پذیرش هوش مصنوعی در فرهنگ‌های مختلف

فرهنگ به‌مثابه متغیر پنهان آینده کار: مقایسه پذیرش هوش مصنوعی در فرهنگ‌های مختلف

وقتی دو کشور با سطح مشابهی از دسترسی به فناوری، سرعت‌های کاملاً متفاوتی در پذیرش هوش مصنوعی نشان می‌دهند، سؤال اصلی این است: چه چیزی در میان نهفته است؟ پاسخ کوتاه اما پرمعناست: فرهنگ. فرهنگ، همان‌طور که پیتر دراکر می‌گفت، «استراتژی را صبحانه می‌خورد»؛ و در عصر هوش مصنوعی نیز همین‌طور، فناوری را بدون اطلاع قبلی بلعیده و خروجی آن را بازتعریف می‌کند. در این مقاله، فرهنگ را به‌مثابه «متغیر پنهان آینده کار» تحلیل می‌کنیم و نشان می‌دهیم پذیرش هوش مصنوعی در فرهنگ‌های مختلف چگونه مسیر شغل‌ها، مهارت‌ها و مدل درآمدی دهه آینده را مشخص خواهد کرد.

 چرا فناوری واحد، پذیرش یکسان ندارد؟

از منظر اقتصادی، فناوری یک متغیر برون‌زا نیست؛ اثربخشی آن تابعی از «زیرساخت نهادی و فرهنگی» است. دو اقتصاد با دسترسی یکسان به مدل‌های زبانی بزرگ می‌توانند خروجی‌های بهره‌وری کاملاً متمایزی داشته باشند، زیرا پذیرش فناوری تابعی از سه لایه است:

• سخت‌افزاری و زیرساخت: اینترنت، داده، سخت‌افزار؛
• نهادی: قوانین حریم خصوصی، حکمرانی داده، سیاست‌های بازار کار؛
• فرهنگی: اعتماد، ریسک‌پذیری، فاصله قدرت و نگرش به تخصص انسانی.

لایه سوم، یعنی فرهنگ، کمتر دیده می‌شود اما بیشترین اثر را بر رفتار روزمره کارکنان دارد؛ همان جایی که «انسان ۵بعدی» با بُعد شناختی و روان‌شناختی خود با فناوری روبه‌رو می‌شود.

 داده‌های جهانی چه می‌گویند؟ شکاف اعتماد میان اقتصادهای نوظهور و توسعه‌یافته

گزارش جهانی ۲۰۲۵ کی‌پی‌ام‌جی و دانشگاه ملبورن (Trust, Attitudes and Use of AI) با بررسی بیش از ۴۸ هزار نفر در ۴۷ کشور، یافته‌ای چالش‌برانگیز منتشر کرد: تنها حدود ۴۶٪ مردم جهان حاضر به اعتماد به سامانه‌های هوش مصنوعی هستند. اما نکته کلیدی، توزیع این اعتماد است:

• در اقتصادهای نوظهور (نیجریه، هند، مصر، چین، امارات و عربستان)، حدود ۳ نفر از هر ۵ نفر به هوش مصنوعی اعتماد دارند؛
• در اقتصادهای توسعه‌یافته (ژاپن، آمریکای شمالی و بخش عمده اروپای غربی)، این نسبت به حدود ۲ از هر ۵ نفر کاهش می‌یابد.

این الگو نشان می‌دهد اعتماد به هوش مصنوعی لزوماً تابعی از سطح توسعه اقتصادی نیست، بلکه تابعی از ساختار فرهنگی است: در فرهنگ‌هایی که پذیرش نوآوری با بهینه‌گرایی و امید به جهش توسعه‌ای گره خورده است، فناوری «فرصت» دیده می‌شود؛ و در فرهنگ‌هایی که حاشیه امنیت شغلی و کیفیت زندگی بالا است، فناوری «تهدید» تعبیر می‌شود.

 تحلیل از منظر ابعاد فرهنگی هوفستد

برای فهم مکانیزم این تفاوت‌ها، چارچوب ابعاد فرهنگی هوفستد ابزار تحلیلی پرکاربردی است. چهار بُعد آن مستقیماً بر پذیرش هوش مصنوعی در محیط کار اثر می‌گذارند:

 فاصله قدرت (Power Distance)

در فرهنگ‌های با فاصله قدرت بالا، پذیرش فناوری اغلب «بالا به پایین» است؛ کارکنان هوش مصنوعی را وقتی به‌عنوان ابزار رسمی سازمان معرفی شود، می‌پذیرند. در فرهنگ‌های با فاصله قدرت پایین، پذیرش «تferenی» است و کارکنان درباره شفافیت الگوریتم‌ها و حق نظارت انسانی سخت‌گیرانه‌تر موضع می‌گیرند.

 اجتناب از عدم قطعیت (Uncertainty Avoidance)

فرهنگ‌های با امتیاز بالا (مانند ژاپن و آلمان) نسبت به «جعبه سیاه» بودن مدل‌های هوش مصنوعی حساس‌اند و پذیرش را به توضیح‌پذیری (XAI) و چارچوب‌های نظارتی گره می‌زنند. فرهنگ‌های با امتیاز پایین‌تر، آزمودن نسخه‌های آزمایشی و خطا‌پذیری را بخشی طبیعی از کار می‌دانند.

 فردگرایی در برابر جمع‌گرایی

در فرهنگ‌های فردگرا، مقاومت در برابر هوش مصنوعی اغلب از ترسِ فروپاشی «هویت حرفه‌ای فردی» ناشی می‌شود؛ در فرهنگ‌های جمع‌گرا، هوش مصنوعی وقتی پذیرفته می‌شود که در خدمت هماهنگی گروهی و تصمیم‌گیری مشارکتی قرار گیرد.

 نگرش به ناکامی و شکست

فرهنگ‌هایی که شکست را هزینه یادگیری می‌دانند، سرعت آزمون‌وخطا در به‌کارگیری هوش مصنوعی بالاتری دارند؛ و از آنجا که بهره‌وری هوش مصنوعی از تکرار و بازخورد زاده می‌شود، این حلقه بازخوردی، مزیت رقابتی پایداری ایجاد می‌کند.

 هوش مصنوعی در محیط کار: اعداد حکایت چه می‌کنند؟

بر اساس پیمایش‌های سازمان همکاری و توسعه اقتصادی (OECD) در ۷ کشور صنعتی:

• حدود ۸۰٪ کاربرانِ هوش مصنوعی گزارش کرده‌اند این فناوری عملکردشان را بهبود داده است؛
• ۶۰٪ کارکنان از آن که هوش مصنوعی لذت کارشان را افزایش داده، اظهار رضایت کرده‌اند؛
• اما هم‌زمان، ۶۰٪ از کارکنان نگران از دست دادن شغل خود در افق ده‌ساله‌اند و ۴۰٪ انتظار کاهش دستمزد در صنعت خود را دارند.

این تضاد، تصویر روشنی می‌سازد: تجربه شخصی از فناوری مثبت است، اما روایت فرهنگیِ پیرامون آن منفی. یعنی مساله «فناوری» نیست؛ «حکایتِ فرهنگیِ فناوری» است. سازمان‌هایی که این حکایت را مدیریت می‌کنند — با آموزش، مشارکت کارکنان و شفافیت — در پیمایش OECD نرخ اعتماد و نتایج بهره‌وری به‌مراتب بالاتری ثبت کرده‌اند.

 نقشه پذیرش منطقه‌ای: سه الگوی غالب

 الگوی جهشی (Leapfrog) — آسیای شرقی و جنوبی، خاورمیانه

در کشورهایی مانند چین، هند و امارات، هوش مصنوعی بخشی از روایت ملی پیشرفت است. نرخ استفاده منظم تا ۹۰٪ در برخی این کشورها گزارش شده و آموزش سواد هوش مصنوعی با سیاست‌های دولتی هم‌راستاست.

 الگوی محتاطانه تنظیم‌شده — اروپا

اتحادیه اروپا با قانون هوش مصنوعی (EU AI Act)، پذیرش را در بستر «حکمرانی ریسک‌محور» تعریف می‌کند. نتیجه: پذیرش کندتر اما پایدارتر، با تمرکز بر حقوق کارکنان و نظارت انسانی.

 الگوی بازارمحور — آمریکای شمالی

پذیرش سریعِ رانده‌شده از سوی بازار، با مقاومت فرهنگی پراکنده در سطح فردی؛ جایی که تضاد میان بهره‌وری سازمانی و اضطراب شغلی فردی بارزتر است.

 پیامد برای ایران و بازارهای نوظهور: کجا ایستاده‌ایم؟

ایران از منظر ساختاری در ناحیه‌ای قرار دارد که ترکیبی از هر دو قطب را دارد: جوانی جمعیت و اشتیاق فناورانه در یک سو، و عدم قطعیت نهادی و اضطراب معیشتی در سوی دیگر. این ترکیب، پذیرش هوش مصنوعی را «شرطی» می‌کند: کارکنان و فارغ‌التحصیلان ایرانی به هوش مصنوعی به‌عنوان ابزار بقای اقتصادی نگاه می‌کنند، نه ابزار رفاه. این نگاه، اگر درست هدایت شود، به مزیت تبدیل می‌شود؛ زیرا انگیزه یادگیری از جنس ضرورت است.

از منظر مدل «انسان ۵بعدی»، پذیرش موفق هوش مصنوعی نیازمند فعال‌سازی هم‌زمان این ابعاد است:

• شناختی: سواد هوش مصنوعی و توان پرسشگری از خروجی مدل‌ها؛
• روان‌شناختی: مدیریت اضطراب جایگزینی و بازسازی روایت حرفه‌ای فرد؛
• مهارتی: گذار از مهارت‌های اجرایی به مهارت‌های ترکیبی انسانی-دیجیتال؛
• جسمانی: مدیریت بار شناختی و تعادل کار-زندگی در محیط‌های فزاینده دیجیتال؛
• معیشتی: بازطراحی منابع درآمد متناسب با اقتصاد هوش مصنوعی‌محور.

پرسش کانونی هم‌چنان برجسته است: آیا این شغل با شما خوشحال است؟ در فرهنگ‌هایی که هوش مصنوعی را ابزار تقویت انسان می‌دانند، پاسخ این پرسش مثبت‌تر است؛ در فرهنگ‌هایی که آن را ابزار کنترل می‌دانند، منفی‌تر.

 راهبردهای عملی برای مدیران و حرفه‌ای‌ها

1. فرهنگ را پیش از فناوری بسنجید: پیش از پیاده‌سازی هوش مصنوعی، سنجش اعتماد سازمانی و ریسک‌پذیری تیم را در دستور کار بگذارید.
2. مشارکت به‌جای تحمیل: داده‌های OECD نشان می‌دهد مشورت با کارکنان پیش از استقرار فناوری، مستقیماً با نتایج بهتر و اعتماد بالاتر همراه است.
3. شفافیت الگوریتمی: در فرهنگ‌های با اجتناب بالا از عدم قطعیت، توضیح‌پذیری مدل‌ها شرط پذیرش است، نه ویژگی جانبی.
4. روایت‌سازی سازمانی: از تکنولوژی به‌عنوان «قصه امکان» صحبت کنید، نه «تهدید جایگزینی».
5. آموزش نقش‌محور: به‌جای آموزش ابزار، آموزش «نقش انسان در کنار الگوریتم» را هدف بگیرید — همان‌جا که بُعد شناختی و روان‌شناختی انسان ۵بعدی به هم می‌رسند.

 جمع‌بندی: آینده کار، آینه فرهنگ است

هوش مصنوعی یک فناوری جهانی است، اما پذیرش آن یک پدیده محلی. فرهنگ — از طریق اعتماد، فاصله قدرت، ریسک‌پذیری و روایت‌های جمعی — تعیین می‌کند که کدام جامعه‌ها از این موج بهره‌وری جهش می‌کنند و کدام‌ها در حاشیه آن می‌مانند. برای فرد حرفه‌ای، پیام روشن است: در بازار کار آینده، برنده کسی نیست که بهترین ابزار را دارد؛ کسی است که در فرهنگ خود، نقش هوشمندانه‌ای برای انسان کنار الگوریتم تعریف کرده است. و این، دقیقاً همان جایی است که سرمایه انسانی ۵بعدی، برتری پایدار می‌سازد.

دوره FJC; کدخوانی مشاغل آینده

اقتصاد توجه و تغییر مشاغل

گزارش جهانی کی‌پی‌ام‌جی و دانشگاه ملبورن ۲۰۲۵