تأثير هوش مصنوعي بر سطوح تصميمگيري سازماني
ما در دوراني زندگي ميكنيم كه تقريباً هرروز، يك تكنولوژي جديد مبتني بر هوش مصنوعي معرفي ميشود. در تمامي زمينهها، از فينتك گرفته تا فناوريهاي يادگيريي، مواردي كه زماني غيرممكن به انديشه متخصصين ميرسيدند، حالا به واقعيتهاي تجاري تبديلشدهاند. بهعلاوه شكي نيست كه كلان داده و هوش مصنوعي، پيشرفتهاي قابلتوجهي را در حوزهي مديريت به وجود آوردهاند، مخصوصاً كه اين فناوريها به بهبود تصميمگيريهاي آگاهانه كمك ميكنند. اما برخي از انواع تصميمات - بهويژه تصميماتي كه در رابطه با استراتژي، نوآوري و بازاريابي اتخاذ ميشوند، همچنان به انسانهايي نياز دارند كه نگاه كل گرا و همهجانبهاي به مسائل داشته باشند و بر اساس شواهد و حقايق، قضاوت كيفي كنند. لااقل تا به امروز، هيچ فناوري هوش مصنوعي قادر نيست زمينههاي احساسي، انساني و سياسي را در تصميمات خودكار لحاظ كند.
بهعنوانمثال صنعت بهداشت و درمان را در انديشه متخصصين بگيريد كه AI در آن نقش تأثيرگذاري ايفا ميكند. حتي اگر هوش مصنوعي بتواند به يك پزشك در تشخيص و پيشنهاد درمان يك بيمار مبتلا به سرطان كمك كند، بازهم درنهايت تنها خود پزشك قادر است با در انديشه متخصصين گرفتن شرايط بيمار و احساسات او ( و همچنين خانوادهي او) تصميم بگيرد كه درمان را با جراحي پيش ببرد يا شيميدرماني. آنچه در دنياي پزشكي مهمتر از تشخيص بيماري است، همكاري با بيمار براي پيدا كردن درمان مناسبي است كه با نگاهي جامع و همدلانه، شرايط خاص او را در انديشه متخصصين بگيرد.
فناوريهاي هوش مصنوعي ميتوانند با فراهم كردن دادهها و پيشبينيهاي صحيح، به مديران و متخصصان كمك كنند كه بهترين تصميم را در مناسبترين زمان اتخاذ كنند. حالا فرض كنيم كه سيستم AI بتواند دانش فوقالعادهاي را در اختيار يك متخصص قرار دهد. تا زماني كه او در بيمارستاني كار ميكند كه در آن بوروكراسي شديد حاكم است و هر اقدام، به دستور و مجوز كتبي مدير ارشد صورت ميگيرد، اين دانش فوقالعاده به تصميمگيري بهينهي متخصص فوق منجر نخواهد شد. اگر ميخواهيم ارزش واقعي را از هوش مصنوعي استخراجكنيم، بايد به تمام متخصصان در تمام سطوح سازماني اجازه دهيم تصميمات نهايي را با مساعدت هوش مصنوعي اتخاذ كنند و مطابق با اين تصميمات عمل كنند. بهطور خلاصه، بايد قدرت تصميمگيري مبتني بر قضاوت افراد را دموكراتيزه كنيم.
اغلب مقالاتي كه در مورد تأثيرات هوش مصنوعي و كلان داده بر پروسهي تصميمگيري نوشتهشده، اهميت تشكيل تيمهاي متمركز و دانشمندان داده را پررنگ ميكنند. اين بدان معني است كه شركتهايي كه از همكاري دانشمندان دادهي بيشتري بهره ميبرند، شانس موفقيت بيشتري دارند. اما الساندرو دي فيوره، مديرعامل مركز نوآوريهاي استراتژيك اروپا (ECSI) در تحقيقات اخير خود اين ايده را رد ميكند. به گفتهي او، شركتهايي كه تعداد زيادي متخصص علوم داده استخدام ميكنند، لاخبار تخصصياً به سودآوري بيشتري دست پيدا نميكنند. تحقيقات او نشان ميدهد كه اين دموكراتيزه كردن ابزارهاي هوش مصنوعي و قدرت تصميمگيري بين متخصصان و مديران است كه ارزش ملموس بيشتري به وجود ميآورد.
بهعنوانمثال، حتماً ميدانيد كه در شركتهاي پلتفرمهاي اينترنتي نظير Airbnb، دادهها مهمترين عنصر مدل كسبوكار هستند. Airbnb معتقد است كه هر متخصص بايد به سطوح بالاي دادههاي خود دسترسي داشته باشد تا تصميمات آگاهانهاي اتخاذ كند. اين امر در مورد تمام دپارتمانهاي سازمان مانند بازاريابي، توسعهي كسبوكار و منابع انساني صادق است. مثلاً متخصصان ميتوانند در هرلحظه، مطالعه كنند كه چه تعداد از ميزبانان، در چه مكانهايي از سرويسهاي عكاسي حرفهاي اين شركت استفاده ميكنند و اين اطلاعات را با روندها، الگوها و پيشبينيهاي جديد تطبيق دهند.
دسترسي به داده، امري ضروري و لازم بوده اما كافي نيست. متخصصان علاوه بر داده، به ابزارها و مهارتهاي استفاده و تفسير آن نيز نياز دارند. شركت Airbnb نميتواند در هر يك از اتاقها، يك دانشمند داده داشته باشد و از طرفي، رشد بينالمللي اين شركت، وضعيت را پيچيدهتر هم ميكند. به همين دليل Airbnb يك دانشگاه داده راهاندازي كرد كه برنامههاي يادگيريي را در سه سطح و بيش از ۳۰ واحد ارائه ميداد. هدف اين است كه دانش و مهارتهاي لازم را در اختيار تمام متخصصان قرار دهيم تا بتوانند بهدرستي از دادهها استفاده و آنها را تفسير كنند. اين امر باعث ميشود متخصصان بهسرعت از فرصتهاي نوآوري بهره ببرند. بهعنوانمثال، مديران محصول ياد ميگيرند كد SQL خود را بنويسند و تجربياتشان را در مورد اينكه آيا بايد محصولي را در يك شهر جديد عرضه كنند يا خير، تفسير كنند. نتيجه: از زمان راهاندازي اين برنامه در اواخر سال ۲۰۱۶، بيش از ۲۰۰۰ متخصص يادگيري ديدند و متخصصان فعال هفتگي (WAU) پلتفرم داخلي شركت، از ۳۰ درصد به ۴۵ درصد افزايش يافتند.
مثال ديگر، شركت چندمليتي يونيليور است. اين شركت در راستاي برنامهاي كه Insights Engine نام دارد، مجموعهاي از سيستمها و ابزارهاي مبتني بر AI را معرفي كرده است كه تمامي بازاريابان جهان ميتوانند به آنها دسترسي داشته باشند. در دسترس بودن انديشه متخصصينات مشتريان (كه از دادهها مشتق ميشوند)، نرخ تصميمگيريهاي غيرمتمركز بازاريابان در تمام سطوح سازمان را افزايش ميدهد. يكي از ابزارهاي فوق، پلتفرم هوش مصنوعي People World است كه ميتواند هزاران اسناد تحقيقاتي مشتريان و دادههاي رسانههاي اجتماعي را استخراج كند. اين پلتفرم ميتواند به تمام پرسشهاي معمول بازاريابان در حوزههاي خاص، پاسخ دهد. درواقع اين راهكار با حذف خلاء اطلاعاتي، اعتماد بازاريابان به «يك منبع منسجم حقيقت» را افزايش ميدهد و به آنها كمك ميكند در مدتزمان بسيار كوتاهتر، تصميمات آگاهانه و مؤثري اتخاذ كنند.
در طول يك دههي گذشته، هزينه و زمان موردنياز براي سازماندهي و آناليز دادهها، تا حد زيادي كاهشيافته است. اما هنوز بسياري از شركتها بهصورت بسيار متمركزي از هوش مصنوعي استفاده ميكنند. واحدهاي سازماني هوش مصنوعي، معمولاً داشبوردهايي را براي مديران ارشد توسعه ميدهند تا اين فناوريها را بهطور انحصاري در اختيار مقامات بالا قرار دهند. واقعيت اين است كه اگر ميخواهيم متخصصان به كمك هوش مصنوعي تصميمات بهينهتري اتخاذ كنند، بايد كنترل و متمركز كردن تصميمات را كنار بگذاريم. دموكراتيزه كردن هوش مصنوعي، به تصميمگيريهاي بهتر و سريعتر منجر ميشود و به شركتها كمك ميكند نسبت به تغييرات فرصتهاي بازار، واكنشهاي چابك و سريعي نشان دهند.
هم انديشي ها