وبلاگ
سازمانِ AI First: نقش فناوری اطلاعات در بازطراحی مدل عملیاتی
ورود عامل‌های هوش مصنوعی به سازمان‌ها شتاب گرفته است، اما بیشتر اقدامات نخستین به بهبودهای سریع در بهره‌وری و کارایی محدود مانده و تنها بخش کوچکی از ظرفیت واقعی این فناوری را آزاد می‌کند. هدف نهایی، بازطراحی کل مدل عملیاتی سازمان حول همکاری انسان و هوش مصنوعی است، یعنی همان چیزی که «AI First» نامیده می‌شود. این مقاله ابعاد این تحول و نقش کلیدی واحد فناوری اطلاعات در تحقق آن را بررسی می‌کند.
فراتر از بهبودهای مقطعی
سازمان‌ها معمولاً مسیر یکسانی را برای پذیرش عامل‌های هوش مصنوعی طی می‌کنند. ابتدا موارد کاربردی را شناسایی می‌کنند که سریع به افزایش بهره‌وری می‌انجامند، سپس آزمایش‌های پایلوت اجرا می‌کنند و در ادامه آن‌ها را گسترش می‌دهند. خبرهای مربوط به کاهش نیروی انسانی در شرکت‌های بزرگ نتیجه همین رویکرد است. حاصل آن مجموعه‌ای از صرفه‌جویی‌های پراکنده است، آن هم در مدلی عملیاتی که در بنیان خود تغییری نکرده و فقط عامل‌های هوش مصنوعی به آن افزوده شده‌اند. حتی گزارش شده است که برخی شرکت‌هایی که نیرو کاهش داده بودند، وقتی دریافتند عامل‌های هوش مصنوعی به‌اندازه جایگزین‌های انسانیِ هم‌ارز عملکرد خوبی ندارند، دوباره به استخدام روی آوردند.
سازمان‌هایی که می‌خواهند از تمام مزایا بهره ببرند و از رقبا جلو بمانند، باید هوش مصنوعی را صرفاً توانمندساز فناورانه تلقی نکنند و کل مدل عملیاتی را بر پایه بهترین شیوه ترکیب انسان و هوش مصنوعی بازطراحی کنند. این فرصت منحصر به سازمان‌های بالغ دیجیتال نیست. سازمان‌های عقب‌مانده دیجیتال نیز می‌توانند با طراحی فرایندهای اولویت‌دار مستقیماً حول شیوه‌های کاری مبتنی بر هوش مصنوعی، بخشی از مسیر سنتی تحول دیجیتال را یک‌جا طی کنند.
معنای AI First بودن
پیاده‌سازی‌های اولیه اغلب با مدل «ساندویچ انسان و هوش مصنوعی» آغاز می‌شوند. در این مدل، هوش مصنوعی میان دو حلقه انسانی قرار می‌گیرد: انسان‌ها کار را تعریف می‌کنند و در پایان خروجی را اصلاح می‌کنند. گام بعدی مدل «انسان در حلقه» است که در آن عامل‌های هوش مصنوعی مسئولیت بیشتری در اجرای کار از ابتدا تا انتها دارند و انسان‌ها نقش بازبین یا تأییدکننده را ایفا می‌کنند. در هر دو مدل، جریان‌های کاری اساساً همان نسخه‌های انسانیِ پیشین است و بهبود به ۱۰ تا ۲۰ درصد محدود می‌ماند. دستیابی به بهبودهایی تا حدود ۵۰ درصد مستلزم بازطراحی کامل جریان‌های کاری در قالب نظامی هماهنگ است که در آن انسان و عامل هوش مصنوعی نقش‌های تازه‌ای می‌گیرند و از نقاط قوت یکدیگر بهره می‌برند.
مثال روشن، پاسخ به درخواست‌های مشتریان است. اگر عامل هوش مصنوعی پیش‌نویس پاسخ را تهیه کند و انسان پیش از ارسال آن را ویرایش و تأیید کند، جریان کار در اصل تغییری نکرده و منافع محدود است. اما اگر عامل، درخواست‌ها را در چارچوب حفاظ‌های دقیق به‌صورت خودکار حل کند و تنها موارد غیرعادی یا حساس را به انسان ارجاع دهد، هم جریان کار و هم نقش‌ها دگرگون می‌شوند و منافع بالقوه بسیار بیشتر است. چنین شیوه‌ای در برابر نوسان حجم کار نیز انعطاف‌پذیرتر است.
پرسش بنیادین این است: اگر قابلیت‌های هوش مصنوعی از روز نخست وجود داشت، مدل عملیاتی خود را چگونه طراحی می‌کردیم؟ افزون بر این، سازمانِ AI First یعنی ایجاد فرایندها و نقش‌های کاملاً نو، مانند مدیریت چرخه عمر عامل‌ها، مالکیت پلتفرم هوش مصنوعی، امنیت، پایش، ارجاع و نظارت انسانی. این قابلیت‌ها باید از همان ابتدا در مدل عملیاتی تعبیه شوند.
موج سوم تکامل مدل‌های عملیاتی
مدل AI First را می‌توان موج سوم تکامل مدل‌های عملیاتی دانست؛ نه جایگزین محصول‌محوری، بلکه گام بعدی آن، پس از آنکه اقتصاد کار دانشی و تحویل نرم‌افزار دگرگون شده است. سازمان‌های کارکردی و پروژه‌محور حول کمبود متخصصان و هماهنگی سلسله‌مراتبی شکل گرفتند. مدل‌های دیجیتال و محصول‌محور با تیم‌های میان‌کارکردی پایدار به کندی و پراکندگی تحویل دیجیتال پاسخ دادند. اکنون که عامل‌های خودکار ظرفیت اجرایی بیشتری فراهم می‌کنند، محدودیت‌های اصلی به تعریف مقصود، یکپارچه‌سازی زمینه، به‌کارگیری داوری و تضمین نتایج منتقل می‌شوند. در نتیجه، واحد مؤثر تولید به‌تدریج یک نظام ترکیبی انسان–عامل می‌شود که حول یک نتیجه سرتاسری سازمان می‌یابد.
این به معنای سازمانی بدون سلسله‌مراتب یا پایان مالکیت محصول نیست. اما در جایی که ماهیت کار اجازه دهد، شبکه‌ای مسطح‌تر از هسته‌های انسانی کوچک و پاسخگو شکل می‌گیرد که عامل‌ها را هدایت می‌کنند و به‌صورت پویا از پلتفرم‌های مشترک و تخصص‌های ویژه بهره می‌برند. هوش مصنوعی احتمالاً نقش‌های امروزی را نیز «از هم می‌گشاید»: فعالیت‌هایی که پیش‌تر در قالب مشاغل باریک بسته‌بندی می‌شدند میان انسان و عامل بازتوزیع و سپس در قالب نقش‌های انسانیِ گسترده‌تر، شامل بینش حوزه‌ای، تفکر محصولی، تسلط فنی، هماهنگ‌سازی و ارزیابی، بازترکیب می‌شوند. در این وضعیت، ارزش دانش تخصصی کمتر از داوری می‌شود و مهارت‌های متفاوتی از نیروی انسانی طلب می‌کند.
مدیریت نیز از تخصیص وظایف به افراد به سمت تعیین نتایج، پیکربندی سطح خودمختاری و حفاظ‌ها، پایش عملکرد و مداخله در موارد استثنا حرکت می‌کند. داوری انسانی به‌ویژه در موقعیت‌های مبتنی بر اعتماد، ابهام یا ریسک مهم همچنان ضروری است. همچنین باید به یاد داشت که عامل هوش مصنوعی با کارگر انسانی یکسان نیست و محدودیت‌هایی دارد که کنترل دقیق می‌طلبد، از جمله اتکای بنیادین به حل مسئله احتمالاتی به‌جای قطعی.
این پیامدها به فراتر از جریان‌های کاری منفرد می‌رسند و شیوه ترکیب مردم، فناوری و توانمندی‌های بیرونی و در نتیجه ساختار تیم‌ها، نقش‌ها و هماهنگی را تغییر می‌دهند. چنین نظام‌های انسان–عامل در مقیاس سازمانی تنها زمانی کار می‌کنند که عامل‌ها بتوانند به‌صورت ایمن به دانش، داده، برنامه‌ها و ابزارهای قابل‌اعتماد از طریق زیرساخت‌های مشترک، مشاهده‌پذیر و حاکمیت‌پذیر دسترسی داشته باشند. از این رو فناوری اطلاعات نقشی محوری دارد: نه مالک تک‌تک راه‌حل‌های هوش مصنوعی، بلکه معمار و متولی محیط هماهنگ‌سازی سازمانی.
از سلسله‌مراتب محصول‌محور به شبکه‌های نتیجه‌محور
محصول‌محوری مفهوم تازه‌ای نیست و بسیاری از شرکت‌های بزرگ از تحویل پروژه‌ای به تیم‌های محصول پایدار و میان‌کارکردی روی آورده‌اند. مدل AI First را می‌توان گام بعدی آن دانست، در بستری اقتصادی که در آن عامل‌ها می‌توانند بخش بزرگی از پیاده‌سازی و تحلیل را انجام دهند. مالکیت سرتاسری و تمرکز بر مشتری باقی می‌ماند، اما تیم‌های انسانی کوچک‌تر می‌توانند با هماهنگ‌سازی عامل‌ها، سرویس‌های قابل‌استفاده مجدد و متخصصان در صورت نیاز، دامنه قابلیت‌های وسیع‌تری را فرماندهی کنند. تیم پاسخگو پایدار می‌ماند، ولی قابلیت‌ها و ظرفیت اجرایی پیرامون آن سیال‌تر می‌شود.
در این مدل، واحد فناوری اطلاعات بخشی از شبکه‌ای از گره‌های به‌هم‌پیوسته، اعم از درونی و بیرونی، می‌شود که حول ارزش‌آفرینی از طریق محصولات و خدمات سازمان یافته‌اند. جریان‌های کاری به‌صورت متمرکز استانداردسازی نمی‌شوند و متناسب با هر محصول تنظیم می‌گردند. معماری ماژولار، قابلیت‌های عامل‌محور قابل‌استفاده مجدد و پلتفرم‌های مشترک، دسترسی تیم‌ها به مهارت‌های گسترده‌تر و ظرفیت اجرایی انعطاف‌پذیر را ممکن می‌سازند. سلسله‌مراتب کمتر برای هماهنگی روزمره و بیشتر برای پاسخگویی، انتخاب منابع و رسیدگی به استثناها به کار می‌رود.
نقش اصلی فناوری اطلاعات در اینجا «تولیت اکوسیستم» است، نه «نگهبانی از قابلیت‌های دیجیتال». به‌جای ارائه راه‌حل‌های فنی به کارکنان انسانی، این واحد تسهیل‌گر همکاری انسان و هوش مصنوعی در نظامی هماهنگ می‌شود و از طریق پلتفرم‌های مشترک، حاکمیت و قابلیت‌های قابل‌استفاده مجدد به نوآوری ایمن در سازمان کمک می‌کند. این واحد همچنین شتاب‌دهنده نوآوری و محرک رشد برای محصولات، مدل‌های کسب‌وکار و جریان‌های درآمدی دیجیتال است و مهارت‌ها و فرهنگ دیجیتال را پرورش می‌دهد. سه دلیل این رویکرد را برای سازمان AI First ضروری می‌کند:
- راه‌حل‌های هوش مصنوعی باید توسط تیم‌های بهره‌بردار توسعه و پالایش شوند و فناوری اطلاعات باید با پلتفرم‌ها، مدل‌ها، دسترسی به داده، پایش و حاکمیتِ امن، این کار را سریع و مطمئن کند.
- فرایندهای مبتنی بر هوش مصنوعی ذاتاً میان‌کارکردی‌اند. برای نمونه، یک فرایند بازاریابی مبتنی بر هوش مصنوعی می‌تواند علاوه بر بازاریابی، توسعه محصول، فروش، مهندسی داده، امنیت، فناوری اطلاعات و حقوقی را نیز درگیر کند.
- راه‌حل‌های هوش مصنوعی نقطه پایان مشخصی ندارند و با مدیریت پروژه متمرکز سنتی سازگار نیستند، زیرا عامل‌ها پیوسته یاد می‌گیرند و نظام‌های مشترک انسان–هوش مصنوعی نیازمند اصلاح مداوم‌اند.
نقش در حال تغییر مدیر ارشد فناوری اطلاعات
اگر نقش فناوری اطلاعات از تحویل صرف به توانمندسازی گرایش یابد، رهبری آن نیز باید تغییر کند. موفقیت مدیر ارشد فناوری اطلاعات (CIO) دیگر تنها با پایایی سیستم‌ها، امنیت، هزینه و عملکرد تحویل پروژه سنجیده نمی‌شود، بلکه با میزان حمایت از رشد و تغییر قابلیت‌های سازمانی، فراهم‌کردن دسترسی آسان و ایمن به ابزارهای هوش مصنوعی و ایجاد سرعت و چابکی نیز ارزیابی می‌شود، آن هم با حفظ کنترل هزینه‌ها و «استانداردسازی هوشمندانه» برای پرهیز از تکرار و ناسازگاری غیرضروری.
رهبران فناوری اطلاعات باید AI First بودن را در رفتار خود نشان دهند: استفاده روزمره از هوش مصنوعی، ترویج فعال آن در تیم‌ها و ایجاد درک عملی از پیامدهای آن برای هزینه، ریسک، امنیت و حاکمیت دیجیتال. گذار از سبک رهبری صرفاً دستوری به رهبری «خدمت‌گزار» نیز می‌تواند این تغییر نقش را پشتیبانی کند، مشروط بر آنکه با حاکمیت قوی، پاسخگویی روشن و اختیار کافی همراه باشد. نقش‌های معمار راهبردی و متولی اکوسیستم دیجیتال، افزون بر پاسخگویی به نیاز دیگران، به ویژگی‌های رهبری قوی نیاز دارند.
چگونه تحول را پیش ببریم؟
تحول واحد فناوری اطلاعات مستلزم توجه هم‌زمان به معماری سازمانی، مدل عملیاتی و ابعاد انسانی است و میان‌بری ندارد. تمرکز بر یک بعد و غفلت از بقیه به شکست می‌انجامد. هفت اصل زیر راهنمای این مسیر است:
- ساختن استدلال قوی برای تغییر و کسب حمایت مدیرعامل. مدیر ارشد فناوری اطلاعات نمی‌تواند این تحول را به‌تنهایی پیش ببرد. نقطه شروع باید جاه‌طلبی کسب‌وکاری باشد که مدیرعامل و تیم اجرایی از آن حمایت کنند و روشن کند چرا تغییر لازم است، ارزش از کجا می‌آید و سازمان حاضر است چه چیزی را بازطراحی کند.
- تمرکز نکردن صرف بر تحول رادیکال. سبد تغییر باید علاوه بر بازاندیشی‌های بنیادین، بهبودهای تدریجی کم‌ریسک‌تر را نیز دربر گیرد. رویکرد «هم این، هم آن» شتاب تغییر را حفظ و ریسک‌ها را مهار می‌کند.
- حفظ دوسوتوانی و مدیریت اقتصاد تحول. سازمان باید هم‌زمان کسب‌وکار امروز را بهره‌برداری و سازمان فردا را بنا کند تا بتواند «هواپیما را در حین پرواز بازطراحی» کند. هوش مصنوعی امکان مقیاس‌پذیری از طریق نرم‌افزار و عامل‌ها را می‌دهد، اما مصرف مدل، محاسبات، داده، یکپارچه‌سازی، پایش و تضمین انسانی پایه هزینه‌ای جدیدی می‌سازند. این هزینه‌ها باید با منافع توجیه شوند و ظرفیت انسانیِ آزادشده به‌طور آگاهانه بازتخصیص یابد.
- کار هم‌زمان از بالا به پایین و از پایین به بالا. جهت‌گیری راهبردی روشن ضروری است، اما باید با موارد کاربردی برخاسته از سطوح عملیاتی نیز تغذیه شود. اتکای صرف به هر یک، به ترتیب اهداف غیرواقع‌بینانه یا مقیاس‌پذیری و اثرگذاری راهبردی محدود را در پی دارد.
- شناخت پیش از بازطراحی. یکی از بزرگ‌ترین موانع، نبود داده و شناخت از جریان‌های کاری و تصمیم‌گیری‌هاست، به‌ویژه از آنچه در عمل رخ می‌دهد و با رویه مکتوب تفاوت دارد. کارکنان فعلی بهترین افراد برای شفاف‌سازی این وضعیت‌اند.
- تمرکز نخست بر حوزه‌های پرارزش. دامنه کاربرد هوش مصنوعی بسیار گسترده است و اولویت‌بندی اهمیت دارد. ابزارهایی مانند نقشه‌های حرارتی می‌توانند نقاطی را نشان دهند که بلوغ راه‌حل و ارزش بالقوه با هم منطبق‌اند.
- غفلت نکردن از بُعد انسانی. هوش مصنوعی برای بسیاری از کارکنان منبع نگرانی است. باید از ابتدا روشن شود که هدف صرفاً کاهش نیرو نیست، بلکه بهره‌گیری بیشتر از منابع انسانی موجود از طریق تغییر نقش همه است. رهبران باید حمایت خود را شفاف بیان کنند و بر غنای وظایف، حذف کارهای خسته‌کننده و گسترش دامنه مسئولیت‌ها تأکید کنند.
شواهد اولیه از پیشگامان
در این مرحله از تکامل، به‌سختی می‌توان شرکتی سنتی را یافت که تحول AI First را با موفقیت کامل کرده باشد. با این حال، یونیلور نمونه‌ای برجسته از یک شرکت بزرگ سنتی است که خود را در مسیر این تحول اعلام کرده و با دوقلوهای دیجیتال مبتنی بر هوش مصنوعی، یک مرکز نوآوری جهانی هوشمند و چرخه‌ای نو برای بازاریابی مبتنی بر هوش مصنوعی ارزش می‌آفریند. از تجربه پیشگامان و شرکت‌های بومی دیجیتال، چهار اصل طراحی در حال ظهور است:
- پاسخگویی انسانی با اجرای عامل‌محور. عامل خدمات مشتریان شرکت Klarna نشان داد عامل‌ها می‌توانند سهم بزرگی از تعامل‌های روتین را اجرا کنند. بازگرداندن مشارکت انسانی بیشتر پس از آن، اهمیت داوری، کیفیت خدمت و ارجاع را نشان می‌دهد. انسان‌ها حتی وقتی عامل‌ها بخش عمده اجرا را برعهده دارند، پاسخگوی نتایج می‌مانند.
- تیم‌های انعطاف‌پذیر، نه صرفاً کوچک‌تر. شرکت‌های Shopify و Duolingo مدلی را آزمایش می‌کنند که در آن انتظار می‌رود پیش از افزودن منابع متعارف، از ظرفیت هوش مصنوعی استفاده شود. هسته انسانی پایدار می‌تواند در صورت نیاز از عامل‌ها، پلتفرم‌های مشترک و متخصصان بهره ببرد، هرچند میزان امکان فشرده‌سازی تیم به ماژولار بودن کار، قابلیت راستی‌آزمایی و ریسک بستگی دارد.
- گشودن و بازترکیب نقش‌ها. در شرکت Shopify انتظار می‌رود تفکر محصولی و ساخت مبتنی بر هوش مصنوعی فراتر از نقش‌های سنتی فناوری گسترش یابد. در Duolingo نیز تولید محتوا و نرم‌افزار با کمک هوش مصنوعی نشان می‌دهد کارکنان بیش از پیش کارهایی را هدایت، یکپارچه و ارزیابی می‌کنند که پیش‌تر به چند متخصص جداگانه نیاز داشت.
- تصمیم‌گیری مسطح‌تر، اما سازمانی مهندسی‌شده‌تر. شرکت Cloudflare با یک پشته مهندسی داخلی مشترک، کنترل‌های دسترسی و زیرساخت مشترک عامل‌ها، استفاده گسترده از هوش مصنوعی را ممکن کرده است. این نشان می‌دهد آزمایش و اجرای غیرمتمرکز به بنیان‌های سازمانی قوی‌تر در حوزه هویت، مجوزها، تعامل‌پذیری، مشاهده‌پذیری و امنیت نیاز دارد.
این نمونه‌ها را نباید الگوهای اثبات‌شده دانست، بلکه نشانه‌های اولیه‌اند از اینکه هوش مصنوعی مدل محصول‌محور را چگونه پیش می‌برد. مالکیت پایدار باقی می‌ماند، اما اقتصاد تیم‌ها، مرز نقش‌ها و سازوکارهای هماهنگی دگرگون می‌شود.
جمع‌بندی
پاداش تبدیل‌شدن به سازمانی AI First بزرگ است و واحد فناوری اطلاعات در توانمندسازی آن نقشی حیاتی دارد. موفقیت در گرو جاه‌طلبی برای بازطراحی جریان‌های کاری حول مدل‌های عملیاتی تازه‌ای است که بهترین ویژگی‌های انسان و عامل‌های هوش مصنوعی را در کنار هم به کار می‌گیرد. واحدهای فناوری اطلاعات باید تلاش خود را برای گذار از «نگهبانی سیستم‌های دیجیتال» به «تولیت اکوسیستم» دوچندان کنند. مدیران ارشد فناوری اطلاعات نیز باید سبک رهبری خود را تطبیق دهند و میان دوسوتوانی، کنترل کافی و سرعت و چابکی تعادل برقرار کنند.
شاید متناقض‌نما باشد که در سازمانِ AI First، در نهایت انسان‌ها و توانایی‌های منحصربه‌فرد آن‌ها تفاوت را رقم می‌زنند. کتی جورج، معاون شرکتی تحول نیروی کار در مایکروسافت، گفته است: تنها کسانی می‌توانند کار را واقعاً بازآفرینی کنند که کار را می‌شناسند.
منبع: https://www.adlittle.com/en/insights/viewpoints/ai-first-organization