اگر کار همچنان از همان کمیتهها، تأییدها، تحویلها و جزیرههای واحدی عبور کند، افزایش بهرهوری ارزش محدودی خواهد داشت. محدودیت اصلی بیشازپیش به تأخیر سازمانی تبدیل میشود: مدتزمانی که سازمان برای تصمیمگیری، تغییر فرایندها و تبدیل قابلیتهای جدید به نتایج تجاری نیاز دارد.
کاری که پیشتر به چند متخصص، چند واحد یا هفتهها تلاش نیاز داشت، اکنون میتواند بسیار سریعتر انجام شود. این تحول، شیوه همکاری تیمها، نحوه تصمیمگیری و محل نیاز به تخصص را تغییر میدهد.
منافع زمانی بهطور کامل محقق میشوند که سازمانها طراحی خود را متحول کنند و درباره جریانهای کاری، راهبری، مشوقها، گردش دانش و ساختارهای تصمیمگیری بازاندیشی کنند تا دستاوردهای بهرهوری مبتنی بر هوش مصنوعی در سراسر شرکت رشدی فزاینده پیدا کند.
سازمانهای بومی هوش مصنوعی هم به ستون فقراتی پایدار و هم به لبهای سازگارپذیر نیاز دارند و باید ارزشمندترین مهارتهای انسانی را در قضاوت و هماهنگسازی اقدامات به کار گیرند.
در LinkedIn، Substack و انجمنهای دیگر بحثهای فراوانی مطرح میشود که خلاصهشان این است: «بازگشت سرمایه هوش مصنوعی را نمیبینم.» با اوج گرفتن پذیرش واقعی، شاهد بازگشت سرمایه قابلتوجه راهکارهای هوش مصنوعی و استفاده از ابزارهای آمادهای مانند ChatGPT، Codex و Claude هستیم. بااینحال، این دیدگاه قابلدرک است. اگرچه افزایش چشمگیر بهرهوری فردی امکانپذیر است، تا زمانی که جریانهای کاری سازمان تغییر نکنند، این دستاوردها در نهایت محدود میمانند. طراحی سازمان شما باید تکامل یابد.
اما متأسفانه نمیتوان سازمان را برای آینده کاملاً مصون کرد، بهویژه با توجه به سرعت پیشرفت هوش مصنوعی. هیچکس نمیتواند با اطمینان بگوید که سه سال دیگر یک بانک، شرکت بیمه، خردهفروشی، شرکت انرژی یا مؤسسه مشاوره بهینهشده برای هوش مصنوعی باید چه ساختاری داشته باشد. فناوری، اقتصاد و الگوهای کار چنان سریع تغییر میکنند که توان سازگاری به یکی از مزیتهای تعیینکننده دهه آینده تبدیل خواهد شد.
اما اگر هوشمندی در سطح متخصص فوراً در دسترس باشد و عاملهای هوش مصنوعی بتوانند ساعتها مستقل کار کنند، باید بپذیریم که شیوه انجام کار تغییر خواهد کرد و باید تغییر کند. این یعنی برای بهرهمندی از فناوری، مدل عملیاتی شما نیز باید تغییر کند. سازمانهایی که با بیشترین سرعت خود را با الگوهای جدید کار و کاربردهای نوظهور این فناوری سازگار کنند، بیشترین سود را خواهند برد.
سادهترین راه درک تأثیر سازمانی هوش مصنوعی، شروع با یک فرض ساده است. فرض کنید هوشمندی در سطح متخصص فوراً در اختیار همه افراد سازمان است. تصور این وضعیت دو سال پیش دشوار بود، اما اکنون تقریباً به واقعیت تبدیل شده است. هرچند هنوز بینقص نیست، منطقی است فرض کنیم در آیندهای بسیار نزدیک تقریباً بینقص خواهد شد.
فرض دومی را نیز به آن اضافه کنید. فرض کنید عاملهای خودمختار میتوانند ساعتها، روزها و در نهایت هفتهها با یکدیگر کار کنند و مجموعهای معنادار از کارها را به پایان برسانند. نه یک یا چند وظیفه، بلکه زنجیرهای واقعی و قابلتوجه از کارها در چندین حوزه تخصصی. یک تیم چندتخصصی که در قالب گروهی از عاملها تجسم یافته و میتواند جریان کاری خود را مستقلاً پیدا کند.
اگر هر دو فرض حتی در کلیت درست باشند، شیوه انجام کار تغییر خواهد کرد و ناگزیر باید تغییر کند. زمان تکمیل کار کوتاهتر میشود، شکل همکاری داخلی تحول مییابد و سرعت تغییر افزایش پیدا میکند.
تغییر با چنین سرعتی به نفع تمرکززدایی، استقلال و نوآوری است؛ حالآنکه بیشتر سازمانهای بزرگ بر مبنای تفکری کاملاً مخالف ساخته شدهاند.
شرکتهای بزرگ قدرت را در واحدهای همراستا با کارکردها متمرکز میکنند. آنها راهبرد، فناوری، داده، ریسک، عملیات، امور مالی، منابع انسانی و کسبوکار را در ساختارهایی جداگانه قرار میدهند که هرکدام اولویتها، مشوقها و مهمتر از همه، کنترلهای خاص خود را دارند.
کمیتههای سرمایهگذاری، کمیتههای راهبری، هیئتهای معماری، بررسیهای ریسک، دروازههای انطباق، فرایندهای تدارکات، چرخههای برنامهریزی سالانه و طرحهای توجیهی، تغییر را کنترل میکنند. برخی تیمهای مدیریت تغییر نیز بدون افزودن ارزش، نقش واسطه بیشتری در انتقال اطلاعات میان ذینفعان ایفا میکنند.
باز هم هیچیک از اینها غیرمنطقی نیست و این سازوکارها دلایل موجهی دارند. این سازوکارها ضمن مدیریت ریسک، تخصیص سرمایه، جلوگیری از دوبارهکاری، حفاظت از مشتریان و ایجاد پاسخگویی، سرعت حرکت را نیز تعیین میکنند. این سرعت احتمالاً برای جهانی که رقبای بومی هوش مصنوعی میتوانند بسیار سریعتر آزمایش کنند، بیاموزند و کار را از نو طراحی کنند، بیشازحد کُند است.
پیام فرهنگی نیز اهمیت دارد. در بسیاری از سازمانها، مشوقها همچنان ماندن در مرزهای واحدی را پاداش میدهند، هرچند رهبران بارها بگویند: «شما اختیار تصمیمگیری دارید.» چرا؟ از تیم محافظت کنید. از بودجه محافظت کنید. از نقشه راه محافظت کنید. از شکست آشکار بپرهیزید. تصمیمهای دشوار را به کمیته ارجاع دهید. از فرایند تأییدشده بیشازحد فاصله نگیرید.
وقتی هزینه آزمایش بالا و تغییرات گاهبهگاه تکاملیاند، نه انقلابی، این رویکرد متمرکز منطقی است. اما وقتی قابلیتها هر چند ماه یکبار بهشکل چشمگیری بهبود مییابند و بهترین فرصتها را تیمهای نزدیک به کار کشف میکنند، این رویکرد به مشکل تبدیل میشود.
پاسخ دادن به هوش مصنوعی با تمرکزگرایی سنتی، تأخیری ایجاد میکند که مانع بازگشت سرمایه معنادار میشود. اگر هر تغییری پیش از رسیدن به کار واقعی ناچار باشد از چندین کمیته عبور کند، سازمان بسیار کُند یاد خواهد گرفت.
محدود کردن فرصتهای بهرهگیری از هوش مصنوعی، سازمان شما را برای افرادی که خواهان رشد و پیشرفت سریعترند، به محل کار کمجاذبهتری تبدیل میکند.
بیشتر سازمانها کار را با تسلط فردی بر هوش مصنوعی آغاز میکنند. این نقطه شروع درستی است. افراد باید بدانند چگونه به هوش مصنوعی دستور کار بدهند، پاسخهایش را به چالش بکشند، کارش را بررسی کنند، از اطلاعات حساس محافظت کنند و چه زمانی از آن استفاده نکنند. آنها به اعتمادبهنفس، قضاوت و تجربه عملی نیاز دارند.
اما تسلط فردی سقفی دارد. یک تحلیلگر میتواند پنج برابر بیشتر تحلیل تولید کند، اما جلسه تصمیمگیری همچنان ماهی یکبار برگزار میشود. یک توسعهدهنده میتواند کد بیشتری تولید کند، اما فرایند بازبینی و انتشار تغییری نکرده است. یک بازاریاب میتواند محتوای بیشتری بسازد، اما تأیید برند همچنان در همان صف باقی میماند.
حتی در سطح تیم نیز تغییر جریان کاری لزوماً سرعت را افزایش نمیدهد، اگر سایر بخشهای سازمان همچنان مانند گذشته فعالیت کنند.
بنابراین فرد سریعتر حرکت میکند و شاید تیم نیز سریعتر شود، اما در نهایت سرعت خروجی را بخشهای دیگر جریان سرتاسری سازمان محدود میکنند. به همین دلیل، مسیر هوش مصنوعی باید از تسلط فردی به تسلط تیمی و سپس به تسلط سازمانی برسد.
وقتی شرکت بتواند ساختارها، مشوقها، راهبری، گردش دانش و الگوهای فناوری خود را تغییر دهد، دستاوردهای محلی افراد و تیمها به ارزش سازمانی تبدیل میشوند.
این چالشی دشوار است، اما فرصت آزادسازی ارزش نیز دقیقاً همینجاست. شرکتهای بومی هوش مصنوعی که در چند سال اخیر و پس از عرضه ChatGPT شکل گرفتهاند، از ابتدا جریانهای کاری خود را با هوش مصنوعی یکپارچه کردهاند؛ بنابراین چابک میمانند و با ساختارهای تخت فعالیت میکنند. در مقابل، شرکتهای بزرگتر هوش مصنوعی را به فرایندهای موجود افزودهاند و وصلهکاریای ایجاد کردهاند که شیوه انجام کار را تغییر نمیدهد.
بومی هوش مصنوعی بودن به معنای آشفتگی، بیملاحظگی یا وسواس نسبت به ابزارها نیست. به این معنا نیست که هر کارمند، جدیدترین مدل را به هر شیوه دلخواه خود به کار بگیرد. و قطعاً به معنای جایگزین کردن راهبری با شور و شوق یا وانمود کردن به بینیازی از انسانها نیست.
مدل قدیمی طراحی سازمانی فرض میکند میتوان وضعیت آینده را تعریف کرد، ساختار را ترسیم کرد، تغییر را به اجرا گذاشت و سپس به ثبات رسید. این رویکرد برای هوش مصنوعی بیشازحد کُند است.
سازمانهای بومی هوش مصنوعی برای تغییر مداوم طراحی خواهند شد. سازمان بومی هوش مصنوعی، سازمانی است که کار را بهطور مداوم بر پایه توانمندیهای ترکیبی انسانها، سیستمهای هوش مصنوعی، داده، جریان کاری و راهبری بازطراحی میکند. آنها همهچیز را به یک طرح واحد گره نخواهند زد. آنها توانایی یافتن سریع پاسخ این پرسشها را ایجاد میکنند: کدام جریانهای کاری باید تغییر کنند، کدام نقشها باید تکامل یابند، چه کنترلهایی لازماند، کدام مهارتها مهمترند، چه الگوهایی قابلاستفاده مجددند و کدام فرضها از همین حالا منسوخ شدهاند.
این امر همزمان به دو چیز نیاز دارد: ستون فقراتی پایدار و لبهای سازگارپذیر. این دو، میان تمرکزگرایی و توانمندسازی تیمهای نزدیک به کار توازن ایجاد میکنند.
ستون فقرات پایدار، اعتماد و مقیاسپذیری را برای سازمان فراهم میکند. تمام کسبوکار به ابزارهای تأییدشده، الگوهای قابلاستفاده مجدد، مسیرهای دسترسی به داده، روشهای ارزیابی، کنترلهای امنیتی، اصول راهبری، پایش، زیرساخت دانش و مالکیت روشن دسترسی دارد.
لبه سازگارپذیر جایی است که کار در آن انجام میشود و بهدفعات و بدون اصطکاک تغییر میکند. تیمهای کوچک و چندتخصصی نزدیک به مسئله، اختیار کافی دارند تا جریانهای کاری را بازطراحی کنند، هوش مصنوعی را به کار گیرند، شیوههای جدید کار را بیازمایند و آموختهها را به سازمان بازگردانند.
این توازن میان هسته و لبه اهمیت دارد. کنترل مرکزی بیشازحد باعث میشود سازمان بسیار کُند یاد بگیرد. آزادی محلی بیشازحد نیز سازمان را پراکنده و چندپاره میکند. سازمان بومی هوش مصنوعی در هسته به انضباط و در لبه به سازگاری نیاز دارد.
نتیجهگیری سادهانگارانه از خودکارسازی کار این است که هوش مصنوعی نیاز به نیروی انسانی را کاهش میدهد. در برخی حوزهها چنین خواهد شد؛ مانند کارهای دانشی تکراری و کمنیاز به زمینه که فشرده یا حذف میشوند. کارهای عمدتاً تراکنشی، جبران کاستیهای سیستمها، جابهجایی اطلاعات، تحلیل اولیه، تهیه پیشنویس نخست و پاسخهایی با «ارزش افزوده» محدود، همگی تحت فشار قرار خواهند گرفت.
اما روی دیگر سکه این است که «مشارکت» انسان به سطح بالاتری میرود: اگر هوشمندی در سطح متخصص فوراً در دسترس باشد، ویژگیهای کمیاب انسانی که هوش مصنوعی نمیتواند و نباید جایگزینشان شود، عبارتاند از قضاوت، خلاقیت، پاسخگویی، درک زمینه و اعتماد.
سازمانها باید بیشازپیش بر افرادی تمرکز کنند که میتوانند در موقعیتهای مبهم تصمیم بگیرند. افرادی که حوزه را آنقدر عمیق میشناسند که هوش مصنوعی را هدایت کنند و بفهمند چه زمانی اشتباه میکند. افرادی که میتوانند پرسشهای بهتری مطرح کنند. افرادی که میتوانند واقعیتهای تجاری، فنی، عملیاتی و انسانی را به هم پیوند دهند. افرادی که میتوانند رابطه بسازند، اعتماد ایجاد کنند و میان ذینفعان متعدد هماهنگی به وجود آورند. و مهمتر اینکه وقتی حجم کار یک هفته در صبح دوشنبه فشرده میشود، توانایی جابهجایی سریع میان زمینهها و تفسیر سریع و درست اطلاعات ضروریتر خواهد شد.
بنابراین، اگر افراد همهفنحریف بتوانند زمینه را میان واحدهای مختلف حفظ و کار مبتنی بر هوش مصنوعی را هماهنگ کنند، ارزششان بیشتر میشود، نه کمتر. ارزش متخصصان نیز ممکن است بیشتر شود، نه کمتر؛ زیرا افزایش سرعت کار، موقعیتهای بیشتری میآفریند که در آنها کیفیت و قضاوت اهمیت دارد. رهبران نیز باید کمتر کنترلکننده فعالیتها و بیشتر طراح سیستمها، زمینه و ضربآهنگ کار باشند.
مهارتهایی که باید روی آنها سرمایهگذاری کرد فقط «مهارتهای هوش مصنوعی» نیستند؛ بلکه ویژگیهای انسانیاند که با واگذاری بیشتر اجرای وظایف سطح پایین به هوش مصنوعی اهمیت بیشتری مییابند: کنجکاوی، قضاوت، تابآوری، شفافیت، خلاقیت، قاطعیت، همکاری و کنار آمدن با ابهام. سازمان باید از همین حالا افراد دارای این ویژگیها را استخدام کند، پرورش دهد و پاداش دهد.
فشردهسازی این حجم از کار بسیار سنگین است و سازمانهای بومی هوش مصنوعی نمیتوانند همیشه با سرعتی سرسامآور فعالیت کنند. آنها باید برای بازیابی توان و برقراری دوباره ارتباط، فرصت و ظرفیت آزاد در اختیار افراد بگذارند. سازمانها برای قضاوت و تصمیمگیری مؤثر باید محیطهایی ایجاد کنند که در آنها کشفهای اتفاقی بتواند به ایدههای تازه و بدیع بینجامد.
امروزه بسیاری از شرکتهای بزرگ در استفاده از قابلیتهای کنونی هوش مصنوعی کند عمل میکنند. این امر شکافی فزاینده میان پیشرفت قابلیتهای عاملی و بهبود بهرهگیری از آنها ایجاد میکند.
این طبیعی است. سازمانهای بزرگ بهدلیل سیستمهای قدیمی، محدودیتهای مقرراتی، مقاومت فرهنگی، دادههای پراکنده، مالکیت نامشخص و ریسکهای واقعی که همگی باید مدیریت شوند، فناوری را بهکندی جذب میکنند.
اما سرانجام شمار کافی از رهبران، تیمها و رقبا راه استفاده ایمن و تکرارپذیر از هوش مصنوعی در جریانهای کاری واقعی را پیدا خواهند کرد. الگوها بالغتر میشوند، راهبری در سازمان جا میافتد، عاملها قابلاعتمادتر میشوند و اعتماد سازمانی افزایش مییابد. شکاف میان آنچه هوش مصنوعی ممکن میسازد و آنچه شرکتها واقعاً به کار میگیرند، کمکم بسته خواهد شد.
با رسیدن آن نقطه عطف، مزیت نه نصیب شرکتهای دارای بهترین مدلها یا بزرگترین بودجه هوش مصنوعی، بلکه نصیب سازمانهایی خواهد شد که میتوانند شیوه انجام کار را با سرعت تغییر دهند.
شرکتهایی که همه تصمیمها را متمرکز میکنند، از هر واحدی محافظت میکنند، با کمیتههای کُند راهبری میشوند و به افراد بابت «برهم نزدن وضع موجود» پاداش میدهند، برای همگام ماندن به مشکل خواهند خورد.
شرکتهایی که ستون فقراتی مستحکم و لبهای سازگارپذیر میسازند، سریعتر یاد خواهند گرفت. آنها جریانهای کاری بهتر را زودتر کشف میکنند، ترکیبی متعادل از استعدادهای همهفنحریف، متخصص و رهبر را بهسوی کارهای ارزشمندتر هدایت میکنند و آزمایشهای محلی را به الگوهای قابلاستفاده مجدد تبدیل میکنند.
شاید پرسش امروز این باشد: «چگونه هوش مصنوعی را با موفقیت به کار بگیریم؟» اما بهزودی باید به این پرسش تبدیل شود: «همزمان با تغییر کار بهدست هوش مصنوعی، سازمان ما با چه سرعتی میتواند سازگار شود؟»
سازمانی کُند حتی با هوش مصنوعی قدرتمند نیز کُند خواهد ماند؛ اما رشد یک سازمان سازگارپذیر با هوش مصنوعی قدرتمند، شتابی فزاینده میگیرد.