Why People and AI Make Good Business Partners | Shervin Khodabandeh | TED

Translator: Moazame Danaiefar Reviewer: sadegh vn

I've been working in AI for most of my career,

من بیشتر دوران حرفه‌ایم را در حوزۀ هوش مصنوعی مشغول به کار بودم و

helping companies build artificial intelligence capabilities

به شرکت‌ها در ایجاد قابلیت‌های هوش مصنوعی و ارتقای

to improve their business,

کسب‌وکارشان کمک می‌کردم.

which is why I think what I'm about to tell you

به همین دلیل چیزی که می‌خواهم بگویم

is quite shocking.

خیلی شوکه کننده است.

Every year, thousands of companies across the world

سالانه، هزاران شرکت در سراسر دنیا

spend collectively tens of billions of dollars to build AI capabilities.

در مجموع ده‌ها میلیارد دلار صرف ساخت قابلیت‌های هوش مصنوعی می‌کنند.

But according to research my colleagues and I have done,

اما طبق نتایج تحقیق من و همکارانم،

only about 10 percent of these companies get any meaningful financial impact

تنها حدود ۱۰ درصد از شرکت‌ها سرمایه‌گذاری‌هایشان

from their investments.

بازدهی خوبی دارد.

These 10 percent winners with AI have a secret.

در موفقیت این ۱۰ درصد در هوش مصنوعی رازی نهفته است.

And their secret is not about fancy algorithms or sophisticated technology.

اما رمز موفقیت‌شان الگوریتم‌های پیچیده یا فن‌آوری‌های پیشرفته نیست.

It's something far more basic.

رمز موفقیت آن‌ها چیزی بسیار ساده است.

It's how they get their people and AI to work together.

اینکه چگونه هوش مصنوعی و کارکنان‌شان را متقاعد می‌کنند با هم همکاری کنند.

Together, not against each other,

با هم، نه علیه یکدیگر،

not instead of each other.

نه به جای یکدیگر.

Together in a mutually beneficial relationship.

همکاری که هر دو طرف از آن سود ببرند.

Unfortunately, when most people think about AI,

متأسفانه، بیشتر افراد هنگام فکر کردن به هوش مصنوعی،

they think about the most extreme cases.

غیرعادی‌ترین موارد در ذهنشان تداعی می‌شود.

That AI is here only to replace us

اینکه هوش مصنوعی قرار است جای ما را بگیرد،

or overtake our intelligence and make us unnecessary.

یا سطح هوشمندی‌اش از ما پیشی بگیرد و ما را از رده خارج کند.

But what I'm saying

اما حرف من این است که

is that we don't seem to quite appreciate the huge opportunity that exists

ظاهراً ما قدر فرصت با ارزشی که در این همکاری

in the middle ground,

نهفته است را نمی‌دانیم،

where humans and AI come together

یعنی زمانی‌که انسان و هوش مصنوعی گرد هم می‌آیند تا

to achieve outcomes that neither one could do alone on their own.

دستاوردهایی کسب کنند که به تنهایی قادر به انجام آن نبودند.

Consider the game of chess.

بازی شطرنج را در نظر بگیرید.

You probably knew that AI today can beat any human grandmaster.

احتمالاً می‌دانید که هم اکنون هوش مصنوعی می‌تواند تمامی استادبزرگ‌ها را شکست دهد.

But did you know that the combination of a human chess player and AI

آیا می‌دانستید ترکیب انسان شطرنج‌باز و هوش مصنوعی

can beat not only any human but also any machine.

نه تنها انسان بلکه ماشین را هم می‌تواند شکست دهد؟

The combination is much more powerful than the sum of its parts.

این ترکیب بسیار قدرتمندتر از مجموع اجزای آن است.

In a perfect combination, AI will do what it does best,

در یک ترکیب بی عیب و نقص، هوش مصنوعی کاری را انجام می‌دهد که در آن مهارت دارد،

which is dealing with massive amounts of data and solving complex problems.

یعنی پردازش حجم بالایی از داده‌ها و حل مسائل پیچیده.

And humans do what we do best

و انسان هم کاری را انجام می‌دهد که در آن مهارت دارد،

using our creativity, our judgment, our empathy, our ethics

یعنی استفاده از خلاقیت، قوۀ تشخیص، همدلی، اصول اخلاقی

and our ability to compromise.

و توانایی مصالحه کردن.

For several years,

من و همکارانم

my colleagues and I have studied

چندین سال را صرف مطالعه و

and worked with hundreds of winning companies

همکاری با شرکت‌هایی کردیم که

who are successfully building these human-AI relationships.

در ایجاد تعامل میان انسان و هوش مصنوعی موفق هستند.

And what we've seen is quite interesting.

نتایج آن جالب بود.

First of all, these companies get five times more financial value

اول اینکه، ارزش مالی این شرکت‌ها پنج برابر بیشتر از شرکت‌هایی است که

than companies who use AI only to replace people.

با هدف جایگزین کردن هوش مصنوعی با انسان از آن استفاده می‌کنند.

Most importantly, they have a happier workforce.

مهم‌تر اینکه، این شرکت‌ها فضای کاری شادتری دارند.

Their employees are more proud, more fulfilled,

کارکنان آن‌ها بیشتر احساس سربلندی و خشنودی می‌کنند،

they collaborate better with each other, and they're more effective.

همکاری بهتری با یکدیگر دارند و کارآمدتر هستند.

Five times more value and a happier workforce.

ارزش مالی پنج برابری و محیط کاری شادتر.

So the question is, how do these companies do it?

سؤال این است که چگونه به این جایگاه دست یافته‌اند؟

How do they achieve these symbiotic human-AI relationships?

انسان و هوش مصنوعی چگونه توانسته‌اند در این شرکت‌ها همزیستی داشته باشند؟

I have some answers.

برای این پرسش‌ها چند جواب دارم.

First of all, they don't think of AI in the most extreme case

اول اینکه، آن‌ها به موارد غیرعادی مثلِ جایگزینی هوش مصنوعی

only to replace humans.

با انسان فکر نمی‌کنند.

Instead, they look deep inside their organizations

در عوض، به دقت سازمان و

and at the various roles their people play.

کارکنان‌شان در سِمت‌های مختلف را بررسی می‌کنند.

And they ask:

و می‌پرسند:

How can AI make our people more fulfilled, more effective,

هوش مصنوعی چگونه می‌تواند باعث سربلندی، خرسندی و

more amplified?

ارتقای توانایی کارکنان ما شود؟

Let me give you an example.

اجازه دهید با یک مثال توضیح دهم.

Humana is a health care company here in the US.

هیومانا شرکتی آمریکایی است که در حوزۀ بهداشت و درمان فعال است.

It has pharmacy call centers where pharmacists work with patients

این شرکت مراکز تماس توزیع دارو دارد که در آن داروسازان تلفنی با

over the phone.

بیماران همکاری می‌کنند.

It's a job that requires a fair amount of empathy and humanity.

لازمۀ این شغل مقدار زیادی همدلی و انسانیت است.

Humana has developed an AI system

هیومانا یک سیستم هوش مصنوعی توسعه داده که

that listens to the pharmacists' conversation

به مکالمات داروسازها گوش داده و

and picks up emotional and tone signals

لحن و احساس نهفته در صدا را تشخیص می‌دهد و

and then gives real-time suggestions to the pharmacists

بلافاصله پیشنهاداتی برای بهبود

on how to improve the quality of that conversation.

کیفیت مکالمه به داروسازان می‌دهد.

For example, it might say “Slow down” or “Pause”

برای مثال، ممکن است بگوید «آرام‌تر» یا «مکث کن»

or "Hey, consider how the other person is feeling right now."

یا «حواست به حس و حال طرف مقابل باشد»

All to improve the quality of that conversation.

همۀ این کارها برای بهبود کیفیت مکالمه است.

I'm pretty sure my wife would buy me one of these if she could,

مطمئنم اگر همسرم می‌توانست، یکی از این سیستم‌ها را برایم می‌خرید.

just to help me in some of my conversations with her.

فقط برای اینکه در صحبت‌هایمان به من کمکی کرده باشد.

(Laughter)

(خنده)

Turns out the pharmacists like it quite a lot, too.

به نظر می‌رسد داروسازان هم این سیستم را دوست دارند.

They're more effective in their jobs,

در شغل‌شان کارایی بیشتری دارند،

but they also learn something about themselves,

در ضمن، چیزی هم در مورد خودشان یاد می‌گیرند،

their own behaviors and biases.

در مورد رفتارها و سوگیری‌هایشان.

The result has been more effective pharmacists

نتیجۀ آن هم داروسازان کارآمدتر و

and much higher customer satisfaction scores.

میزان رضایتمندی بیشتر مشتریان بود.

Now, this is just one example of many possibilities where human AI collaborate.

این تنها یکی از ده‌ها موردی است که انسان و هوش مصنوعی می‌توانند همکاری کنند.

In this example, AI was a recommender.

در این مثال، هوش مصنوعی توصیه‌گر است.

It didn't replace the human or make any decisions of its own.

هوش مصنوعی جایگزین انسان نشد یا خودسرانه تصمیمی نگرفت.

It simply made suggestions,

فقط توصیه‌هایی کرد،

and it was up to the person to decide and act.

و به عهدۀ انسان بود که تصمیم بگیرد و عمل کند.

And at the heart of it is a feedback loop,

و در مرکز آن یک حلقۀ بازخورد وجود دارد،

which, by the way, is very critical for any human-AI relationship.

که اهمیت زیادی در تعاملات انسان و هوش مصنوعی دارد.

By that I mean that in this example,

منظورم این است که در این مورد،

first AI had to learn from humans the qualities that would make up a good

هوش مصنوعی ابتدا باید ویژگی‌هایی که منجر به یک مکالمۀ خوب یا بد می‌شوند

or not so good conversation.

را از انسان یاد بگیرد.

And then over time, as AI built more intelligence,

با گذشت زمان هوش مصنوعی هوشمندتر می‌شود و

it would be able to make suggestions,

قادر به ارائه پیشنهادات خواهد بود،

but it would be up to the person to decide and act.

اما، تصمیم‌گیری و انجامِ هرگونه اقدامی به عهدۀ انسان است.

And if they didn't agree with the recommendation

و اگر با پیشنهاداتِ سیستم موافق نباشند،

because it might have not made sense to them,

برای مثال چون به نظرشان منطقی نیست،

they didn't have to.

مجبور نیستند به آن عمل کنند.

In which case AI might learn something and adapt for the future.

در این صورت، هوش مصنوعی چیزی یاد می‌گیرد و خود را برای آینده آماده کند.

It's basically open, frequent, two-way communication,

این ارتباطی آزاد، روزمره و دوسویه است،

like any couples therapist will tell you,

و همان‌گونه که زوج درمانگرها می‌گویند،

is very important for any good relationship.

این‌ها لازمۀ ساختن رابطه‌ای خوب هستند.

Now the key word here is relationship.

در اینجا، کلمۀ کلیدی «رابطه» است.

Think about your own personal relationships with other people.

روابط شخصی خودتان با دیگران را در نظر بگیرید.

You don't have the same kind of relationship with your accountant

نوع رابطه‌‌ای که با حسابدار، رئیس و

or your boss or your spouse, do you?

نامزدتان دارید، با هم تفاوت دارند، درست است؟

Well, I certainly hope not.

امیدوارم که اینطور باشد.

And just like that,

به همین ترتیب،

the right relationship between human and AI in a company

رابطۀ انسان و هوش مصنوعی در یک شرکت

is not a one-size-fits-all.

یکسان و یک شکل نیست.

So in the case of Humana, AI was a recommender

در مثال هیومانا، هوش مصنوعی در نقش یک توصیه‌گر عمل می‌کرد

and a human was decision-maker and actor.

و انسان تصمیم‌گیرنده و عمل‌کننده بود.

In some other examples, AI might be an evaluator

در موارد دیگر، هوش مصنوعی ممکن است ارزیاب باشد

where a human comes up with ideas or scenarios,

و انسان ایده‌پرداز و طراح سناریو باشد،

and AI evaluates the complex implications and tradeoffs of those ideas

و هوش مصنوعی موازنه‌ها و پیامدهای پیچیدۀ ایده‌ها را ارزیابی کند

and makes it easy for humans to decide the best course of action.

و تصمیم‌گیری در مورد بهترین روش انجام کار را برای انسان تسهیل کند.

In some other examples, AI might take a more creative role.

در موارد دیگر، هوش مصنوعی ممکن است نقش خلاقانه‎‌تری داشته باشد.

It could be an illuminator where it can take a complex problem

ممکن است نقش روشنگر را داشته باشد و مسائل پییچده را بررسی کند و

and come up with potential solutions to that problem

به راه‌حل‌های احتمالی برای رفع آن مسئله بپردازد

and illuminate some options

و گزینه‌هایی را ارائه دهد که

that might have been impossible for humans to see.

شاید به ذهن انسان نمی‌رسید.

Let me give you another example.

اجازه دهید یک مثال دیگر بیاورم.

During the COVID pandemic,

در دوران همه‌گیری کرونا،

if you walked into a retail or grocery store,

اگر به فروشگاه خواروبار فروشی یا خرده‌فروشی‌ها می‌رفتید

you saw that many retailers were struggling.

می‌دیدید که بسیاری از فروشندگان به مشکل خورده‌اند.

Their shelves were empty,

قفسه‌ها خالی بود،

their suppliers were not able to fulfill the orders,

تأمین‌کنندگان نمی‌توانستند سفارشات آن‌ها را تحویل دهند

and with all the uncertainties of the pandemic,

و با توجه به ابهاماتی که در موردِ کرونا وجود داشت،

they simply had no idea how many people would be walking into what stores,

نمی‌دانستند چه تعداد مشتری به چه نوع فروشگاه‌هایی می‌روند

demanding what products.

و تقاضای چه نوع محصولی دارند.

Now, to put this in perspective,

برای درک بهتر این مطلب،

this is a problem that's already quite hard when things are normal.

در شرایط عادی هم این موضوع، مشکلی جدی به حساب می‌آید.

Retailers have to predict demand

خرده‌فروش‌ها مجبورند میزان تقاضا برای

for tens of thousands of products across thousands of locations

ده‌ها هزار محصول را در هزاران محل‌ مختلف پیش‌بینی کنند و

and thousands of suppliers every day

هزاران تأمین‌کننده مجبورند روزانه

to manage and optimize their inventory.

موجودی انبارشان را مدیریت و بهینه‌سازی کنند.

Add to that the uncertainties of COVID and the global supply chain disruptions,

تمامی این‌ موارد در کنار ابهامات پیرامونِ کرونا و اختلال در زنجیرۀ تأمین،

and this became 100 times more difficult.

وضعیت را صد برابر پیچیده‌تر می‌کرد.

And many retailers were simply paralyzed.

بسیاری از خرده‌فروشان مات و مبهوت شده بودند.

But there were a few who had built strong foundations with AI

اما تعدادی از آن‌ها با تکیه بر هوش مصنوعی پایه‌ها و

and the human-AI feedback loop that we talked about.

حلقۀ بازخوردی مبتنی بر انسان-هوش مصنوعی ساختند.

And these guys were able to navigate all this uncertainty

این افراد بهتر از دیگر خرده‌فروشان توانستند

much better than others.

این دوره را پشت سر بگذارند.

They used AI to analyze tens of billions of data points

آن‌ها با تکیه بر هوش مصنوعی، هزاران نقطه داده در مورد

on consumer behavior and global supply chain disruptions

رفتار مشتریان، اختلالات زنجیرۀ تأمین،

and local government closures and mandates

تعطیلی دولت‌های محلی، دستورالعمل‌ها،

and traffic on highways

ترافیکِ بزرگراه‌ها،

and ocean freight lanes and many, many other factors

خطوط حمل و نقل دریایی وعوامل بسیار دیگری را تحلیل کردند و

and get a pretty good handle on what consumers in each unique area

و بینش زیادی در موردِ اقلامِ مورد نیازِ

wanted the most,

مردم هر منطقه، اقلامی که

what would have been feasible,

نمی‌شد تأمین کرد،

and for items that were not available,

و اقلامی که موجود نبود،

what substitutions could be made.

و جایگزین‌هایشان کسب کردند.

But AI alone without the human touch wouldn't work either.

با این حال، هوش مصنوعی بدون کمک انسان نمی‌توانست کاری از پیش ببرد.

There were ethical and economic tradeoffs that had to be considered.

می‌بایست به موازنه‌های اقتصادی و اخلاقی توجه می‌شد.

For example, deciding to bring in a product

برای مثال، تصمیم‌گیری در موردِ تأمین یک محصول

that didn't have a good margin for the retailer

که حاشیۀ خرده‌فروشی خوبی نداشته

but would really help support the local community

اما می‌توانست در مواقع نیاز

at their time of need.

به اعضای جامعه کمک کند.

After all, AI couldn't quite understand

در ضمن، هوش مصنوعی درکی از

the uniquely human behavior of panic-buying toilet paper

رفتار‌های خاص انسان مثل خرید عصبی دستمال توالت

or tens of gallons of liquor,

یا ده‌ها هزار گالن لیکور،

only to be used as hand sanitizer.

صرفاً برای ضدعفونی دست ندارد.

It was the combination that was the key.

نکته کلیدی، ترکیب این دو با هم بوده است.

And the winning companies know this.

و شرکت‌های برنده به این موضوع پی برده بودند.

They also know that inside their companies,

این شرکت‌ها می‌دانند که درون شرکت‌هایشان،

there's literally hundreds of these opportunities for human-AI combination,

صدها فرصت برای همکاری انسان و هوش مصنوعی وجود دارد،

and they actively identify and pursue them.

و آن‌ها را شناسایی کردند و دنبالشان کردند.

They think of AI as much more broadly a means to replace people.

هوش مصنوعی چیزی فراتر از ابزاری است که می‌خواهد جایگزینی انسان باشد.

They look inside their organizations

آن‌ها به سازمان‌هایشان نگاه می‌کنند و

and re-imagine how the biggest challenges and opportunities of their company

و به این فکر می‌کنند که چگونه می‌توانند بزرگ‌ترین چالش‌ها

can be addressed

و فرصت‌ها را

by the combination of human and AI.

با تکیه بر انسان و هوش مصنوعی حل و فصل کنند.

And they put in place the right combination for each unique situation.

و برای هر موقعیت خاص یک ترکیب مناسب در نظر می‌گیرند.

Whether it's the recommender or the evaluator

خواه توصیه‌گر و ارزیاب باشد،

or the illuminator or optimizer or many, many other ones.

خواه روشنگر و بهینه‌ساز یا خیلی چیزهای دیگر.

They build and evolve the feedback loops that we talked about.

حلقه بازخودی که در موردش صحبت کردیم را می‌سازند و ارتقاء می‌دهند.

And finally and most importantly, they don't just throw technology at it.

و در آخر، مهم‌تر اینکه، به زور از فن‌آوری استفاده نمی‌کنند.

In fact, this has been the biggest pitfall of companies

در واقع، این بزرگ‌ترین تلۀ شرکت‌هایی است

who don't get their return from their AI investments.

که سرمایه‌گذاری‌هایشان در حوزه هوش مصنوعی بازده ندارد.

If they overinvest in technology

بیش از اندازه در فن‌آوری سرمایه‌گذاری کنند

expecting a piece of tech to solve all their problems.

و توقع داشته باشند یک نوع فن‌آوری تمام مشکلاتشان را حل کند.

But there is no silver bullet.

راه‌حلی جادویی برای مشکلات نیست.

Technology and automation can only go so far,

فن‌آوری و اتوماسیون تا اینجا می‌توانند پیش روند،

and for every one automation opportunity inside a company,

و به ازای هر فرصت اتوماسیون‌سازی در شرکت،

there's literally ten for collaboration.

ده فرصت همکاری وجود دارد.

But collaboration's hard.

اما این نوع همکاری دشوار است.

It requires a new mindset

برای همکاری یک چارچوب فکریِ جدید

and doing things differently than how we've always done it.

و روش‌های جدیدی برای انجام کارها نیاز است.

And the winning companies know this, too,

و شرکت‌های برنده این را می‌دانند،

which is why they don't just invest in technology,

و به همین دلیل فقط در فن‌آوری سرمایه‌گذاری نمی‌کنند،

but so much more on human factors,

بلکه بیشتر در عوامل انسانی،

on their people, on training and reskilling

نیروهایشان، آموزش و بازآموزی‌شان سرمایه‌گذاری می‌کنند و

and reimagining how their people and AI work together in new ways.

به شیوه‌های جدید همکاری انسان و هوش مصنوعی فکر می‌کنند.

Inside these companies, it's not just machines replacing humans.

درون چنین شرکت‌هایی، ماشین جایگزین انسان نمی‌شود،

It's machines and humans working together,

بلکه ماشین و انسان با هم همکاری می‌کنند و

learning from each other.

از یکدیگر یاد می‌گیرند.

And when that happens,

در چنین حالتی،

the organization's overall rate of learning increases,

نرخ کلی یادگیری در سازمان‌هایشان افزایش می‌یابد

which in turn makes the company much more agile,

و در نتیجه، شرکت‌شان چابک‌تر و

much more resilient,

مقاوم‌تر می‌شوند و

ready to adapt and take on any challenge.

و چالش‌ها را می‌پذیرند و آن‌ها را از میان برمی‌دارند.

It is the human touch that will bring the best out of AI.

این انسان است که می‌تواند بهترین قابلیت‌های هوش مصنوعی را آشکار کند.

Thank you.

ممنونم.

(Applause)

(تشویق)