سازمان عامل‌محور: وقتی همکار بعدی شما یک عامل هوش مصنوعی است

در دو سال گذشته، هوش مصنوعی از دستیار نوشتن به «عامل» تبدیل شده است: سامانه‌ای که می‌تواند یک کار چندمرحله‌ای را با کمترین راهنمایی انسانی پیش ببرد. پرسش امروز مدیران دیگر این نیست که «آیا از هوش مصنوعی استفاده کنیم؟»؛ این است که «سازمانی که بخشی از همکارانش عامل‌های هوشمندند، چگونه اداره می‌شود؟»

شکاف بزرگ: استفادهٔ گسترده، اثر اندک

بر اساس نظرسنجی مک‌کنزی، ۸۸٪ سازمان‌ها دست‌کم در یک کارکرد از هوش مصنوعی استفاده می‌کنند و حدود ۶۲٪ در حال آزمودن یا گسترش عامل‌های هوشمندند؛ اما تنها ۳۹٪ اثری بر سود عملیاتی گزارش می‌کنند و برای بیشترشان این اثر کمتر از ۵٪ است. گروه کوچکی از «پیشتازان» (حدود ۶٪) تفاوت روشنی دارند: تقریباً سه برابر بیشتر فرایندهای کاری را از بنیاد بازطراحی کرده‌اند.

ارزش هوش مصنوعی در ابزار نیست؛ در بازطراحی کاری است که ابزار در آن می‌نشیند.

پنج تغییر در مدل اداره

1. از وظیفه به جریان کار: واحد طراحی دیگر «شغل» نیست، «جریان کار» است؛ از دریافت درخواست تا تحویل نتیجه. هر جریان بررسی می‌شود که کدام گام را عامل، کدام را انسان و کدام را هر دو انجام دهند.
2. نقطه‌های تأیید انسانی: پیشتازان فرایند روشنی دارند که کجا خروجی ماشین باید به تأیید انسان برسد. این همان «ماتریس اختیار» قدیمی است، این بار برای همکاران غیرانسانی.
3. تیم‌های کوچک‌تر، نقش‌های عمیق‌تر: گارتنر پیش‌بینی می‌کند تا ۲۰۳۰، ۸۰٪ سازمان‌ها تیم‌های بزرگ نرم‌افزاری را به تیم‌های کوچک تقویت‌شده تبدیل کنند. نقش انسان از اجرا به قضاوت، طراحی و پاسخ‌گویی می‌رود.
4. حاکمیت داده پیش از هر چیز: عامل‌ها با داده کار می‌کنند. دادهٔ پراکنده، برچسب‌نخورده و بدون مالک، عامل را به منبع خطا تبدیل می‌کند.
5. رهبری مالکانه: در سازمان‌های پیشتاز، مدیران ارشد مالک برنامهٔ هوش مصنوعی‌اند، نه واحد فناوری اطلاعات. بی‌دلیل نیست که ۷۲٪ مدیران عامل، راهبری این برنامه را خودشان بر عهده گرفته‌اند.

در ایران چه معنایی دارد؟

کمبود نیروی متخصص و مهاجرت نخبگان، عامل‌های هوشمند را برای سازمان‌های ایرانی از یک گزینهٔ لوکس به یک ضرورت عملیاتی تبدیل می‌کند. اما محدودیت دسترسی به برخی سرویس‌ها، حساسیت داده و فرایندهای نانوشته، مسیر را پیچیده‌تر می‌کند. نسخهٔ بومی این روند، بیش از آنکه با خرید پلتفرم آغاز شود، با مستندسازی فرایند و ساختن سرمایهٔ دادهٔ داخلی آغاز می‌شود.

سه گام برای فصل آینده

• سه جریان کاری پرتکرار و کم‌ریسک را انتخاب و نقشه‌برداری کنید.
• برای هر جریان، نقطهٔ تأیید انسانی و شاخص کیفیت خروجی تعریف کنید.
• سیاست استفادهٔ امن از هوش مصنوعی بنویسید: کدام داده هرگز نباید وارد ابزارهای بیرونی شود.

این کار، بخشی از ساختارسازی و سیستم‌سازی در پیشنگار است. برای دیدن جایگاه این روند در کنار روندهای دیگر، رادار آینده را ببینید.