در بیشتر سازمانها، پرسش دربارهٔ هوش مصنوعی هنوز اشتباه پرسیده میشود. مدیران میپرسند «چه ابزار AI بخریم؟»، در حالی که پرسش درست این است: «کدام کارها را به هوش مصنوعی بسپاریم، کدام را به انسان، و کدام را به همکاری این دو؟» تفاوت این دو پرسش، تفاوت میان سازمانی است که صرفاً چند ابزار هوشمند دارد و سازمانی که واقعاً بهرهور شده است.
۱. وقتی «نیروی کار» دیگر فقط انسان نیست
تا همین چند سال پیش، وقتی از «نیروی کار» یک شرکت صحبت میکردیم، منظورمان مجموعهای از انسانها بود. امروز با ظهور AI Agentها—عاملهای نرمافزاری که میتوانند یک وظیفهٔ چندمرحلهای را بهصورت نیمهمستقل انجام دهند—این تعریف در حال تغییر است. یک تیم مالی ممکن است از سه کارشناس انسانی و چند ایجنت تشکیل شود که مغایرتگیری، دستهبندی تراکنشها و تهیهٔ پیشنویس گزارش را انجام میدهند. مؤسسهٔ دیلویت در گزارش روندهای سرمایهٔ انسانی ۲۰۲۶ از یک جابهجایی بنیادین صحبت میکند: از «انسان بهعلاوهٔ ماشین» به «انسان در ماشین» و از «مدیرِ وظایف» به «هماهنگکنندهٔ هوش ترکیبی».
این یعنی سازمانها دیگر فقط باید نیروی انسانی را مدیریت کنند؛ بلکه باید نیروی کارِ ترکیبی (انسان + عامل دیجیتال) را طراحی، هماهنگ و نظارت کنند. و این کار، خودش یک تخصص است.
۲. چرا صرفِ «خریدن AI» سازمان را هوشمند نمیکند
بسیاری از پروژههای هوش مصنوعی نه بهخاطر ضعف مدل، بلکه بهخاطر نبود طراحیِ فرایند شکست میخورند. ابزار هوشمند را روی یک فرایندِ معیوب سوار میکنند و انتظار معجزه دارند. نتیجه معمولاً یکی از اینهاست:
- جزیرههای اتوماسیون: هر واحد یک ابزار میخرد، اما این ابزارها با هم و با انسانها هماهنگ نیستند.
- خودکارسازیِ کارِ اشتباه: فرایندی که اصلاً نباید وجود میداشت، حالا سریعتر و در مقیاس بزرگتر انجام میشود.
- بیاعتمادی کارکنان: چون نقش انسان در کنار ماشین شفاف نشده، مقاومت شکل میگیرد.
ارزش واقعی زمانی آزاد میشود که کسی بهصورت نظاممند تصمیم بگیرد هر فعالیت در کجای طیفِ «انسان تا هوش مصنوعی» قرار بگیرد. این همان چیزی است که به آن طراحی کارِ انسان و هوش مصنوعی میگوییم.
۳. Human-AI Work Design و Human-AI Work Orchestration یعنی چه؟
Human-AI Work Design (طراحی کار انسان-هوش مصنوعی) یعنی تحلیل فعالیتهای یک سازمان و تصمیمگیری آگاهانه دربارهٔ اینکه هر فعالیت را چه کسی—انسان، هوش مصنوعی، یا ترکیب آن دو—و با چه سطحی از نظارت انجام دهد. این کار در سطحِ «طراحی» است: بازتعریف نقشها، وظایف و مرزها.
Human-AI Work Orchestration (هماهنگسازی کار انسان-هوش مصنوعی) یک لایه بالاتر است: مدیریتِ جریانِ کار بین انسانها و چند ایجنت بهصورت پویا و در لحظه. دیلویت این را «توانمندیِ تجزیهٔ یک کارِ پیچیده به زیرکارها، توزیع میان چند ایجنت، هماهنگی و راستیآزماییِ نتایج» تعریف میکند—و تأکید میکند که این «برنامهنویسی نیست، طراحیِ راهبردیِ جریان کار است».
به بیان ساده: Work Design نقشهٔ کلان را میکشد، Orchestration آن نقشه را در عملیاتِ روزمره اجرا و تنظیم میکند.
۴. متخصصی که کار انسان و ماشین را تقسیم میکند
در قلب این تحول، نقشی تازه نشسته است: کسی که کسبوکار را میفهمد، توانمندیها و محدودیتهای هوش مصنوعی را میشناسد، و میتواند فرایندها را طوری بازطراحی کند که انسان و ماشین مکمل هم باشند نه رقیب. این فرد معمولاً از دلِ تحلیل کسبوکار، بهبود فرایند یا مدیریت پروژهٔ فنی بیرون میآید و ترکیبی از سه مهارت دارد: درک عملیات، سواد داده و هوش مصنوعی، و مهارت طراحی سازمانی و مدیریت تغییر.
مسیر کارِ او وقتی وارد یک سازمان میشود، تقریباً همیشه این مراحل را طی میکند:
- نگاشت فرایندها: شکستن فعالیتهای هر واحد به وظایف کوچک و قابلتحلیل.
- ارزیابی هر وظیفه: امتیازدهی بر اساس معیارهای مشخص (بخش ۶ و ۷).
- تعیین حالت اجرا: AI-First، Human-First یا همکاری، بههمراه سطح نظارت انسانی.
- بازطراحی جریان کار: تعریف نقاط تحویل بین انسان و ایجنت و نقاط بازبینی.
- پیادهسازی آزمایشی: اجرای یک نمونهٔ کوچک و اندازهگیری خروجی.
- حاکمیت و بهبود مستمر: پایش کیفیت، خطا و ریسک، و بازتنظیم تقسیم کار.
۵. این نقش چه اسمی دارد؟ (پاسخ صادقانه)
باید شفاف بگوییم: عنوانهای «Human-AI Work Designer» یا «Human-AI Work Orchestrator» هنوز عنوانهای شغلیِ کاملاً استاندارد و تثبیتشده در بازار کار نیستند. اینها بیشتر توصیفِ یک حوزهٔ کاری در حال شکلگیری هستند تا یک سِمَتِ رسمی. اما نقشهای نزدیک و رایج که همین کار را—کامل یا بخشی—انجام میدهند وجود دارند:
- AI Agent Orchestration Specialist — عنوانی که برخی تحلیلگران آن را «مهمترین شغل ۲۰۲۶» نامیدهاند.
- AI Transformation Lead / Head of AI Transformation — رهبر تحول هوش مصنوعی.
- AI Operating Model / Workforce Design Lead
- Automation / Intelligent Automation Architect
- AI Product / Solutions Manager با تمرکز بر فرایندهای داخلی.
- Chief AI Officer (CAIO) در سطح راهبردی.
نکته این است که مهمتر از عنوان، وجودِ این کارکرد در سازمان است؛ سازمانهایی که کسی را مسئول طراحی همکاری انسان و AI نکردهاند، معمولاً همان جزیرههای اتوماسیون را میسازند.
۶. معیارهای تصمیم: انسان، هوش مصنوعی، یا هر دو؟
تصمیمگیری دربارهٔ هر فعالیت نباید حسی باشد. یک متخصص، هر وظیفه را روی مجموعهای از معیارها میسنجد. مهمترینها:
- تکراریبودن: هرچه تکرارپذیرتر و قاعدهمندتر، مناسبتر برای AI.
- نیاز به خلاقیت و قضاوت انسانی: هرچه بالاتر، سهم انسان بیشتر.
- سطح ریسک و مسئولیت حقوقی: ریسک بالا ⇐ نظارت انسانی الزامی.
- قابلیت اندازهگیری خروجی: اگر «درست» و «غلط» روشن باشد، خودکارسازی امنتر است.
- حساسیت اطلاعات و حریم خصوصی.
- نیاز به همدلی انسانی: در تعاملهای عاطفی، انسان جایگزینناپذیر است.
- هزینهٔ اجرای انسانی در برابر هزینهٔ AI.
- احتمال و هزینهٔ خطای AI.
- امکان نظارت انسانی مؤثر.
- حجم و سرعت موردنیاز عملیات.
۷. یک چارچوب کاربردی برای تحلیل هر فعالیت
چارچوب پیشنهادی دیباچین برای هر فعالیت، سه پرسش کلیدی را در یک ماتریسِ ساده جمع میکند و خروجی را به یکی از سه دسته میرساند:
- AI-First: وقتی فعالیت تکراری، قاعدهمند، پرحجم، کمریسک و با خروجیِ قابلسنجش است. انسان فقط استثناها را میبیند.
- Human-First: وقتی فعالیت نیازمند قضاوت، خلاقیت، همدلی یا مسئولیت حقوقی سنگین است. AI فقط دستیارِ پسزمینه است.
- Human-AI Collaboration: وقتی AI بخش سنگین و تکراری را انجام میدهد و انسان تصمیم نهایی، بازبینی یا لمس انسانی را اضافه میکند.
قاعدهٔ عملی: یک فعالیت را روی دو محور بگذارید—«میزان ریسک/مسئولیت» و «میزان تکرارپذیری/قاعدهمندی». تکرارپذیریِ بالا و ریسکِ پایین ⇐ AI-First؛ ریسک بالا و قضاوتِ زیاد ⇐ Human-First؛ میانه ⇐ همکاری با نظارت انسانی.
۸. Human-in-the-Loop، on-the-Loop و out-of-the-Loop
«سطح نظارت انسانی» یک تصمیم مستقل و حیاتی است. سه حالت رایج:
- Human-in-the-Loop (HITL): انسان پیش از اجرای هر تصمیمِ AI آن را تأیید میکند. برای کارهای پرریسک (مثل تأیید وام یا پاسخ حقوقی) ضروری است.
- Human-on-the-Loop (HOTL): AI خودکار عمل میکند و انسان ناظر است و فقط در صورت لزوم مداخله میکند. مناسب حجم بالا با ریسک متوسط.
- Human-out-of-the-Loop: AI بدون دخالت لحظهای عمل میکند؛ تنها برای وظایف کمریسک و کاملاً قاعدهمند توصیه میشود.
یک اشتباه رایج، انتخاب کورکورانهٔ کاملترین اتوماسیون است؛ در حالی که سطح نظارت باید با ریسکِ همان فعالیت متناسب باشد.
۹. نمونههای واقعی از واحدهای مختلف سازمان
پشتیبانی مشتری: پاسخ به پرسشهای پرتکرار و دستهبندی تیکتها → AI؛ مدیریت مشتریِ عصبانی یا موارد پیچیده → انسان؛ پیشنویسِ پاسخ که کارشناس بازبینی میکند → همکاری.
منابع انسانی: غربالگری اولیهٔ رزومه و پاسخ به سؤالات اداری → AI (با احتیاط دربارهٔ سوگیری)؛ تصمیم نهاییِ استخدام و گفتوگوهای حساس → انسان.
مالی و حسابداری: مغایرتگیری، دستهبندی تراکنش و تشخیص ناهنجاری → AI؛ تفسیر، تصمیم سرمایهگذاری و امضای صورتهای مالی → انسان با مسئولیت حقوقی.
فروش: امتیازدهی به سرنخها و پیشنویس ایمیل → AI؛ مذاکره و بستن قرارداد → انسان؛ آمادهسازی پیشنهاد شخصیسازیشده → همکاری.
بازاریابی: تولید انبوه واریاسیون محتوا و تحلیل کمپین → AI؛ راهبرد برند و پیام کلیدی → انسان.
مدیریت: جمعآوری و خلاصهسازی گزارشها → AI؛ تصمیمهای راهبردی، تخصیص منابع و رهبری افراد → انسان.
حقوقی: جستوجو در اسناد و پیشنویس اولیهٔ قرارداد → AI؛ رأی حقوقی، مسئولیت و امضا → انسان (HITL الزامی).
IT و توسعهٔ نرمافزار: تولید کد اولیه، تست و مستندسازی → AI؛ معماری، بازبینی امنیتی و تصمیمهای فنی حیاتی → انسان؛ جفتبرنامهنویسی با ایجنت → همکاری.
۱۰. جدول تصمیم: نمونهای از دستهبندی فعالیتها
| فعالیت | Human | AI | Human + AI | دلیل |
|---|---|---|---|---|
| پاسخ به سؤالات پرتکرار مشتری | — | ✓ | — | تکراری، کمریسک، پرحجم |
| مذاکرهٔ قرارداد بزرگ | ✓ | — | — | قضاوت، رابطه، مسئولیت |
| مغایرتگیری حسابها | — | ✓ | — | قاعدهمند، قابلسنجش |
| تصمیم نهایی استخدام | ✓ | — | — | سوگیری، اثر انسانی، ریسک |
| نگارش پیشنویس قرارداد | — | — | ✓ | سرعتِ AI + بازبینی حقوقیِ انسان |
| تولید کد و تست اولیه | — | — | ✓ | بهرهوری AI + بازبینی امنیتی انسان |
| تشخیص تقلب مالی | — | — | ✓ | غربالِ AI + تصمیم انسان (HITL) |
| راهبرد برند | ✓ | — | — | خلاقیت و بینش انسانی |
۱۱. کارهایی که «چون میشود» نباید به AI سپرد
امکان فنیِ خودکارسازی، دلیلِ کافی برای انجام آن نیست. برخی فعالیتها را حتی اگر AI میتواند انجام دهد، نباید کامل به آن سپرد:
- تصمیمهایی با پیامد حقوقی یا اخلاقیِ جبرانناپذیر (اخراج، رد وام، تشخیصهای حساس).
- تعاملهایی که اعتماد و همدلیِ انسانی در آنها بخشی از ارزش است.
- موقعیتهایی که پاسخگویی و مسئولیت باید روشن و انسانی بماند.
- جایی که دادهٔ کافی و باکیفیت برای اعتماد به مدل وجود ندارد.
۱۲. ریسکها را جدی بگیرید
طراحیِ درست تقسیم کار بدون مدیریت ریسک ناقص است. مهمترین ریسکها:
- توهمزایی (Hallucination): مدل با اطمینان پاسخِ غلط میدهد؛ در کارهای واقعیتمحور خطرناک است.
- مسئولیت حقوقی: در نهایت یک شخص/شرکت پاسخگوست، نه مدل.
- امنیت اطلاعات: دادههای حساس نباید بیکنترل وارد سرویسهای بیرونی شوند.
- سوگیری (Bias): مدل میتواند تبعیض موجود در داده را بازتولید کند.
- حریم خصوصی و رعایت الزامات صیانت از داده.
- خطای تصمیمگیری در نبود نظارت متناسب.
پاسخِ این ریسکها همان چیزی است که در بخش نظارت گفتیم: انتخابِ درستِ سطح Human-in/on-the-Loop و طراحیِ نقاط بازبینی.
۱۳. اثر AI Agentها و آیندهٔ نیروی کارِ ترکیبی
مککینزی از «سازمان ایجنتی» و یک مدل عملیاتیِ تازه صحبت میکند که حول جریانهای کارِ «AI-first» بازطراحی میشود و انسانها بهصورت انتخابی در نقاط کلیدی وارد میشوند. در این مدل سه نقش نو برجسته میشود: ناظرانِ M-شکل (تعمیمگرانی که چند ایجنت را هماهنگ میکنند)، خبرگانِ T-شکل (متخصصانی که استثناها را مدیریت میکنند) و کارکنان خطمقدمِ تقویتشده با AI.
نتیجه روشن است: مرزِ میان «مدیریت فرایند» و «مدیریت نیروی کار» در حال محو شدن است، چون بخشی از نیروی کار حالا نرمافزار است.
۱۴. مدیرانی که تیمی از انسان و ایجنت دارند
در آیندهٔ نزدیک، یک مدیر ممکن است همزمان چند کارمند انسانی و چند ایجنتِ دیجیتال را مدیریت کند: برای هر ایجنت باید «شرح وظیفه»، سطح دسترسی، شاخص عملکرد و نقاط بازبینی تعریف شود—درست مثل یک عضو تیم. مهارتهای مدیریتیِ جدید شامل تفویض به ماشین، راستیآزمایی خروجی و طراحی جریان کار ترکیبی خواهد بود. این همان «هماهنگکنندهٔ هوش ترکیبی» است که دیلویت به آن اشاره میکند.
۱۵. نتیجهگیری: مزیت رقابتی در «طراحی همکاری» است
در چند سال آینده، تقریباً همهٔ شرکتها به ابزارهای هوش مصنوعی دسترسی خواهند داشت. بنابراین «استفاده از AI» دیگر مزیت رقابتی نیست؛ چیزی که برنده را از بازنده جدا میکند، طراحیِ درستِ تقسیم کار میان انسان و هوش مصنوعی است: اینکه هر کار در دست درست باشد، با سطح نظارت درست، و ریسکها بهدرستی مدیریت شوند. این نه یک پروژهٔ یکباره، بلکه یک قابلیتِ سازمانیِ مستمر است.
دیباچین چگونه این کار را انجام میدهد
در دیباچین دقیقاً همین کار را برای سازمانها انجام میدهیم: از ارزیابیِ فرایندها و تعیین اینکه چه کاری را انسان، چه کاری را هوش مصنوعی و چه کاری را هر دو باید انجام دهند، تا توسعهٔ ایجنتهای اختصاصی، طراحی مدل عملیاتی هوش مصنوعی، و پیادهسازیِ قراردادهای هوشمند بلاکچین و توسعهٔ نرمافزارهای سازمانی و ساده. ما مدلها را میسازیم، فاینتیون و آموزش (Fine-tuning/Training) میکنیم، و نقاط Human-in-the-Loop را طوری طراحی میکنیم که بهرهوری بالا برود بیآنکه کنترل و مسئولیت از دست برود. اگر میخواهید بدانید در سازمان شما کدام کارها باید به هوش مصنوعی سپرده شوند، با ما تماس بگیرید یا پروفایل و خدمات دیباچین را ببینید.
پرسشهای متداول
Human-AI Work Design دقیقاً چیست؟
فرایندِ تحلیل فعالیتهای سازمان و تصمیمگیری آگاهانه دربارهٔ اینکه هر فعالیت را انسان، هوش مصنوعی یا ترکیب آن دو—و با چه سطحی از نظارت انسانی—انجام دهد. هدف، بازطراحی فرایندها برای بیشترین بهرهوری و کمترین ریسک است.
آیا «طراح کار انسان و هوش مصنوعی» یک عنوان شغلی رسمی است؟
هنوز کاملاً استاندارد نشده است؛ بیشتر یک حوزهٔ در حال شکلگیری است. عنوانهای نزدیکِ رایج شامل AI Agent Orchestration Specialist، AI Transformation Lead، Automation Architect و Chief AI Officer هستند.
تفاوت Human-in-the-Loop و Human-on-the-Loop چیست؟
در HITL انسان پیش از اجرای هر تصمیمِ AI آن را تأیید میکند (مناسب کارهای پرریسک). در HOTL هوش مصنوعی خودکار عمل میکند و انسان ناظر است و فقط هنگام لزوم مداخله میکند (مناسب حجم بالا با ریسک متوسط).
چطور تصمیم بگیریم کاری را به AI بسپاریم یا نه؟
هر فعالیت را روی معیارهایی مثل تکرارپذیری، نیاز به قضاوت، سطح ریسک، مسئولیت حقوقی، حساسیت داده و قابلیت اندازهگیریِ خروجی بسنجید. تکرارپذیریِ بالا و ریسکِ پایین بهسمت AI-First میرود؛ ریسک و قضاوتِ بالا بهسمت Human-First.
بزرگترین ریسکهای سپردن کار به هوش مصنوعی چیست؟
توهمزایی (پاسخ غلط با اطمینان)، مسئولیت حقوقی، نشت اطلاعات، سوگیری، نقض حریم خصوصی و خطای تصمیم. این ریسکها با انتخاب سطح نظارت انسانیِ متناسب و طراحی نقاط بازبینی مدیریت میشوند.
دیباچین در این زمینه چه خدماتی ارائه میدهد؟
ارزیابی و بازطراحی فرایندها برای همکاری انسان و AI، توسعهٔ ایجنتهای اختصاصی، ساخت و فاینتیون مدلها، طراحی مدل عملیاتی هوش مصنوعی، قراردادهای هوشمند بلاکچین و توسعهٔ نرمافزار سازمانی.
منابع
- Deloitte — 2026 Global Human Capital Trends (Orchestrating for agility; Human-AI interaction design).
- McKinsey — The agentic organization: a new operating model for the AI era.
- Gartner & Harvard Business Review — پژوهشهای مربوط به augmentation در برابر automation و طراحی نیروی کار.
- BCG — چارچوبهای تحول هوش مصنوعی و مدل عملیاتی.
