تسهیلگری در عصر هوش مصنوعی: نقشهای تازه، مهارتهای نوظهور
سخن آغازین: تسهیلگر در برابر ماشین، یا در کنار آن؟
چند سال پیش، وقتی نخستین اپلیکیشنهای غربالگری اختلالات رشدی کودکان وارد بازار شدند، یکی از تسهیلگران باتجربه برنامه CBR در یکی از استانهای غربی ایران، پس از آزمودن یک نمونه ساده، با لحنی آمیخته به نگرانی و طنز به همکارانش گفت: «انگار قراره یه گوشی موبایل بیاد جلسه خونه مادری که من شش ماه طول کشید اعتمادش رو جلب کنم، بگه بچهات مشکل داره، و مادر هم باور کنه!» این جمله، گرچه در لحن شوخی بود، اما حاوی پرسشی عمیق و کاملاً جدی است: در روزگاری که الگوریتمها میتوانند اختلالات گفتاری را با دقتی نزدیک به متخصصان تشخیص دهند، رباتهای گفتوگو قادرند مشاوره روانشناختی پایه ارائه دهند و حسگرهای پوشیدنی، پیشرفت حرکتی یک بیمار را لحظهبهلحظه رصد میکنند، «تسهیلگر انسانی» چه جایگاهی دارد؟ آیا او به تدریج به حاشیه رانده میشود، یا برعکس، نقشی متفاوت، عمیقتر و پیچیدهتر از گذشته پیدا میکند؟
این پرسش، موضوع اصلی نوشتار پیش روست. بحث درباره هوش مصنوعی در توانبخشی مبتنی بر جامعه، برخلاف تصور رایج، تنها به فناوریهای جدید و ابزارهای دیجیتال محدود نمیشود؛ بلکه در هسته خود، ما را وامیدارد تا بار دیگر، و این بار از زاویهای کاملاً نو، به ماهیت «تسهیلگری» بیندیشیم. چه چیزی در رابطه میان تسهیلگر و مددجو وجود دارد که ماشین، دستکم در افق دید امروز، قادر به بازتولید آن نیست؟ و چه مهارتهایی باید در تسهیلگران پرورش یابد تا نه تنها در رقابت با هوش مصنوعی شکست نخورند، بلکه آن را به ابزاری در خدمت انسانتر شدنِ کار خویش بدل سازند؟
یکم: خط قرمزهایی که ماشین نمیتواند از آنها عبور کند
برای آنکه دریابیم نقش تسهیلگر در عصر هوش مصنوعی چگونه تغییر میکند، نخست باید تکلیف خود را با «مرز توانمندی ماشین» روشن کنیم. هوش مصنوعی، در هر سطحی از پیشرفت، در سه حوزه با محدودیتهای بنیادینی روبهروست که برای کار تسهیلگری اهمیتی حیاتی دارند.
نخستین محدودیت، به ماهیت «اعتماد» برمیگردد. اعتماد میان یک تسهیلگر و خانواده مددجو، پدیدهای صرفاً اطلاعاتی نیست که با ارائه دادههای درست و دقیق حاصل شود. مادری که فرزند دچار فلج مغزی دارد و ماهها در برابر ورود غریبهها به حریم خانهاش مقاومت میکرده، سرانجام نه به خاطر استدلال منطقی، که به خاطر دیدن «مداومت» و «نگرانی واقعی» در چشمان تسهیلگر، در را باز میکند. این مداومت، این بودنِ پیوسته در کنار رنج دیگری، چیزی است که از دایره توان الگوریتم بیرون است. ماشین میتواند بهترین زمان تماس را پیشنهاد دهد، مناسبترین کلمات را بر اساس تحلیل احساسات پیشنهاد کند، اما نمیتواند «حضور» داشته باشد؛ حضوری از جنس گوشت و خون که به دیگری میگوید «من واقعاً اینجا هستم و وضع تو برایم فرقی با وضع خودم ندارد.»
دومین محدودیت، درک «بافت» است. تسهیلگری در یک روستای ترکمن با تسهیلگری در یک محله حاشیهنشین لرنشین یا یک منطقه بلوچنشین تفاوتهای ظریفی دارد که از جنس کدهای فرهنگی نانوشته، سلسلهمراتب قدرت درون خانواده، و شیوههای خاص ابراز هیجان و نیاز است. هوش مصنوعی بر پایه دادهها کار میکند و دادهها، هر قدر هم که حجیم باشند، بازنمایی ناقصی از غنای یک فرهنگ زنده هستند. این تسهیلگر است که میداند در فلان طایفه، حرف آخر را پدربزرگ خانواده میزند، نه پدر کودک، و بنابراین باید اول با او وارد گفتوگو شد. این دانش ریزدانه و موقعیتی، در هیچ پایگاه دادهای ذخیره نمیشود.
سومین محدودیت، به «خلاقیت در شرایط آشوبناک» مربوط است. برنامه توانبخشی مبتنی بر جامعه، برخلاف محیطهای کنترلشده بیمارستانی، عرصهای سرشار از بینظمی، غافلگیری و کمبود منابع است. وقتی در روستایی دورافتاده، وسیله کمکتوانبخشی استاندارد وجود ندارد، تسهیلگر با خلاقیت خود یک جایگزین موقت میسازد. وقتی خانوادهای در بحران اقتصادی، توان خرید دارو را از دست داده، تسهیلگر شبکهای از کمکهای محلی را فعال میکند. این توانایی «ساختن راهحل از هیچ»، که ریشه در انعطافپذیری شناختی و هوش عملی انسان دارد، هنوز فراتر از توانایی مدلهای هوش مصنوعی است که عمدتاً بر مبنای الگوهای گذشته عمل میکنند.
دوم: نقشهای جدیدی که هوش مصنوعی خلق میکند
حال که مرزهای ماشین روشنتر شد، میتوانیم با وضوح بیشتری ببینیم که ورود هوش مصنوعی به عرصه CBR، نه تنها تسهیلگر را بیکار نمیکند، بلکه او را از برخی وظایف تکراری و زمانبر آزاد میسازد و نقشهای جدیدی را برایش خلق میکند که پیش از این یا وجود نداشتند، یا در حاشیه بودند.
نقش نخست: «تفسیرگر» دادهها برای خانواده و جامعه. تصور کنید یک اپلیکیشن مجهز به بینایی ماشین، الگوی حرکتی کودک را تحلیل کرده و گزارشی فنی به زبان آماری ارائه میدهد: «احتمال تأخیر حرکتی درشت: ۷۸ درصد، پیشنهاد: ارجاع به کاردرمانگر.» این داده، برای یک مادر روستایی که سواد خواندن و نوشتن ندارد، کاملاً بیمعنا و حتی ترسناک است. اینجاست که تسهیلگر در نقش تازهای ظاهر میشود: مترجم و تفسیرگری که زبان سرد آمار را به زبان گرم انسانی و قابل فهم ترجمه میکند. او به مادر میگوید: «این برنامه نشون داده بچهات توی راه رفتن یه کمی دیرتر از بچههای دیگهست. اما نگران نباش، یه سری بازی و تمرین هست که میتونیم با هم شروع کنیم تا کمکش کنه.» این ترجمه، یک انتقال ساده اطلاعات نیست؛ بلکه عملی است آمیخته به قضاوت بالینی، درک فرهنگی و مدیریت هیجانی.
نقش دوم: «پایشگر انسانی» خروجیهای ماشین. هوش مصنوعی خطا میکند. الگوریتمهای غربالگری ممکن است یک کودک عادی را به اشتباه «در معرض خطر» تشخیص دهند و خانواده را دچار اضطراب بیمورد کنند، یا برعکس، یک اختلال خفیف را نادیده بگیرند. پژوهشها نشان میدهند که دقت ابزارهای دیجیتال در شرایط واقعی (و نه آزمایشگاهی)، بهویژه در جوامع کمدرآمد با تنوع زبانی و فرهنگی بالا، کاهش مییابد (Wahl et al., 2018). تسهیلگری که کودک را در محیط واقعی زندگیاش میبیند، با خانواده تعامل دارد و تاریخچه پزشکی و اجتماعی را میداند، میتواند بهعنوان یک «ناظر کیفی» عمل کند و تشخیص دهد که آیا خروجی الگوریتم با واقعیت میدانی همخوانی دارد یا خیر. این نقش، ترکیبی است از اعتماد به فناوری و نقد آن؛ تسهیلگر نه تسلیم محض ماشین میشود و نه آن را بهکلی نادیده میگیرد.
نقش سوم: «نگهبان پیوستگی رابطه» در مسیر دیجیتال. یکی از خطرات بالقوه ورود فناوری به CBR، تکهتکه شدن فرایند مراقبت است: یک اپلیکیشن تمرینها را یادآوری میکند، یک چتبات به سؤالات پاسخ میدهد، یک حسگر حرکات را ثبت میکند، و هیچکس تصویر کلی را نمیبیند. در این فضای پراکنده، تسهیلگر میتواند نقش منحصربهفردی ایفا کند: کسی که نخ تسبیح را در دست دارد و این قطعات جداگانه را در قالب یک «روایت منسجم از پیشرفت فرد» به هم پیوند میدهد. او کسی است که میداند فلان نوسان در دادههای حسگر نه به خاطر پسرفت واقعی بیمار، که به خاطر تب سهروزهای بوده که کودک از سر گذرانده است. این دانش زمینهای، برای تفسیر درست دادههای فناورانه ضروری است و هیچ الگوریتمی به تنهایی از پس آن برنمیآید.
نقش چهارم: «تسهیلگر سواد دیجیتال» برای جوامع محلی. شکاف دیجیتال هنوز در بسیاری از مناطق تحت پوشش CBR یک واقعیت تلخ است. داشتن یک گوشی هوشمند به معنای توانایی استفاده از اپلیکیشن سلامت نیست. تسهیلگر، به دلیل جایگاه مورد اعتماد خود در جامعه، بهترین فرد برای آموزش سواد دیجیتال پایه به خانوادهها و مراقبان است: چگونه یک اپلیکیشن تمریندرمانی را نصب و استفاده کنند، چگونه اخبار جعلی سلامت را از اطلاعات معتبر تشخیص دهند، و چگونه از حریم خصوصی خود در فضای مجازی محافظت کنند. این نقش، تسهیلگر را از یک ارائهدهنده خدمت مستقیم، به یک «توانمندساز دیجیتال» ارتقا میدهد.
سوم: مهارتهایی که باید از امروز ساخت
اگر بپذیریم که نقشهای تسهیلگر در حال دگرگونی است، آنگاه لازم است برنامههای آموزشی نیز متناسب با این دگرگونی بازطراحی شوند. چهار دسته مهارت وجود دارند که شاید تا یک دهه پیش برای یک تسهیلگر CBR تجملی محسوب میشدند، اما امروز به ضرورت تبدیل شدهاند.
مهارت نخست: «تفکر نقاد در مواجهه با داده». تسهیلگر فردا، لازم نیست برنامهنویس یا دانشمند داده باشد، اما باید سواد دادهای پایه را کسب کند. بهطور مشخص، او باید بتواند سه پرسش را از هر خروجی الگوریتمی بپرسد: این داده از کجا آمده است؟ جامعهای که این الگوریتم با آن آموزش دیده، چقدر به جامعه من شبیه است؟ و حاشیه خطای این پیشبینی چقدر است؟ این پرسشها، به ظاهر فنی، در واقع صورت مدرن همان کنجکاوی نقادانهای هستند که یک تسهیلگر خوب همواره در مواجهه با هر نوع «حقیقت آماده» از خود نشان میدهد.
مهارت دوم: «مدیریت مرزهای ارتباط دیجیتال و انسانی». یکی از دشوارترین وظایف تسهیلگر در آینده، تصمیمگیری درباره این خواهد بود که کدام بخش از فرایند مراقبت را میتوان به فناوری سپرد و کدام بخش، بهطور بازگشتناپذیری انسانی است. برای مثال، ارسال خودکار پیامکهای یادآوری تمرین به خانواده میتواند به یک ربات واگذار شود، اما اعلام خبر یک تشخیص دشوار به والدین، هرگز. این مهارت نیازمند خودآگاهی بالا، درک عمیق از رابطه یاریگرانه، و توانایی همدلی است.
مهارت سوم: «انعطافپذیری شناختی و یادگیری مادامالعمر». سرعت تحول فناوری به حدی است که یک ابزار خاص که امروز تسهیلگر با آن کار میکند، ممکن است دو سال بعد منسوخ شده باشد. بنابراین، به جای تمرکز بر آموزش یک نرمافزار مشخص، باید ظرفیت «یاد گرفتنِ یاد گرفتن» را در تسهیلگران تقویت کرد. تسهیلگری که عادت کرده باشد هر چند ماه یک بار با یک ابزار جدید روبهرو شود، دیگر با هر تغییر فناورانه دچار اضطراب نمیشود.
مهارت چهارم: «حضور آگاهانه و هوش هیجانی». هر چه فناوری بیشتر وارد میدان شود، آن جنبههایی از کار تسهیلگر که «عمیقاً انسانی» هستند، ارزشمندتر و برجستهتر میشوند. توانایی گوش دادن عمیق، همدلی بدون ترحم، حضور در لحظه اکنون با تمام وجود، و تابآوری در برابر رنج دیگری بدون آنکه خود فرو بریزد؛ اینها همان مهارتهایی هستند که گاه به اشتباه «نرم» خوانده میشوند، در حالی که در عصر هوش مصنوعی، به سختترین و تعیینکنندهترین شایستگیهای حرفهای بدل میشوند. ماشین میتواند تمرین فیزیوتراپی را تجویز کند؛ اما نمیتواند دست یک مادر خسته را بگیرد و بگوید «میدانم چقدر سخت است، اما تو تنها نیستی.»
چهارم: توصیههایی برای سیاستگذاران و مدیران برنامههای CBR
گذار به عصر هوش مصنوعی در برنامههای توانبخشی مبتنی بر جامعه، بدون همراهی آگاهانه سیاستگذاران و مدیران به سرانجام نخواهد رسید. در ادامه، پنج توصیه راهبردی برای مدیریت این گذار ارائه میشود:
۱. بازنگری در برنامه درسی آموزش تسهیلگران. سرفصلهای آموزشی فعلی را با محوریت «سواد داده»، «تفکر نقاد فناورانه» و «اخلاق هوش مصنوعی در سلامت» بهروز کنید. این کار را میتوان با همکاری دانشگاهها و شرکتهای فناوری انجام داد، اما طراحی نهایی باید با مشارکت خود تسهیلگران صورت گیرد تا از واقعیت میدان دور نشود.
۲. پذیرش تدریجی فناوری، نه جهش ناگهانی. ورود ابزارهای دیجیتال به CBR باید گامبهگام و همراه با ارزشیابی مستمر باشد. یک پروژه آزمایشی کوچک در یک منطقه محدود، با حضور فعال تسهیلگران در تیم طراحی و ارزیابی، بسیار بهتر از خرید یک سامانه گرانقیمت است که بعد از چند ماه به خاطر عدم تطابق با شرایط محلی خاک میخورد.
۳. سرمایهگذاری بر زیرساختهای پایه دیجیتال. پیش از آنکه به فکر اپلیکیشنهای پیچیده باشیم، باید پوشش اینترنت، دسترسی به گوشی هوشمند، و برق پایدار در مناطق محروم تأمین شود. شکاف دیجیتال، اگر نادیده گرفته شود، به شکل جدیدی از نابرابری در دسترسی به خدمات توانبخشی تبدیل خواهد شد.
۴. تشکیل «حلقههای گفتوگوی انسان و فناوری». بهطور منظم، نشستهایی برگزار کنید که در آن تسهیلگران، متخصصان فناوری، مدیران و نمایندگان جامعه محلی گرد هم آیند و تجارب خود را از کار با ابزارهای دیجیتال به اشتراک بگذارند. این حلقهها، هم به بهبود ابزارها کمک میکند، هم مقاومتهای غیرمنطقی در برابر فناوری را کاهش میدهد.
۵. بازتعریف شاخصهای ارزیابی عملکرد. اگر نقش تسهیلگر از «ارائهدهنده خدمت مستقیم» به «تفسیرگر داده»، «نگهبان پیوستگی رابطه» و «آموزگار سواد دیجیتال» تغییر میکند، آنگاه فرمهای ارزیابی عملکرد نیز باید بهروز شوند. به جای شمردن صرف تعداد بازدیدها، باید کیفیت تفسیر دادهها، توانایی برقراری رابطه انسانی عمیق، و مهارت در مدیریت مرز دیجیتال-انسانی را نیز سنجید.
سخن پایانی
هوش مصنوعی نه یک تهدید ساده و نه یک ناجی بیچونوچراست؛ آینهای است که انتخابهای ما را بازمیتاباند. اگر برنامههای CBR صرفاً به دنبال کاهش هزینهها و افزایش بهرهوری عددی باشند، ممکن است از هوش مصنوعی برای «جایگزینی» تدریجی نیروی انسانی استفاده کنند و تسهیلگران را به حاشیه برانند. اما اگر هدف، ارتقای کیفیت رابطه یاریگرانه و تعمیق پیوند میان توانبخشی و زندگی واقعی مردم باشد، آنگاه هوش مصنوعی میتواند به متحدی قدرتمند بدل شود که کارهای تکراری را از دوش تسهیلگر برمیدارد و او را برای انجام آن بخش از کارش که «واقعاً انسانی» است، آزادتر و توانمندتر میسازد.
در نهایت، آنچه یک تسهیلگر خوب را از یک ماشین هوشمند متمایز میکند، توانایی او در انجام یک محاسبه پیچیده ریاضی یا ذخیره حجم عظیمی از اطلاعات نیست؛ بلکه این واقعیت ساده و عمیق است که او، همچون مددجویانش، «آسیبپذیر» است، «رنج» را میفهمد، و میتواند در گرگومیش یک عصر پاییزی، بیآنکه کلمهای بگوید، کنار یک انسان دیگر بنشیند و با سکوت خود بگوید «من اینجایم.» این «اینجا بودن» را هیچ الگوریتمی شبیهسازی نخواهد کرد.
منابع
Topol, E. J. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. New York: Basic Books.
Wahl, B., Cossy-Gantner, A., Germann, S., & Schwalbe, N. R. (2018). Artificial intelligence (AI) and global health: How can AI contribute to health in resource-poor settings? BMJ Global Health, 3(4), e000798.
Schwab, K. (2017). The Fourth Industrial Revolution. New York: Crown Business.
Khasnabis, C., & Motsch, K. H. (2021). The participatory role of persons with disabilities in the age of digital transformation. Disability & Society, 36(5), 831-835.
Lupton, D. (2018). Digital Health: Critical and Cross-Disciplinary Perspectives. London: Routledge.
World Health Organization. (2021). Global Strategy on Digital Health 2020-2025. Geneva: WHO Press.
ابراهیمی، سارا. (۱۴۰۱). هوش مصنوعی و سلامت دیجیتال: فرصتها و چالشهای اخلاقی برای نظام سلامت ایران. مجله اخلاق پزشکی، ۱۶(۴۸)، ۷۲-۸۹.
موسوی، سیدعلی. (۱۴۰۰). توانبخشی از راه دور: مرور نظاممند کاربردها در کشورهای در حال توسعه. فصلنامه مطالعات ناتوانی، ۱۱(۱)، ۱۲۳-۱۴۱.
