه رسیده.

نکات کلیدی:

• ۶۳٪ از مدیران، آموزش هوش مصنوعی رو پرسودترین سرمایه‌گذاری می‌دونن، ولی فقط ۳۲٪ نیروی کارشون رو آماده می‌بینن
• آموزش به‌تنهایی کافی نیست؛ باید اول بررسی کرد آیا پروفایل رفتاری کارمند با نقش جدید همخوانی داره
• ترتیب درست: ارزیابی ← بازطراحی نقش ← آموزش هدفمند
• تمرکز روی مهارت‌های فنی و رزومه کافی نیست؛ مهارت‌های نرم و ظرفیت یادگیری مهم‌ترن
• هزینه‌ی نادیده گرفتن این مرحله فقط مالی نیست؛ اعتماد کارمندان و نرخ ماندگاری رو هم تحت تأثیر می‌ذاره