0

چالش اصلی هوش مصنوعی در اروپا روانشناسی سازمانی است

بازدید 31

اروپا برای جهش هوش مصنوعی اول باید ذهن سازمان ها را تغییر دهد

وقتی حرف از هوش مصنوعی در اروپا می شود، بیشتر بحث ها می رود سمت قدرت پردازنده ها، مدل های زبانی، زیرساخت ابری و رقابت با آمریکا و چین. اما مانع جدی تر جایی داخل شرکت ها پنهان شده است؛ همان جایی که ترس از تغییر، ساختارهای خشک مدیریتی و تصمیم گیری های بیش ازحد محتاطانه کنار هم قرار می گیرند. به زبان ساده، چالش اصلی اروپا کمبود فناوری نیست؛ مشکل به روان شناسی سازمانی و نحوه برخورد آدم ها با فناوری تازه برمی گردد.

اتفاقا اروپا دانشگاه های قدرتمند، مهندسان حرفه ای، استارتاپ های خلاق و سرمایه قابل توجهی دارد. بااین حال، بسیاری از پروژه های هوش مصنوعی از مرحله آزمایش جلوتر نمی روند. مدیران درباره نوآوری حرف می زنند، تیم ها نمونه اولیه می سازند و چند جلسه هیجان انگیز برگزار می شود؛ اما وقتی زمان اجرای واقعی می رسد، نگرانی درباره ریسک، مسئولیت و واکنش کارکنان همه چیز را متوقف می کند.

مطالعه مقاله قبلی در دسته بندی کامپوتر با عنوان آینده صنعت پرداخت و نقش دورکاری در حذف دفتر کار سنتی.

فناوری آماده است، اما سازمان ها هنوز نه

خیلی از شرکت های اروپایی ابزارهای لازم را خریده اند. سرویس های ابری، دستیارهای هوشمند، سامانه های تحلیل داده و ابزارهای خودکارسازی در دسترس هستند. مسئله اینجاست که خرید یک ابزار با استفاده موثر از آن فرق دارد. داشتن اشتراک گران قیمت یک پلتفرم هوش مصنوعی، به خودی خود بهره وری را بالا نمی برد.

کارکنان باید بدانند این ابزار دقیقا قرار است کدام مشکل را حل کند. اگر هوش مصنوعی بدون توضیح وارد محیط کار شود، اولین برداشت خیلی ها این است که مدیریت می خواهد نیرو کم کند. در چنین فضایی، طبیعی است که افراد همکاری نکنند، داده هایشان را به اشتراک نگذارند یا استفاده از ابزار جدید را به تعویق بیندازند.

اینجاست که پذیرش هوش مصنوعی به یک مسئله انسانی تبدیل می شود. کارمند باید احساس کند بخشی از فرایند تغییر است، نه قربانی آن. اگر مدیران فقط درباره کاهش هزینه حرف بزنند، اعتماد خیلی زود از بین می رود. اما اگر هدف، حذف کارهای خسته کننده و آزادکردن وقت برای فعالیت های مهم تر باشد، نگاه تیم ها هم تغییر می کند.

بعضی سازمان ها هنوز انتظار دارند یک واحد فناوری کوچک، تمام بار تحول را به دوش بکشد. تیم فنی مدل را انتخاب می کند، داده ها را آماده می سازد و ابزار را تحویل می دهد؛ بعد همه منتظر معجزه می مانند. این رویکرد معمولا جواب نمی دهد، چون واحدهای مالی، منابع انسانی، حقوقی و عملیاتی از ابتدا در طراحی پروژه حضور نداشته اند.

ترس از اشتباه، سرعت نوآوری را می گیرد

فرهنگ سازمانی اروپا در بسیاری از صنایع بر دقت، ثبات و کنترل بنا شده است. این ویژگی ها ارزشمندند، مخصوصا در حوزه هایی مثل بانکداری، سلامت، انرژی و حمل ونقل. ولی وقتی همین دقت به ترس دائمی از اشتباه تبدیل شود، نوآوری عملا قفل می شود.

مدل های هوش مصنوعی کامل نیستند. ممکن است پاسخ اشتباه بدهند، سوگیری داشته باشند یا در شرایط تازه رفتار پیش بینی نشده ای نشان دهند. راه حل منطقی، تعریف محدوده استفاده، نظارت انسانی و آزمایش کنترل شده است؛ نه اینکه کل پروژه برای مدت نامعلوم متوقف شود.

در بعضی شرکت ها، پیشنهاد استفاده از هوش مصنوعی وارد یک زنجیره طولانی از تاییدها می شود. مدیر واحد باید موافقت کند، تیم امنیت نظر بدهد، بخش حقوقی بررسی انجام دهد و کمیته اخلاق هم جلسه بگذارد. هر مرحله لازم است، اما اگر هیچ کس اختیار تصمیم نهایی را نداشته باشد، یک آزمایش سه هفته ای ممکن است یک سال طول بکشد.

این همان نقطه ای است که روان شناسی سازمانی خودش را نشان می دهد. افراد از تصمیمی که احتمال شکست دارد فاصله می گیرند، چون شکست ممکن است به اعتبار حرفه ای آن ها آسیب بزند. در مقابل، به تعویق انداختن تصمیم معمولا مجازات مشخصی ندارد. نتیجه؟ امن ترین کار، انجام ندادن هیچ کاری می شود.

شرکت هایی که سریع تر پیش می روند، شکست کوچک را بخشی از یادگیری می دانند. آن ها پروژه را محدود شروع می کنند، معیار موفقیت می گذارند و اگر نتیجه نگرفتند، بدون سروصدا مسیر را عوض می کنند. قرار نیست هر آزمایش به محصول نهایی تبدیل شود. مهم این است که سازمان از هر تجربه چیزی یاد بگیرد.

قانون گذاری دشمن هوش مصنوعی نیست

خیلی ها کندی هوش مصنوعی در اروپا را فقط گردن مقررات می اندازند. البته قوانین پیچیده می توانند هزینه اجرا را بالا ببرند، اما همه داستان این نیست. مقررات روشن حتی می تواند اعتماد مشتریان و کارکنان را بیشتر کند؛ به خصوص وقتی پای اطلاعات شخصی یا تصمیم های حساس وسط باشد.

مشکل زمانی شروع می شود که شرکت ها قانون را بهانه ای برای فرار از تصمیم گیری می کنند. به جای اینکه دقیق مشخص کنند کدام کاربرد پرریسک است، همه پروژه ها را در یک دسته قرار می دهند. یک ابزار خلاصه سازی متن داخلی، لزوما همان ریسک سامانه ای را ندارد که درباره استخدام، اعتبار بانکی یا درمان بیمار تصمیم می گیرد.

سازمان های بالغ، کاربردها را براساس میزان خطر دسته بندی می کنند. پروژه های کم ریسک می توانند سریع تر وارد مرحله آزمایش شوند، درحالی که موارد حساس به کنترل های بیشتر نیاز دارند. این مدل هم سرعت را حفظ می کند و هم مسئولیت پذیری را کنار نمی گذارد.

در واقع، اروپا می تواند اعتماد را به مزیت رقابتی تبدیل کند. اگر مردم بدانند داده هایشان چطور استفاده می شود، چه کسی بر خروجی نظارت دارد و چگونه می توان به یک تصمیم اعتراض کرد، احتمال پذیرش فناوری بالاتر می رود. نوآوری مسئولانه قرار نیست ترمز باشد؛ باید مثل فرمان عمل کند و جهت درست را نشان دهد.

مدیران باید اول رفتار خودشان را عوض کنند

اجرای موفق تحول دیجیتال با یک سخنرانی پرزرق وبرق شروع نمی شود. مدیران باید عملا از ابزارهای تازه استفاده کنند، سوال بپرسند و نشان دهند یادگیری برای همه ضروری است. اگر مدیرعامل درباره هوش مصنوعی حرف بزند اما خودش حتی یک بار آن را امتحان نکند، پیام واقعی خیلی واضح است: این پروژه جدی نیست.

رهبران سازمانی همچنین باید درباره آینده شغلی افراد شفاف باشند. سکوت، شایعه می سازد. وقتی کارکنان پاسخ مشخصی نمی گیرند، بدترین سناریو را تصور می کنند. بهتر است مدیریت صادقانه توضیح دهد کدام وظایف تغییر می کنند، چه مهارت هایی لازم خواهد بود و شرکت برای آموزش نیروها چه برنامه ای دارد.

قرار نیست گفته شود هیچ شغلی تغییر نمی کند؛ چون چنین وعده ای باورپذیر نیست. پیام بهتر این است که وظایف تکراری کم می شوند و نقش ها به سمت قضاوت، خلاقیت، ارتباط و حل مسئله حرکت می کنند. البته این تغییر فقط زمانی منصفانه است که آموزش مناسب هم در اختیار افراد قرار بگیرد.

آموزش هم نباید به یک وبینار عمومی محدود شود. کارمند بخش فروش با تحلیلگر مالی یا مسئول پشتیبانی نیاز یکسانی ندارد. هر تیم باید کاربردهای مرتبط با کار خودش را ببیند، تمرین کند و بازخورد بگیرد. یادگیری زمانی جدی می شود که در جریان روزمره کار جا بگیرد.

اعتماد، مهم تر از هیجان اولیه است

در موج های فناوری معمولا مدیران به دنبال نتیجه سریع هستند. چند ابزار تهیه می شود، یک برنامه آزمایشی راه می افتد و اعداد امیدوارکننده روی اسلاید قرار می گیرند. اما موفقیت واقعی وقتی اتفاق می افتد که استفاده از فناوری بعد از تمام شدن هیجان اولیه ادامه پیدا کند.

برای رسیدن به این نقطه، تیم ها به امنیت روانی نیاز دارند. کارمند باید بتواند بگوید خروجی مدل اشتباه است، بدون اینکه متهم به مقاومت در برابر نوآوری شود. همچنین باید اجازه داشته باشد درباره پیامدهای اخلاقی یا عملی ابزار سوال بپرسد. نقدکردن فناوری با مخالفت کردن با پیشرفت فرق دارد.

از طرف دیگر، افراد نباید به خاطر یک اشتباه کوچک در استفاده از ابزار جدید تنبیه شوند؛ البته تا وقتی دستورالعمل ها را رعایت کرده اند. فضای تنبیهی باعث می شود خطاها پنهان بمانند و مشکلات دیرتر دیده شوند. یک فرهنگ سالم، گزارش زودهنگام خطا را تشویق می کند.

این رویکرد بخش مهمی از روان شناسی سازمانی در عصر هوش مصنوعی است. اعتماد باعث می شود کارکنان تجربه هایشان را به اشتراک بگذارند، روش های بهتر پیدا کنند و درباره محدودیت های مدل ها صادق باشند. بدون اعتماد، حتی بهترین فناوری هم به یک ابزار کم استفاده در گوشه سیستم تبدیل می شود.

پروژه های کوچک، نتیجه های بزرگ می سازند

شرکت ها لازم نیست کار را با یک برنامه عظیم و چندساله آغاز کنند. اتفاقا پروژه های کوچک و مشخص معمولا بهتر جواب می دهند. خلاصه سازی گزارش ها، جست وجوی سریع در اسناد داخلی، آماده کردن پیش نویس ایمیل یا دسته بندی درخواست های مشتری نمونه های قابل کنترلی هستند.

برای هر پروژه باید یک مشکل واقعی، مسئول مشخص و معیار قابل اندازه گیری وجود داشته باشد. مثلا آیا زمان انجام کار کمتر شده؟ کیفیت خروجی بهتر است؟ کارکنان از ابزار استفاده می کنند؟ رضایت مشتری تغییر کرده؟ بدون این معیارها، پروژه در حد یک نمایش جذاب باقی می ماند.

پس از موفقیت اولیه می توان تجربه را به بخش های دیگر برد. این روش، مقاومت را هم کاهش می دهد؛ چون کارکنان نتیجه را با چشم خودشان می بینند. یک نمونه موفق داخلی معمولا از ده ها ارائه مدیریتی قانع کننده تر است.

نکته مهم دیگر، مشارکت کاربران از همان روز اول است. ابزاری که بدون شناخت کار واقعی طراحی شود، احتمالا کاربرد زیادی ندارد. کارمندانی که هر روز یک فرایند را انجام می دهند، بهتر از هر مشاوری می دانند کدام مرحله وقت گیر، مبهم یا غیرضروری است.

فرصت اروپا هنوز از دست نرفته است

رقابت جهانی هوش مصنوعی سریع است، اما نتیجه از قبل تعیین نشده. اروپا مجموعه ای کم نظیر از صنایع پیشرفته، داده های تخصصی، نیروی انسانی ماهر و بازارهای بزرگ دارد. این ترکیب می تواند زمینه ساز راهکارهایی شود که فقط نمایشی نیستند و مشکلات واقعی صنعت را حل می کنند.

برای استفاده از این فرصت، سازمان ها باید از وسواس روی خود فناوری فاصله بگیرند. مدل قدرتمند مهم است، اما مدل بدون داده مناسب، فرایند روشن و همراهی کارکنان ارزش چندانی ندارد. موفقیت زمانی شکل می گیرد که فناوری با ساختار شرکت و نیاز آدم ها هماهنگ شود.

آینده پذیرش هوش مصنوعی به تعداد ربات ها یا اندازه مدل ها وابسته نیست. مسئله اصلی این است که چه کسی اجازه تصمیم گیری دارد، شکست چگونه مدیریت می شود و کارکنان تا چه حد به مدیران اعتماد می کنند. این ها سوال های فنی نیستند، اما پاسخشان سرنوشت پروژه های فنی را تعیین می کند.

اروپا برای جلو افتادن لازم نیست فرهنگ خودش را کنار بگذارد. دقت، مسئولیت پذیری و توجه به حقوق افراد می تواند نقطه قوت باشد. فقط باید ترس فلج کننده جای خودش را به تجربه کنترل شده، یادگیری سریع و گفت وگوی صادقانه بدهد.

در نهایت، بزرگ ترین مانع هوش مصنوعی در اروپا داخل مرکز داده یا آزمایشگاه نیست؛ داخل جلسه های مدیریتی، ساختارهای تصمیم گیری و ذهن آدم هاست. وقتی سازمان ها یاد بگیرند تغییر را با اعتماد، شفافیت و مشارکت جلو ببرند، فناوری هم بالاخره فرصت نشان دادن توان واقعی اش را پیدا می کند.

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

نظرات کاربران

  •  چنانچه دیدگاهی توهین آمیز باشد و متوجه نویسندگان و سایر کاربران باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه ی تبلیغاتی داشته باشد تایید نخواهد شد.
  •  چنانچه از لینک سایر وبسایت ها و یا وبسایت خود در دیدگاه استفاده کرده باشید تایید نخواهد شد.
  •  چنانچه در دیدگاه خود از شماره تماس، ایمیل و آیدی تلگرام استفاده کرده باشید تایید نخواهد شد.
  • چنانچه دیدگاهی بی ارتباط با موضوع آموزش مطرح شود تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

بیشتر بخوانید