تحول هوش مصنوعی آزمون رهبری برای موفقیت کسب و کارها

وقتی هوش مصنوعی مدیران را به چالش می کشد؛ مسیر تازه موفقیت سازمان ها

تحول هوش مصنوعی دیگر یک پروژه جانبی برای واحد فناوری نیست؛ موضوعی جدی در حوزه رهبری سازمانی، تصمیم گیری و آینده کسب وکارهاست. شرکت هایی که می خواهند از مزایای هوش مصنوعی مولد، اتوماسیون هوشمند و تحلیل داده استفاده کنند، قبل از خرید ابزارهای تازه به یک استراتژی هوش مصنوعی شفاف نیاز دارند. راستش را بخواهید، برنده این رقابت لزوما شرکتی نیست که پیشرفته ترین نرم افزار را دارد؛ برنده واقعی مدیری است که می داند فناوری را کجا، چرا و با چه هدفی وارد کار کند.

خیلی از مدیران هنوز هوش مصنوعی را مسئله ای فنی می بینند و مسئولیتش را مستقیم روی میز تیم فناوری می گذارند. این نگاه شاید در ظاهر کار را ساده کند، اما در عمل باعث می شود پروژه ها از نیاز واقعی مشتری، مدل درآمدی و فرهنگ سازمان فاصله بگیرند. هوش مصنوعی زمانی ارزش می سازد که مدیران ارشد شخصا وارد میدان شوند، سؤال های سخت بپرسند و مسئولیت نتیجه را بپذیرند.

مطالعه مقاله قبلی در دسته بندی کامپوتر با عنوان نقش هوش مصنوعی در مدیریت قطعی سایت هنگام ترافیک بالا.

هوش مصنوعی فقط یک پروژه فناوری نیست

سال هاست سازمان ها پروژه های دیجیتال را با یک الگوی آشنا جلو می برند؛ نرم افزار انتخاب می شود، بودجه می گیرند، تیم فنی آن را نصب می کند و بعد هم از کارکنان انتظار دارند خودشان را با شرایط تازه هماهنگ کنند. اما درباره هوش مصنوعی، این نسخه قدیمی خیلی وقت ها جواب نمی دهد.

دلیلش هم پیچیده نیست. هوش مصنوعی فقط سرعت انجام کارها را بالا نمی برد، بلکه می تواند تعریف یک شغل، شیوه تصمیم گیری و حتی رابطه میان مدیر و کارمند را عوض کند. وقتی یک سامانه قادر است گزارش بنویسد، داده تحلیل کند یا پیشنهاد تجاری بدهد، دیگر بحث فقط نصب یک ابزار نیست؛ پای بازطراحی کل فرایند وسط است.

اینجاست که رهبری سازمانی اهمیت پیدا می کند. مدیر باید مشخص کند چه کارهایی باید خودکار شوند، چه تصمیم هایی همچنان انسانی بمانند و چه محدودیت هایی برای استفاده از داده ها وجود داشته باشد. اگر این مرزها روشن نباشند، کارکنان یا از فناوری دوری می کنند یا بدون کنترل سراغش می روند؛ هر دو حالت برای سازمان دردسرساز است.

مدیران موفق قرار نیست مهندس یادگیری ماشین شوند. بااین حال، باید درک قابل قبولی از توانایی ها، محدودیت ها و ریسک های این فناوری داشته باشند. مدیری که نمی داند یک مدل هوش مصنوعی چگونه ممکن است دچار خطا یا سوگیری شود، نمی تواند درباره استفاده مسئولانه از آن تصمیم درستی بگیرد.

شروع از مسئله واقعی، نه هیجان بازار

این روزها تقریبا هر فروشنده ای ادعا می کند محصولش با هوش مصنوعی متحول شده است. چنین فضایی مدیران را وسوسه می کند تا خیلی سریع ابزار بخرند، فقط برای اینکه از رقبا عقب نمانند. ولی خرید عجولانه معمولا به مجموعه ای از سرویس های گران و کم استفاده ختم می شود.

یک استراتژی هوش مصنوعی درست باید از مسئله کسب وکار شروع شود. آیا پاسخ گویی به مشتریان کند است؟ آیا کارکنان ساعت های زیادی را صرف کارهای تکراری می کنند؟ آیا پیش بینی تقاضا دقیق نیست؟ ابتدا باید گره اصلی مشخص شود و بعد سراغ فناوری مناسب رفت.

این تفاوت کوچک نیست. وقتی سازمان از ابزار شروع می کند، مدام دنبال جایی می گردد که آن را به زور وارد فرایندها کند. اما وقتی از مسئله شروع شود، انتخاب فناوری منطقی تر خواهد بود و اندازه گیری نتیجه هم ساده تر می شود.

بهتر است پروژه های اولیه محدود، قابل سنجش و نزدیک به نیاز روزمره کارکنان باشند. مثلا خلاصه سازی اسناد، دسته بندی درخواست های مشتری یا آماده کردن پیش نویس گزارش می تواند شروع مناسبی باشد. هدف این نیست که از روز اول همه چیز زیرورو شود؛ هدف، ساختن تجربه و اعتماد است.

معیار موفقیت نیز نباید فقط تعداد کاربران یا دفعات استفاده باشد. مدیران باید ببینند آیا زمان انجام کار کمتر شده، کیفیت خروجی بالا رفته، هزینه کاهش پیدا کرده یا رضایت مشتری بهتر شده است. اگر نتیجه ای وجود ندارد، استفاده زیاد از یک ابزار فقط یک عدد قشنگ در گزارش مدیریتی است.

آمادگی کارکنان از آمادگی نرم افزار مهم تر است

بزرگ ترین مانع تحول هوش مصنوعی معمولا قدیمی بودن سرورها یا کمبود ابزار نیست؛ مسئله اصلی نگرانی آدم هاست. کارکنان می خواهند بدانند این فناوری چه اثری روی شغل، درآمد و آینده حرفه ای شان خواهد داشت. اگر مدیران جواب روشنی ندهند، شایعه و ترس خیلی سریع جای واقعیت را می گیرد.

گفتن جمله هایی مثل «هوش مصنوعی قرار نیست جای کسی را بگیرد» همیشه کافی نیست. کارکنان باهوش تر از آن هستند که با یک شعار آرام شوند. مدیریت باید صادقانه توضیح دهد کدام وظایف تغییر می کنند، چه مهارت هایی لازم خواهد بود و سازمان برای آموزش نیروها چه برنامه ای دارد.

آموزش هم نباید به یک وبینار کوتاه یا فایل راهنما محدود شود. افراد باید فرصت داشته باشند با ابزارها کار کنند، اشتباه کنند، سؤال بپرسند و نمونه های واقعی مرتبط با شغل خودشان را ببینند. یادگیری زمانی اتفاق می افتد که فناوری وارد تجربه روزمره شود، نه وقتی فقط درباره اش اسلاید نمایش داده شود.

مدیران میانی در این مرحله نقش فوق العاده مهمی دارند. آن ها ارتباط مستقیم با تیم ها دارند و بهتر از هرکسی می فهمند کدام فرایندها کند، تکراری یا اعصاب خردکن هستند. کنارگذاشتن این مدیران از تصمیم گیری، یکی از سریع ترین راه ها برای شکست پروژه است.

از طرف دیگر، کارکنان باید بتوانند بدون ترس مشکلات را گزارش کنند. اگر مدل پاسخ اشتباه می دهد، داده محرمانه را نمایش می دهد یا خروجی جانبدارانه تولید می کند، پنهان کردن موضوع هیچ کمکی نمی کند. فرهنگ سالم، گزارش خطا را نشانه مسئولیت پذیری می بیند، نه بهانه ای برای سرزنش.

اعتماد با قانون های روشن ساخته می شود

هوش مصنوعی بدون داده عملا کاری از پیش نمی برد و همین جا یکی از حساس ترین چالش ها شکل می گیرد. چه داده ای وارد مدل می شود؟ چه کسی به خروجی دسترسی دارد؟ اطلاعات تا چه زمانی ذخیره می شوند؟ اگر پاسخ این سؤال ها مشخص نباشد، سازمان خودش را در معرض ریسک حقوقی و اعتباری قرار می دهد.

قوانین استفاده باید ساده و قابل فهم باشند. یک سند طولانی و پر از اصطلاحات حقوقی که کسی آن را نمی خواند، مشکل را حل نمی کند. کارکنان باید دقیقا بدانند چه اطلاعاتی را نباید در ابزارهای عمومی وارد کنند و برای چه کاربردهایی تأیید انسانی ضروری است.

امنیت و حریم خصوصی نیز نباید در پایان پروژه بررسی شوند. تیم های امنیت، حقوقی، منابع انسانی و فناوری باید از همان مراحل ابتدایی کنار هم باشند. این همکاری شاید در شروع سرعت را کمی پایین بیاورد، اما جلوی اشتباه های پرهزینه را می گیرد.

در کنار قانون، شفافیت هم مهم است. اگر مشتری با یک دستیار هوشمند صحبت می کند، بهتر است این موضوع را بداند. اگر یک تصمیم مهم با کمک الگوریتم گرفته شده، باید امکان بررسی و اعتراض وجود داشته باشد. اعتماد زمانی از بین می رود که افراد احساس کنند فناوری پشت درهای بسته برایشان تصمیم گرفته است.

البته نظارت نباید آن قدر سنگین باشد که هر ایده ای قبل از آزمایش خفه شود. هنر مدیریت این است که بین سرعت و کنترل تعادل ایجاد کند. برای پروژه های کم ریسک می توان مسیر تأیید سریع تری داشت و برای کاربردهای حساس، بررسی دقیق تری در نظر گرفت.

مدیران باید رفتار مورد انتظار را نشان دهند

مدیری که از کارکنان می خواهد روش کارشان را تغییر دهند، اما خودش همچنان با همان عادت های قدیمی جلو می رود، پیام متناقضی می فرستد. اگر رهبران سازمان واقعا به تغییر باور دارند، باید خودشان نیز استفاده مسئولانه از ابزارهای هوشمند را تجربه کنند.

این تجربه می تواند از کارهای ساده شروع شود؛ تهیه پیش نویس یک گزارش، خلاصه کردن اسناد یا بررسی چند سناریوی تجاری. مهم این است که مدیر محدودیت خروجی را هم ببیند و هر پاسخ را حقیقت قطعی فرض نکند.

رهبران باید درباره اشتباه های خود نیز حرف بزنند. وقتی مدیر توضیح می دهد که یک خروجی نادرست را چگونه تشخیص داده یا چرا پیشنهاد مدل را نپذیرفته است، کارکنان یاد می گیرند استفاده درست از هوش مصنوعی یعنی ترکیب سرعت ماشین با قضاوت انسانی.

موفقیت کسب وکارها در این دوره به توانایی یادگیری سریع وابسته است. برنامه ای که امروز منطقی به نظر می رسد، شاید شش ماه دیگر به اصلاح نیاز داشته باشد. بنابراین مدیران باید به جای دفاع لجوجانه از تصمیم های قبلی، بازخورد بگیرند و مسیر را تغییر دهند.

این انعطاف نشانه ضعف نیست؛ دقیقا همان چیزی است که رهبری در یک محیط نامطمئن به آن نیاز دارد. فناوری با سرعت جلو می رود و هیچ مدیری همه پاسخ ها را در اختیار ندارد. پذیرفتن این واقعیت، فضای گفت وگوی واقعی و تصمیم گیری بهتر را ایجاد می کند.

فاصله میان آزمایش و ارزش واقعی

بسیاری از شرکت ها چند نمونه آزمایشی جذاب دارند، اما نمی توانند آن ها را به استفاده گسترده برسانند. یک ابزار در تیم کوچک عالی کار می کند، ولی وقتی قرار است صدها نفر از آن استفاده کنند، مشکلات داده، دسترسی، هزینه و یکپارچگی خودش را نشان می دهد.

عبور از این مرحله به زیرساخت مناسب و مالکیت مشخص نیاز دارد. باید معلوم باشد چه کسی مسئول کیفیت داده است، چه تیمی عملکرد مدل را بررسی می کند و چه فردی درباره ادامه یا توقف پروژه تصمیم می گیرد. مسئولیت مبهم معمولا نتیجه مبهم هم تولید می کند.

سازمان ها همچنین باید هزینه کامل را ببینند. قیمت اشتراک یا استفاده از مدل فقط بخشی از ماجراست. آموزش، امنیت، نگهداری، پاک سازی داده و نظارت انسانی هم هزینه دارند. پروژه ای که روی کاغذ ارزان به نظر می رسد، ممکن است در مقیاس بزرگ کاملا متفاوت باشد.

در عین حال نباید همه نتایج را فقط با کاهش هزینه سنجید. بعضی کاربردها باعث افزایش کیفیت، سرعت نوآوری یا رضایت کارکنان می شوند. این مزایا شاید فوری در صورت های مالی دیده نشوند، اما در بلندمدت روی موفقیت کسب وکارها اثر جدی دارند.

بهترین مسیر، ساختن مجموعه ای متعادل از پروژه هاست؛ چند مورد با بازده سریع، چند پروژه برای بهبود تجربه مشتری و تعداد محدودی آزمایش بلندمدت. چنین ترکیبی هم نتیجه قابل مشاهده ایجاد می کند و هم امکان یادگیری را باز نگه می دارد.

آزمونی که پاسخ فنی ندارد

در نهایت، تحول هوش مصنوعی بیش از آنکه آزمون توانایی فنی باشد، آزمون کیفیت مدیریت است. فناوری می تواند پاسخ تولید کند، اما نمی تواند به جای رهبران هدف سازمان را تعیین کند. نمی تواند بگوید چه ریسکی قابل قبول است یا چه تصمیمی با ارزش های شرکت هم خوانی دارد.

مدیران باید هم زمان جسور و محتاط باشند؛ جسور برای امتحان کردن روش های تازه و محتاط برای حفاظت از مشتریان، کارکنان و داده ها. افراط در هر طرف مشکل ساز می شود. بی محابا جلو رفتن خطرناک است و صبرکردن تا روشن شدن همه چیز هم یعنی واگذارکردن فرصت به رقبا.

رهبری خوب با یک برنامه پرزرق وبرق شروع نمی شود. از چند سؤال ساده آغاز می شود: قرار است چه مشکلی را حل کنیم؟ چه کسی از این تغییر سود می برد؟ چه ریسک هایی وجود دارد؟ و از کجا می فهمیم مسیرمان درست است؟

شرکت هایی که جواب این سؤال ها را جدی می گیرند، هوش مصنوعی را از یک موج تبلیغاتی به قابلیتی ماندگار تبدیل می کنند. بقیه احتمالا ابزارهای زیادی می خرند، جلسه های فراوان می گذارند و در پایان هنوز نمی دانند دقیقا چه چیزی بهتر شده است.

این دوره فرصت بزرگی برای مدیرانی است که حاضرند گوش دهند، یاد بگیرند و مسئولیت تصمیم هایشان را قبول کنند. آینده فقط متعلق به سریع ترین الگوریتم ها نیست؛ متعلق به سازمان هایی است که فناوری، انسان و هدف تجاری را هوشمندانه کنار هم می گذارند.

برای دریافت جدیدترین اخبار تکنولوژی با مجله هوش مصنوعی با ما همراه باشید