نگاه مدیرعامل مرکور به اینکه هوش مصنوعی چگونه کار و نیروی کار را تغییر می‌دهد

یک گفت‌وگوی جدید در پادکست Equity تک‌کرانچ نشان می‌دهد استارتاپ سه‌ساله «مرکور» چگونه در میانه رقابت شتاب‌گرفته هوش مصنوعی، نقش تازه‌ای برای نیروی کار دانشی تعریف کرده است. این شرکت متخصصان باسابقه در حوزه‌هایی مثل مالی، مشاوره مدیریتی و حقوق را به آزمایشگاه‌های بزرگ هوش مصنوعی وصل می‌کند تا با اشتراک‌گذاری تخصص خود، به آموزش مدل‌ها و ایجنت‌های جدید کمک کنند.

مرکور؛ واسطه بین متخصصان سنتی و مدل‌های هوش مصنوعی

بر اساس گزارش تک‌کرانچ، مرکور با شرکت‌هایی مانند آزمایشگاه‌های بزرگ هوش مصنوعی همکاری می‌کند و به جای اتکا به کارگران عمومی و برون‌سپاری انبوه، روی تعداد محدودی از پیمانکاران بسیار ماهر سرمایه‌گذاری کرده است. این متخصصان سابقاً در بانک‌های سرمایه‌گذاری، شرکت‌های مشاوره و مؤسسات حقوقی سطح بالا کار می‌کردند و اکنون تجربه خود را در قالب سناریوها، تحلیل‌ها و بازخوردهای دقیق در اختیار مدل‌های هوش مصنوعی قرار می‌دهند.

به گفته مدیرعامل مرکور، تجربه این شرکت نشان می‌دهد که درصد کمی از پیمانکاران سطح بالا، بخش عمده بهبود کیفیت مدل‌ها را رقم می‌زنند. این رویکرد، پاسخی است به محدودیت‌های مدل آموزش مبتنی بر نیروی کار انبوه و کم‌هزینه و همچنین حاشیه‌هایی که در سال‌های اخیر پیرامون برخی پیمانکاران حوزه برچسب‌گذاری داده و آموزش مدل به وجود آمده است.

آینده کارِ دانشی در عصر ایجنت‌های هوش مصنوعی

مدیرعامل مرکور در این گفت‌وگو تأکید می‌کند که مرز بین «دانش شغلی» و «اسرار شرکتی» روزبه‌روز مبهم‌تر می‌شود؛ زیرا افراد برای آموزش مدل‌ها از تجربیات واقعی خود در سازمان‌های قبلی استفاده می‌کنند. او معتقد است در بلندمدت بخش بزرگی از کارهای دانشی به فرایند آموزش و بهبود ایجنت‌های هوش مصنوعی تبدیل خواهد شد و بسیاری از مشاغل، به جای انجام مستقیم وظایف، روی طراحی، نظارت و تغذیه مدل‌ها با داده و سناریوی باکیفیت متمرکز می‌شوند.

برای مخاطبان ایرانی، این روند می‌تواند نشانه‌ای باشد از اینکه مهارت کار با ابزارهای پیشرفته هوش مصنوعی و توانایی تبدیل تجربه شغلی به داده ساخت‌یافته، به یک مزیت رقابتی مهم بدل خواهد شد. در چنین فضایی، آشنایی عملی با ابزارها و سرویس‌های مختلف، از جمله خرید اکانت های هوش‌مصنوعی و کار روزمره با آن‌ها می‌تواند به متخصصان کمک کند جایگاه خود را در بازار کار آینده حفظ کرده یا حتی ارتقا دهند.

این گفتگو همچنین یادآور می‌شود که شرکت‌ها و قانون‌گذاران باید برای پرسش‌های جدیدی مانند مالکیت دانش، حفظ محرمانگی مشتریان و جبران ریسک‌های شغلی ناشی از اتوماسیون، پاسخ‌های شفاف‌تری پیدا کنند؛ زیرا همان متخصصانی که امروز مدل‌ها را آموزش می‌دهند، ممکن است فردا با ایجنت‌هایی روبه‌رو شوند که بخشی از وظایف آن‌ها را خودکار می‌کند.

منبع خبر: TechCrunch