روند تاریخی توسعه فناوری نشان می‌دهد مسیر آن همواره تحت تأثیر نیازها و ساختارهای گذشته بوده است؛ از اینترنت و انرژی هسته‌ای که از پروژه‌های دفاعی زاده شدند تا سیلیکون‌ولی که در دوران جنگ سرد شکل گرفت. امروزه نیز اثرات شبکه‌ای، توسعه نرم‌افزار و سخت‌افزار را در چارچوب اکوسیستم‌های غالب iOS و اندروید هدایت می‌کند.
اما مسئله اصلی این است که آیا هدف نهایی فناوری باید تقلید از انسان باشد یا ارتقای توانایی‌های او؟ ایده‌ای که از «آزمون تورینگ» در سال ۱۹۵۰ نشأت گرفت، نسل‌هایی از پژوهشگران را به ساخت ماشین‌هایی سوق داد که مانند انسان فکر می‌کنند. اکنون با ظهور هوش مصنوعی مولد مبتنی بر مدل‌های زبانی بزرگ، این هدف بیش از هر زمان دیگری به واقعیت نزدیک شده است، اما برخی معتقدند این مسیر ممکن است از اساس اشتباه باشد.
به‌جای تقلید، بهتر است فناوری بر تقویت مهارت‌های انسانی و انجام کارهایی متمرکز شود که انسان قادر به انجام آن‌ها نیست. تمرکز بر شبیه‌سازی انسان، خطر گرفتار شدن در «دام تورینگ» را دارد؛ وضعیتی که در آن فناوری به‌جای ایجاد قابلیت‌های مکمل، به جانشین نیروی کار تبدیل می‌شود و در نتیجه بهره‌وری افزایش می‌یابد اما منافع در دست صاحبان سرمایه متمرکز می‌ماند. این تمرکز قدرت اقتصادی و سیاسی، انعطاف‌پذیری نظام را کاهش می‌دهد و سقف رشد را پایین می‌آورد.
نمونه‌های امروزی هوش مصنوعی مولد، مانند ابزارهای تولید تبلیغ یا فیلم از متن، نگرانی‌هایی درباره جایگزینی کامل انسان‌ها ایجاد کرده‌اند. با این حال، تقلید از برتری‌های انسانی مانند خلاقیت، شاید هدف درستی برای فناوری نباشد. ساختارهای اقتصادی و فرهنگی نیز این تمایل به تقلید را تقویت کرده‌اند؛ زیرا تقلید قابل اندازه‌گیری‌تر، کم‌خطرتر و از نظر نهادی آسان‌تر است، در حالی که خلق توانایی‌های نوین به خلاقیت و جسارت بیشتری نیاز دارد.
سیاست‌های مالیاتی و مدیریتی نیز این گرایش را تشدید می‌کنند. مالیات کمتر بر سرمایه نسبت به نیروی کار و تمایل مدیران به کاهش نیروی انسانی، انگیزه سرمایه‌گذاران را برای خودکارسازی بیشتر می‌کند. در نتیجه، فناوری‌ها اغلب به‌سوی تقلید از انسان هدایت می‌شوند، نه همکاری مؤثر با او؛ حتی زمانی که سیستم‌های مکمل می‌توانند ارزش اقتصادی بیشتری خلق کنند و نابرابری را کاهش دهند.
با این حال، مسیر دیگری هم ممکن است. اگر هدف اولیه فناوری گسترش توانایی‌های انسانی بود، اکنون سیستم‌هایی داشتیم که تصمیم‌گیری، یادگیری و خلاقیت انسان را بهبود می‌بخشند. در نمونه‌ای آموزشی، استفاده از هوش مصنوعی تعاملی برای بررسی تکالیف دانشجویان باعث درک عمیق‌تر مفاهیم و افزایش کیفیت یادگیری شد. تعمیم چنین رویکردی در اقتصاد، تمرکز را از صرفه‌جویی هزینه به سمت ارتقای کیفیت، نوآوری و رفاه سوق می‌دهد.
در بسیاری از حوزه‌ها این رویکرد در حال شکل‌گیری است؛ برای مثال، همکاران هوش مصنوعی در برنامه‌نویسی، فرآیند آزمون و خطا را گسترش داده‌اند و در پزشکی، ثبت خودکار یادداشت‌ها زمان بیشتری برای قضاوت و همدلی پزشکان فراهم کرده است. اصل مشترک در همه این موارد، بازتوزیع وظایف میان انسان و ماشین است؛ ماشین کارهای پرتکرار را انجام می‌دهد و انسان بر استثناها، اهداف و ارزش‌گذاری تمرکز می‌کند.
تاریخ نیز نشان می‌دهد جهش‌های بزرگ بهره‌وری زمانی رخ داده‌اند که ساختار کار متناسب با فناوری‌های جدید بازطراحی شده است؛ همان‌گونه که هنری فورد کارخانه‌ها را حول ماشین‌آلات و انسان‌ها بازآرایی کرد. امروز نیز باید سیستم‌هایی بسازیم که انسان و ماشین در کنار هم کارهایی انجام دهند که هیچ‌یک به‌تنهایی قادر به انجامشان نیست. در حوزه‌های خلاقانه، هوش مصنوعی می‌تواند وظایف پرهزینه مانند جست‌وجو و پیش‌نویس را خودکار کند و در عوض، ارزش مهارت‌های انسانی مانند سلیقه، روایت و اصالت را افزایش دهد.
برای رسیدن به این هدف سه اقدام کلیدی پیشنهاد می‌شود:
نخست، باید شاخص‌های بنگاهی مشخصی برای سنجش موفقیت در به‌کارگیری هوش مصنوعی ایجاد شود تا میزان بهبود نتایج واقعی مانند رضایت مشتری یا کیفیت خدمات سنجیده شود.
دوم، قوانین بازار باید رقابت و دسترسی گسترده‌تر را تقویت کند؛ از جمله ایجاد قابلیت همکاری داده‌ها، حمل‌پذیری اطلاعات و انگیزه‌های مالیاتی که به تقویت سرمایه انسانی پاداش دهد نه حذف آن.
سوم، توسعه زیرساخت‌های عمومی ایمن، نظام‌های مسئولیت‌پذیر و ارزیابی شفاف ضروری است تا نوآوری ادامه یابد و در عین حال از حریم خصوصی و مالکیت فکری محافظت شود.
اگر انگیزه‌ها به سمت همکاری انسان و فناوری هدایت شود، مرز فناوری و فرصت‌های انسانی می‌توانند هم‌زمان گسترش یابند.