بازگشت به کتابخانه

پرسش کلیدی جدید

پردازش‌شده با هوش مصنوعی · تأییدشده توسط نویسنده

چگونه کارمندان هنگام نوشتن با هوش مصنوعی مولد، ارتباطات خود را شخصی و متمایز نگه می‌دارند؟

Voice Work with GenAI: How Employees Develop and Sustain Individual Voice in Organizational Communication
Maayan Cohen, Lauren Waardenburg, Lior Zalmanson · International Conference on Information Systems (ICIS) · 2026
تصویر برای: چگونه کارمندان هنگام نوشتن با هوش مصنوعی مولد، ارتباطات خود را شخصی و متمایز نگه می‌دارند؟

پخش‌کننده Spotify بارگذاری می‌شود؛ ممکن است Spotify کوکی‌هایی تنظیم کند. این دستگاه انتخاب شما را به خاطر می‌سپارد.

یافته‌های کلیدی

  • پنج بعد تکرارشونده از «کار با صدا» شناسایی شد: محافظت از صدای فردی، بیان ترجیحات ضمنی، برونی‌سازی صدا در ابزارهای هوش مصنوعی، اصلاح شیوه نویسندگی با پشتیبانی هوش مصنوعی، و قابل‌مشاهده کردن تولید صدا.
  • نشان داد که کارمندان مکرراً در برابر الگوهای متمرکز و مشترک هوش مصنوعی مقاومت می‌کنند، نه به دلیل مقاومت در برابر فناوری، بلکه برای حفظ سبک‌های ارتباطی منحصربه‌فرد خود با مشتریان و همکاران.
  • مشخص کرد که تعامل با هوش مصنوعی کارگران را مجبور می‌کند عادت‌های ارتباطی ضمنی خود را صریح سازند، که اغلب باعث می‌شود نحوه ارتباط خود را بررسی، ارزیابی و عمداً تغییر دهند.
  • نشان داد که کارکنان به جای یک‌بار پرامپت‌نویسی یا تنظیم شخصیت هوش مصنوعی، صدای خود را از طریق کالیبراسیون مستمر و تکرارشونده و تعیین قواعد منفی حفظ می‌کنند.
  • آشکار ساخت که ردپای پرامپت‌ها و تاریخچه‌های تعامل به طور فزاینده‌ای به عنوان مصنوعات قابل‌مشاهده برای مدیران عمل می‌کنند تا قضاوت و مهارت‌های حل مسئله کارمندان را ارزیابی کنند.

معنای آن برای شما

مدیر ارشد فناوری اطلاعات

Decommission all centralized, mandatory AI text templates and instead provide employees with personal workspace storage to maintain their own iterative prompt libraries and negative rule-sets.

مدیر فناوری اطلاعات

Audit your team's shared AI prompt history channels on Monday morning to evaluate how staff members exercise judgment and calibrate communication before deployment.

استراتژیست کسب‌وکار

Establish a team guideline that requires client-facing communications to incorporate distinct relational styles rather than generic AI outputs, protecting employee value and differentiation.

پژوهشگر

Design a study examining how digital prompt trails and interaction histories function as proxy artifacts for managerial evaluation of employee cognitive labor.

سیاست‌گذار

Draft organizational guidelines that protect workers' rights to personalize AI-assisted communications, ensuring policies explicitly prohibit mandatory homogenization through uniform AI styling.

خلاصه

این مطالعه میدانی کیفی بررسی می‌کند که چگونه کارکنان دانشی هنگام استفاده از هوش مصنوعی مولد برای ارتباطات محیط کار، صدای فردی خود را توسعه داده و حفظ می‌کنند. پژوهشگران یک مطالعه تفسیری ۱۳ ماهه را در یک شرکت فناوری تبلیغاتی ۵۰۰ نفره انجام دادند و مشاهدات غیرمشارکتی، ۵۶ مصاحبه نیمه‌ساختاریافته و بررسی گام‌به‌گام آثار دیجیتال فضاهای کاری چت‌جی‌پی‌تی سازمانی کارکنان را ترکیب کردند.

مسئله

هوش مصنوعی مولد می‌تواند متون شایسته‌ای برای محیط کار بنویسد، اما خروجی‌های آن اغلب منعکس‌کننده الگوهای استاندارد مدلی هستند که خطر یکدست‌سازی ارتباطات سازمانی را به همراه دارند. در کارهای دانشی، سبک ارتباطی متمایز یک کارمند نشان‌دهنده قدرت قضاوت اوست، روابط را می‌سازد و ارزش پایدار انسانی را نشان می‌دهد، که این امر هنگام نوشتن ابزارهای مولد از جانب یک کارگر تنش ایجاد می‌کند.

متن گفتار
Host: به پادکست A.I.S. Insights خوش آمدید. من آنا آیوی سامرز هستم و امروز به همراه الکس ایان ساترلند، به بررسی یک مطالعه جدید با عنوان «کار با صدا در هوش مصنوعی مولد: چگونه کارمندان صدای فردی خود را در ارتباطات سازمانی توسعه داده و حفظ می‌کنند» می‌پردازیم. این مطالعه میدانی کیفی به چگونگی شکل‌گیری و حفظ لحن و صدای فردی کارکنان دانشی در هنگام به‌کارگیری هوش مصنوعی مولد در ارتباطات سازمانی می‌پردازد. الکس، خوش آمدی.
Expert: سلام آنا، از حضور در اینجا خوشحالم.
Host: الکس، برای شروع، این مطالعه چه مسئله‌ای را در ارتباطات امروزی محیط کار بررسی می‌کند؟
Expert: مسئله اصلی پیرامون اثر هوش مصنوعی مولد بر یکدست‌سازی ارتباطات است. مدل‌های زبانی کنونی متونی استاندارد و قابل‌قبول تولید می‌کنند، اما این خروجی‌ها ساختاری عمومی و یکنواخت دارند. در کارهای دانشی، سبک ارتباطی و لحن منحصربه‌فرد هر کارمند نشانه قضاوت حرفه‌ای، سازنده روابط کاری و نمایانگر ارزش فردی او است. بنابراین، وقتی سیستم‌های مولد به جای افراد می‌نویسند، چالشی میان متن‌های ماشینی استاندارد و حفظ سبک ارتباطی شخصی افراد شکل می‌گیرد.
Host: پژوهشگران این چالش را با چه روشی مطالعه کرده‌اند؟
Expert: این مطالعه توسط مایان کوهن، لورن واردنبورگ و لیور زالمانسون انجام شده و در کنفرانس بین‌المللی سیستم‌های اطلاعاتی یعنی ICIS در سال ۲۰۲۶ ارائه شده است. نویسندگان یک مطالعه کیفی و تفسیری را در طول ۱۳ ماه در یک شرکت فناوری تبلیغاتی ۵۰۰ نفره اجرا کردند. جمع‌آوری داده‌ها شامل مشاهدات غیرمشارکتی، ۵۶ مصاحبه نیمه‌ساختاریافته، و تحلیل آثار دیجیتال و ردپای تعاملات کارکنان در محیط‌های چت‌جی‌پی‌تی سازمانی بوده است.
Host: یافته‌های به‌دست‌آمده از این مشاهدات و مصاحبه‌ها چه مواردی را نشان می‌دهند؟
Expert: این مطالعه پنج بعد تکرارشونده از فرآیندی را شناسایی می‌کند که آن را «کار با صدا» می‌نامد: محافظت از صدای فردی، بیان ترجیحات ضمنی، برونی‌سازی صدا در ابزارهای هوش مصنوعی، اصلاح شیوه نویسندگی با پشتیبانی هوش مصنوعی، و قابل‌مشاهده کردن تولید صدا. بر اساس این یافته‌ها، کارکنان مکرراً در برابر الگوها و پرامپت‌های از پیش تعیین‌شده و سازمانی مقاومت می‌کردند. این مقاومت به دلیل مخالفت با فناوری نبود، بلکه برای حفظ تمایز لحن خود در برابر مشتریان و همکاران بود.
Host: تعامل با ابزار هوش مصنوعی چگونه شیوه تفکر افراد در خصوص ارتباطاتشان را تغییر می‌دهد؟
Expert: این مطالعه مشخص کرد که نگارش با این ابزارها، کاربران را وادار می‌کند عادات زبانی ناخودآگاه یا ضمنی خود را صریح کنند. این فرآیند موجب بازبینی و ارزیابی آگاهانه نحوه ارتباط می‌شود. همچنین مشخص شد که حفظ لحن فردی از طریق یک پرامپت اولیه ثابت حاصل نمی‌شود، بلکه نیازمند کالیبراسیون و اصلاح مداوم و به‌ویژه اعمال قوانین منفی است؛ یعنی مشخص کردن صریح مواردی که سیستم نباید به کار ببرد.
Host: آیا نظارت مدیریتی هم در این روند تغییری داشته است؟
Expert: بله، مطالعه نشان داد که تاریخچه تعاملات و ردپای پرامپت‌ها به شواهدی قابل‌مشاهده برای مدیران تبدیل شده‌اند. این سوابق به مدیران امکان می‌دهند شیوه استدلال، نوع قضاوت و مهارت‌های حل مسئله کارمندان را از روی نحوه تعامل آن‌ها با هوش مصنوعی بسنجند.
Host: این یافته‌ها از منظر کاربردی چه معنایی برای رهبران کسب‌وکار و سازمان‌ها دارد؟
Expert: از دیدگاه مدیریتی، این مطالعه نشان می‌دهد که پیاده‌سازی الگوهای یکنواخت و اجباری برای استفاده از هوش مصنوعی می‌تواند به هویت ارتباطی تیم‌ها لطمه بزند. سازمان‌ها باید سازوکاری منعطف ایجاد کنند که در آن کارکنان بتوانند ابزارها را مطابق لحن حرفه‌ای خود تنظیم کنند. افزون بر این، درک این نکته اهمیت دارد که ارزیابی کارکنان تنها بر اساس متن نهایی نیست، بلکه کیفیت تعاملات و نحوه تنظیم ابزار نیز نشان‌دهنده تخصص فرد است.
Host: بسیار ممنون، الکس، از توضیحات شفافی که درباره این مطالعه ارائه دادی. به‌طور خلاصه، بهره‌گیری موثر از هوش مصنوعی مولد در محیط کار نیازمند مدیریت پیوسته لحن و صدا است تا ارتباطات سازمانی دچار همگن‌سازی نشود. از همراهی شما شنوندگان گرامی با این قسمت از پادکست A.I.S. Insights سپاسگزاریم.
Expert: از همراهی شما متشکرم. روز همگی خوش.
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

generative AI, organizational communication, individual voice, knowledge work, human-AI interaction, qualitative research