شما ایمیل نمی‌فرستید؛ بلکه در حال آموزش یک مدل هستید

اما راه دیگری برای نگاه‌کردن به ابزارهای یادداشت‌بردار هوش مصنوعی (AI note-takers) این است که آن‌ها را نوعی فعالیت برای گردآوری داده برای ماشین‌های دیگر بدانیم. متن پیاده‌سازی‌شده جلسات را می‌توان برای یافتن الگوهایی که پیش‌تر دیده نشده‌اند، بررسی کرد؛ مانند اینکه هر فرد تا چه اندازه مشارکت می‌کند یا در چه بخش‌هایی به مربی‌گری و آموزش نیاز دارد. همچنین وقتی اظهارنظرهای گذرا به سوابقی دائمی تبدیل می‌شوند، بخش بیشتری از ارتباطات کارکنان در قالب داده آموزشی برای مدل‌های هوش مصنوعی در دسترس قرار می‌گیرد.

این تصور که گفتگوهایی که با همکارانتان دارید می‌تواند مسیر رسیدن به ابرهوش را هموار کند، شاید خنده‌دار به نظر برسد. اما دعوای حقوقی در آمریکا بر سر خرید داده‌های گوگل از شرکت هواپیمایی ارزان‌قیمت و ورشکسته Spirit Airlines را در نظر بگیرید. غول فناوری برای به‌دست‌آوردن داده‌های اسپیریت، از جمله ۱۰۰ میلیون پیام ایمیل و ۵۰۰ میلیون پیام و محتوای ردوبدل‌شده در Teams، پیشنهادی ۱۰ میلیون‌دلاری ارائه کرد.

خرید داده‌های اسپیریت به یک سازنده مدل مانند گوگل فقط اطلاعات تخصصی صنعت هوانوردی درباره قیمت‌گذاری و هزینه سوخت را نمی‌دهد؛ بلکه داده‌های آموزشی عمومی‌تری درباره مذاکره، راهبرد و موضوعات دیگر نیز در اختیار آن قرار می‌دهد. چنین محتوایی معمولاً در فضای عمومی اینترنت در دسترس نیست. «گرگ ایوینگ» از مؤسسه حقوقی Spencer Fane می‌گوید: «رشته‌گفتگوهای ردیت راه خوبی برای یادگیری نحوه اداره یک کسب‌وکار نیست.»

معامله گوگل و اسپیریت از سوی چند طرف به چالش کشیده شده است؛ از جمله یک پیشنهاددهنده رقیب به نام Micro1 که آن هم علاقه‌مند به دستیابی به داده‌های این شرکت هواپیمایی است و شرکت نرم‌افزاری Springshot که معتقد است مالکیت فکری آن در حال فروخته‌شدن است. اما اتحادیه صنفی نماینده مهمانداران پرواز اسپیریت نیز با این معامله مخالفت کرده و استدلال می‌کند که این معامله شامل داده‌های محرمانه کارکنان است. (قرار است جلسه بعدی دادگاه در ۱۴ اکتبر برگزار شود.)

«جرمیاس آدامز-پراسل»، استاد حقوق دانشگاه آکسفورد می‌گوید اگر اسپیریت یک شرکت هواپیمایی اروپایی بود، این معامله تاکنون با موانع جدی مرتبط با حریم خصوصی مواجه شده بود. بر اساس GDPR، قانون حفاظت از داده‌های اتحادیه اروپا، داده‌هایی که برای یک هدف خاص جمع‌آوری شده‌اند، نمی‌توانند بعداً برای هدفی متفاوت مورداستفاده قرار گیرند؛ مفهومی که «محدودیت هدف» (purpose limitation) نام دارد. این موضوع آموزش مدل‌های هوش مصنوعی با استفاده از مکاتبات کارکنان را دشوار می‌کند، زیرا هدف اولیه از جمع‌آوری این مکاتبات کمک به عملکرد بهتر شرکت هواپیمایی بوده است.

انتظارات مربوط به حریم خصوصی کارکنان در قوانین گسترده‌تر اروپا نیز لحاظ شده است. در سال ۲۰۱۷، دادگاه اروپایی حقوق بشر، پرونده «بوگدان باربولسکو»، مهندس فروش رومانیایی را بررسی کرد که پس از آنکه کارفرمایش مکاتبات او را از یک حساب پیام‌رسان دانلود کرد، از کار اخراج شده بود؛ مکاتباتی که برخی از آن‌ها «ماهیتی صمیمانه» داشتند. باربولسکو فرم‌هایی را امضا کرده بود که در آن‌ها موافقت کرده بود این حساب برای اهداف کاری استفاده شود و صراحتاً استفاده شخصی از آن را انکار کرده بود. بااین‌حال، دادگاه در حکمی که به‌عنوان یک سابقه قضایی مهم شناخته شد، نتیجه گرفت که «دستورهای کارفرما نمی‌تواند زندگی اجتماعی خصوصی فرد در محیط کار را به صفر برساند.»

ممکن است برخی با شنیدن این موضوع پوزخند بزنند. درحالی‌که اروپایی‌ها بر حق بنیادین خود برای ارسال پیام‌های صمیمانه به یکدیگر در محل کار تأکید می‌کنند، آزمایشگاه‌های پیشرو هوش مصنوعی در آمریکا در حال به‌دست‌آوردن داده‌های داخلی بیشتری هستند و فاصله خود را با رقبا افزایش می‌دهند. اما حتی اگر محیط حقوقی در آن‌سوی اقیانوس اطلس آسان‌گیرتر باشد، تبدیل تعاملات کارکنان به خوراک داده‌ای برای هوش مصنوعی هزینه‌های دیگری نیز دارد. برای مثال، وکلا هشدار می‌دهند که متن پیاده‌سازی‌شده جلسات توسط هوش مصنوعی، حجم اسنادی که در دعاوی قضایی می‌توان به آن‌ها استناد و دسترسی پیدا کرد را به‌شدت افزایش می‌دهد.

صرف‌نظر از اینکه کارکنان در کجا مستقر باشند، معمولاً از ایده تحت نظارت قرارگرفتن استقبال نمی‌کنند. برای مثال، متا در اوایل سال جاری زمانی که تلاش کرد برنامه‌ای را اجرا کند که کلیک‌های ماوس و کلیدهای فشرده‌شده روی صفحه‌کلید کارکنان را ثبت می‌کرد، با واکنش منفی گسترده‌ای در داخل شرکت مواجه شد. آدامز-پراسل می‌گوید: «این استدلال که حریم خصوصی و رقابت‌پذیری در تضاد با یکدیگر قرار دارند، بیش از حد ساده‌انگارانه است.»

بااین‌حال، هوش مصنوعی احتمالاً شیوه رفتار کارکنان را تغییر خواهد داد. در حال حاضر، ارتباطات در محیط کار ترکیبی از پیام‌های خصوصی و حرفه‌ای است. حتی افراد رده‌بالا نیز لزوماً میان زندگی کاری و شخصی خود تمایز قائل نمی‌شوند. یکی از مدیران فناوری به یاد می‌آورد که زمانی به داده‌های یک مشتری دسترسی پیدا کرده و در یک فایل Word، رمزهای عبور مدیرعامل آن شرکت را یافته بود. اما اگر کارکنان تصور کنند داده‌های داخلی شرکت قرار است برای آموزش مدل‌های هوشمندتر مورداستفاده قرار گیرد؛ مدل‌هایی که حتی ممکن است از شرکت‌هایی که این داده‌ها در آن‌ها تولید شده‌اند نیز بیشتر دوام بیاورند، محتاط‌تر خواهند شد. محیط کار حرفه‌ای‌تر خواهد شد و درعین‌حال، کسل‌کننده‌تر.

گزارش حاضر در نسخه October 3^rd2026 نشریه The Economist منتشر شده است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.