راهبردهای تخصصی MIT برای تقویت هوش نیروی کار

از دیدگاه متخصصان MIT: راهبردهایی برای دگرگون‌سازی مهارت‌ها، نقش‌ها و ظرفیت‌های انسانی در سراسر سازمان شما و اهمیت هوش نیروی کار

فهرست مطالب

• این توانمندی‌های انسانی، کاستی‌های هوش مصنوعی را تکمیل می‌کنند.
• پنج موضوعی که هنگام بازطراحی کار با هوش مصنوعی باید مدنظر قرار داد.
• چگونه از هوش مصنوعی مولد برای تقویت نیروی کارتان استفاده کنید.
• ریسکِ سپردن آموزش هوش مصنوعی به کارکنان ارشد، به دست نیروهای جوان.
• شرکت‌ها چگونه می‌توانند با کمک هوش مصنوعی، شکاف مهارت‌ها را شناسایی و پر کنند.

اگر امروز مسئول هدایت تیم‌ها هستید، خوب می‌دانید که بزرگ‌ترین چالشِ دوران بازطراحی صنایع با هوش مصنوعی، خودِ پیاده‌سازی فناوری نیست؛ چالش اصلی، توسعه‌ی نیروی کاری است که در این عصر جدید، مزیت رقابتی سازمان را تضمین کند.
در مدرسه مدیریت اسلون MIT، اعضای هیئت علمی در حال مطالعه‌ی این هستند که هوش مصنوعی چگونه در حوزه‌هایی که برای رهبران حیاتی‌اند، کار را دگرگون می‌کند؛ از جمله:

• توسعهٔ مهارت‌ها
• طراحی سازمانی
• و مشاغلی که به واسطهٔ توانمندی‌های منحصراً انسانی، تاب‌آور باقی می‌مانند.

پنج مقالهٔ این مجموعه، این توانمندی‌ها را بررسی می‌کنند و فرایندی را برای شناسایی شکاف مهارت‌ها و راهبردهایی برای ساختن همکاری انسان هوش مصنوعی ارائه می‌دهند.
در این مقالات خواهید دید چرا توانایی‌هایی مانند همدلی، خلاقیت و قضاوت هرچه هوش مصنوعی پیشرفت می‌کند، ارزشمندتر می‌شوند.
در این بخش به ۲ مقاله خواهیم پرداخت

این توانمندی‌های انسانی، کاستی‌های هوش مصنوعی را تکمیل می‌کنند

نویسنده: برایان ایستوود

چرا مهم است؟

وظایف کاری‌ای که کمترین احتمال جایگزینی توسط هوش مصنوعی را دارند، آن‌هایی هستند که به توانایی‌های منحصراً انسانی مانند همدلی، قضاوت، اخلاق و امید وابسته‌اند.

هوش مصنوعی و فناوری‌های نوظهور چه اثری بر نیروی کار آمریکا خواهند داشت؟

از زمان ظهور ChatGPT کمی کمتر از سه سال پیش، بحث‌ها معمولاً در دو دسته قرار گرفته‌اند:

• راه‌هایی که هوش مصنوعی می‌تواند نیروی کار را تقویت کند؛
• و راه‌هایی که خودکارسازی مبتنی بر هوش مصنوعی، نیروی کار را دگرگون و مختل می‌کند.

اما یک مقالهٔ قابل‌توجه از «ایزابلا لوايزا» پژوهشگر پسادکتری MIT Sloan و «روبرتو ریگوبون» استاد MIT، زاویهٔ دیگری دارد و می‌پرسد:

«کدام توانمندی‌های انسانی، کاستی‌های هوش مصنوعی را تکمیل می‌کنند؟»

این رویکرد، بحث را از «اختلال» و «جایگزینی نیروی کار» به سمت توانایی‌های انسانی می‌برد.

لوايزا می‌گوید:
«در حوزهٔ آیندهٔ کار، تمرکز اغلب روی ماشین‌هاست نه انسان‌ها. ما می‌خواستیم تمرکز روی آن چیزی باشد که انسان‌ها می‌توانند انجام دهند. هدف‌مان این نبود که ترس در دل مردم بیندازیم؛ می‌خواستیم نشان دهیم هوش مصنوعی قرار است مکمل کارگران باشد، نه دشمن آن‌ها.»

سه شاخص کلیدی برای سنجش کارهای انسانی:

برای پاسخ به پرسش خود، این دو پژوهشگر، یک چارچوبِ «قابلیت‌های انسان‌محور» طراحی کردند که سه شاخص کلیدی از آن استخراج شد:

• امتیاز ریسکِ جایگزینی (risk-of-substitution)
• امتیاز ظرفیتِ تقویت (potential-for-augmentation)
• امتیازی که نشان می‌دهد یک کار، چقدر به قابلیت‌هایی وابسته است که هوش مصنوعی فاقد آن‌هاست؛ مانند اخلاق، خلاقیت و هوش هیجانی.

آن‌ها سپس هر سه شاخص را روی همهٔ وظایف و مشاغل ایالات متحده که در پایگاه O*NET (وابسته به اداره آمار کار ایالات متحده) آمده است، اعمال کردند؛
پایگاهی که ۱۹۰۰۰ وظیفه را در تقریباً ۹۵۰ نوع شغل تعریف می‌کند.

نتیجهٔ اصلی

نتیجهٔ آن‌ها این بود که:
کارهایی که به ویژگی‌های انسانی مانند همدلی، قضاوت و امید متکی‌اند، کمتر در معرض جایگزینی توسط ماشین هستند.

هوش مصنوعی، کارهای مهارتی را هم تحت تأثیر قرار می‌دهد

پیشرفت‌های تکنولوژیک همیشه نگرانی کارکنان را برانگیخته است، اما موج‌های مکانیزاسیون، خودکارسازی و دیجیتالی‌سازی در مجموع، در طول زمان کیفیت مشاغل را بهبود داده‌اند.
اما این روند ممکن است در مورد هوش مصنوعی تکرار نشود.

لوايزا و ریگوبون می‌نویسند:

«هوش مصنوعی متفاوت به نظر می‌رسد، چون تهدید می‌کند که توانایی‌هایی را جایگزین کند که به‌شدت به توان شناختی ما گره خورده‌اند.»

هوش مصنوعی می‌تواند ایده‌پردازی، تولید محتوا و حل مسئله انجام دهد.

لوايزا توضیح می‌دهد:

«هوش مصنوعی سریع‌تر حرکت کرده و اثراتی که در نیروی کار می‌بینیم متفاوت است. موج‌های قبلی تکنولوژی عمدتاً کارگران کم‌مهارت را منفی تحت تأثیر قرار می‌دادند، اما هوش مصنوعی، کارگران را فارغ از سطح تحصیلات‌شان تحت تأثیر قرار می‌دهد.»

با این حال، هوش مصنوعی محدودیت‌های جدی دارد

محدودیت های هوش مصنوعی

• نمی‌تواند از مجموعه‌داده‌های کوچک، به‌خوبی استنتاج کند.
• نمی‌تواند خیلی فراتر از داده‌هایی که روی آن آموزش دیده، تعمیم دهد.
• مسائلی با بیش از دو راه‌حل قابل‌قبول، برای آن دشوارند.
• تصمیم‌هایی که بر تجربهٔ مشترک و قضاوت انسانی استوارند، برایش چالش‌آفرین‌اند.
• و به‌ویژه با باورهای ذهنی و قضاوت‌های ارزشی مشکل دارد.

پژوهشگران می‌نویسند: بسیاری از تصمیم‌های تحول‌آفرین در تاریخ بشر، بر باورهایی استوار بوده‌اند که وضعیت موجود را به چالش کشیده‌اند، حتی وقتی داده‌های حاکم چیز دیگری می‌گفته است؛
برای مثال، حق رأی زنان یا جنبش حقوق مدنی.

لوايزا می‌گوید:

«ما انسان‌ها گاهی فقط چون “باید انجام شود” تصمیم می‌گیریم، نه چون داده‌ها می‌گویند انجام‌پذیر است.»

EPOCH: پنج گروه از توانمندی‌های انسانی

لوايزا و ریگوبون برای چارچوب خود، پنج گروه توانمندی انسانی تعریف کردند که با مخفف EPOCH نمایش می‌دهند:

1.  Empathy & Emotional Intelligence – همدلی و هوش هیجانی
   هوش مصنوعی شاید بتواند احساسات را تشخیص دهد، اما این انسان‌ها هستند که می‌توانند ارتباط معنادار بسازند و تجربهٔ طرف مقابل را «احساس» کنند.
   مشاغلی مثل مددکاری اجتماعی و آموزش این ویژگی را خوب نشان می‌دهند.
2. Presence, Networking & Connectedness – حضور، شبکه‌سازی و پیوند انسانی
   نقش‌هایی مثل پرستاری یا روزنامه‌نگاری اهمیت حضور فیزیکی، ساختن ارتباط، پرورش نوآوری و همکاری را برجسته می‌کنند.
3. Opinion, Judgment & Ethics – نظر، قضاوت و اخلاق
   انسان‌ها می‌توانند در سیستم‌های باز و مبهم (مثل حقوق و نظام علمی) حرکت کنند؛ در حالی‌که هوش مصنوعی با مفاهیمی مانند مسئولیت‌پذیری و پاسخ‌گویی مشکل دارد.
4. Creativity & Imagination – خلاقیت و تخیل
   شوخ‌طبعی، بداهه‌پردازی و «تصویرسازی امکانات فراتر از واقعیت» همچنان توانایی‌های کاملاً انسانی‌اند؛
   این مهارت‌ها در طراحی، هنر و کارهای علمی ارزش ویژه دارند.
5. Hope, Vision & Leadership – امید، چشم‌انداز و رهبری
   پشتکار، استقامت و پیش‌قدمی، تجلی روح انسانی‌اند؛
   مانند راه‌اندازی یک کسب‌وکار جدید با وجود شانس موفقیت پایین.

این دو پژوهشگر، داده‌های O*NET را با این چارچوب تحلیل کردند و تقریباً ۱۹۰۰۰ وظیفه را از منظر خودکارسازی، تقویت، و ارتباط با قابلیت‌های انسانی EPOCH بررسی کردند.

خوشه‌بندی وظایف و سه امتیاز برای هر خوشه

وظایف در O*NET توصیفی‌اند و برای هر شغل، به‌شکل خاصی نوشته شده‌اند؛
بنابراین، هم‌پوشانی کمی در متن وظایف میان مشاغل مختلف وجود دارد و یافتن وظایف مشابه در نقش‌های متفاوت دشوار است.
برای غلبه بر این محدودیت، آن‌ها وظایف را در ۷۵۰ خوشه دسته‌بندی کردند.

• یک خوشه، شامل وظایف مرتبط با ساخت وب‌سایت‌های فروش در مشاغل مختلف است؛
• خوشه‌ای دیگر، وظایف مرتبط با بازبینی طراحی را در حوزه‌هایی مانند طراحی بازی، حکاکی و تصویرسازی دیجیتال دربرمی‌گیرد.

برای هر خوشه، سه امتیاز تعریف شد:

• امتیاز ریسک خودکارسازی
• امتیاز ظرفیت تقویت
• و امتیاز EPOCH که نشان می‌دهد هر خوشه، تا چه حد به قابلیت‌های انسانی محافظت‌کننده در برابر خودکارسازی وابسته است.

این نتایج سپس با تغییرات تجمیعی اشتغال در نیروی کار ایالات متحده، بین سال‌های ۲۰۱۶ تا ۲۰۲۴ مقایسه شد.
مشاهدهٔ کلیدی این بود که:
وظایفی که ریسک بالای خودکارسازی و یا تقویت داشتند، با ریسک بالاتر از دست رفتن شغل همراه بودند.

• در حالت خودکارسازی، هوش مصنوعی مستقیماً جای انسان را می‌گیرد؛
• در حالت تقویت، اشتغال به خاطر افزایش بهره‌وری کاهش می‌یابد؛ یعنی شرکت می‌تواند با همان تعداد یا حتی کمتر نیروی انسانی، خروجی بیشتری تولید کند.

لوايزا تأکید می‌کند:
تقویت الزاماً به معنی خودکارسازی جزئی نیست، بلکه می‌تواند به این معنا باشد که کارکنان کارها را سریع‌تر انجام دهند یا توان انجام کارهایی را پیدا کنند که قبلاً ممکن نبود.

قابلیت‌های انسانی، شغل را تاب‌آورتر می‌کنند

در مقابل، همهٔ گروه‌های قابلیت EPOCH با رشد اشتغال همراه بودند؛
بیشترین اثر مربوط به «امید» و پس از آن «نظر/قضاوت» بود.

آن‌ها می‌نویسند این نتایج نشان‌دهندهٔ آن است که:
«حرکت به سمت کاری بیشتر “انسان‌محور” نه‌فقط از نظر ماهیت وظایف در هر شغل، بلکه از نظر تعداد افرادی که در مشاغل انسان‌محورتر به کار گرفته می‌شوند، در حال رخ دادن است.»

این اثر مثبت، برای لوايزا خوشایند، اما غافل‌گیرکننده نبود. او می‌گوید:
«به‌خصوص در اقتصادهای توسعه‌یافته، تعداد قابل‌توجهی مدیر ارشد در نقش‌های تصمیم‌گیری داریم که کارشان با امتیاز بالای EPOCH گره خورده است. نیروی انسانی ارزش فوق‌العاده‌ای دارد.
برای او، یافته‌ها بار دیگر تأکید می‌کند که استراتژی هوش مصنوعی باید بر تقویت کارگران، نه جایگزین کردن آن‌ها، متمرکز باشد.

این نتایج، به رهبران سازمانی یک نقشهٔ راه می‌دهد برای ارتقای مهارت کارکنان با تمرکز ویژه بر «کیفیات بنیادی طبیعت انسان»، که در آموزش برای آینده‌ای مبتنی بر هوش مصنوعی، به‌سادگی نادیده گرفته می‌شوند.

لوايزا نتیجه می‌گیرد:
«در بسیاری از حوزه‌ها، کارگران را نمی‌توان به‌طور کامل جایگزین کرد. اگر هدفتان نوآوری برهم‌زننده یا کسب‌وکار واقعاً تحول‌آفرین است، انسان‌ها نقش عظیمی برای ایفا کردن دارند.»

پنج موضوعی که هنگام بازطراحی کار با هوش مصنوعی باید مدنظر قرار داد

نویسنده: سب موری

چرا مهم است؟

هم‌راستا کردن عدالت (equity) و نوآوری کار ساده‌ای نیست.
کارشناسان پیشنهاد می‌کنند برای موفقیت در عصر پذیرش گستردهٔ هوش مصنوعی، باید به‌صورت فعال با کارکنان و سیاست‌گذاران وارد گفت‌وگو شد.
هوش مصنوعی در حالی‌که صنایع را با سرعتی بی‌سابقه دگرگون می‌کند، هم‌زمان:

• امنیت شغلی را تهدید می‌کند،
• پرسش‌هایی دربارهٔ انصاف و عدالت ایجاد می‌کند،
• و می‌تواند نابرابری را عمیق‌تر نماید.

در یک کنفرانس در سال ۲۰۲۵ که از سوی مرکز استون MIT درباره نابرابری و شکل دادن به آیندهٔ کار برگزار شد،
پنلی از کارشناسان دربارهٔ این بحث کردند که تکنولوژی چگونه رابطهٔ میان کارفرما، کارگر و تشکل‌های کارگری را بازتعریف می‌کند.

«مولی کیندر»، پژوهشگر مؤسسه بروکینگز پرسید:
«چطور می‌توانیم مطمئن شویم که کارگران، از شگفتی‌های این فناوری بهره‌مند می‌شوند، در حالی‌که همزمان به نگرانی‌های بزرگ آن هم پاسخ می‌دهیم؟»
در ادامه، مهم‌ترین ایده‌های مطرح‌شده توسط سخنرانان دربارهٔ این است که شرکت‌ها چطور می‌توانند بین نوآوری و کیفیت شغل توازن برقرار کنند.

۱. بررسی کنید چه کسانی تحت‌تأثیر هوش مصنوعی‌اند و چه حفاظ‌هایی دارند

اعضای پنل بر اهمیت تصمیم‌های آگاهانهٔ کسب‌وکار که از ثبات بلندمدت نیروی کار حمایت می‌کنند، تأکید کردند.
«فریدا پولی»، پژوهشگر مهمان در کالج محاسبات شوارتزمن MIT، یادآور شد که این خودِ کسب‌وکارها هستند که تصمیم می‌گیرند هوش مصنوعی چگونه استفاده شود.

او پرسید:
«شرکت‌ها چطور تصمیم می‌گیرند که انسان‌ها را جایگزین کنند یا آن‌ها را تقویت کنند؟
این واقعاً یک تصمیم رهبری است. در نهایت، هیچ سیاست از پیش‌نوشته‌شده‌ای نیست که تعیین کند شما انسان را جایگزین می‌کنید یا او را تقویت.»
کیندر اشاره کرد که حفاظت در برابر اثرات هوش مصنوعی، در میان کارگران به‌طور برابر توزیع نشده است.
او با اشاره به اعتصاب نویسندگان هالیوود در سال ۲۰۲۳ برای حفاظت از شغلشان در برابر هوش مصنوعی، گفت: بسیاری از فعالان دیگر صنعت سرگرمی مانند تصویرسازان فریلنس، دوبلورهای مستقل و فیلم‌سازان مستقل عضو اتحادیه‌ای مثل «Writers Guild of America» نیستند و تهدید هوش مصنوعی را شدیدتر احساس می‌کنند.

کیندر گفت:
«اکثریت عظیم کارگرانی که در این کشور تحت‌تأثیر این تکنولوژی قرار خواهند گرفت، بیشتر شبیه همین خلاقان مستقل‌اند تا نویسندگان هالیوود.»
او اضافه کرد: بسیاری از بخش‌هایی که در معرض بیشترین تأثیر هوش مصنوعی‌اند؛ مانند مالی و بیمه، چگالی اتحادیه‌ای پایینی دارند و در نتیجه نسبت به اختلال و جابه‌جایی شغلی آسیب‌پذیرترند.

۲. مشارکت کارگران را در تصمیم‌های مرتبط با هوش مصنوعی ادغام کنید

اعضای پنل تأکید کردند که شرکت‌ها باید تصمیم‌های مرتبط با هوش مصنوعی را در هماهنگی با افرادی که بیشترین تأثیر را می‌پذیرند اتخاذ کنند.

«ارین کِلی»، استاد مطالعات کار و سازمان در MIT Sloan گفت:
«ورودی کارگران از ابتدا حیاتی است.»

تفاوت بزرگی هست بین این‌که بگوییم:
“خب، نیروهای خط مقدم چه کمکی می‌توانند بکنند تا بفهمیم چه مسائلی را بشود حل کرد و چگونه می‌توان کیفیت شغل آن‌ها را بهتر کرد؟”

در مقابل این‌که فقط به‌صورت فرمال به سراغ‌شان برویم و از آن‌ها بخواهیم کمک کنند چیزی را پیاده‌سازی کنیم که در واقع برایشان ترسناک و تهدیدکننده است.»

«آماندا بالنتاین»، پژوهشگر مهمان مرکز استون و مدیر سابق مؤسسه فناوری AFL-CIO، اضافه کرد:
«کارگران همین حالا هم کارشناس تأثیر تکنولوژی بر نقش‌های‌شان هستند. آن‌ها می‌دانند چه چیز کارشان را بهتر، امن‌تر و کاراتر می‌کند و چه چیز کارشان را بدتر، ناعادلانه‌تر و ناامن‌تر. اگر آن‌ها را به‌طور جدی در فرایند تحقیق و توسعه درگیر نکنیم، عملاً پول زیادی روی میز باقی می‌گذاریم.»
درگیر کردن زودهنگام کارکنان، احتمال اینکه راه‌حل‌های مبتنی بر هوش مصنوعی واقعاً کیفیت شغل و کارایی را بهبود دهند و به‌طور گسترده پذیرفته شوند را افزایش می‌دهد.
بالنتاین گفت:
«در این صورت ما نه‌تنها تکنولوژی بهتری می‌سازیم که برای جامعه بهتر است، بلکه خروجی‌های بهتر در بازار کار هم خواهیم داشت.»

۳. شفافیت و انصاف را در جذب و ارتقا افزایش دهید

پولی به پتانسیل هوش مصنوعی برای شناسایی و اصلاح سوگیری در استخدام اشاره کرد، اما تأکید کرد که این کار فقط وقتی ممکن است که شرکت‌ها متعهد به شفافیت باشند.
در حالی‌که انسان‌ها هنگام تصمیم‌گیری استخدام، معمولاً ردّ روشنی از میزان انصاف یا سوگیری خود برجا نمی‌گذارند، سیستم‌های الگوریتمی این رد را به‌جا می‌گذارند؛
در روابط آماری میان گروه‌های جمعیتی مختلف و نتایج تصمیم‌های سیستم، می‌توان سوگیری را دید.

این شفافیت یک فرصت فراهم می‌کند:
شرکت‌ها می‌توانند بررسی کنند آیا الگوریتم‌های استخدام‌شان به‌طور نامتناسبی یک گروه را بر دیگری ترجیح می‌دهند یا نه، و در صورت لزوم آن‌ها را برای برابری بیشتر تنظیم کنند.
اما این تنها زمانی ممکن است که شرکت‌ها مایل باشند نتایج را واقعاً بررسی و منتشر کنند.

۴. به‌صورت فعال با سیاست‌گذاران برای شکل دادن مقررات وارد تعامل شوید

پولی گفت کسب‌وکارها باید در چالش تنظیم‌گری هوش مصنوعی نقش فعال ایفا کنند، نه اینکه منتظر مداخلهٔ دولت بمانند.
او استدلال کرد که شرکت‌ها نباید مقررات را به‌عنوان تهدیدی برای نوآوری ببینند، بلکه باید آن را چارچوبی برای ایجاد اعتماد و بهبود نتایج تلقی کنند.
او با اشاره به تجربهٔ خود در لابی‌گری برای قوانین شفافیت هوش مصنوعی، از جمله قانون جذب منصفانه در نیویورک، گفت شرکت‌ها این فرصت را دارند که مقرراتی را شکل دهند که بین انصاف و امکان پیاده‌سازی عملی توازن برقرار کند.

پولی گفت:
«همیشه احساس می‌کنم باید مدام این طبل را بکوبم که “مقررات ضدنوآوری نیست.”»
او به قوانینی مانند قانون گزارش اعتباری منصفانه (Fair Credit Reporting Act) اشاره کرد که خطوط راهنمای روشن برای استفاده از داده‌های مالی ایجاد کرد و در نهایت به رشد صنعت اعتبار کمک کرد.
به‌ رغم او، وضوح مشابه در مقررات هوش مصنوعی می‌تواند برای کسب‌وکارها هم محافظت اخلاقی ایجاد کند و هم ثبات بازار.
اعضای پنل تصریح کردند که شراکت میان کار، صنعت و سیاست‌گذار می‌تواند تضمین کند هوش مصنوعی به‌گونه‌ای پیاده‌سازی شود که هم به نفع کارگران باشد و هم کارفرمایان.
بالنتاین گفت بسیاری از دولت‌های ایالتی در تلاش‌اند راهی برای تنظیم هوش مصنوعی پیدا کنند و پذیرای ورودی از بخش کار و کسب‌وکار هستند. این فرصتی است برای این‌که گروه‌های کارگری و شرکت‌ها در کنار هم به طراحی مقررات عملی و عادلانه کمک کنند.

۵. تأثیر هوش مصنوعی بر سلامت و رفاه کارکنان را در نظر بگیرید ( هوش نیروی کار)

ناامنی شغلی ناشی از هوش مصنوعی فقط یک مسئلهٔ اقتصادی نیست؛ می‌تواند پیامدهای جدی برای سلامت کارکنان داشته باشد.
کِلی گفت:
«بیکاری یک خطر برای سلامت است. ما این را از دههٔ ۱۹۲۰ می‌دانیم.»

بی‌ثباتی شغلی می‌تواند باعث استرس، اضطراب و کاهش بهره‌وری شود و در نهایت هم به کارکنان و هم به کسب‌وکارها آسیب بزند.
کیندر به نوع دیگری از خطر اشاره کرد:
هوش مصنوعی ممکن است شکل کار را به‌طور غیرمنتظره اما آسیب‌زا تغییر دهد.
مثال او: پزشکان و درمانگران ممکن است کارهای ساده‌تر و روتین را به هوش مصنوعی بسپارند. در این صورت:
«اگر همهٔ پرونده‌های ساده را چت‌بات‌ها انجام دهند، بار کاری شما فقط متشکل از موارد بسیار شدید و پیچیده خواهد بود، و این می‌تواند به فرسودگی شغلی منجر شود.»
او تأکید کرد:
کارها قطعاً تغییر خواهند کرد و:
«احتمال رسیدن به نتایج عادلانه برای کارگران، به‌مراتب بیشتر است اگر خودِ کارگران در مورد چگونگی استقرار این فناوری حق اظهار نظر داشته باشند.»

 

گروه توسعه راه حل های منابع انسانی: ادامه این مقالات را بزودی منتشر خواهیم کرد.