۵ اشتباه رایج مدیران هنگام استفاده از هوش مصنوعی در سازمان
هوش مصنوعی در سازمان دیگر یک موضوع لوکس یا مخصوص واحد فناوری اطلاعات نیست. مدیر منابع انسانی، مدیر فروش، کارشناس بازاریابی، واحد آموزش، امور مشتریان و حتی مدیر یک کسب‌وکار کوچک، دیر یا زود با این فناوری سروکار خواهد داشت.
اما یک اتفاق عجیب در حال رخ دادن است.
از یک طرف، درباره هوش مصنوعی هیجان زیادی وجود دارد و از طرف دیگر، بسیاری از پروژه‌هایی که با عنوان «هوش مصنوعی» شروع می‌شوند، بعد از مدتی یا رها می‌شوند یا به چند استفاده ساده از یک ابزار تولید متن محدود می‌شوند.
چرا؟
من معتقدم مشکل در بسیاری از موارد خود هوش مصنوعی نیست؛ مسئله از جایی شروع می‌شود که سازمان نمی‌داند دقیقاً برای چه کاری می‌خواهد از آن استفاده کند.
مدیری که می‌گوید:
«ما هم باید هوش مصنوعی داشته باشیم.»
هنوز هیچ مسئله‌ای را حل نکرده است.
سؤال درست این است:
«کدام مسئله سازمان ما را می‌توان با کمک هوش مصنوعی بهتر، سریع‌تر یا کم‌هزینه‌تر حل کرد؟»
این دو نگاه، تفاوت بسیار بزرگی با هم دارند.
قبل از شروع؛ از قسمت قبلی چه یاد گرفتیم؟
در قسمت قبل درباره آینده مشاغل و تأثیر هوش مصنوعی بر کارکنان صحبت کردیم و به یک نکته مهم رسیدیم: هوش مصنوعی الزاماً به معنای حذف انسان نیست.
در بسیاری از موارد، ارزش اصلی آن در حذف یا کاهش کارهای تکراری و زمان‌بر است.
حالا یک قدم جلوتر برویم.
اگر قرار است هوش مصنوعی به کارکنان کمک کند، سازمان باید بلد باشد آن را درست وارد فرایندهای کاری کند.
و اینجا دقیقاً جایی است که اشتباهات شروع می‌شوند.
اشتباه اول: خریدن ابزار قبل از پیدا کردن مسئله
این اشتباه را خیلی دوست دارم، چون نمونه‌اش را زیاد دیده‌ایم.
یک ابزار جدید معرفی می‌شود.
همه درباره‌اش صحبت می‌کنند.
یک مدیر می‌گوید:
«ما هم باید این را داشته باشیم.»
اشتراک خریداری می‌شود.
چند نفر آموزش می‌بینند.
یک گروه داخلی تشکیل می‌شود.
بعد از چند هفته، هیجان اولیه از بین می‌رود.
و در نهایت کسی نمی‌داند دقیقاً قرار بود این ابزار چه مشکلی را حل کند.
این روش از نظر من کاملاً اشتباه است.
فناوری باید به مسئله وصل شود، نه اینکه سازمان برای فناوری مسئله پیدا کند.
مثلاً اگر واحد منابع انسانی هر هفته ساعت‌ها برای تهیه گزارش‌های تکراری وقت می‌گذارد، یک مسئله واقعی داریم.
اگر کارشناسان مجبورند روزانه ده‌ها سند را برای پیدا کردن چند اطلاعات مشخص بررسی کنند، یک مسئله واقعی داریم.
اگر مرکز تماس به پرسش‌های تکراری پاسخ می‌دهد، باز هم یک مسئله واقعی داریم.
اما اینکه صرفاً بگوییم «هوش مصنوعی بیاوریم» هنوز راه‌حل نیست.
سؤال درست:
کدام فعالیت سازمان بیشترین زمان را می‌گیرد و کمترین ارزش را ایجاد می‌کند؟
از همین‌جا باید شروع کرد.
اشتباه دوم: انتظار معجزه داشتن
یک بار مدیری به من گفت:
«ما هوش مصنوعی را وارد سازمان کردیم، ولی هنوز اتفاق خاصی نیفتاده.»
وقتی درباره نحوه استفاده سؤال کردم، مشخص شد کارکنان صرفاً از هوش مصنوعی برای چند متن و ترجمه استفاده می‌کنند.
خب طبیعی است که اتفاق خاصی نیفتد!
اگر مسئله سازمان را تغییر ندهیم، صرف استفاده از یک ابزار جدید قرار نیست معجزه ایجاد کند.
هوش مصنوعی تقویت‌کننده فرایند خوب است؛ اما اگر فرایند شما از اساس مشکل داشته باشد، ممکن است فقط همان فرایند بد را سریع‌تر کنید.
مثلاً اگر فرایند پاسخگویی به مشتری اشتباه طراحی شده باشد، تولید سریع‌تر پاسخ الزاماً تجربه مشتری را بهتر نمی‌کند.
گاهی حتی نتیجه برعکس است.
اشتباه سوم: فکر کردن به اینکه هر خروجی هوش مصنوعی درست است
این یکی خطرناک‌تر است.
وقتی یک متن با سرعت بالا، لحن حرفه‌ای و جملات کاملاً مرتب تولید می‌شود، خیلی راحت ممکن است تصور کنیم حتماً درست است.
اما همان‌طور که در قسمت‌های قبلی گفتیم، مدل‌های زبانی می‌توانند پاسخ‌هایی تولید کنند که ظاهراً بسیار معتبرند اما نیاز به بررسی دارند.
بنابراین در سازمان نباید بگوییم:
«هوش مصنوعی گفته، پس درست است.»
باید بگوییم:
«هوش مصنوعی پیشنهاد داده؛ حالا بررسی کنیم.»
این تفاوت کوچک، از نظر مدیریتی بسیار مهم است.
به‌خصوص وقتی پای اطلاعات مالی، حقوقی، منابع انسانی، قراردادها، مشتریان یا تصمیم‌های حساس سازمانی در میان باشد.
اشتباه چهارم: آموزش ابزار به جای آموزش شیوه فکر کردن
گاهی برای کارکنان یک جلسه آموزشی برگزار می‌شود:
«امروز می‌خواهیم کار با ابزار هوش مصنوعی X را یاد بگیریم.»
کارمند وارد ابزار می‌شود.
چند سؤال می‌پرسد.
چند پاسخ می‌گیرد.
و جلسه تمام می‌شود.
اما یک هفته بعد چه اتفاقی می‌افتد؟
بسیاری از افراد دیگر از آن استفاده نمی‌کنند.
چرا؟
چون ابزار را یاد گرفته‌اند، اما مسئله را یاد نگرفته‌اند.
من ترجیح می‌دهم آموزش هوش مصنوعی در سازمان از این سؤال شروع شود:
«در کار روزانه شما چه چیزی وقت‌گیر، تکراری یا دشوار است؟»
بعد ابزار را وارد همان مسئله کنیم.
برای مثال، اگر کارشناس فروش هر روز تعداد زیادی پیام مشتری را بررسی می‌کند، آموزش باید روی همان مسئله متمرکز شود.
اگر مدیر هر هفته گزارش‌های متعددی دریافت می‌کند، آموزش باید نشان دهد چگونه می‌توان از هوش مصنوعی برای خلاصه‌سازی و استخراج نکات مهم استفاده کرد.
آموزش ابزار بدون مسئله، معمولاً عمر کوتاهی دارد.
اشتباه پنجم: حذف انسان به جای توانمند کردن انسان
این شاید مهم‌ترین اشتباه باشد.
گاهی اولین محاسبه مدیر این است:
«اگر هوش مصنوعی این کار را انجام دهد، چند نفر کمتر نیاز داریم؟»
من معتقدم سؤال بهتری وجود دارد:
«اگر هوش مصنوعی این کار را انجام دهد، کارکنان ما چه کار ارزشمندتری می‌توانند انجام دهند؟»
این دو سؤال، دو فلسفه کاملاً متفاوت هستند.
فرض کنید یک کارمند روزانه سه ساعت برای تهیه گزارش وقت می‌گذارد.
اگر هوش مصنوعی این زمان را به یک ساعت کاهش دهد، دو ساعت آزاد شده است.
حالا دو انتخاب داریم:
انتخاب اول:
بگوییم پس نیروی کمتری لازم داریم.
انتخاب دوم:
بگوییم حالا این فرد دو ساعت فرصت دارد با مشتریان بیشتری صحبت کند، تحلیل بهتری انجام دهد، فرایندها را اصلاح کند یا آموزش ببیند.
من انتخاب دوم را از منظر توسعه سازمانی بسیار ارزشمندتر می‌دانم.
چون در حالت دوم، فناوری تبدیل به اهرم بهره‌وری می‌شود، نه صرفاً ابزار کاهش هزینه.
اما یک واقعیت ناخوشایند هم وجود دارد
نباید از آن طرف بام بیفتیم.
اینکه بگوییم هوش مصنوعی فقط یک ابزار کمکی است و هیچ تغییری در نیروی انسانی ایجاد نمی‌کند هم واقع‌بینانه نیست.
- بعضی وظایف واقعاً ممکن است حذف یا بسیار کوچک شوند.
- بعضی نقش‌ها تغییر خواهند کرد.
- بعضی مهارت‌ها ارزش کمتری پیدا خواهند کرد.
و بعضی مهارت‌های جدید به‌شدت مهم خواهند شد.
بنابراین سازمان مسئول، نه باید از هوش مصنوعی بترسد و نه باید آن را دست‌کم بگیرد.
باید خودش را برای تغییر آماده کند.
از کجا شروع کنیم؟
اگر بخواهم برای یک سازمان واقعی یک نسخه ساده بنویسم، پیشنهاد من این است:
گام اول: فهرست کارهای تکراری را تهیه کنید
از کارکنان بپرسید:
- چه کاری بیشترین زمان را از شما می‌گیرد؟
- کدام کار را هر هفته تکرار می‌کنید؟
- کدام کار بیشتر از آنکه نیازمند تخصص باشد، نیازمند زمان است؟
گام دوم: سه مسئله را انتخاب کنید
قرار نیست از روز اول همه سازمان را با هوش مصنوعی متحول کنیم.
اتفاقاً این کار می‌تواند اشتباه باشد.
سه مسئله مشخص انتخاب کنید.
گام سوم: یک آزمایش کوچک اجرا کنید
مثلاً:
«آیا می‌توان زمان تهیه گزارش هفتگی را از چهار ساعت به دو ساعت رساند؟»
این یک هدف قابل بررسی است.
گام چهارم: نتیجه را اندازه‌گیری کنید
فقط نگویید:
«کار با هوش مصنوعی خوب بود.»
اندازه بگیرید:
- چقدر زمان صرف شد؟
- خطا چقدر بود؟
- کیفیت خروجی چگونه بود؟
- کارکنان چقدر از آن استقبال کردند؟
- آیا مشتری نتیجه بهتری دریافت کرد؟
گام پنجم: بعد توسعه دهید
اگر آزمایش موفق بود، آن را به بخش‌های دیگر گسترش دهید.
تحول دیجیتال با یک پروژه کوچک و موفق، بهتر از یک پروژه عظیم و مبهم شروع می‌شود.
یک چارچوب ساده برای مدیران
برای هر کاربرد هوش مصنوعی در سازمان، پنج سؤال بپرسید:
۱. مسئله چیست؟
۲. الان چگونه حل می‌شود؟
۳. هوش مصنوعی دقیقاً کدام بخش را بهتر می‌کند؟
۴. انسان در این فرایند چه نقشی دارد؟
۵. موفقیت را با چه شاخصی اندازه می‌گیریم؟
اگر برای این پنج سؤال پاسخ روشنی نداریم، احتمالاً هنوز برای اجرای پروژه آماده نیستیم.
جعبه‌ابزار این هفته
یک تمرین ساده، بدون نیاز به هیچ ابزار خاصی
امروز یکی از واحدهای سازمان را انتخاب کنید.
مثلاً فروش.
از سه نفر از کارکنان آن واحد بپرسید:
«اگر قرار باشد هوش مصنوعی فقط یک کار تکراری شما را انجام دهد، دوست دارید کدام کار باشد؟»
پاسخ‌ها را یادداشت کنید.
ممکن است همین گفت‌وگوی ساده، از ده‌ها جلسه رسمی درباره «استراتژی هوش مصنوعی» اطلاعات کاربردی‌تری به شما بدهد.
یک قضاوت صریح
من با این جمله که:
«باید هرچه سریع‌تر هوش مصنوعی را وارد سازمان کنیم»
موافق نیستم.
جمله دقیق‌تر این است:
«باید هرچه سریع‌تر یاد بگیریم کجا و چگونه هوش مصنوعی برای سازمان ما ارزش ایجاد می‌کند.»
این تفاوت، تفاوت بین هیجان فناوری و مدیریت فناوری است.
جمع‌بندی
هوش مصنوعی در سازمان زمانی ارزش واقعی ایجاد می‌کند که از یک ابزار جذاب به بخشی از حل مسئله تبدیل شود.
اشتباهات رایج معمولاً از جایی شروع می‌شوند که سازمان:
- قبل از مسئله سراغ ابزار می‌رود؛
- انتظار معجزه دارد؛
- خروجی AI را بدون بررسی می‌پذیرد؛
- ابزار را آموزش می‌دهد اما حل مسئله را آموزش نمی‌دهد؛
- و در نهایت، به جای توانمند کردن کارکنان، فقط به کاهش نیرو فکر می‌کند.
واقعیت این است که هوش مصنوعی به‌تنهایی سازمان را متحول نمی‌کند.
آدم‌ها، فرایندها، داده‌ها، فرهنگ سازمانی و تصمیم‌های مدیریتی هستند که تعیین می‌کنند این فناوری واقعاً ارزش ایجاد کند یا نه.
و شاید مهم‌ترین سؤال برای مدیران همین باشد:
اگر فردا هوش مصنوعی در اختیار تمام کارکنان ما باشد، آیا سازمان ما واقعاً بلد است از آن استفاده کند؟
پرسش‌های متداول
هوش مصنوعی در سازمان را از کجا شروع کنیم؟
بهتر است ابتدا فرایندهای تکراری، زمان‌بر و قابل اندازه‌گیری را شناسایی کنید و یک پروژه کوچک و مشخص را به‌صورت آزمایشی اجرا کنید.
آیا برای استفاده از هوش مصنوعی باید کل سازمان را تغییر دهیم؟
خیر. معمولاً شروع از یک مسئله مشخص یا یک واحد سازمانی، امکان یادگیری و اندازه‌گیری نتیجه را بهتر فراهم می‌کند.
آیا خروجی هوش مصنوعی را می‌توان بدون بررسی استفاده کرد؟
برای فعالیت‌های حساس، بهتر است خروجی توسط فرد مسئول بررسی و اعتبارسنجی شود. هوش مصنوعی باید بخشی از فرایند تصمیم‌گیری باشد، نه جایگزین کنترل انسانی.
مهم‌ترین اشتباه مدیران در استفاده از هوش مصنوعی چیست؟
یکی از اشتباهات مهم، شروع از ابزار به جای مسئله است. ابتدا باید مشخص شود چه مشکلی قرار است حل شود و سپس ابزار مناسب انتخاب شود.
آیا هدف استفاده از هوش مصنوعی باید کاهش نیروی انسانی باشد؟
کاهش هزینه می‌تواند یکی از نتایج احتمالی اتوماسیون باشد، اما هدف‌های دیگری مانند افزایش بهره‌وری، کاهش کارهای تکراری، بهبود کیفیت، افزایش سرعت و توانمند کردن کارکنان نیز وجود دارد.
نگاهی به قسمت بعد
تا اینجا درباره چیستی هوش مصنوعی، مدل‌های زبانی، پرامپت‌نویسی، تحلیل اسناد، آینده مشاغل و حالا اشتباهات رایج سازمان‌ها در استفاده از هوش مصنوعی صحبت کردیم.
در قسمت بعد می‌خواهیم یک قدم عملی‌تر برداریم:
هوش مصنوعی برای مدیران؛ از جلسه تا تصمیم‌گیری
قرار است ببینیم یک مدیر در طول یک روز کاری واقعی، از جلسه صبح تا بررسی گزارش، پیگیری کارها و تصمیم‌گیری، در چه نقاطی می‌تواند از هوش مصنوعی کمک بگیرد؛ نه در حد شعار، بلکه با مثال‌های واقعی و قابل اجرا. هوش مصنوعی برای مدیران را مطالعه کنید.
