چهار دیدگاه درباره آنچه امروز در هوش مصنوعی اهمیت دارد
هوش مصنوعی با سرعت زیادی وارد زندگی کاری و سازمانی شده است. کارکنان از ابزارهای هوش مصنوعی برای نوشتن، تحلیل، برنامهنویسی، تحقیق، تصمیمگیری و یادگیری استفاده میکنند و بسیاری از سازمانها نیز سرمایهگذاریهای قابلتوجهی برای توسعه و مقیاسدهی AI انجام دادهاند.
اما یک تناقض مهم در حال شکلگیری است:
استفاده از هوش مصنوعی بهسرعت افزایش یافته، اما اثر مالی آن بر سازمانها با همان سرعت رشد نکرده است.
بر اساس یافتههای جدید McKinsey، حدود ۸۰ درصد پاسخدهندگان گفتهاند که AI بهرهوری فردی آنها را افزایش داده است؛ اما فقط ۳۷ درصد گفتهاند که استفاده از AI تاثیر مثبتی بر سود سازمانشان داشته است. نکته مهمتر اینکه این رقم نسبت به سال قبل تقریباً تغییری نکرده است.
این فاصله، مسئله اصلی مرحله جدید هوش مصنوعی است:
چگونه میتوان دستاوردهای فردی حاصل از AI را به عملکرد واقعی و پایدار سازمان تبدیل کرد؟
مقاله مککنزی برای پاسخ به این پرسش، دیدگاه چهار نفر از مدیران خود را مطرح میکند که هرکدام از زاویهای متفاوت به مرحله جدید هوش مصنوعی نگاه میکنند. این چهار دیدگاه در کنار یکدیگر یک پیام مشترک دارند:
آینده AI فقط به مدلهای بهتر وابسته نیست؛ به این وابسته است که سازمانها چگونه فناوری، فرآیند، اقتصاد و نیروی انسانی خود را بازطراحی میکنند.
۱. سازمان باید مسئولیت بیشتری در دستور کار هوش مصنوعی بر عهده بگیرد.
یکی از تغییرات مهمی که AI ایجاد کرده، تغییر رابطه سازمان با فناوری است.
در گذشته بسیاری از مدیران تصور میکردند برای استفاده از فناوریهای پیشرفته باید به شرکتهای نرمافزاری یا ارائهدهندگان خارجی متکی باشند. اما ابزارهای جدید AI، بویژه ابزارهای کدنویسی عاملمحور، بخشی از این معادله را تغییر دادهاند.
بر اساس مقاله، نزدیک به یکسوم پاسخدهندگان گفتهاند سازمانشان حداقل خرید یکی از محصولات یا قابلیتهای نرمافزاری را به این دلیل منتفی کرده که میتوانستند آن قابلیت را با استفاده از ابزارهای AI خودشان بسازند.
این آمار به معنای آن نیست که سازمانها باید همه فناوریها را در داخل تولید کنند.
مسئله چیز دیگری است:
سازمان باید بداند چه چیزی را بخرد، چه چیزی را بسازد و چه چیزی را یاد بگیرد.
این تغییر بسیار مهم است.
در گذشته سوال مدیران عمدتاً این بود:
«بهترین نرمافزار موجود در بازار چیست؟»
اما اکنون سوال میتواند این باشد:
«آیا این قابلیت واقعاً چیزی است که باید خریداری کنیم، یا میتوانیم آن را متناسب با نیاز خودمان ایجاد کنیم؟»
و حتی سوال مهمتر:
«کدام قابلیت فناوری برای مزیت رقابتی آینده ما آنقدر مهم است که باید خودمان مالک دانش و توانایی آن باشیم؟»
بنابراین AI صرفاً هزینه فناوری را تغییر نمیدهد؛ بلکه مرز میان «خریدار فناوری» و «سازنده فناوری» را نیز جابهجا میکند.
این قسمت مقاله یک پیام بسیار مهم برای مدیران دارد:
وابستگی فناوری با خرید یک نرمافزار تمام نمیشود؛ ممکن است با خرید مداوم قابلیتهایی که برای مزیت رقابتی حیاتیاند، وابستگی استراتژیک ایجاد شود.
بنابراین مدیران باید برای هر قابلیت AI سه سوال داشته باشند:
- آیا این قابلیت برای مزیت رقابتی ما حیاتی است؟
- آیا بهتر است آن را از بیرون تهیه کنیم؟
- اگر آن را بخریم، چه دانشی را باید در داخل سازمان حفظ کنیم؟
۲. بهرهوری کارکنان باید به عملکرد سازمان تبدیل شود.
کارکنان در حال یادگیری استفاده از AI هستند. آنها میتوانند بسیاری از فعالیتها را سریعتر انجام دهند و مهارت بیشتری در کار با این فناوری پیدا کردهاند.
اما افزایش بهرهوری یک فرد الزاماً به معنای افزایش عملکرد سازمان نیست.
فرض کنید یک کارمند با کمک AI گزارشی را در دو ساعت بهجای پنج ساعت تهیه کند.
این اتفاق خوب است.
اما اگر کل فرآیند سازمان همچنان همان فرآیند قبلی باشد، ممکن است تنها زمان انجام یک مرحله کاهش یافته باشد.
در مقابل، اگر سازمان کل جریان کاری را بر اساس قابلیتهای جدید AI طراحی کند، ممکن است نتیجه بسیار بزرگتر باشد.
برای مثال:
رویکرد اول:
کار قدیمی
↓
استفاده از AI برای سریعتر انجام دادن کار
↓
صرفهجویی در زمان
رویکرد دوم:
AI چه قابلیتهایی ایجاد کرده است؟ -> کدام مراحل فرآیند دیگر ضروری نیستند؟ -> چه تصمیمهایی میتوانند خودکار شوند؟ -> کدامیک از فعالیتها باید به انسان واگذار شوند؟ -> طراحی مجدد کل فرآیند -> تغییر اقتصاد و عملکرد فرآیند
مککنزی دقیقاً بر همین تفاوت تاکید دارد: دادن یک ابزار AI به کارمند با بازطراحی جریان کاری بر مبنای قابلیتهای AI یکسان نیست.
مثال ساده
فرض کنید یک شرکت بیمه، AI را در اختیار کارشناسان ارزیابی خسارت قرار دهد.
در حالت اول، کارشناس همان فرآیند قبلی را طی میکند اما AI به او کمک میکند سریعتر گزارش بنویسد.
این یعنی افزایش بهرهوری فردی.
اما در حالت دوم، شرکت کل فرآیند رسیدگی به خسارت را بازطراحی میکند:
ثبت درخواست -> استخراج اطلاعات -> بررسی اسناد -> تشخیص موارد عادی -> ارجاع موارد پیچیده به کارشناس -> تصمیم -> ارتباط با مشتری
در اینجا AI فقط یک ابزار جانبی نیست؛ بلکه معماری فرآیند تغییر کرده است.
این همان نقطهای است که بهرهوری فردی میتواند به عملکرد سازمانی تبدیل شود.
فاصلهای که سازمانها باید از آن عبور کنند:
استفاده از AI
↓
افزایش بهرهوری فردی
↓
بازطراحی فرآیندها
↓
تغییر شیوه انجام کار
↓
افزایش عملکرد سازمانی
↓
خلق ارزش مالی
این زنجیره یکی از مهمترین پیامهای کل مقاله است.
۳. اقتصاد AI باید به یک انضباط مدیریتی تبدیل شود.
هرچه استفاده از AI بیشتر میشود، مسئله هزینه نیز اهمیت بیشتری پیدا میکند.
ممکن است در نگاه اول تصور کنیم که با کاهش هزینه استفاده از مدلهای AI، استفاده از آنها نیز بطور طبیعی ارزانتر میشود.
اما واقعیت پیچیدهتر است.
در برخی کاربردهای پیشرفته، بویژه سیستمهای عاملمحور و وظایف پیچیده استدلالی، تعداد توکنهای مصرفشده و تولیدشده میتواند بهشدت افزایش پیدا کند.
طبق مقاله، حدود یکپنجم پاسخدهندگان گفتهاند هزینههای عملیاتی مرتبط با AI، از جمله هزینه توکنها، استفاده سازمان آنها از AI را محدود کرده است. در عین حال، ۶۰ درصد انتظار دارند سرمایهگذاری سازمانشان در AI طی سال آینده افزایش پیدا کند.
بنابراین سازمان با یک پارادوکس مواجه است:
سرمایهگذاری AI باید افزایش یابد، اما هزینه AI نیز باید مدیریت شود.
اینجاست که مفهوم جدیدی مطرح میشود:
«اقتصاد AI» یا AI Economics
مدیران باید بتوانند رابطه میان موارد زیر را مدیریت کنند:
- هزینه مدل
- میزان استفاده
- پیچیدگی مسئله
- سرعت پاسخ
- کیفیت خروجی
- ارزش ایجاد شده
- ریسک
- بازده سرمایهگذاری
بنابراین انتخاب مدل هوش مصنوعی نباید صرفاً بر اساس این باشد که:
«کدام مدل قویتر است؟»
بلکه باید پرسید:
«کدام سطح از هوش، با چه هزینهای، برای این مسئله کافی است؟»
گاهی استفاده از قدرتمندترین مدل ممکن، از نظر اقتصادی تصمیم درستی نیست.
AI و CFO؛ یک رابطه جدید
این قسمت مقاله برای مدیران مالی اهمیت ویژهای دارد.
تا همین اواخر، CFO عمدتاً با هزینههای سختافزاری، نرمافزاری، نیروی انسانی و زیرساخت مواجه بود.
اما اکنون یک سوال جدید وارد اتاق مدیر مالی شده است:
هر واحد هزینه AI چه مقدار ارزش ایجاد میکند؟
بنابراین احتمالاً در آینده، مدیریت AI بدون مشارکت جدی CFO امکانپذیر نخواهد بود.
مدیریت مالی باید بتواند برای پروژههای AI موارد زیر را اندازهگیری کند:
بهای تمام شده هوش مصنوعی -> کاربرد هوش مصنوعی -> تاثیر تجاری -> بازگشت سرمایه
در غیر این صورت سازمان ممکن است شاهد افزایش شَدید استفاده از AI باشد، بدون آنکه بداند این استفاده واقعاً ارزش اقتصادی ایجاد کرده است.
۴. از سازمانهایی یاد بگیریم که واقعاً از AI ارزش ایجاد میکنند.
یکی از جالبترین یافتههای مقاله این است که سازمانهایی که عملکرد بسیار خوبی در AI دارند، فقط AI بیشتری استفاده نمیکنند؛ بلکه رویکرد متفاوت و منسجمتری دارند.
طبق یافتههای مورد اشاره مککنزی، سازمانهای دارای عملکرد برتر در AI فقط حدود ۶ درصد پاسخدهندگان را تشکیل میدهند.
این سازمانها:
- بیشتر به دنبال رشد و نوآوری در کنار بهرهوری هستند؛
- ۳.۳ برابر بیشتر از سایر سازمانها قصد دارند کسبوکار خود را بطور بنیادی با AI متحول کنند؛
- و تقریباً سهچهارم آنها گزارش کردهاند که فرآیندهای کاری خود را بطور اساسی حول AI بازطراحی کردهاند. در حالی که این رقم در سایر سازمانها حدود یکچهارم بوده است.
اما مهمترین تفاوت آنها چیست؟
انسجام.
آنها AI را بهصورت یک پروژه جداگانه نمیبینند.
AI با چند موضوع دیگر بهصورت همزمان پیوند خورده است:
رهبری + بازطراحی فرآیند + نیروی انسانی + سنجش اثر + مدیریت ریسک
مککنزی دقیقاً بر همین «همراستایی» تأکید دارد.
چرا برخی سازمانها AI را بهتر از دیگران به کار میگیرند؟
میتوان پیام چهارمین دیدگاه را به یک مدل ساده تبدیل کرد:
فناوری بهتنهایی کافی نیست.
اگر فقط فناوری داشته باشیم:
AI + فرآیند قدیمی = بهرهوری محدود
اما:
AI + فرآیند جدید + رهبری + مهارت + سنجش + کنترل ریسک = تحول سازمانی
این تفاوت، احتمالاً یکی از مهمترین درسهای مرحله فعلی تحول هوش مصنوعی است.
پنج درس اصلی مقاله در یک نگاه
| موضوع | رویکرد قدیمی | رویکرد جدید |
|---|---|---|
| فناوری | خرید فناوری | تصمیم «خرید یا ساخت» |
| کارکنان | استفاده از ابزار AI | بازطراحی نحوه کار |
| هزینه | هزینه فناوری | اقتصاد و ROI هوش مصنوعی |
| تحول | پروژه AI | تحول کسبوکار |
| مدیریت | تمرکز بر فناوری | ترکیب فناوری، انسان، فرایند و ریسک |
از «پذیرش AI» تا «تحول با AI»
اگر بخواهیم مقاله مککنزی را در یک مسیر خلاصه کنیم، میتوان گفت سازمانها از چهار مرحله عبور میکنند:
مرحله اول: پذیرش (Adoption)
آیا کارکنان از AI استفاده میکنند؟
مرحله دوم: بهره وری (Productivity)
آیا AI باعث افزایش بهرهوری آنها شده است؟
مرحله سوم: بازطراحی گردش کار (Workflow Redesign)
آیا فرآیندها را متناسب با AI تغییر دادهایم؟
مرحله چهارم: تحول (Transformation)
آیا مدل کسبوکار و اقتصاد سازمان به کمک AI تغییر کرده است؟
مشکل بسیاری از سازمانها این است که در مرحله دوم باقی ماندهاند.
آنها AI دارند.
کارکنانشان از AI استفاده میکنند.
اما هنوز سازمانشان با منطق قبل از AI کار میکند.
مسئله اصلی، AI دیگر فناوری نیست
مهمترین نتیجهای که میتوان از این مقاله گرفت، این است که مسئله AI بهتدریج از یک مسئله فناوری به یک مسئله مدیریت تبدیل میشود.
در مرحله اول، سوال مدیران این بود:
«کدام ابزار AI را بخریم؟»
بعد سوال تبدیل شد به:
«چگونه کارکنان را به استفاده از AI تشویق کنیم؟»
اما اکنون سوال مهمتر این است:
«اگر AI واقعاً بخشی از سازمان شده است، چرا هنوز سازمان را همانطور که قبل از AI طراحی کرده بودیم اداره میکنیم؟»
این سوال بسیار مهم است.
زیرا AI ممکن است بعضی فعالیتها را حذف کند، بعضی فعالیتها را ترکیب کند، بعضی تصمیمها را به ماشین بسپارد و نقش برخی کارکنان را از «اجراکننده» به «ناظر، تصمیمگیرنده و حلکننده مسائل پیچیده» تغییر دهد.
بنابراین تحول واقعی زمانی اتفاق میافتد که سازمان حاضر باشد فرآیند، ساختار، نقشها، شاخصهای عملکرد و حتی منطق تخصیص منابع خود را دوباره بررسی کند.
برای مدیران چه باید کرد؟
مدیران میتوانند پنج اقدام عملی انجام دهند:
۱) فهرستی از فرآیندهای اصلی سازمان تهیه کنید.
نه فهرستی از ابزارهای AI.
ابتدا بپرسید:
کدام فرآیندها بیشترین هزینه، زمان یا خطا را دارند؟
سپس بررسی کنید AI چگونه میتواند آنها را تغییر دهد.
۲) برای هر قابلیت AI تصمیم «خرید یا ساخت» بگیرید.
همهچیز را نسازید و همهچیز را هم نخرید.
قابلیتهایی را که برای مزیت رقابتی حیاتی هستند شناسایی کنید.
۳) ROI را قبل و بعد از پیادهسازی اندازه بگیرید.
صرفاً تعداد کاربران AI یا تعداد درخواستها معیار موفقیت نیست.
شاخصهای واقعیتر عبارتاند از:
- کاهش زمان
- کاهش هزینه
- افزایش درآمد
- کاهش خطا
- افزایش کیفیت
- افزایش رضایت مشتری
- سرعت تصمیمگیری
۴) مدیران ارشد باید خودشان الگوی استفاده باشند.
اگر مدیرعامل و مدیران ارشد AI را جدی نگیرند، سازمان نیز آن را یک پروژه فناوری تلقی خواهد کرد.
۵) فرآیندها را دوباره طراحی کنید.
این شاید مهمترین توصیه باشد.
به جای اینکه بپرسیم:
«AI را کجای فرآیند فعلی قرار دهیم؟»
باید بپرسیم:
«اگر AI از ابتدا وجود داشت، این فرآیند را چگونه طراحی میکردیم؟»
جمعبندی
مقاله McKinsey تصویری مهم از مرحله جدید هوش مصنوعی ارائه میکند: دوره آزمایش با AI در حال تبدیل شدن به دوره خلق ارزش واقعی است.
چهار دیدگاه مطرحشده در مقاله، چهار ضلع یک مسئله واحد را نشان میدهند:
مالکیت استراتژیک فناوری
+
تبدیل بهرهوری فردی به عملکرد سازمانی
+
مدیریت اقتصاد و هزینه AI
+
بازطراحی منسجم سازمان برای AI
در این میان، شاید مهمترین پیام این باشد که داشتن AI مزیت رقابتی نیست؛ توانایی سازمان برای تغییر دادن شیوه کار با AI است که میتواند مزیت ایجاد کند.
سازمانی که فقط ابزارهای جدید خریداری میکند، احتمالاً بهرهوری بیشتری خواهد داشت.
اما سازمانی که فرآیندها، نقشها، تصمیمها و مدل کسبوکار خود را بر اساس قابلیتهای جدید AI بازطراحی میکند، شانس بیشتری برای خلق ارزش پایدار خواهد داشت.
بنابراین پرسش اصلی مدیران در سالهای آینده دیگر این نخواهد بود که:
«آیا ما از هوش مصنوعی استفاده میکنیم؟»
بلکه پرسش تعیینکننده این است:
«به لطف هوش مصنوعی، چه چیزی را در سازمانمان متفاوت انجام میدهیم که پیش از این امکانپذیر نبود؟»
و فاصله میان پاسخ این دو سوال، همان فاصله میان پذیرش AI و تحول واقعی با AI است.
منبع: مککنزی
