آیا ۳۰ نفر می‌توانند در یک روز بر سر قواعد هوش مصنوعی توافق کنند؟

یک استارتاپ مهندسی ۳۰ نفره چگونه باید از هوش مصنوعی استفاده کند و در چه مواردی نباید سراغ آن برود؟ در سپتامبر 2026، ژان لو فورکه، تسهیلگر باتجربه‌ای از Lyfe Catalyst، یک روز کامل را همراه با همه اعضای این استارتاپ به بررسی این پرسش اختصاص داد.

بیشتر کارگاه‌های شرکتی با نیت‌های خوب تمام می‌شوند، بدون آنکه چیزی برای عمل باقی بماند. این کارگاه با پیش‌نویس یک منشور هوش مصنوعی به پایان رسید: اصولی که اعضای تیم، با وجود تفاوت‌هایشان، بر سر آن‌ها توافق کردند و سپس خودشان آن‌ها را رتبه‌بندی کردند.

تفاوت در استفاده پی‌درپی از هر دو حالت آگورا بود. حالت گفت‌وگو در طول روز نقاط توافق و اختلاف را مشخص کرد. سپس حالت اولویت‌بندی، گزاره‌های مورد توافق را به فهرستی رتبه‌بندی‌شده از اولویت‌های مشترک تبدیل کرد.

حالت گفت‌وگو مشخص می‌کند گروه بر سر چه چیزهایی توافق دارد؛ حالت اولویت‌بندی تعیین می‌کند کدام‌یک در اولویت است.

چالش: کارگاه‌هایی که آگاهی می‌دهند، اما به تصمیم نمی‌رسند

یک روز آموزشی درباره هوش مصنوعی معمولاً الگوی آشنایی دارد: سخنرانی متخصصان، گفت‌وگویی پرشور و چند یادداشت چسبان. همه چیزی یاد می‌گیرند، اما تصمیمی گرفته نمی‌شود. نتیجه‌ها در همان اتاق می‌مانند و اغلب تحت تأثیر کسانی هستند که بلندتر حرف می‌زنند یا جایگاه بالاتری دارند.

برای این استارتاپ، موضوع کاملاً ملموس بود. اعضای تیم به روش‌ها و میزان‌های متفاوتی از ابزارهای هوش مصنوعی استفاده می‌کردند، بدون آنکه قواعد مشترکی داشته باشند. برخی پرسش‌ها به ریسک مربوط می‌شد: آیا می‌توان نقشه‌ها و پارامترهای ماشین‌آلات شرکت را در اختیار یک دستیار هوش مصنوعی بیرونی گذاشت؟ برخی دیگر به هویت شرکت برمی‌گشت: شرکتی که کاهش 30% مصرف انرژی ماشین‌آلاتش را ترویج می‌کند، تا چه اندازه می‌تواند از هوش مصنوعی پرمصرف استفاده کند و همچنان به این رویکرد وفادار بماند؟

هدف روز روشن بود: نه فقط افزایش آگاهی، بلکه رسیدن به نخستین پیش‌نویس منشور استفاده از هوش مصنوعی که خود تیم آن را نوشته باشد و مسئولیتش را بپذیرد.

پیش از کارگاه: از تجربه واقعی تا گزاره‌های آغازین

گزاره‌های آغازین از تجربه خود تیم استخراج شدند، نه از یک فهرست عمومی. پیش از کارگاه، شرکت‌کنندگان به پرسش‌نامه‌ای سه‌سؤالی پاسخ دادند:

1. آخرین بار که در محل کار از یک ابزار هوش مصنوعی مولد مانند ChatGPT، Claude یا Copilot استفاده کردید، دقیقاً چه درخواستی از آن داشتید و چه چیزی برایتان صرفه‌جویی کرد یا چه هزینه‌ای داشت؟
2. اگر قرار بود همکاری را که هرگز از هوش مصنوعی استفاده نمی‌کند قانع کنید، کدام کاربرد مشخص در کارتان واقعاً ارزشمند است و چرا؟
3. اگر قرار بود به همکاری که همیشه از هوش مصنوعی استفاده می‌کند هشدار دهید، کدام مورد مشخص هرگز نباید به هوش مصنوعی سپرده شود و چرا؟

پاسخ‌ها به گزاره‌های آغازین تبدیل شدند: پیشنهادهایی مشخص و قابل بحث، با واژگان خود تیم. برخی قاعده بودند، برخی رویه‌های خوب و برخی اختلاف‌نظرهای حل‌نشده. برای نمونه:

• «باید از هوش مصنوعی برای بازنویسی و روشن‌تر کردن گزارش‌ها بر اساس یادداشت‌هایی که مهندسان قبلاً نوشته‌اند استفاده کنیم، نه برای تولید خود محتوا.»
• «باید استفاده از دستیارهای هوش مصنوعی بیرونی را برای هر چیزی که به نقشه‌ها، نمودارها و پارامترهای فنی ماشین‌آلاتمان مربوط می‌شود ممنوع کنیم.»
• «پیش از پذیرش یک ابزار هوش مصنوعی جدید، باید اثر زیست‌محیطی آن را در برابر صرفه‌جویی واقعی در زمان یا بهبود کیفیت بسنجیم.»
• «باید استفاده از هوش مصنوعی برای بررسی سریع گزینه‌های ابعادگذاری یا محاسبه در مرحله طراحی را تشویق کنیم، در حالی که تصمیم نهایی با مهندسان بماند.»

توضیح گفت‌وگو معیار مشارکت‌های تازه را مشخص می‌کرد: یک پیشنهاد مشخص از یک اصل انتزاعی بهتر است. به‌جای «باید مسئولانه عمل کنیم»، بنویسید «باید همیشه اعداد تولیدشده با هوش مصنوعی را پیش از گنجاندن در خروجی تحویلی به مشتری بررسی کنیم».

در طول روز: یک گفت‌وگو، از صبح تا بعدازظهر

گفت‌وگوی آگورا با عنوان «می‌خواهیم چگونه از هوش مصنوعی در شرکت خود استفاده کنیم؟» ساعت 9:00 آغاز شد و همه با تلفن همراه خود به آن پیوستند. گفت‌وگو تمام روز باز ماند و یک کد QR در معرض دید قرار داشت.

از شرکت‌کنندگان خواسته شد:

• درباره هر گزاره با گزینه‌های «موافقم»، «مخالفم» یا «مطمئن نیستم» رأی بدهند
• ایده‌های تازه مطرح کنند
• مرتب برگردند و درباره گزاره‌های جدید رأی بدهند

برنامه، سخنرانی‌های کوتاه و بحث‌های گروهی را درهم می‌آمیخت: شیوه کار هوش مصنوعی، آثار زیست‌محیطی و اجتماعی آن، اصول فناوری دیجیتال دموکراتیک و کاربردهای سنجیده در پژوهش و مهندسی. هر بخش با پرسشی پایان می‌یافت که شرکت‌کنندگان را برای رأی دادن و افزودن گزاره‌ها به آگورا برمی‌گرداند. سخنرانی‌ها به گفت‌وگو خوراک می‌دادند و گفت‌وگو بحث بعدی را شکل می‌داد.

ساعت 15:45، گروه کمی فاصله گرفت تا نقشه نظرات را با هم بخواند. گزاره‌های اختلاف‌برانگیز مشخص و ثبت شدند، نه اینکه اختلاف‌ها پوشانده شوند. هدف این بود که پیش از تمرکز بر نقاط مشترک، گروه تصویر کلی خود را ببیند: نه فقط «من چه فکر می‌کنم»، بلکه اینکه تیم در چه وضعیتی قرار دارد.

یافته‌های کلیدی: نقاط مشترک و اختلاف‌های پابرجا

تا پایان روز، 25 شرکت‌کننده درباره 42 گزاره، 730 رأی داده بودند. فقط 6 گزاره از پیش آماده شده بود؛ 36 گزاره دیگر را شرکت‌کنندگان در طول روز نوشته بودند.

آنچه همه بر سر آن توافق داشتند

آگورا 10 گزاره مورد تأیید هر دو گروه دیدگاهی را شناسایی کرد. این نقاط مشترک هسته‌ای روشن ساختند:

• راستی‌آزمایی: استفاده از هوش مصنوعی برای رصد علمی و فنی فقط به شرط مراجعه به منبع اصلی. با موافقت 84%، این گزاره بیشترین حمایت روز را داشت.
• شفافیت: اسناد فنی تولیدشده با کمک هوش مصنوعی باید این موضوع را اعلام کنند (68% موافق، بدون رأی مخالف).
• حفاظت: استفاده نکردن از دستیارهای هوش مصنوعی بیرونی برای هر چیزی که به نقشه‌ها، نمودارها و پارامترهای ماشین‌آلات شرکت مربوط می‌شود (68% موافق، بدون رأی مخالف). ارسال هرگونه داده شرکت به یک ابزار هوش مصنوعی باید به تأیید شرکت برسد (60%).
• آموزش: هر کارمند جدید از همان روز اول با کاربردهای هوش مصنوعی مورد تأیید داخلی آشنا شود (64%).

نکته قابل توجه این بود که 7 مورد از 10 گزاره مورد توافق را شرکت‌کنندگان در طول روز نوشته بودند، نه برگزارکنندگان.

آنچه باعث اختلاف شد

• «پیش از پرسیدن سؤال از هوش مصنوعی، کارکنان باید ابتدا بررسی کنند که آیا همکاران متخصص پاسخ آن را از قبل می‌دانند یا نه.»
• «آیا باید هوش مصنوعی داخلی و ویژه شرکت خودمان را توسعه دهیم؟»

با این حال، گروه به موافقان و مخالفان هوش مصنوعی تقسیم نشده بود. فقط 8% موافق بودند که شرکت اصلاً نباید از هوش مصنوعی استفاده کند. اختلاف‌ها به‌عنوان پرسش‌های باز برای منشور ثبت شدند، نه اینکه توافقی اجباری بر آن‌ها تحمیل شود.

دو گروه دیدگاهی

• عمل‌گرایان (15 نفر، 60%): هوش مصنوعی را در صورت استفاده مسئولانه ابزاری مفید می‌دانند. همه آن‌ها از کاربرد آن در رصد فنی همراه با بررسی منابع و خودکارسازی فرایندهای خسته‌کننده حمایت کردند. آن‌ها خواهان حفاظت از داده‌های شخصی و پرداخت هزینه اشتراک ابزارهای هوش مصنوعی توسط شرکت هستند.
• انسان‌گرایان (6 نفر، 24%): تخصص و تعامل انسانی را در اولویت قرار می‌دهند. 83% معتقدند هزینه‌های اجتماعی و زیست‌محیطی هوش مصنوعی مولد بسیار بیشتر از مزایای آن برای سرعت‌بخشیدن به کارهاست؛ این رقم در میان عمل‌گرایان 20% است. دو سوم موافق‌اند که هوش مصنوعی هرگز نباید فرایندی شامل تعامل انسانی را به‌طور کامل خودکار کند.

شرکت‌کنندگان بدون گروه‌بندی (4 نفر) به کمتر از 7 گزاره رأی داده بودند.

از توافق تا اولویت‌ها: رتبه‌بندی منشور

توافق به تیم می‌گوید بر سر چه چیزهایی هم‌نظر است، اما نمی‌گوید از کجا شروع کند. به همین دلیل، روز با نقشه نظرات پایان نیافت.

10 گزاره‌ای که میان دو گروه به توافق رسیده بودند به گفت‌وگوی دوم آگورا منتقل شدند؛ این بار در حالت اولویت‌بندی. شرکت‌کنندگان آن‌ها را در مقایسه با یکدیگر رتبه‌بندی کردند. هدف جامع بودن نبود، بلکه رسیدن به فهرستی کوتاه بود که هم از نظر توافق و هم از نظر اولویت برجسته باشد.

از جمله اولویت‌های مشترکی که بالاترین رتبه را گرفتند:

1. هنگام استفاده از هوش مصنوعی باید مراقب محتوای محرمانه‌ای باشیم که ممکن است افشا کنیم تا از نشت داده، سرقت فرایندها و موارد مشابه جلوگیری شود.
2. استفاده از هوش مصنوعی برای سرعت‌بخشیدن به رصد علمی و فنی، مانند خلاصه‌سازی مقاله‌ها و ثبت اختراع‌ها، مجاز است؛ به شرط آنکه پیش از اتکا به اطلاعات، همیشه به منبع اصلی مراجعه کنیم.
3. وقتی از هوش مصنوعی برای پژوهش استفاده می‌شود، کاربر باید دست‌کم بخشی از منابع را بررسی کند.

ساعت 16:30، پیش‌نویس منشور که از رتبه‌بندی به دست آمده بود با صدای بلند خوانده شد. تیم آن را به‌عنوان سندی پویا پذیرفت و قرار شد هر سه ماه یک‌بار، کمیته‌ای که با قرعه انتخاب می‌شود آن را بازبینی کند.

چرا این مهم است: درک جمعی، نه فقط طوفان فکری

طوفان فکری ایده‌ها را جمع می‌کند. درک جمعی به گروه نشان می‌دهد واقعاً چه فکر می‌کند. نقشه آگورا دو پایه برای کار در اختیار گروه گذاشت: نقاط مشترکی که می‌توان بر آن‌ها بنا کرد و موضوعات اختلاف‌برانگیزی که ارزش بررسی بیشتر داشتند. شرکت‌کنندگان می‌توانستند در موارد اختلاف عمیق‌تر شوند و در موارد توافق همکاری کنند.

این دو حالت به دو پرسش متفاوت پاسخ می‌دهند:

• حالت گفت‌وگو: با وجود تفاوت‌هایمان، بر سر چه چیزهایی توافق داریم؟
• حالت اولویت‌بندی: از میان چیزهایی که بر سرشان توافق داریم، کدام مهم‌تر است؟

این دو در کنار هم، یک روز سخنرانی و بحث را به نتیجه‌ای تبدیل می‌کنند که خود تیم مسئولیت آن را می‌پذیرد. قواعد از سوی مدیریت یا تسهیلگران ابلاغ نشدند؛ آن‌ها از سوی کسانی شکل گرفتند که قرار است اجراشان کنند.

نگاه به آینده

منشور برای تکامل طراحی شده است. کمیته‌ای که هر سه ماه با قرعه انتخاب می‌شود، هم‌زمان با تغییر ابزارها، کاربردها و خود تیم، آن را زنده نگه می‌دارد.

این قالب محدود به هوش مصنوعی نیست: هر سازمانی که با یک تصمیم مشترک روبه‌روست می‌تواند همین مسیر را طی کند.

لازم نیست کارگاه با نیت‌های خوب تمام شود. با فرایند مناسب، می‌تواند به اولویت‌های مشترکی برسد که کل تیم پشت آن‌ها می‌ایستد.

می‌خواهید چنین کارگاهی برگزار کنید؟

Lyfe Catalyst، شریک رسمی آگورا، می‌تواند برای تیم، جامعه، دانشجویان یا شرکای شما کارگاهی طراحی و تسهیل کند؛ درباره هوش مصنوعی یا هر تصمیم مشترک دیگری. با Lyfe Catalyst تماس بگیرید.

از قبل تسهیلگر باتجربه‌ای هستید؟ همین حالا استفاده از آگورا را شروع کنید یا مستقیماً با ما صحبت کنید.