Stephanie Kirmer، مهندسة ذكاء اصطناعي أولى بخبرة تقارب عشر سنوات في مجالات البيانات والتعلم الآلي، تُعدّ صوتًا مُهمًا في النقاشات حول التأثيرات الاجتماعية لتقنيات الذكاء الاصطناعي. بدأت مسيرتها الأكاديمية في مجالات علم الاجتماع وأسس التعليم الثقافية، وهي خلفية شكلت نظرتها المُعمقة إلى كيف تؤثر التكنولوجيا على الفئات المختلفة في المجتمع. تُطبّق منهجها السوسيولوجي في تحليل الظواهر التقنية، متسائلة عن التفاوتات الاجتماعية، وتجارب الناس المختلفة، ودور المؤسسات في تشكيل تطور الذكاء الاصطناعي. في عملها الحالي في شركة DataGrail، شهدت تحوّلًا ملحوظًا في مهامها اليومية مع انتشار نماذج اللغة الكبيرة (LLMs). تستخدم أدوات مساعدة تعتمد على LLMs لتحسين الإنتاجية، سواء في توليد الأفكار، أو مراجعة النماذج، أو إنجاز المهام الروتينية مثل كتابة اختبارات الوحدة. لكنها تؤكد أن التحديات الحقيقية لا تزال تكمن في معالجة المشكلات غير القياسية، حيث تظل المهارة البشرية والخبرة الحقيقية ضرورية. تُحذر من أن "الهوس بالذكاء الاصطناعي" يُشبه ما حدث في عصر dot-com، حيث تراكمت استثمارات ضخمة بناءً على توقعات غير واقعية بنتائج مالية هائلة. ورغم أن تقنيات LLMs مفيدة في مجالات محددة، إلا أنها ليست كافية لدعم استثمارات تُقدّر بـ200 مليار دولار. وترى أن الاستدامة تتطلب تغييرًا في التوقعات، من ربحية هائلة على استثمارات ضخمة إلى عوائد معقولة على مبالغ متوسطة. كما تشير إلى التحديات الناتجة عن "الانفجار الثقافي" ضد الذكاء الاصطناعي التوليدي، الذي نتج عن وعود مبالغ فيها من الشركات. وتدعو إلى تقليل هذه الوعود، والتركيز على تطبيقات عملية تحل مشكلات حقيقية، إلى جانب حملات توعية عامة لتوضيح طبيعة هذه التقنيات وحدودها. تُخطط لمواصلة كتابة مقالاتها الشهرية على منصة TDS، مستمدة أفكارها من تجارب يومية، ومحادثات مع الناس، وظواهر إعلامية. تستخدم منظورًا سوسيولوجيًا لتحليل التفاعل بين الذكاء الاصطناعي والسلوكيات البشرية، خاصة فيما يتعلق بالسلطة، والعرق، والطبقة، والجنس. ورغم عدم تخطيطها بعيدًا، تُرحب بأفكار القرّاء حول قضايا اجتماعية يمكن استكشافها في سياق الذكاء الاصطناعي. ستشارك في مؤتمر ODSC East في بوسطن عام 2026، حيث ستقدم جلسة عن تخصيص تقييم نماذج اللغة الكبيرة، مُبرزة أهمية التفكير النقدي والمنهجية في تطوير الذكاء الاصطناعي.