نسل جوانی که با فناوری‌های دیجیتال مانند هوش مصنوعی، خودروهای خودران و دستیارهای صوتی بزرگ شده‌اند، توقعات و توانمندی‌های جدیدی نسبت به هوش مصنوعی دارند. این افراد، به عنوان نیروهای آینده در بخش دولتی، با تجربه‌های دیجیتالی خود، تفکر، سرعت و رویکرد تیم‌های توسعه هوش مصنوعی را تغییر داده‌اند. در حالی که دولت در تطبیق با این تحولات کندتر حرکت می‌کند، نیاز به تیم‌های متنوع، مقاوم و حل‌مسئله‌گر بیش از پیش احساس می‌شود. آموزش، همکاری بین‌سازمانی و پروژه‌های کاربردی مانند پاسخ به بلایای طبیعی، گام‌های مؤثری در جذب جوانان و پیشرفت هوش مصنوعی در دولت بوده‌اند.
نسل دیجیتال‌زاده و توقعات جدید از هوش مصنوعی
جوانان امروزی که با فناوری‌های دیجیتال مانند الکسا، گوگل کمکی، و خودروهای خودران بزرگ شده‌اند، به طور طبیعی با هوش مصنوعی آشنا هستند. این آشنایی پایهٔ توقعات بالاتر و توانمندی بیشتری را در آن‌ها ایجاد کرده است.
برخلاف گذشته، دیگر پروژه‌های پیچیده‌ای که قبلاً چند ماه زمان می‌برد، اکنون به تمرین‌های کوتاه دو روزه تبدیل شده‌اند. این تغییر نه تنها نشان‌دهنده پیشرفت فناوری است، بلکه تغییر شکل فرآیند یادگیری و حل مسئله توسط این نسل را نیز نشان می‌دهد.
دیجیتال‌زاده‌ها چه قدر تأثیر می‌گذارند؟
- انتظارات بالاتر از سیستم‌های هوش مصنوعی
- حل مسائل پیچیده در زمان بسیار کوتاه‌تر
- استفاده طبیعی از ابزارهای هوش مصنوعی در کار روزمره
- توانایی سریع‌تر در یادگیری و به‌کارگیری فناوری‌های جدید
چرا کار با هوش مصنوعی در دولت متفاوت است؟
شرکت‌های خصوصی می‌توانند آزادانه از آخرین فناوری‌ها استفاده کنند، اما دولت باید به همه شهروندان بدون توجه به سطح دانش فناوری‌شان خدمات دهد.
یکی از چالش‌های اصلی این است که دولت نمی‌تواند خیلی پیش از کاربران حرکت کند. مثلاً اگر یک سیستم بسیار پیشرفته طراحی شود که برای بخشی از جامعه گیج‌کننده باشد، عملکرد آن ضعیف خواهد بود. بنابراین، توسعه فناوری در دولت ملزم به تعادل بین پیشرفت و قابل دسترس بودن است.
چالش‌های دولت در جذب فناوری جدید
| چالش | توضیح |
|---|---|
| تنوع کاربران | دولت باید به افراد جوان دیجیتال‌زاده و و شهروندان فاقد توانمندی دیجیتال خدمات دهد. |
| فرهنگ سازمانی | معمولاً کندتر از فناوری پیش می‌رود و تطبیق با تغییرات دشوار است. |
| مقاومت در برابر خطا | سیستم‌های دولتی باید بسیار مطمئن عمل کنند؛ هر اشتباه می‌تواند پیامدهای جدی داشته باشد. |
انگیزه کارکنان جوان در دولت
برخلاف اینکه برخی فکر می‌کنند کار در دولت محدودکننده است، افراد جوان به دنبال فرصت‌هایی هستند که بتوانند در مسائل مهم جامعه تأثیر بگذارند. دوروتی آرونسون تأکید کرد که نسل جوان به مسائل بزرگی مانند:
- عدالت اجتماعی
- تنوع و برابری فرایندی
- تضمین امنیت غذایی
- امنیت ملی
… علاقه‌مند هستند و کار در دولت را فرصتی برای تأثیرگذاری می‌بینند.
آموزش از طریق بلایای طبیعی و چالش‌های واقعی
وایوک رائو از دانشگاه برکلی تجربه جالبی را توضیح داد: وقتی دانشجویان شاهد آتش‌سوزی‌های گسترده در کالیفرنیا بودند، شروع کردند به بررسی اینکه دولت چگونه می‌تواند پاسخ بهتری بدهد. این کنجکاوی به ایجاد دوره‌ای منجر شد که در آن دانشجویان با دستگاه‌های دولتی مانند وزارت دفاع کار کردند.
نتایج مشهود آموزش تیمی
قبل از این دوره، فقط ۲ دانشجو از ۹۰ نفر تمایل به کار در دولت داشتند. اما پس از شرکت در این پروژه، این تعداد به ۱۰ نفر رسید. این نشان می‌دهد که:
- نگرش منفی جوانان به شغل دولتی با تجربه عملی تغییر می‌کند.
- کار بر روی مسائل واقعی انگیزه یادگیری و مشارکت را افزایش می‌دهد.
ویژگی‌های کلیدی تیم‌های موفق در هوش مصنوعی
برای تحقق پروژه‌های موفقیت‌آمیز هوش مصنوعی در دولت، تیم‌ها باید از ویژگی‌های خاصی برخوردار باشند.
۱. تاب‌آوری و آمادگی برای خطاهای غیرمنتظره
برایان لین تأکید کرد که تیم‌های موفق آماده مواجهه با اتفاقات غیرمنتظره هستند و با وجود ناکامی‌های اولیه، به سمت هدف مشترک حرکت می‌کنند.
۲. فضای باز برای گفتگو و پذیرش ناآشنایی
وقتی عضوی از تیم بگوید «من این کار را قبلاً نکرده‌ام»، این نشانه‌ای از صداقت و گشودگی است — نه ضعف. این فضای باز به تیم کمک می‌کند تا ریسک‌ها را ببیند و راه‌حل‌های خلاقانه پیدا کند.
۳. تنوع در افراد و مهارت‌ها
تیم‌هایی که شامل نمایندگان مختلف (فنی، قانونی، داده‌کاو و کارشناس حوزه محتوا) هستند، عملکرد بهتری دارند. دوروتی آرونسون هشدار می‌دهد که نباید روی ابزار متمرکز شد، بلکه باید روی مشکل اصلی تمرکز کرد.
مدل‌های موفق در همکاری و توسعه هوش مصنوعی
یکی از روش‌های مؤثر در دولت، تشکیل “تیم‌های فراوظیفه‌ای” است که برای مدت کوتاهی (مثلاً ۴۵ روز) روی یک چالش خاص کار می‌کنند.
- این تیم‌ها سریع عمل می‌کنند.
- فشار مسئولیت کمتر است.
- نتایج فوری قابل ارزیابی هستند.
همکاری این تیم‌ها با بخش‌های داخلی سازمان، تأثیر آموزشی دارد و باعث گسترش دانش هوش مصنوعی در کل سازمان می‌شود.
آینده هوش مصنوعی در بخش دولتی
پیش‌بینی می‌شود که طی پنج سال آینده، روش‌های استاندارد و اثبات‌شده‌ای برای توسعه و استفاده از هوش مصنوعی در دولت ایجاد شود.
نمونه موفق: پروژه The Opportunity Project
این پروژه از سال ۲۰۱۶ فعال است و بیش از ۱۳۵ پروژه جامعه‌محور در زمینه‌هایی مانند آموزش، حمل‌ونقل و بهداشت ایجاد کرده است. این پروژه نمونه روشنی از موفقیت همکاری داده‌های دولتی با نیروهای خلاق است.
- استفاده از داده‌های آماری برای حل مسائل شهری
- همکاری بین دولت، دانشگاه و شرکت‌های فناور
- برنامه‌های عملی با اثر مستقیم بر زندگی مردم