هوش مصنوعی برای مدیران؛ از جلسه صبح تا تصمیم‌گیری بهتر
وقتی مدیر تمام روز کار می‌کند، اما فرصت مدیریت کردن ندارد!
هوش مصنوعی برای مدیران فقط ابزاری برای نوشتن نامه نیست. در این مقاله می‌بینیم چگونه می‌توان از آن برای آماده‌سازی جلسه، تحلیل گزارش، پیگیری اقدامات و بررسی گزینه‌های تصمیم‌گیری استفاده کرد؛ بدون آنکه قضاوت انسانی و مسئولیت مدیریتی کنار گذاشته شود.
تحقیق و تدوین : مهدی گمرکی
ساعت هشت صبح است. مدیر وارد دفتر می‌شود. چند پیام خوانده‌نشده دارد، گزارشی که باید بررسی شود، جلسه‌ای که تا نیم ساعت دیگر شروع می‌شود و تصمیمی که از هفته قبل عقب افتاده است.
یکی از کارکنان درباره تأخیر سفارش‌ها توضیح می‌خواهد. واحد فروش از کاهش فروش ناراضی است. واحد مالی درباره هزینه‌ها سؤال دارد و مدیرعامل هم تا پایان روز گزارش عملکرد می‌خواهد.
این تصویر برای بسیاری از مدیران آشناست. روز کاری شروع شده، اما مدیر از همان ابتدا عقب است.
حالا یک سؤال مهم: اگر هوش مصنوعی بتواند بخشی از این بار را سبک کند، چرا هنوز بسیاری از مدیران آن را صرفاً ابزاری برای نوشتن نامه و تولید متن می‌دانند؟
به‌نظر من، این یکی از فرصت‌های ازدست‌رفته در استفاده از هوش مصنوعی است. مدیری که از این فناوری فقط برای بازنویسی یک نامه استفاده می‌کند، لزوماً کار اشتباهی انجام نمی‌دهد؛ اما اگر همان‌جا متوقف شود، بخش مهمی از ظرفیت آن را نادیده گرفته است.
هوش مصنوعی برای مدیران زمانی ارزشمند می‌شود که به مدیریت بهتر اطلاعات، روشن‌تر شدن مسئله‌ها، پیگیری دقیق‌تر کارها و سنجیده‌تر شدن تصمیم‌ها کمک کند.
البته یک نکته را از همین ابتدا روشن کنیم: هوش مصنوعی قرار نیست مسئولیت مدیریت را از دوش مدیر بردارد. مدیریت را نمی‌توان برون‌سپاری کرد؛ اما می‌توان کارهای کم‌ارزش و وقت‌گیر پیرامون آن را کاهش داد.
نماپست قبل از شروع مطالعه این بخش پیشنهاد می کند قسمت قبلی را با عنوان ۵ اشتباه رایج در استفاده از هوش مصنوعی در سازمان را مطالعه فرمایید.
۱. پیش از جلسه؛ به‌جای ورود با ذهن شلوغ، آماده وارد شوید
بسیاری از جلسه‌های سازمانی با یک مشکل تکراری شروع می‌شوند: شرکت‌کنندگان اطلاعات کافی ندارند، دستور جلسه مبهم است و چند دقیقه اول صرف مرور اتفاقاتی می‌شود که می‌توانستند پیش از جلسه بررسی شوند.
فرض کنید قرار است جلسه‌ای درباره تأخیر در ارسال سفارش‌های مشتریان برگزار کنید. چند گزارش، تعدادی پیام از واحد عملیات و فهرستی از شکایت‌های مشتریان دارید.
می‌توانید همه این اطلاعات را بدون بررسی وارد جلسه شوید و از حاضران بخواهید موضوع را توضیح دهند. یا پیش از جلسه از یک ابزار هوش مصنوعی بخواهید اسناد را خلاصه کند، مسئله‌های تکرارشونده را مشخص کند و پرسش‌هایی را پیشنهاد دهد که باید در جلسه پاسخ داده شوند.
برای مثال، از آن بخواهید:
- سه علت احتمالی تأخیرها را بر اساس اسناد موجود استخراج کند.
- مواردی را که اطلاعات کافی برای قضاوت درباره آن‌ها وجود ندارد مشخص کند.
- پرسش‌های لازم برای واحدهای عملیات، فروش و پشتیبانی را پیشنهاد دهد.
- یک دستور جلسه ۳۰ دقیقه‌ای با هدف رسیدن به تصمیم مشخص تنظیم کند.
تفاوت این دو روش کوچک به‌نظر می‌رسد، اما مهم است. در روش اول، جلسه با اطلاعات پراکنده آغاز می‌شود؛ در روش دوم، مدیر با پرسش‌های روشن‌تر وارد جلسه می‌شود.
البته خلاصه هوش مصنوعی را نباید با حقیقت قطعی اشتباه گرفت. اگر گزارش‌ها ناقص باشند، خروجی هم ممکن است ناقص یا گمراه‌کننده باشد. مدیر باید موارد مهم را با منبع اصلی تطبیق دهد.
جلسه‌ای که بدون آمادگی برگزار می‌شود، اغلب هزینه بی‌نظمی‌های قبلی سازمان را به همه حاضران تحمیل می‌کند.
۲. بعد از جلسه؛ صورت‌جلسه‌ای که واقعاً کاری انجام دهد
احتمالاً در بسیاری از سازمان‌ها صورت‌جلسه‌هایی دیده‌اید که پر از جمله‌های رسمی‌اند، اما چند روز بعد کسی نمی‌داند چه کاری باید انجام شود.
«موضوع بررسی شد.»
«مقرر گردید پیگیری لازم صورت پذیرد.»
«اقدامات مقتضی انجام شود.»
این جمله‌ها شاید برای ثبت سابقه مناسب باشند، اما به‌تنهایی هیچ‌کس را مسئول انجام کار نمی‌کنند. مسئله اصلی جلسه، ثبت حرف‌ها نیست؛ تبدیل حرف‌ها به اقدام است.
هوش مصنوعی می‌تواند یادداشت‌ها یا متن مجاز جلسه را به ساختاری عملیاتی تبدیل کند:
- تصمیم: دقیقاً چه چیزی تصویب شد؟
- اقدام: چه کاری باید انجام شود؟
- مسئول: چه فرد یا واحدی پاسخ‌گوست؟
- مهلت: کار تا چه زمانی باید تمام شود؟
- ابهام: چه موضوعی هنوز تصمیم نهایی ندارد؟
برای نمونه، جمله «واحد عملیات موضوع تأخیرها را پیگیری کند» باید به اقدامی روشن‌تر تبدیل شود؛ مثلاً «واحد عملیات تا پایان روز سه‌شنبه، گزارش تأخیرهای هفته گذشته را به تفکیک علت و مرکز توزیع ارائه کند»؛ البته فقط اگر این مسئولیت و مهلت واقعاً در جلسه توافق شده باشد.
اینجا یک هشدار مهم وجود دارد: هوش مصنوعی نباید تصمیم یا مسئولیتی را که در جلسه تصویب نشده، از خودش بسازد. اگر اطلاعات مشخص نیست، باید آن را به‌عنوان ابهام علامت‌گذاری کند، نه اینکه جای خالی را با حدس پر کند.
پس از آماده شدن صورت‌جلسه نیز مدیر باید آن را تأیید کند و مسئولیت‌ها را با افراد مربوط هماهنگ سازد.
صورت‌جلسه‌ای که مسئول، مهلت و اقدام مشخص ندارد، بیشتر شبیه آرشیو حرف‌هاست تا ابزار مدیریت.
۳. هنگام بررسی گزارش‌ها؛ از انبوه عددها به پرسش‌های درست برسید
گزارش فروش، گزارش هزینه، عملکرد کارکنان، وضعیت سفارش‌ها و رضایت مشتریان؛ مدیران معمولاً با اطلاعات کم مواجه نیستند. مشکل این است که اطلاعات در قالب‌های مختلف پراکنده‌اند و فرصت کافی برای بررسی عمیق آن‌ها وجود ندارد.
در چنین شرایطی، هوش مصنوعی می‌تواند به‌عنوان دستیار تحلیل اولیه عمل کند؛ به‌شرط آنکه داده‌ها به‌شکل درست و امن در اختیار ابزار قرار بگیرند.
فرض کنید فروش یک فروشگاه اینترنتی در ماه گذشته کاهش یافته است. به‌جای اینکه صرفاً از هوش مصنوعی بپرسید «چرا فروش کم شده؟»، داده‌های معتبر و مرتبط را در اختیارش قرار دهید و درخواست کنید:
۱. تغییرات فروش را بر اساس محصول، کانال فروش و بازه زمانی بررسی کند.
۲. تفاوت‌های مهم را با اعداد و شواهد موجود نشان دهد.
۳. میان واقعیت مشاهده‌شده و علت احتمالی تفاوت بگذارد.
۴. برای هر فرضیه، اطلاعاتی را که هنوز باید بررسی شود مشخص کند.
۵. پیشنهاد دهد مدیر برای رسیدن به علت اصلی چه پرسش‌هایی را مطرح کند.
توجه کنید که کاهش فروش به‌خودی‌خود ثابت نمی‌کند تبلیغات ضعیف بوده یا عملکرد کارکنان افت کرده است. شاید موجودی کالا کاهش یافته باشد، شاید قیمت تغییر کرده باشد، شاید اختلالی در پرداخت رخ داده باشد یا شاید داده‌ها ناقص باشند.
هوش مصنوعی می‌تواند به کشف سرنخ‌ها کمک کند، اما هر سرنخ، علت اثبات‌شده نیست.
یک توصیه جدی: اگر داده‌های محرمانه مشتریان، اطلاعات مالی حساس یا اطلاعات شخصی کارکنان را وارد یک ابزار عمومی می‌کنید، بدون بررسی مجوزها و ضوابط سازمان، صرفه‌جویی چند دقیقه‌ای را به خطر بزرگی تبدیل نکنید. استفاده از هوش مصنوعی باید با سیاست امنیت اطلاعات سازمان سازگار باشد.
۴. هنگام تصمیم‌گیری؛ از هوش مصنوعی پاسخ نخواهید، گزینه بخواهید
این بخش از همه مهم‌تر است.
بعضی مدیران از هوش مصنوعی می‌پرسند: «چه تصمیمی بگیرم؟» و با اولین پاسخ منسجم، احساس می‌کنند مسئله حل شده است.
به‌نظر من، این شیوه استفاده از هوش مصنوعی در تصمیم‌های مهم مدیریتی، خطرناک است. پاسخ روان و مطمئن، لزوماً پاسخ درست نیست. حتی ممکن است مدل، فرضی نادرست را مبنا قرار دهد و نتیجه‌ای ظاهراً منطقی تولید کند.
روش بهتر این است که از هوش مصنوعی بخواهیم گزینه‌های تصمیم را روشن کند، نه اینکه مسئولیت تصمیم را بر عهده بگیرد.
فرض کنید یک کسب‌وکار قصد دارد هزینه‌های ارسال سفارش را کاهش دهد. می‌توان از هوش مصنوعی خواست سه سناریو را بررسی کند:
- کاهش هزینه از طریق مذاکره مجدد با شرکت‌های حمل‌ونقل؛
- اصلاح بسته‌بندی و کاهش وزن حجمی مرسوله‌ها؛
- تغییر شیوه ارسال برای گروه‌های مختلف سفارش.
سپس برای هر سناریو، این موارد را بررسی کند:
- مزایای احتمالی؛
- هزینه‌ها و محدودیت‌ها؛
- اثر احتمالی بر تجربه مشتری؛
- ریسک‌های اجرایی؛
- داده‌های موردنیاز برای ارزیابی؛
- شاخص‌هایی که باید پس از اجرا اندازه‌گیری شوند.
در مرحله بعد، مدیر می‌تواند فرض‌های مطرح‌شده را با داده‌های واقعی کسب‌وکار، نظر متخصصان و محدودیت‌های عملیاتی تطبیق دهد.
اگر هوش مصنوعی پیشنهاد جذابی ارائه کرد، این پرسش را فراموش نکنید: «چه شواهدی می‌تواند نشان دهد این پیشنهاد اشتباه است؟»
مدیری که فقط تأیید می‌خواهد، ممکن است از هوش مصنوعی برای توجیه تصمیم قبلی خود استفاده کند. مدیر حرفه‌ای‌تر از آن برای دیدن گزینه‌هایی استفاده می‌کند که شاید خودش به آن‌ها توجه نکرده باشد.
۵. پیگیری کارها؛ جایی که تصمیم‌های خوب معمولاً زمین می‌مانند
در بسیاری از سازمان‌ها، مشکل اصلی کمبود ایده نیست؛ فاصله میان تصمیم و اجراست.
جلسه برگزار می‌شود، تصمیم گرفته می‌شود، افراد موافقت می‌کنند و همه به کارهای روزمره خود برمی‌گردند. چند روز بعد، مدیر دوباره می‌پرسد: «پس آن موضوع چه شد؟»
هوش مصنوعی می‌تواند در صورتی که به اطلاعات مجاز و به‌روز دسترسی داشته باشد، به مرتب‌سازی وضعیت کارها کمک کند. برای مثال، از فهرست اقدامات تأییدشده بخواهید:
- کارهای عقب‌افتاده را مشخص کند؛
- اقداماتی را که مهلت آن‌ها نزدیک است جدا کند؛
- مواردی را که به تصمیم مدیر نیاز دارند نشان دهد؛
- گزارش پیگیری کوتاهی برای جلسه بعد آماده کند.
اما باید تفاوت مهمی را در نظر گرفت: ابزاری که فقط فهرست کارها را خلاصه می‌کند، لزوماً وضعیت واقعی کارها را نمی‌داند. اگر اطلاعات به‌روزرسانی نشده باشد، گزارش آن هم قابل اتکا نیست.
همچنین نباید خروجی هوش مصنوعی را جایگزین گفت‌وگوی انسانی کرد. تأخیر یک کار ممکن است به کمبود منابع، وابستگی به واحد دیگر یا مانعی پیش‌بینی‌نشده مربوط باشد. هدف پیگیری، پیدا کردن مقصر به هر قیمت نیست؛ هدف، برطرف کردن مانع و روشن کردن مسئولیت است.
۶. ارتباطات مدیریتی؛ کمتر وقت صرف نوشتن کنید، بیشتر به پیام فکر کنید
بخشی از وقت مدیران صرف نوشتن و بازنویسی پیام‌ها، گزارش‌های داخلی، نامه‌ها و توضیح تصمیم‌ها می‌شود.
هوش مصنوعی می‌تواند پیش‌نویس اولیه این متن‌ها را تهیه کند؛ لحن آن‌ها را متناسب با مخاطب تغییر دهد، متن طولانی را کوتاه کند یا یک گزارش تخصصی را برای مدیران غیرمتخصص قابل فهم‌تر سازد.
برای مثال، مدیر می‌تواند از یک گزارش طولانی، نسخه‌ای یک‌صفحه‌ای با سه بخش بخواهد: وضعیت فعلی، مسئله‌های مهم و تصمیم‌های موردنیاز.
اما یک اشتباه رایج را مرتکب نشوید: رسمی‌تر شدن متن به معنای بهتر شدن ارتباط نیست.
گاهی متن تولیدشده آن‌قدر اداری، خنثی و پر از عبارت‌های کلی است که پیام اصلی در آن گم می‌شود. گاهی هم لحن آن با فرهنگ سازمان یا حساسیت موضوع سازگار نیست.
مدیر باید متن نهایی را بخواند و مسئولیت محتوای آن را بپذیرد. مخصوصاً در پیام‌های مربوط به عملکرد کارکنان، شکایت مشتریان، مسائل حقوقی یا تصمیم‌های حساس، ارسال خودکار خروجی بدون بازبینی می‌تواند هزینه‌ساز باشد.
۷. یک الگوی ساده برای شروع؛ لازم نیست کل سازمان را زیرورو کنید
اگر مدیر هستید و می‌خواهید از فردا استفاده عملی از هوش مصنوعی را آغاز کنید، پیشنهاد من این نیست که فوراً چند ابزار بخرید یا یک پروژه بزرگ تعریف کنید.
با یک مسئله کوچک و تکرارشونده شروع کنید.
برای مثال، اگر هر هفته چند ساعت صرف آماده‌سازی گزارش جلسه می‌شود، همان فرایند را انتخاب کنید. وضعیت فعلی را اندازه بگیرید، یک روش مبتنی بر هوش مصنوعی را در مقیاس محدود آزمایش کنید و نتیجه را با روش قبلی مقایسه کنید.
این پنج گام را دنبال کنید:
۱. مسئله را دقیق تعریف کنید: چه کاری زمان‌بر، تکراری یا مستعد خطاست؟
۲. خط مبنا بسازید: اکنون چقدر زمان و هزینه صرف می‌شود و کیفیت خروجی چگونه سنجیده می‌شود؟
۳. آزمایش محدود انجام دهید: یک تیم کوچک، یک فرایند مشخص و داده‌های مجاز انتخاب کنید.
۴. نتیجه را اندازه بگیرید: زمان، خطا، کیفیت، رضایت استفاده‌کنندگان و هزینه را بررسی کنید.
۵. بعد تصمیم بگیرید: اگر نتیجه بهتر بود و ریسک‌ها کنترل شدند، استفاده را گسترش دهید؛ اگر نه، روش را اصلاح کنید یا کنار بگذارید.
این رویکرد شاید به‌اندازه معرفی یک سامانه پرزرق‌وبرق هیجان‌انگیز نباشد، اما بسیار حرفه‌ای‌تر است. سازمان قرار نیست با تعداد ابزارهای خریداری‌شده‌اش موفق شود؛ باید بتواند نشان دهد چه مسئله‌ای را بهتر از گذشته حل می‌کند.
حرف آخر؛ مدیر باید کمتر درگیر کارهای تکراری شود، نه کمتر فکر کند
هوش مصنوعی می‌تواند پیش‌نویس آماده کند، اطلاعات را خلاصه کند، الگوهای احتمالی را نشان دهد و گزینه‌های بیشتری پیش روی مدیر بگذارد. اما شناخت شرایط سازمان، فهم پیامدهای انسانی تصمیم‌ها، تشخیص اولویت‌ها و پذیرش مسئولیت همچنان به قضاوت انسانی نیاز دارد.
قضاوت صریح من این است: مدیری که بدون تعریف مسئله، بدون کنترل کیفیت و بدون توجه به امنیت اطلاعات، هوش مصنوعی را وارد سازمان می‌کند، در حال تحول دیجیتال نیست؛ فقط یک ابزار تازه به بی‌نظمی‌های قبلی اضافه کرده است.
در مقابل، مدیری که از یک مسئله واقعی شروع می‌کند، خروجی را می‌سنجد و اجازه نمی‌دهد پاسخ روان ماشین جای فکر خودش را بگیرد، می‌تواند به‌تدریج روش کار سازمان را بهتر کند.
لازم نیست از فردا همه چیز تغییر کند. کافی است یک جلسه بهتر آماده شود، یک گزارش دقیق‌تر بررسی شود یا یک تصمیم با گزینه‌های روشن‌تری گرفته شود. همین تغییرهای کوچک، اگر سنجیده و مستمر باشند، ارزش واقعی خود را نشان می‌دهند.
در قسمت بعدی چهارشنبه‌های هوش مصنوعی کاربردی نماپست، سراغ موضوعی می‌رویم که برای بسیاری از مدیران و کارکنان تعیین‌کننده است: چگونه یک دستیار هوش مصنوعی متناسب با وظایف خود بسازیم و از آن در کارهای روزمره استفاده کنیم؟
پرسش‌های متداول
هوش مصنوعی چه کمکی به مدیران می‌کند؟
می‌تواند در آماده‌سازی جلسه، خلاصه‌سازی گزارش‌ها، استخراج اقدامات، تحلیل اولیه داده‌ها، مقایسه گزینه‌ها و تهیه پیش‌نویس ارتباطات مدیریتی کمک کند. نتیجه نهایی به کیفیت داده‌ها، انتخاب ابزار و نظارت انسانی وابسته است.
آیا می‌توان تصمیم‌های مدیریتی را به هوش مصنوعی سپرد؟
در تصمیم‌های مهم، اتکای کامل به خروجی هوش مصنوعی کار درستی نیست. بهتر است از آن برای بررسی گزینه‌ها، آشکار کردن فرض‌ها و شناسایی پرسش‌های مهم استفاده شود؛ تصمیم نهایی باید با بررسی شواهد و پذیرش مسئولیت گرفته شود.
چگونه استفاده از هوش مصنوعی در مدیریت را شروع کنیم؟
یک کار تکراری و مشخص انتخاب کنید، زمان و کیفیت فعلی آن را بسنجید، یک آزمایش کوچک و کنترل‌شده انجام دهید و نتیجه را با روش قبلی مقایسه کنید. پیش از استفاده، محرمانگی داده‌ها و ضوابط سازمان را نیز بررسی کنید.
آیا هوش مصنوعی می‌تواند گزارش‌های سازمانی را تحلیل کند؟
بله، می‌تواند داده‌ها و گزارش‌های در دسترس را خلاصه کند، تغییرات را نشان دهد و فرضیه‌هایی برای بررسی پیشنهاد دهد. بااین‌حال، داده‌های ناقص یا نادرست و خطاهای مدل ممکن است به نتیجه‌گیری اشتباه منجر شوند؛ بنابراین بررسی منابع اصلی ضروری است.
