در کار من طراحی برنامه های رهبری و توسعه نیروی کار در صنایع ، من یک شکاف شگفت آور را دیده ام: شرکت ها در حال عجله برای اتخاذ هوش مصنوعی هستند ، اما بیشتر کارمندان مجهز به استفاده مؤثر از آن نیستند.

بله ، مردم می توانند چتپ یا کوپیلوت را باز کرده و سریع اجرا کنند. اما این بدان معنا نیست که آنها سؤالات درست را می پرسند ، با انتقادی فکر می کنند یا بیشترین ارزش را از برنامه های هوش مصنوعی خود می گیرند.

دلیل این امر این است که استفاده از هوش مصنوعی به طور مؤثر مربوط به ابزارها نیست. این در مورد روانشناسی اساسی در نحوه استفاده از آنها است.

مهارتهای انسانی مورد نیاز برای اثربخشی هوش مصنوعی

از آنجا که تجارت همچنان به ادغام هوش مصنوعی در کار ادامه می دهد ، ارزشمندترین آموزشی که می توانیم ارائه دهیم فقط نحوه استفاده از این فناوری نیست. همچنین نحوه ایجاد مهارتهای روانشناختی است که تمام پتانسیل های هوش مصنوعی را باز می کند. در اینجا توانایی های مورد نیاز برای موفقیت آینده هوش مصنوعی وجود دارد:

1. وضوح هدف

یکی از مهارتهای نادیده گرفته شده در استفاده از هوش مصنوعی ، توانایی شروع با پایان دادن به ذهن است که به عنوان وضوح هدف نیز شناخته می شود. افرادی که با یک حس واضح از نتیجه مطلوب خود شروع می کنند می توانند سؤالات استراتژیک تر و مؤثرتری بنویسند و باعث می شوند که ناگزیر نتایج بهتر و سریع تری ارائه دهند.

شروع از ذهن در ذهن است عملکرد اجراییبشر مغز ما می تواند برنامه ریزی ، تمرکز و سازگار کند (Diamond ، 2013) ، و باید در هر آموزش هوش مصنوعی بنیادی باشد. هنگام کمک به کارمندان برای ایجاد این مهارت ، انجام موارد زیر را در نظر بگیرید:

1. کارمندان را ترغیب کنید تا قبل از شروع استفاده از هوش مصنوعی ، نتیجه مورد نظر خود را تعریف کنند.
2. آموزش نحوه سؤالات مهندسی معکوس و نتایج حاصل از نتایج مورد نظر را آموزش دهید.
3. الگوهای مربوط به انجام وظایف را با هدف و هدف ارائه دهید.

2. کنجکاوی

آزمایش سوخت کنجکاوی. کارمندانی که سؤالات بهتری می پرسند ، امکانات را کشف می کنند ، و با اعلان ها به احتمال زیاد می توانند خروجی های خلاقانه و مفیدی را کشف کنند.

کنجکاوی به تمایل اساسی برای به دست آوردن دانش و پر کردن شکاف های اطلاعاتی گره خورده است. برای ارتقاء کنجکاوی ، موارد زیر را در نظر بگیرید:

1. “عدم دانستن” و استفاده از AI را به عنوان فرصتی برای اکتشاف عادی کنید.
2. سناریوهای تمرینی باز و بدون پاسخ “درست” را ارائه دهید.
3. خروجی های غیر منتظره را به عنوان فرصت های مهم یادگیری برجسته کنید.

3. انعطاف پذیری روانشناختی

هوش مصنوعی به طور معمول گزینه هایی را ارائه می دهد ، نه اطمینان. کارمندانی که تصور می کنند پاسخ های کاملی دریافت می کنند ممکن است مبارزه کنند ، در حالی که افراد راحت با ابهام شکوفا می شوند.

انعطاف پذیری روانشناختی برای استفاده از هوش مصنوعی ضروری است ، که این توانایی سازگاری در حالی است که در اهداف و وظایف پایه گذاری می شود. برای ساختن این مهارت:

1. برای شبیه سازی پاسخ های نامشخص یا ناقص AI از نقش آفرینی استفاده کنید.
2. مردم را آموزش دهید تا بپرسند ، “چه چیز دیگری می توانم امتحان کنم؟” بعد از هر بار
3. تأمل در مورد واکنشهای عاطفی به عدم اطمینان هوش مصنوعی را تشویق کنید.

4. حل مسئله تکراری

AI ذاتاً تکراری است. بهترین نتیجه ناشی از فرکانس ، ارزیابی ، ترقی و تکرار است. کارمندان باید این را نه به عنوان ناکارآمدی ، بلکه به عنوان حلقه شناختی یادگیری تطبیقی ​​مشاهده کنند. این توانایی را توسط:

1. تأکید بر درخواست ها به عنوان یک حلقه بازخورد ، نه یک کار یک شات.
2. ارائه نمونه های قبل و بعد از آن برای نشان دادن چگونگی بهبود پالایش نتایج.
3. شامل تمرینات آموزشی AI که در آن تکرار و تجلیل می شود.

فقط برای AI آموزش نگیرید ، برای آن توسعه دهید

هوش مصنوعی لزوماً جایگزین مردم نمی شود ، اما افرادی که نمی توانند با هوش مصنوعی فکر کنند ممکن است پشت سر بگذارند.

اگر استراتژی فعال سازی هوش مصنوعی شما فقط روی عملکردی مانند دکمه ها تمرکز دارد ، مهمترین عامل موفقیت را از دست می دهید: چگونه مردم فکر می کنند ، احساس می کنند و با عدم اطمینان درگیر می شوند. برای ایجاد آمادگی واقعی:

1. جایی برای آزمایش ایجاد کنید – کارمندان را ترغیب کنید تا بدون ترس از شکست یا قضاوت ، با ابزارهای هوش مصنوعی سعی کنند ، آزمایش کنند و با ابزارهای هوش مصنوعی استفاده کنند. ایمنی روانشناختی برای کاوش در فن آوری های ناآشنا و یادگیری از طریق آزمایش و خطا ضروری است.
2. پاداش تفکر بازتابنده -رفتارهایی را که در اولویت تحلیل ، سؤال و خودآگاهی قرار می گیرند ، تقویت کنید. تفکر بازتابی به کاربران کمک می کند تا خروجی های هوش مصنوعی را بهتر ارزیابی کرده و به طور مداوم استراتژی های سریع خود را بهبود بخشد.
3. یادگیری چابکی یادگیری – در پاسخ به ابزارها ، چالش ها و محیط های جدید ، ظرفیت یادگیری ، یادگیری و بازگرداندن را به سرعت توسعه دهید. یادگیری چابکی ریشه در سازگاری دارد و برای پیمایش چشم انداز AI به سرعت در حال تحول بسیار مهم است.
4. روانشناسی انسان را در هر ابتکار آموزش هوش مصنوعی جاسازی کرد – آموزش طراحی که به عوامل شناختی و عاطفی مربوط می شود و نحوه تعامل افراد با هوش مصنوعی را شکل می دهد. این شامل مهارت های ساختمانی مانند کنجکاوی ، مقاومت ، مدل سازی ذهنی و راحتی با عدم اطمینان است.

هوش مصنوعی ممکن است در حال تغییر محل کار باشد ، اما این روانشناسی انسانی است که تعیین می کند چه کسی در آن شکوفا می شود. ابزارها تکامل می یابند ، رابط ها تغییر می کنند ، اما توانایی تفکر ، سازگاری سریع و پرسیدن سؤالات مناسب همیشه مزیت واقعی خواهد بود.