‏«مدیر هوش»: نقش تازه کارمندها در عصر AI

مقاله‌ای از MindStudio مفهوم manager of intelligence رو مطرح می‌کنه، یعنی کارمندی (اغلب بدون عنوان مدیریتی) که خودش تصمیم می‌گیره کی، کجا و چطور از AI استفاده کنه. ایده‌ش اینه که شرکت‌ها همیشه دو ورودی اقتصادی داشتن: نیروی کار و سرمایه. نویسنده می‌گه AI حالا ورودی سومه و کسی که تخصیصش رو مدیریت می‌کنه، بیشتر مهندس یا پشتیبان یا تحلیلگر خط مقدمه تا یه مدیر با بودجه.

طبق مقاله، تیم‌های خرید سعی کردن AI رو تو قالب‌های آشنا جا بدن: قیمت‌گذاری per-seat مثل SaaS یا per-token که مصرف محاسبه رو می‌سنجه. مشکل اینه که توکن فقط حجم متن پردازش‌شده رو نشون می‌ده، نه اینکه خروجی به درد خورده یا نه. برای همین مدیرهای مالی نمی‌تونن بودجه AI رو با اطمینان تعیین کنن و خیلی از پایلوت‌ها تو دمو خوب به نظر میان ولی موقع بزرگ شدن گیر می‌کنن.

نویسنده می‌گه بودجه و تیم رو می‌شه از بالا هدایت کرد، ولی AI مستقیم دست کارمندها می‌ره و تصمیم‌ها در سطح هر تسک گرفته می‌شه. مثلاً یه کارمند می‌تونه فقط بخواد یه گزارش تکراری سریع‌تر ساخته بشه، یا از agent بخواد علت اصلی مشکلی که گزارش هی نشونش می‌ده رو پیدا کنه. به گفته نویسنده، فرق بین «کاربر AI» و «مدیر AI» همین‌جاست.

مثال مقاله یه مهندس تو یه شرکت تجهیزاتیه که یه خرابی تکراری رو بررسی می‌کنه. agent سوابق تعمیرات رو جمع می‌کنه، ولی مهندس باید بدونه کدوم شرایط مهمه، کدوم سوابق قابل اعتماد نیست و کی دو مشکل متفاوت شبیه هم توصیف شدن. این قضاوت اگه تو موارد زیاد تکرار بشه، می‌تونه حتی به یه سرویس جدید برای فروش برسه.

Forward deployed engineering (یعنی مهندس‌های شرکت سازنده AI که داخل سازمان مشتری کار می‌کنن) یه نمونه روشن از این نقشه. OpenAI و Anthropic هر دو چنین برنامه‌هایی دارن و Anthropic یه joint venture با Blackstone، Hellman & Friedman و Goldman Sachs برای کارخونه‌های متوسط و سیستم‌های درمانی منطقه‌ای داره. نویسنده هشدار می‌ده اگه این فقط خدمات بمونه، مشتری هیچ‌وقت خودش یاد نمی‌گیره و فقط پول می‌ده.

بعضی شرکت‌ها هم سراغ outcome-based pricing (یعنی قیمت بر اساس نتیجه) رفتن، مثل Sierra. یا Cedar که agent‌ش به اسم Cora تماس‌های صورتحساب بیمارها رو جواب می‌ده و چیزی که برای بیمارستان مهمه حل شدن صورتحسابه، نه تعداد توکن. OpenAI هم تو Thrive Holdings سهم گرفته و تیم‌هاش رو داخل شرکت‌هاش مستقر کرده. نتیجه‌گیری نویسنده اینه که این بیشتر یه تغییر نگرشه تا یه شغل جدید، و شرکت‌هایی که روی انگیزه، اعتماد و آموزش کارمندها سرمایه‌گذاری کنن، سود بیشتری از AI می‌برن.

نکات کلیدی:

• AI به‌عنوان ورودی سوم اقتصادی کنار نیروی کار و سرمایه معرفی شده.
• قیمت‌گذاری per-token و per-seat حجم مصرف رو می‌سنجه، نه مفید بودن خروجی.
• OpenAI و Anthropic هر دو تیم forward deployed engineering دارن.
• Sierra قیمت‌گذاری بر اساس نتیجه رو امتحان می‌کنه و OpenAI تو Thrive Holdings سهم گرفته.
• قیمت‌گذاری بر اساس نتیجه هنوز سخت قابل اندازه‌گیریه و توکن و seat همچنان روش پیش‌فرض هستن.