ساختِ تیم‌های خلاقِ هوش‌مصنوعی‌محور: چه چیزی واقعاً تغییر می‌کند

یک سازمان در تیمِ خلاقش هوش مصنوعی را می‌پذیرد. پیشنهاد این بود: «همان تیم، فقط سریع‌تر.» شش ماه بعد، تیم همان اندازه است، خروجی تقریباً همان است، کار به‌شکلی برّاق‌تر به‌نظر می‌رسد که کسی واقعاً نمی‌تواند دوستش داشته باشد، و همه خسته‌اند.

تیم سریع‌تر نشد. تیم بازساختار شد. کسی این بازساختار را نام نبرد، پس کسی طراحی‌اش نکرد، پس همان‌طوری اتفاق افتاد که چیزهایِ طراحی‌نشده اتفاق می‌افتند — تصادفی، در جهتِ ساده‌ترین حرکتِ محلی، با هزینه‌ای که کسی می‌پردازد که کمترین حرف را توی اتاق داشت.

بیشترِ چیزی که این روزها «پذیرشِ هوش مصنوعی» نامیده می‌شود، همین الگوست. گفت‌وگویی که انجام می‌شود دربارهٔ ابزارهاست. گفت‌وگویی که باید انجام شود دربارهٔ نقش‌هاست، چون ابزارها بخشِ ساده‌اند و تغییرِ نقش همان چیزی است که چارتِ سازمانی برایش ساخته نشده.

چیزی که تغییر کرد بدونِ آنکه کسی اعلامش کند

چند الگو که در هجده ماه گذشته دیدم در تیم‌های خلاق روی می‌دهند. هیچ‌کدام از این‌ها جهان‌شمول نیست. همه‌شان به‌اندازهٔ کافی رایج‌اند که تقریباً در هر سازمانی که می‌نشینم می‌بینمشان.

**جونیور قبلاً تولید می‌کرد. دیگر تولیدی برایِ انجام‌دادن ندارد.** تولید همان جایی بود که جونیورها یاد می‌گرفتند. کنارِ یک سینیور می‌نشستی. اجرا می‌کردی. بازخورد می‌گرفتی. بازخورد دربارهٔ صنعت بود — کرنینگ، انتخابِ رنگ، زمان‌بندیِ کات. طیِ سال‌ها، بازخورد به‌مرور تبدیل به قضاوت می‌شد. سینیور از طریقِ تولید ساخته می‌شد، حتی اگر سینیور این را فراموش کرده بود.

وقتی سینیور شروع به تولیدکردن از طریقِ پرامپت می‌کند، جونیور چیزی برایِ شاگردی‌کردن ندارد. سینیور سریع‌تر است. سینیور همچنین تنهاست. جونیور به «عملیاتِ هوش مصنوعی» یا «کاوشِ ابزار» یا الگویِ نگه‌دارندهٔ دیگری منتقل می‌شود، و خط‌لوله‌ای که قبلاً سینیورهایِ جدید می‌ساخت، آرام‌آرام از کار می‌افتد. تا دو سال کسی متوجه نمی‌شود. بعد دیگر سینیوری برایِ ترفیع‌دادن نیست.

**آرت‌دایرکتر قبلاً در دورهایی بازخورد می‌داد. حالا در ثانیه‌ها بازخورد می‌دهد.** ریتمِ بازخورد قبلاً با ریتمِ تولید محدود می‌شد. یک دور یک روز طول می‌کشید. یک بازبینی یک صبح طول می‌کشید. آن کندی باربر بود — به کار وقت می‌داد تا در اتاق بنشیند پیش از آنکه تصمیمِ بعدی گرفته شود.

وقتی تولید به ثانیه‌ها می‌افتد، حلقهٔ بازخورد هم با آن می‌افتد. آرت‌دایرکتر حالا هر پنج دقیقه دارد گزینه‌ها را بازبینی می‌کند. خسته است. بازخوردش واکنشی‌تر است، کمتر سنجیده، بیشتر شبیهِ شیرو‌خط‌انداختن تا قضاوت. کار سریع‌تر بیرون می‌رود. کار بدتر بیرون می‌رود.

**بریف قبلاً کار را محدود می‌کرد. حالا پرامپت این کار را می‌کند. بیشترِ پرامپت‌ها بریف‌هایِ بدی‌اند.** یک بریفِ خوب‌نوشته‌شده، یک کنشِ هوشِ سردبیری است. مسئله را محدود می‌کند تا کار بتواند شکلی درونش پیدا کند. یک پرامپتِ بدنوشته‌شده — که تقریباً همهٔ پرامپت‌ها این‌طورند — یک کنشِ مشخصات‌دهیِ مشتاقانه است. دقیقاً به مدل می‌گوید چه بسازد، که یعنی مدل دقیقاً همان را می‌سازد، که یعنی خروجی سقفِ تخیلِ نویسندهٔ پرامپت را دارد.

فروپاشیِ بریف به پرامپت، مخرب‌ترین تغییرِ بی‌صداست. تیم‌هایی که متوجهش نشده‌اند دارند کاری تولید می‌کنند که شبیهِ یک چک‌لیست است. تیم‌هایی که متوجهش شده‌اند، الان دارند بریف‌نویس‌ها را به‌عنوانِ یک نقشِ سینیورِ خلاق استخدام می‌کنند، که دقیقاً حرکتِ درست است و تقریباً کسی برایش نیرو ندارد.

نقشی که آرام‌آرام گلوگاه شد

قضاوتِ سردبیری همیشه گلوگاه بود. سینیوری که می‌توانست به سی گزینه نگاه کند و همان یکی را انتخاب کند. کارگردانی که می‌توانست پیش از خواندنِ صفحهٔ دو، فیلم‌نامه را توی سرش بازنویسی کند. کریتیودایرکتری که وارد اتاقِ کنفرانس می‌شد، نگاهی به دیوار می‌انداخت، و می‌گفت «آن نه.»

هوش مصنوعی این را که چه کسی این را دارد عوض نکرد. هوش مصنوعی عوض کرد که چقدر نیاز به آن دیده می‌شود. وقتی تولید کند بود، لایهٔ سردبیری زیرِ لایهٔ صنعت پنهان بود. هردو وقت می‌گرفتند. هردو مثلِ «خودِ کار» حس می‌شدند. حالا که تولید تقریباً رایگان است، چیزی که مانده سردبیری است، برهنه و تنها. تیم‌هایی که ستونِ سردبیریِ قوی ندارند، الان به‌طورِ مشهود دست‌وپا می‌زنند، و تیم‌هایی که دارند، الان به‌طورِ مشهود دارند برنده می‌شوند.

خوانشِ ناراحت‌کننده برای رهبران این است که هوش مصنوعی یک تیمِ خلاقِ ضعیف را بالا نمی‌کشد. هر چیزی را که از قبل داشت اتفاق می‌افتاد شتاب می‌دهد — اگر ستونِ سردبیری از قبل نازک بود، حالا کارِ نازک را خیلی سریع‌تر و با رندرهایِ زیباتر تولید می‌کنی؛ اگر ستون قوی بود، سینیور ساعت‌هایی را پس می‌گیرد که اصطکاکِ تولید قبلاً می‌خورد، و خروجی به‌طورِ محسوس بهتر می‌شود. داشبورد بینِ این دو فرق نمی‌گذارد.

چه چیزی حتی حالا هم انسانی می‌ماند

یک فهرستِ کوتاه، به‌تجربهٔ من، از چیزهایی که تسلیمِ مدل نمی‌شوند، هرقدر هم مدل خوب شود.

**قضاوتِ سلیقه.** تصمیمِ اینکه *این‌یکی* همان است — نه چون از نظرِ فنی بهترین است، بلکه چون همان چیزی است که اتاق در این لحظه، برایِ این مخاطب، در این بازار، با توجه به آنچه هفتهٔ پیش رد شد، به آن نیاز دارد. مدل می‌تواند صد گزینه را روی یک محورِ قابل‌دفاع رتبه‌بندی کند. نمی‌تواند به تو بگوید که گزینهٔ دومِ رتبه‌بندی، در واقع همان است، به‌خاطرِ چیزی که در زندگیِ بنیان‌گذار دارد اتفاق می‌افتد و کسی توی بریف نگذاشته.

**خوانشِ فرهنگی.** اینکه آیا این شوخی در تهران می‌نشیند یا تورنتو. اینکه آیا این تصویر از سنتی وام می‌گیرد که حقِ وام‌گرفتن از آن را ندارد. اینکه آیا این کمپین تصادفاً وارد بحثی جنجالی می‌شود که بنیان‌گذار یک هفته باید توضیحش دهد. مدل سطحِ فرهنگ را از داده‌های آموزشی‌اش می‌داند. اتاقی که سه‌شنبهٔ بعد داری توش ارائه می‌دهی را نمی‌شناسد، و نمی‌داند که مادرِ رئیسِ ارتباطات اهلِ اربیل است.

**تصمیم به نساختنِ چیزی.** کشتنِ دک، لغوِ لانچ، کنارکشیدن از مشتری، گفتن به بنیان‌گذار که ایده‌اش بد است. مدل بی‌نهایت تولید خواهد کرد؛ کارِ تیم تا حدی امتناع از تولید است. امتناع، سینیورترین کنشِ خلاق است و کم‌دفاع‌ترینش در برابرِ یک معیار، و به همین دلیل در سازمان‌هایی تمایل به ناپدیدشدن دارد که سنجش را سریع‌تر از قضاوت مقیاس می‌دهند.

همه‌چیزِ دیگر در تولید، الان با ماشین قابل‌مذاکره است. این‌ها نیستند. تیمی که دورِ این‌ها ساخته شده دوام می‌آورد؛ تیمی که دورِ تسلط‌بر-ابزار ساخته شده، حدودِ یک سال عالی به‌نظر می‌رسد و بعد شروع به تولیدِ کاری می‌کند که هیچ‌کس، حتی خودِ تیم، نمی‌تواند واقعاً دوستش داشته باشد.

چه چیزی به رهبری می‌گویم که تیمش را برایِ این بازمی‌سازد

اپراتورهایِ کمتری استخدام کن. بازار از آن‌ها پر است و کارکردن با ابزار برای هرکسی با کمی سلیقه، یک آخرِ هفته تمرکز است. اپراتورها یک خندق نیستند، و قیمت‌گذاری‌شان انگار که هستند، تمایل دارد نقشی را که واقعاً خندق است، بیرون براند.

ویراستارهایِ بیشتری استخدام کن — آدم‌هایی که به هزار خروجی نگاه می‌کنند، می‌دانند کدام سه‌تا را توسعه بدهند و چرا، و می‌توانند از انتخاب‌شان دفاع کنند. کمیاب‌اند، گران‌اند، و ارزشش را دارند. بدونِ آن‌ها عمدتاً سرعتی به‌دست می‌آوری که به مقدارِ بیشتری از آشغالِ باورپذیر-ولی-متوسط تبدیل شده.

خط‌لولهٔ شاگردی را عمداً زنده نگه‌دار. جونیورها نمی‌توانند رویِ خروجیِ هوش مصنوعی شاگردی کنند — سینیوری که قرار بود سایه‌اش را دنبال کنند، الان تنها پشتِ صفحه‌کلید است. به جونیور کارهایِ کوچکِ حلقه‌کامل بده که خودش از بریف تا عرضه مالکش باشد، حتی اگر کندتر از این باشد که بگذاری سینیور فقط تولیدش کند. تا دو سالِ دیگر، تنها سینیورهایت همان‌هایی خواهند بود که اجازهٔ این کار را داشتند.

عمداً بعضی حلقه‌ها را کند کن. نه همهٔ آن‌ها را. سخنرانیِ اصلیِ بنیان‌گذار، بازآراییِ برند، کمپینی که سال را تعریف می‌کند — این‌ها از یک چرخهٔ بازخوردِ پنج‌دقیقه‌ای سود نمی‌برند. آن هفته‌ای که قبلاً می‌گرفتند را به‌شان پس بده و آن هفته را از غریزهٔ بقیهٔ سازمان برای «تکرارِ سریع‌تر» محافظت کن. بیشترِ تیم‌هایی که این کار را دیده‌ام انجام دهند، آسودگی گزارش می‌کنند، نه کندی.

و به بریف‌نویس‌ها درست حقوق بده. بریف الان خودِ تحویل‌شدنی است، به‌شکلی که وقتی اجرا محدودیت بود نبود. رفتار با آن مثلِ اولین تکلیفِ یک کارآموز، دقیقاً همان شکلی است که کار بدونِ آنکه کسی بتواند توضیح دهد چرا، افت می‌کند.

خوانشِ صادقانه

هوش مصنوعی یک بازطراحیِ ساختاریِ کارِ خلاقانه است، نه یک میان‌بر. سازمان‌هایی که این را می‌فهمند، هم متفاوت‌تر و هم سریع‌تر تولید خواهند کرد. آن‌هایی که با آن مثلِ یک ابزارِ بهره‌وری رفتار می‌کنند، فرسایشی به طعمِ بهره‌وری از فرهنگِ خلاقی تولید خواهند کرد که یک دهه صرفِ ساختنش کرده‌اند، و تا دیر نشود متوجهِ آنچه اتفاق افتاده نخواهند شد، چون داشبورد تا آخرِ مسیر سالم نشان خواهد داد.

داشبورد ابزارِ اشتباهی برایِ این پرسش است. پرسش نزدیک‌تر است به این: آیا کار حسی می‌دهد که از یک آدم آمده، یا حسی می‌دهد که از یک ماشین آمده که از او خواسته شده صدایِ یک آدم را دربیاورد. پاسخ معمولاً برایِ مخاطب مدت‌ها پیش از آنکه برایِ تیم واضح شود، واضح است.