خستگی از هوش مصنوعی: چالش پنهان در رقابت برای پذیرش هوش مصنوعی

هوش مصنوعی به انقلاب فناورانه عصر ما تبدیل شده است و سازمان‌ها در صنایع مختلف با سرعتی هرچه بیشتر در تلاش‌اند راهکارهای هوش مصنوعی را در عملیات خود ادغام کنند.

مبتنی بر آمار

بر اساس نظرسنجی مک‌کنزی در سال ۲۰۲۵ درباره پذیرش هوش مصنوعی، ۷۸ درصد شرکت‌ها اکنون در دست‌کم یکی از کارکردهای کسب‌وکار خود از هوش مصنوعی استفاده می‌کنند؛ رقمی که در مقایسه با ۵۵ درصد در سال قبلش، جهشی قابل‌توجه را نشان می‌دهد. حتی معنادارتر آنکه ۹۲ درصد مدیران انتظار دارند طی سه سال آینده سرمایه‌گذاری خود در هوش مصنوعی را افزایش دهند؛ موضوعی که نشان می‌دهد هوش مصنوعی از یک فناوری آزمایشی به زیرساخت اصلی در کسب‌وکار تبدیل شده است.

در نگاه اول، این آمارها از اشتیاقی بی‌حدوحصر برای پذیرش هوش مصنوعی حکایت دارند. بااین‌حال، زیر این سطح از هیجان، روند متضاد نگران‌کننده‌ای در حال شکل‌گیری است. برای مثال، نظرسنجی EY از ۵۰۰ مدیر ارشد نشان می‌دهد تقریباً نیمی از آنها از کاهش اشتیاق سازمانی نسبت به ادغام هوش مصنوعی خبر داده‌اند. هم‌زمان، در شبکه‌های اجتماعی گزارش‌هایی منتشر شده مبنی بر اینکه شرکت‌ها در زمینه افزایش استفاده از هوش مصنوعی مولد، با واکنش منفی کارکنان خود مواجه شده‌اند. نویسندگان The European Business Review نیز در مقام مشاور، در صنایع مختلف با صداهای مشابهی را شنیده‌اند که معتقدند صحبت مداوم درباره هوش مصنوعی در میان کارکنان و مدیران، احساس خستگی و تردید ایجاد کرده است.

این مشاهدات در کنار یکدیگر به پدیده‌ای منجر می‌شوند که نویسندگان The European Business Review آن را «خستگی از هوش مصنوعی» می‌نامند؛ پدیده‌ای که چالشی مهم برای سازمان‌هایی است که در مسیر تحول دیجیتال حرکت می‌کنند. خستگی از هوش مصنوعی با مقاومت ساده در برابر تغییر متفاوت است و از مواجهه طولانی‌مدت با روایت‌ها و راهبردهای ارتباطی‌ای ناشی می‌شود که بی‌وقفه درباره پیشرفت فناوری صحبت می‌کنند؛ به‌ویژه زمانی که حمایت سازمانی کافی وجود نداشته باشد. اگر به این مسئله رسیدگی نشود، این خستگی می‌تواند مزایایی که هوش مصنوعی نوید تحقق آنها را داده است را تضعیف کند. با وجود این نیاز آشکار، تاکنون تلاش جدی‌ای برای درک این پدیده و پیامدهای آن صورت نگرفته است.

ترسیم مرزهای خستگی از هوش مصنوعی

برای پرداختن صحیح به مفهوم «خستگی از هوش مصنوعی»، ابتدا باید آن را از مفاهیم مرتبط اما متمایزی که اغلب در بحث‌های مربوط به پذیرش هوش مصنوعی با یکدیگر خلط می‌شوند، تفکیک کنیم.

خستگی از هوش مصنوعی را نباید با «گریز از الگوریتم» (algorithm aversion) اشتباه گرفت؛ پدیده‌ای که در آن افراد، باوجود شواهدی درباره اثربخشی ابزارهای مبتنی بر هوش مصنوعی، در برابر استفاده از آنها مقاومت می‌کنند. این گریز معمولاً از بی‌اعتمادی به تصمیم‌گیری خودکار یا ترجیح قضاوت انسانی ناشی می‌شود. در مقابل، خستگی از هوش مصنوعی حتی افرادی را تحت‌تأثیر قرار می‌دهد که در ابتدا از هوش مصنوعی استقبال کرده‌اند، اما در اثر تکامل دائمی آن به فرسودگی رسیده‌اند.

به همین ترتیب، خستگی از هوش مصنوعی با «خستگی عمومی از فناوری» نیز متفاوت است؛ مفهومی که به فرسودگی ناشی از زمان بیش از حد صرف‌شده مقابل صفحه‌نمایش و اضافه‌بار دیجیتال اشاره دارد. اگرچه هر دو مفهوم با نوعی فرسودگی همراه‌اند، خستگی از هوش مصنوعی مشخصاً به فشار روانی ناشی از تلاش برای همگام ماندن با ارتباطات و نمایش‌های فشرده درباره پیشرفت‌های سریع هوش مصنوعی و فشار سازمانی برای پذیرش آن مربوط می‌شود.

همچنین نباید خستگی از هوش مصنوعی را با مخالفت اصولی با هوش مصنوعی بر مبنای نگرانی‌های اخلاقی یکی دانست. افرادی که دچار این خستگی می‌شوند، اغلب ارزش بالقوه هوش مصنوعی را به رسمیت می‌شناسند، اما از سرعت عرضه آن و جاروجنجال‌های رسانه‌ای بی‌وقفه درباره تأثیر گسترده‌اش احساس فشار می‌کنند؛ یعنی همان تصور که «همه چیز را تغییر خواهد داد.» در هسته اصلی مفهوم خستگی از هوش مصنوعی، نوعی فرسودگی ذهنی و عاطفی جمعی قرار دارد که افراد در واکنش به ارتباطات مستمر و شدید سازمان درباره سرعت سرسام‌آور توسعه، پذیرش و تأثیرگذاری هوش مصنوعی تجربه می‌کنند.

ریشه‌های خستگی از هوش مصنوعی: استفاده از روایتی غالب و فشرده

روایت غالب پیرامون پذیرش هوش مصنوعی اغلب آن را تحولی اجتناب‌ناپذیر و اجباری معرفی می‌کند. سازمان‌ها معمولاً این پیام را از طریق ادبیات «سازگار شو یا بمیر» (adapt or die) منتقل می‌کنند؛ ادبیاتی که هوش مصنوعی را نیرویی توقف‌ناپذیر و در حال بازتعریف صنعت نشان می‌دهد. این رویکرد ارتباطی، اگرچه با هدف ایجاد انگیزه به کار گرفته می‌شود، اغلب نتیجه معکوس دارد و مقاومت روان‌شناختی ایجاد می‌کند. کارکنانی که احساس می‌کنند راهبرد ارتباطی سازمان درباره هوش مصنوعی آنها را به تغییر وادار می‌کند، حتی اگر از نظر عقلانی مزایای آن را بپذیرند، اغلب به مقاومتی ناخودآگاه دچار می‌شوند که خود را در قالب خستگی نشان می‌دهد.

سرعت بی‌سابقه پیشرفت هوش مصنوعی نیز این مشکل را تشدید می‌کند. مدل‌ها، ابزارها و کاربردهای جدید با چنان سرعتی ظهور می‌کنند که جذب و درونی‌سازی معنادار آنها تقریباً ناممکن می‌شود. متخصصان در صنایع مختلف خود را در معرض سیلی مداوم از اخبار مرتبط با هوش مصنوعی، الزامات آموزشی، پیشنهادهای فروشندگان و ارتباطات و دستورالعمل‌های داخلی می‌بینند. برخلاف تحولات فناورانه پیشین که طی سال‌ها رخ می‌دادند، تکامل سریع هوش مصنوعی زمان اندکی برای هضم و ادغام مناسب آن باقی می‌گذارد و در نتیجه به اضافه‌بار شناختی منجر می‌شود؛ به‌ویژه زمانی که راهبرد ارتباطی سازمان بر این موضوع تأکید دارد که مقاومت بی‌فایده است؛ یعنی «هوش مصنوعی اجتناب‌ناپذیر است.»

شکاف میان وعده‌های هوش مصنوعی و واقعیت که بیش از همه‌جا در داده‌های مربوط به بازگشت سرمایه (ROI) هوش مصنوعی آشکار می‌شود، این خستگی را بیش‌ازپیش تشدید می‌کند. این فناوری به‌عنوان راه‌حلی همه‌کاره معرفی شده است که قادر است فرایندهای پیچیده را خودکار کند، روندها را با دقت کامل پیش‌بینی کند و یک‌شبه صنایع را متحول کند. در عمل، بسیاری از پیاده‌سازی‌های هوش مصنوعی به دلیل مشکلات کیفیت داده، چالش‌های یکپارچه‌سازی یا صرفاً به این دلیل که برای حل مسائل نامناسب به کار گرفته شده‌اند، نمی‌توانند انتظارات بلندپروازانه را برآورده کنند. هنگامی که کارکنان پیوسته شاهد چنین کاستی‌هایی باشند، اشتیاق اولیه جای خود را به تردید و بی‌تفاوتی می‌دهد.

شاید موذیانه‌ترین پیامد پیشرفت بی‌وقفه هوش مصنوعی، ناامنی شغلی گسترده باشد. حتی کارکنانی که از نظر فنی مهارت بالایی دارند نیز گزارش می‌کنند که در تلاش برای همگام‌شدن با فشار ارتباطی موجود برای به‌روزماندن با تحولات جدید، احساس ناکافی بودن می‌کنند. این پدیده در میان کارکنان غیرفنی شدت بیشتری دارد؛ افرادی که نگران‌اند در محیط کاری مبتنی بر هوش مصنوعی عقب بمانند. «سندروم ایمپاستر» ناشی از این وضعیت؛ یعنی این احساس که «واقعاً هیچ‌کس هوش مصنوعی را درک نمی‌کند» نیز بیش‌ازپیش به فرسودگی‌ای دامن می‌زند که مشخصه خستگی از هوش مصنوعی است.

پیامدهای خستگیِ بدون رسیدگی

اگر خستگی از هوش مصنوعی کنترل نشود، می‌تواند تلاش‌های تحول دیجیتال را از چند جهت ملموس تضعیف کند. شاید مستقیم‌ترین پیامد خستگی، کاهش نرخ پذیرش باشد؛ زیرا کارکنان از طرح‌های مرتبط با هوش مصنوعی فاصله می‌گیرند. حتی زمانی که ابزارها به طور آشکار بهره‌وری را افزایش می‌دهند، کارکنان خسته اغلب به روش‌های آشنا بازمی‌گردند تا اینکه انرژی خود را صرف یادگیری سیستم‌های جدید کنند. این مقاومت رفتاری در برابر یادگیری و پذیرش فناوری جدید اغلب در شاخص‌های پذیرش اندازه‌گیری نمی‌شود؛ زیرا کارکنان ممکن است از نظر فنی از دستورالعمل‌ها تبعیت کنند، اما در عمل راه‌هایی برای به حداقل رساندن استفاده واقعی از ابزارها و بی‌خبر نماندن از تحولات جدید پیدا کنند. در واقع، نویسندگان The European Business Review در یک مطالعه پیمایشی، شواهد اولیه‌ای یافتند که نشان می‌دهد پس از شکل‌گیری خستگی از هوش مصنوعی، انگیزه کارکنان برای پذیرش استفاده از هوش مصنوعی و یادگیری درباره آن کاهش می‌یابد.

بار شناختی ناشی از سازگاری مداوم و پردازش جریان پیوسته ارتباطات نیز می‌تواند بهره‌وری کلی را کاهش دهد. کارکنانی که تغییرات مرتبط با هوش مصنوعی را در کنار مسئولیت‌های معمول خود مدیریت می‌کنند، اغلب از خستگی تصمیم‌گیری و کاهش ظرفیت خلاقیت خبر می‌دهند. تناقضی جالبی در اینجا شکل می‌گیرد؛ ابزارهایی که قرار است بهره‌وری را افزایش دهند، در صورت پیاده‌سازی بدون توجه به محدودیت‌های انسانی، ممکن است در نهایت اثری معکوس داشته باشند.

شاید زیان‌بارترین پیامد در بلندمدت، نحوه ایجاد بدبینی سازمانی نسبت به تغییرات فناورانه از طریق خستگی از هوش مصنوعی باشد. کارکنانی که تجربه پذیرش نامناسب و مدیریت‌نشده هوش مصنوعی را دارند، اغلب به شکلی از شکاکیت عمومی نسبت به فناوری دچار می‌شوند که اجرای طرح‌های نوآورانه آینده را دشوارتر می‌کند. این مقاومت فرهنگی ممکن است مدت‌ها پس از آنکه ابزارهای مشخص به طور کامل فراگرفته شدند نیز ادامه پیدا کند.

راهبردهایی برای پذیرش پایدار هوش مصنوعی

مقابله با خستگی از هوش مصنوعی مستلزم آن است که سازمان‌ها از پیاده‌سازی فنی فراتر بروند و بر عوامل انسانی در تحول دیجیتال تمرکز کنند. چندین راهبرد می‌تواند به سازمان‌ها کمک کند ضمن حفظ شتاب، خستگی را نیز کاهش دهند.

بازتعریف روایت پیرامون پذیرش هوش مصنوعی، نخستین گام مهم در این مسیر است. سازمان‌های موفق، به‌جای معرفی هوش مصنوعی به‌عنوان نیرویی توقف‌ناپذیر که کارکنان باید خود را با آن سازگار کنند، باید در ارتباطات خود بیشتر بر این موضوع تأکید کنند که هوش مصنوعی چگونه می‌تواند توانمندی‌های کارکنان را افزایش دهد و به منافع آنها کمک کند. برای مثال، جایگزین‌کردن پیام‌های مبتنی بر ترس مانند «هوش مصنوعی جایگزین کارکنانی خواهد شد که خود را با آن سازگار نکنند» با چارچوب‌بندی مثبت‌تری مانند «هوش مصنوعی توانمندی‌های شما را افزایش می‌دهد»؛ می‌تواند مقاومت را به میزان قابل‌توجهی کاهش دهد. این رویکرد ضمن به‌رسمیت‌شناختن ظرفیت تحول‌آفرین هوش مصنوعی، عاملیت انسانی را در فرایند تغییر در مرکز توجه قرار می‌دهد.

طرح‌های ابتکاری یادگیری و توسعه (L&D) برای مقابله با خستگی نیازمند توجه ویژه‌اند. ابتکارهای L&D به‌ویژه در زمینه پذیرش هوش مصنوعی ضروری هستند؛ زیرا این فناوری تنها زمانی ارزش جدید و پایدار ایجاد خواهد کرد که کارکنان درک کنند این فناوری چگونه کار می‌کند و به مهارت‌های کسب‌وکاری و مهارت‌های نرم مناسب برای استفاده از هوش مصنوعی به شیوه‌هایی مجهز شوند که برای شرکت و ذی‌نفعان آن ارزش ایجاد کند. بااین‌حال، رویکردهای سنتی آموزش معمولاً کارکنان را با جلسات طولانی و فنی تحت‌فشار قرار می‌دهند؛ جلساتی که اغلب به‌جای کاهش استرس، آن را تشدید می‌کنند. سازمان‌های اثربخش‌تر، سیستم‌های «یادگیری در لحظه نیاز» (just-in-time learning) را پیاده می‌کنند که آموزش‌های کوتاه، محدود و متناسب با نقش شغلی را دقیقاً در زمان نیاز ارائه می‌دهند.

مدیریت انتظارات، یکی دیگر از مداخلات ارتباطی مهم است. مدیرانی که هم ظرفیت‌های هوش مصنوعی و هم محدودیت‌های فعلی آن را به‌صورت شفاف بیان می‌کنند، به جلوگیری از سرخوردگی‌ای کمک می‌کنند که به خستگی دامن می‌زند. برجسته‌کردن موفقیت‌های کوچک و ملموس مانند صرفه‌جویی در زمان انجام وظایف روزمره، اعتمادبه‌نفس را بسیار مؤثرتر از وعده‌های بزرگ درباره تحول ایجاد می‌کند.

شاید مهم‌تر از همه، رهبران باید راهبردهای ارتباطی‌ای را اتخاذ کنند که فرهنگ سازمانی را به‌گونه‌ای شکل دهد که آزمایش‌گری را عادی بداند و شکست‌های اولیه را تحمل کند. هنگامی که کارکنان برای آزمودن کاربردهای هوش مصنوعی احساس امنیت کنند و نگران پیامدهای نتایج ناقص نباشند، احتمال بیشتری دارد که در طول منحنی یادگیری اجتناب‌ناپذیر، مسیر خود را ادامه دهند. ارزش‌گذاری تلاش‌های یادگیری، نه صرفاً نتایج، این ذهنیت آزمایش‌گرانه را تقویت می‌کند.

در نهایت، بررسی‌های منظم برای ارزیابی رفاه نیروی کار می‌تواند به سازمان‌ها کمک کند سرعت پذیرش هوش مصنوعی را به‌درستی تنظیم کنند. هنگامی که نشانه‌های خستگی پدیدار می‌شوند، رهبران موفق انعطاف‌پذیری لازم را نشان می‌دهند تا پیش از معرفی ابزارهای جدید، دستاوردهای حاصل از پیاده‌سازی‌های موجود را تثبیت کنند. این رویکرد سنجیده از اضافه‌بار شناختی‌ای جلوگیری می‌کند که پذیرش پایدار را تضعیف می‌کند.

مسیر پیش رو

سازمان‌هایی که در نهایت در تحول مبتنی بر هوش مصنوعی موفق خواهند شد، لزوماً سازمان‌هایی نیستند که سریع‌تر از همه هوش مصنوعی را به کار می‌گیرند؛ بلکه سازمان‌هایی هستند که آن را سنجیده‌تر می‌پذیرند و متناسب با آن ارتباطات خود را مدیریت می‌کنند. با به‌رسمیت‌شناختن خستگی از هوش مصنوعی به‌عنوان پدیده‌ای واقعی و دارای پیامدهای مهم، رهبران می‌توانند راهبردهای ارتباطی و مداخلاتی را اجرا کنند که ضمن حفظ شتاب، از ارزشمندترین دارایی سازمان؛ یعنی نیروی انسانی آن محافظت می‌کند.

بنابراین، چالش پیش رو مقاومت در برابر پیشروی هوش مصنوعی نیست؛ بلکه شکل‌دادن به نحوه ارتباطات پیرامون پذیرش آن به‌گونه‌ای است که نیروی کار را به حرکت وادارد، نه اینکه آن را فرسوده کند. در این مسیر رقابت برای پیاده‌سازی هوش مصنوعی، برندگان واقعی ممکن است کسانی باشند که درک می‌کنند گاهی پیاده‌سازی آهسته‌تر به تحول سریع‌تر و ماندگارتری منجر می‌شود.

گزارش حاضر در نسخه May June 2026 نشریه The European Business Review منتشر شده است.

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