وقتی هوش مصنوعی فقط پاسخ نمی‌دهد، بلکه ابزار کار می‌سازد

هوش مصنوعی برای بسیاری از مدیران با نوشتن متن، خلاصه‌کردن گزارش و پاسخ‌دادن به سؤال شناخته می‌شود. اما کاربرد دیگری هم در حال گسترش است: ساخت ابزارهای کوچکی که بخشی از کار روزانه را انجام می‌دهند. این تغییر برای کسب‌وکارهایی اهمیت دارد که مسئله‌های تکراری دارند، اما برای هر مسئله نمی‌توانند یک پروژه نرم‌افزاری بزرگ تعریف کنند.

از گفت‌وگو تا ابزار قابل استفاده§

Anthropic در معرفی برنامه‌های مبتنی بر Claude Artifacts توضیح داده است که می‌توان در محیط Claude، برنامه‌های تعاملی دارای قابلیت هوش مصنوعی ساخت و به اشتراک گذاشت. تفاوت مهم این است که نتیجه می‌تواند چیزی باشد که کاربر با آن کار می‌کند؛ برای مثال، یک ورودی می‌دهد و خروجی متناسب دریافت می‌کند. این قابلیت را باید در چارچوب امکانات و محدودیت‌های همان محصول سنجید. [۱]

OpenAI نیز در معرفی قابلیت‌های Codex در ۲ ژوئن ۲۰۲۶، از کاربرد آن برای تیم‌های غیرتوسعه‌دهنده گفته است: ساخت ابزارهای داخلی، آماده‌سازی محتوای مدیریتی و ایجاد داشبورد. در همان معرفی، امکان ساخت و اشتراک‌گذاری وب‌سایت‌ها و برنامه‌های تعاملی با Sites به‌صورت پیش‌نمایش مطرح شده است. [۲]

برداشت مدیریتی من از این مسیر روشن است: فاصله میان شرح یک مسئله و دیدن نمونه اولیه ابزار حل آن، می‌تواند کوتاه‌تر شود. البته نمونه اولیه هنوز به معنای یک سامانه عملیاتی قابل اتکا نیست.

یک مثال از نمایندگی خودرو§

فرض کنید مسئول خدمات هر روز باید خودروهایی را که از زمان وعده تحویل گذشته‌اند پیگیری کند. اطلاعات بین برگه پذیرش، پیام‌ها و گزارش تعمیرگاه پخش شده است.

یک ابزار اولیه می‌تواند فقط این اطلاعات را دریافت کند: شماره پذیرش، موعد تحویل، وضعیت تعمیر، قطعه موردنیاز و مسئول پیگیری. خروجی هم فهرستی از خودروهای دیرکرددار باشد که بر اساس مدت تأخیر مرتب شده‌اند. این یک مثال پیشنهادی است، نه گزارش نتیجه یک اجرای واقعی.

برای نسخه اول، حتی به قابلیت هوش مصنوعی داخل ابزار هم نیاز نیست. ممکن است چند قانون روشن و یک فرم ساده کافی باشد. هوش مصنوعی در این مرحله به ساخت فرم، طراحی گزارش و اصلاح تجربه کار کمک می‌کند.

چطور شروع کنیم؟§

۱. یک کار تکراری و محدود انتخاب کنید؛ کاری که مسئول و خروجی مشخص داشته باشد.

۲. پیش از ساخت، بنویسید چه کسی چه اطلاعاتی وارد می‌کند و چه تصمیمی باید از خروجی بگیرد.

۳. نسخه اولیه را با داده‌های ساختگی امتحان کنید. جمع، تاریخ، فیلتر و رفتار ابزار با اطلاعات ناقص را بررسی کنید.

۴. بعد از بررسی فنی، با تعداد کمی کاربر و دامنه محدود آزمایش کنید. ورود اطلاعات واقعی باید با کنترل دسترسی و ملاحظات محرمانگی متناسب انجام شود.

۵. ارزش ابزار را اندازه بگیرید: زمان تهیه گزارش، خطای ثبت و تعداد پیگیری‌های عقب‌افتاده پیش و پس از آزمایش چقدر بوده است؟

نقش مدیر همچنان تعیین‌کننده است§

مدیر باید تعریف مسئله، قواعد تصمیم و معیار موفقیت را روشن کند. اگر فرایند مبهم باشد، ابزار تازه ممکن است فقط همان ابهام را سریع‌تر تکرار کند. پیشنهاد من این است که از یک مسئله کوچک شروع کنیم و پس از دیدن نتیجه، دامنه کار را افزایش دهیم.

پرسش کاربردی برای این هفته: کدام کار تکراری مجموعه شما با یک فرم استاندارد و یک گزارش روشن، کمتر به پیگیری شخص مدیر وابسته می‌شود؟

منابع§

[۱] Anthropic — Build and share AI-powered apps with Claude: https://www.anthropic.com/news/claude-powered-artifacts

[۲] OpenAI — Codex for every role, tool, and workflow، ۲ ژوئن ۲۰۲۶: https://openai.com/index/codex-for-every-role-tool-workflow/

این نوشته، تحلیل و پیشنهاد اجرایی بر پایه منابع بالا است و ترجمه یا بازنشر متن آن‌ها نیست.