93-of-gcc-frontline-staff-use-ai-weeklys

۹۳ درصد کارکنان خط مقدم در کشورهای GCC هر هفته از هوش مصنوعی استفاده می‌کنند

خلاصه مطلب​
کشورهای عضو شورای همکاری خلیج (GCC) به یکی از پیشتازان جهانی در زمینه استفاده از هوش مصنوعی در محیط کار تبدیل شده‌اند؛ به‌طوری‌که ۹۳ درصد کارکنان خط مقدم و ۹۵ درصد مدیران به‌صورت هفتگی از این فناوری استفاده می‌کنند.

به گزارش «درنا ریپورت» و به نقل از شبکه خبری GEC، بر اساس گزارش گروه مشاوره بوستون (BCG)، منطقه شاهد افزایش قابل‌توجه بهره‌وری و رضایت شغلی است، هرچند تداوم ارزش‌آفرینی بلندمدت به رهبری راهبردی نیاز دارد.

این گزارش نشان می‌دهد نیروی کار در کشورهای شورای همکاری خلیج فارس از افزایش چشمگیر بهره‌وری برخوردار شده است؛ به‌طوری‌که ۵۸ درصد کارکنان خط مقدم و ۶۷ درصد مدیران و رهبران سازمانی اعلام کرده‌اند استفاده از ابزارهای هوش مصنوعی دست‌کم هشت ساعت در هفته از زمان آن‌ها را آزاد می‌کند. این یافته‌ها منطقه را در کنار هند در جایگاه پیشتاز ادغام هوش مصنوعی در محیط کار قرار می‌دهد؛ رقمی که از میانگین جهانی ۷۴ درصدی استفاده از هوش مصنوعی در میان کارکنان خط مقدم بالاتر است.

فراتر از افزایش بهره‌وری، این پژوهش نشان می‌دهد گسترش استفاده از هوش مصنوعی در سراسر کشورهای شورای همکاری خلیج در حال تغییر ماهیت خودِ کار است. در واقع، ۸۵ درصد کارکنان خط مقدم و ۹۲ درصد مدیران و رهبران معتقدند هوش مصنوعی مهارت‌هایی را که در نقش‌های شغلی از آن‌ها انتظار می‌رود، به‌طور اساسی تغییر داده است.

ادغام هوش مصنوعی در فرایندهای روزمره کاری همچنین به نظر می‌رسد رضایت از محیط کار را در سراسر منطقه افزایش داده باشد. در میان پاسخ‌دهندگان کشورهای شورای همکاری خلیج فارس، ۶۹ درصد کارکنان خط مقدم و ۷۷ درصد مدیران و رهبران گفته‌اند از زمان استفاده از فناوری‌های هوش مصنوعی، احساس رضایت و لذت بیشتری در محیط کار دارند. سازمان‌هایی که بیشترین ارزش تجاری را از هوش مصنوعی به دست می‌آورند، همان سازمان‌هایی هستند که کارکنان آن‌ها نیز رضایت بیشتری از کار خود احساس می‌کنند.

رابرت ژوو، مدیرعامل و شریک BCG X، گفت: «نرخ استثنایی استفاده از هوش مصنوعی در کشورهای شورای همکاری خلیج فارس نشان‌دهنده نیروی کاری است که به‌طور قاطع از مرحله آزمایش عبور کرده و وارد مرحله ادغام واقعی این فناوری شده است. آنچه سازمان‌های دارای بالاترین عملکرد در این منطقه را متمایز می‌کند، صرفاً به‌کارگیری ابزارهای هوش مصنوعی نیست، بلکه سرمایه‌گذاری عمیق آنها روی نیروی انسانی است.»

وی افزود: «در مقایسه با سایر سازمان‌های هم‌رده، سازمان‌های پیشرو در زمینه هوش مصنوعی در کشورهای شورای همکاری خلیج فارس دارای مدیرانی هستند که شخصاً در ارتقای تسلط تیم‌های خود بر هوش مصنوعی سرمایه‌گذاری کرده‌اند؛ اقدامی که به افزایش ملموس بهره‌وری منجر شده و مزیت فناوری را به مزیت رقابتی تبدیل کرده است. در حالی که یافته‌های امسال در GCC توانایی هوش مصنوعی در کاهش کارهای طاقت‌فرسا و افزایش رضایت شغلی را نشان می‌دهد، مدیران باید با استقرار مدیریت تغییر جامع و بازطراحی فرایندهای کاری، خود را برای تحولات سازمانی پیش‌رو آماده کنند تا بتوانند به‌طور کامل از ظرفیت هوش مصنوعی بهره ببرند.»

عامل‌های هوش مصنوعی آماده تحول نیمی از وظایف شغلی

گزارش BCG انتظارات قابل‌توجهی را درباره قابلیت‌های رو به گسترش هوش مصنوعی نشان می‌دهد. در سراسر کشورهای شورای همکاری خلیج، ۶۰ درصد کارکنان خط مقدم و ۶۶ درصد مدیران و رهبران معتقدند عامل‌های هوش مصنوعی (AI Agents) می‌توانند طی سه سال آینده دست‌کم نیمی از مسئولیت‌های شغلی فعلی آنها را انجام دهند.

در سطح جهانی، ادغام عامل‌های هوش مصنوعی در فرایندهای کاری از سال ۲۰۲۵ تاکنون بیش از دو برابر شده است، هرچند چارچوب‌های حاکمیتی نتوانسته‌اند همگام با سرعت پیشرفت فناوری توسعه یابند.

با وجود استقبال گسترده از هوش مصنوعی، نگرانی‌ها درباره از دست رفتن مشاغل در منطقه همچنان نسبتاً محدود است. تنها ۲۸ درصد کارکنان خط مقدم و ۲۹ درصد مدیران و رهبران از احتمال از دست دادن موقعیت شغلی خود به دلیل هوش مصنوعی ابراز نگرانی کرده‌اند؛ موضوعی که نشان می‌دهد نیروی کار منطقه این فناوری را بیشتر سازنده و کمک‌کننده می‌بیند تا تهدیدآمیز.

این گزارش تأکید می‌کند که بهره‌گیری کامل از ظرفیت هوش مصنوعی به چیزی فراتر از صرف استفاده از این فناوری نیاز دارد. در سطح جهانی، ۴۲ درصد کارکنان خط مقدم که به‌طور منظم از هوش مصنوعی استفاده می‌کنند، هر هفته معادل یک روز کامل کاری یا بیشتر در زمان خود صرفه‌جویی می‌کنند؛ با این حال، ۶۶ درصد آنها همچنان راهنمایی اندک یا هیچ راهنمایی مشخصی درباره چگونگی استفاده از این زمان آزادشده دریافت نمی‌کنند.

بیش از نیمی از کارکنان نیز ساعات صرفه‌جویی‌شده را به فعالیت‌های راهبردی اختصاص نمی‌دهند؛ موضوعی که فرصت ازدست‌رفته قابل‌توجهی برای سازمان‌ها محسوب می‌شود. این یافته، نتیجه اصلی گزارش را تقویت می‌کند: ظرفیت واقعی هوش مصنوعی صرفاً از طریق به‌کارگیری آن آزاد نمی‌شود، بلکه به معماری راهبردی‌ای بستگی دارد که سازمان‌ها پیرامون این فناوری ایجاد می‌کنند.

رامی مرتضی، شریک و مدیر در BCG، گفت: «مرحله اولیه و امیدوارکننده پذیرش سریع هوش مصنوعی تنها با اقدامات هدفمند رهبران سازمانی تداوم خواهد یافت. تحقیقات ما نشان می‌دهد رضایت پایدار در محیط کار و تأثیرات تجاری مرتبط با آن زمانی ایجاد می‌شود که مدیران راهنمایی راهبردی ارائه دهند و میان پیام‌های سازمان درباره هوش مصنوعی و مسئولیت‌های روزمره کارکنان هماهنگی برقرار کنند.»

وی افزود: «در کشورهای شورای همکاری خلیج جایی که سرعت پذیرش هوش مصنوعی به شکل قابل‌توجهی افزایش یافته است، ایجاد مدل‌های عملیاتی اصلی مناسب و ساختارهای حاکمیتی ضروری است تا افزایش بهره‌وری فردی ناشی از هوش مصنوعی به مزایایی در سطح کل سازمان تبدیل شود.»

گزارش «AI at Work 2026» شرکت BCG بررسی می‌کند که هوش مصنوعی چگونه در حال تغییر محیط کار مدرن است و چه عواملی سازمان‌هایی را که با موفقیت از این فناوری ارزش ایجاد می‌کنند، از سازمان‌هایی که صرفاً ابزارهای هوش مصنوعی را به کار گرفته‌اند، متمایز می‌سازد.

این گزارش تأکید می‌کند که آموزش همچنان یکی از شکاف‌های مهم در سطح جهان است. تنها ۳۶ درصد پاسخ‌دهندگان معتقدند آموزش و آمادگی کافی دریافت کرده‌اند، در حالی که ۷۲ درصد کاربران منظم هوش مصنوعی اذعان دارند انتظارات مربوط به مهارت‌های شغلی آنها به‌طور قابل‌توجهی تغییر کرده است.

به همین ترتیب، تنها ۳۳ درصد کارکنان خط مقدم در سطح جهانی اعلام کرده‌اند مدیران سازمان درباره هوش مصنوعی به‌صورت شفاف اطلاع‌رسانی می‌کنند و فقط ۲۸ درصد معتقدند هماهنگی بالایی میان اظهارات مدیران و اقدامات واقعی سازمان وجود دارد.

داده‌های مربوط به کشورهای شورای همکاری خلیج یک نتیجه روشن ارائه می‌کند: این منطقه در زمینه پذیرش هوش مصنوعی به جایگاه پیشرو دست یافته است. در مرحله بعدی تحول هوش مصنوعی، برندگان سازمان‌هایی خواهند بود که درک کنند راهبرد بیش از ابزار اهمیت دارد.

انتهای پیام/

گزیده اخبار

دیدگاه کاربران

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *