یافته‌های جدید نظرسنجی از Recon Analytics تغییری عمیق در محیط کار آمریکایی را نشان می‌دهد. پذیرش هوش مصنوعی از طریق انتخاب فردی بسیار بیشتر در حال گسترش استیافته‌های جدید نظرسنجی از Recon Analytics تغییری عمیق در محیط کار آمریکایی را نشان می‌دهد. پذیرش هوش مصنوعی از طریق انتخاب فردی بسیار بیشتر در حال گسترش است

کارگران آمریکایی به آرامی باعث افزایش بهره‌وری ۴۲۰ میلیارد دلاری هوش مصنوعی می‌شوند

2025/12/14 02:47

یافته‌های جدید نظرسنجی از Recon Analytics تغییری عمیق در محیط کار آمریکایی را نشان می‌دهد. پذیرش هوش مصنوعی از طریق انتخاب فردی بسیار بیشتر از دستورات شرکتی در حال گسترش است. طبق داده‌های جمع‌آوری شده از بیش از ۱۰۰,۰۰۰ متخصص، با اطمینان ۹۵ درصد و نرخ خطای ۲.۶ درصد، کارگران به سمت ابزارهای هوش مصنوعی روی می‌آورند زیرا به آنها کمک می‌کند سریع‌تر کار کنند، واضح‌تر فکر کنند و وظایفی را که قبلاً زمان قابل توجهی مصرف می‌کردند، انجام دهند.

این الگو نشان می‌دهد که بخش بزرگی از ارزش اقتصادی اکنون از طریق ابتکار شخصی تولید می‌شود. هنگامی که افزایش بهره‌وری خود-گزارش‌شده با ارقام جبران خسارت اداره آمار کار همراه می‌شود، نتیجه به تخمین ۴۲۰ میلیارد دلار در تولید سالانه می‌رسد که مستقیماً به کار با کمک هوش مصنوعی مرتبط است.

کارگران از پایه پذیرش هوش مصنوعی را هدایت می‌کنند

در میان کارمندانی که از هوش مصنوعی استفاده می‌کنند، ۴۴.۹ درصد می‌گویند این ابزارها را خودشان پذیرفته‌اند. تنها ۲۲.۳ درصد به برنامه‌های رسمی شرکت اشاره می‌کنند. این تغییر میز به میز، از دفاتر خانگی تا فضاهای کاری ترکیبی در حال وقوع است. کارگران انتخاب می‌کنند ابزارهایی مانند ChatGPT و Gemini را در روتین خود ادغام کنند زیرا معتقدند مزایای آن ملموس است.

به جای پیروی از دستورالعمل‌های بالا به پایین، کارمندان فرصت‌های خود را برای بهبود نحوه کار خود شناسایی می‌کنند.

افزایش بهره‌وری در وظایف اصلی قابل توجه است

هوش مصنوعی بیشترین دستاورد را در وظایفی که به تلاش شناختی سنگین وابسته هستند، تولید می‌کند. داده‌های Recon Analytic چندین حوزه را برجسته می‌کند که تأثیر در آنها واضح‌تر است:

• کارگرانی که از هوش مصنوعی برای تجزیه و تحلیل داده‌ها استفاده می‌کنند، امتیاز بهره‌وری متوسط ۷.۸ از ۱۰ را گزارش می‌دهند.
• کسانی که از هوش مصنوعی برای نوشتن و وظایف ارتباطی استفاده می‌کنند، ۷.۶ را گزارش می‌دهند.
• کسانی که از هوش مصنوعی برای توسعه استراتژی، تولید ایده و کار مفهومی استفاده می‌کنند، ۷.۴ را گزارش می‌دهند.

این فعالیت‌ها مسئولیت‌های اصلی نقش‌های دانشی در امور مالی، آموزش، تولید، کار علمی و خدمات حرفه‌ای را تشکیل می‌دهند.

کاربران هوش مصنوعی پولی عملکرد بالاتری را گزارش می‌دهند

یک روند ثابت در میان ده‌ها هزار پاسخ‌دهنده ظاهر می‌شود: کارگرانی که برای ابزارهای هوش مصنوعی پول پرداخت می‌کنند، نتایج خود را بالاتر از کسانی که از نسخه‌های رایگان استفاده می‌کنند، ارزیابی می‌کنند.

• بهره‌وری: ۷.۷ برای کاربران پولی در مقابل ۷.۱ برای کاربران رایگان
• سرعت: ۷.۸ در مقابل ۷.۶
• کیفیت خروجی: ۷.۶ در مقابل ۷.۰
• اتوماسیون: ۷.۳ در مقابل ۶.۶

کارگران سه دلیل اصلی برای ارتقا ذکر می‌کنند: ادغام قوی‌تر با برنامه‌های موجود، ویژگی‌های تولیدی قدرتمندتر و دسترسی به گردش کارهای خودکار.

ادغام زمینه‌ای قوی‌ترین نتایج را تولید می‌کند

نظرسنجی یافته‌ای چشمگیر را نشان می‌دهد: ابزارهای هوش مصنوعی که به داده‌های شرکت متصل می‌شوند، افزایش بهره‌وری بسیار بیشتری نسبت به ابزارهای مستقل ایجاد می‌کنند. وقتی کارگران از هوش مصنوعی که به منابع اطلاعاتی داخلی دسترسی دارد استفاده می‌کنند، امتیاز بهره‌وری متوسط آنها به بالای ۹ می‌رسد. کسانی که از هوش مصنوعی بدون چنین اتصالاتی استفاده می‌کنند، به طور متوسط ۸.۱ هستند.

این نشان می‌دهد که موج بعدی دستاوردها از پیوند هوش مصنوعی با محیط‌های داده امن و سازمان‌یافته به جای اتکا به ابزارهای منزوی خواهد آمد.

یک مدل جدید نوآوری در محل کار

نظرسنجی به الگویی واضح در داخل بسیاری از سازمان‌ها اشاره می‌کند. کارگران موارد استفاده را خودشان شناسایی می‌کنند، به طور غیررسمی آزمایش می‌کنند و آنچه را که یاد می‌گیرند با همکاران به اشتراک می‌گذارند. سپس بخش‌های IT وارد می‌شوند تا آنچه را که ارزشمند ثابت شده است، رسمی، ایمن و مقیاس‌پذیر کنند. این چرخه به سرعت در حال تبدیل شدن به مسیر غالب برای پذیرش هوش مصنوعی است.

کارگران همچنین خواستار آموزش عمیق‌تر هستند. چهل و هفت درصد از کاربران هوش مصنوعی می‌گویند برای ایجاد روانی طولانی مدت به راهنمایی خاص دامنه نیاز دارند.

خطرات انتظار طولانی

هوش مصنوعی سایه همچنان نگران‌کننده است. وقتی کارمندان به طور مستقل ابزارها را می‌پذیرند، اطلاعات حساس می‌تواند در سیستم‌هایی که فاقد محافظت‌های مناسب هستند، قرار گیرد. سازمان‌هایی که برای ایجاد مسیرهای امن برای هوش مصنوعی خیلی طولانی منتظر می‌مانند، ممکن است کارگران را به شرکت‌هایی که از آزمایش مسئولانه حمایت می‌کنند، از دست بدهند.

در میان تیم‌های با عملکرد بالا، Recon چندین شیوه رایج را مشاهده می‌کند: محیط‌های کنترل‌شده موقت که کارمندان می‌توانند به طور ایمن تمرین کنند، قوانین حاکمیتی واضح و برنامه‌های آموزشی ساختاریافته که به کارگران کمک می‌کند از علاقه به تسلط پیشرفت کنند.

یک تغییر آرام با تأثیر اقتصادی گسترده

هوش مصنوعی نیروی کار را از طریق دستورات اتوماسیون ناگهانی بازسازی نمی‌کند. این روتین‌های روزانه را از طریق هزاران انتخاب فردی تغییر می‌دهد. با ۴۰.۸ درصد از کارگران دانشی که از هوش مصنوعی استفاده می‌کنند و ۶۹.۲ درصد که افزایش عملکرد واضح را گزارش می‌دهند، اثر اقتصادی در حال حاضر قابل توجه است.

اگر روندهای فعلی ادامه یابد، هوش مصنوعی رشد بهره‌وری در کار دانشی را قوی‌تر از هر ابزاری که از زمان رایانه شخصی معرفی شده است، تحت تأثیر قرار خواهد داد. سازمان‌هایی که این حرکت از پایین به بالا را تشخیص می‌دهند، دسترسی مسئولانه فراهم می‌کنند و توسعه مهارت را پشتیبانی می‌کنند، قوی‌ترین سهم از ارزش ۴۲۰ میلیارد دلاری را که اکنون در محل کار آمریکایی در حال شکل‌گیری است، به دست خواهند آورد.

نظرات
سلب مسئولیت: مطالب بازنشرشده در این وب‌ سایت از منابع عمومی گردآوری شده‌ اند و صرفاً به‌ منظور اطلاع‌ رسانی ارائه می‌ شوند. این مطالب لزوماً بازتاب‌ دهنده دیدگاه‌ ها یا مواضع MEXC نیستند. کلیه حقوق مادی و معنوی آثار متعلق به نویسندگان اصلی است. در صورت مشاهده هرگونه محتوای ناقض حقوق اشخاص ثالث، لطفاً از طریق آدرس ایمیل [email protected] با ما تماس بگیرید تا مورد بررسی و حذف قرار گیرد.MEXC هیچ‌ گونه تضمینی نسبت به دقت، جامعیت یا به‌ روزبودن اطلاعات ارائه‌ شده ندارد و مسئولیتی در قبال هرگونه اقدام یا تصمیم‌ گیری مبتنی بر این اطلاعات نمی‌ پذیرد. همچنین، محتوای منتشرشده نباید به‌عنوان توصیه مالی، حقوقی یا حرفه‌ ای تلقی شود و به منزله پیشنهاد یا تأیید رسمی از سوی MEXC نیست.

محتوای پیشنهادی