سخن نویسنده
حدود سه دهه است که سازمانها موجهای مختلف تحول را تجربه میکنند.
روزی صحبت از مکانیزه کردن فرآیندها بود. چند سال بعد، سامانههای اطلاعاتی سازمانی به راهحل اصلی تبدیل شدند. سپس از مهندسی مجدد فرآیندها، برنامهریزی منابع سازمان، زنجیرهی تأمین، تحول دیجیتال، اینترنت اشیا، کلانداده و دهها فناوری دیگر سخن گفته شد.
امروز نیز تقریباً همهی نگاهها به هوش مصنوعی دوخته شده است.
در هر همایش، نشست تخصصی یا جلسهی مدیریتی، نام هوش مصنوعی شنیده میشود. شرکتها برای خرید ابزارهای جدید رقابت میکنند، مدیران به دنبال انتخاب بهترین مدل هستند و سازمانها نگرانند که مبادا از این موج بزرگ عقب بمانند.
این شور و هیجان، طبیعی و حتی ضروری است. هوش مصنوعی بدون تردید یکی از مهمترین فناوریهای تاریخ معاصر است و در سالهای آینده بر شیوهی کار، تولید، مدیریت و تصمیمگیری سازمانها اثر عمیقی خواهد گذاشت.
اما هرچه بیشتر به تجربههای واقعی سازمانها نگاه کردم، یک پرسش ذهنم را درگیر کرد.
چرا با وجود این همه پیشرفت در فناوری، بسیاری از پروژههای هوش مصنوعی هنوز نتوانستهاند آن ارزشی را که وعده داده میشد، برای سازمانها ایجاد کنند؟
چرا برخی سازمانها با وجود سرمایهگذاریهای سنگین، هنوز احساس میکنند هوش مصنوعی به بخشی از زندگی روزمره آنها تبدیل نشده است؟
و مهمتر از همه، چرا مدیران پس از مدتی، به جای صحبت دربارهی فرصتهای هوش مصنوعی، دربارهی دشواریهای پیادهسازی آن صحبت میکنند؟
سالها تصور میکردم پاسخ این پرسشها را باید در خود فناوری جستوجو کرد؛ در کیفیت مدلها، قدرت پردازش، حجم دادهها یا الگوریتمهای یادگیری.
اما هرچه تجربههای بیشتری را بررسی کردم، به نتیجهی دیگری رسیدم.
مشکل اصلی، اغلب در هوش مصنوعی نیست.
مشکل در سازمانی است که میخواهد از هوش مصنوعی استفاده کند.
به بیان سادهتر، ما سالها تلاش کردهایم ماشینهای هوشمندتری بسازیم، اما کمتر به این اندیشیدهایم که آیا سازمانهای ما نیز برای کار با این ماشینهای هوشمند، به همان اندازه تکامل یافتهاند یا نه.
در بسیاری از موارد، فناوری بهدرستی کار میکند؛ اما سازمان نمیتواند از ظرفیت آن استفاده کند. ابزار وجود دارد، داده وجود دارد، حتی متخصص نیز وجود دارد؛ اما تصمیمها همچنان پراکندهاند، مسئولیتها نامشخصاند، فرآیندها با یکدیگر همراستا نیستند و هر واحد سازمانی، هوش مصنوعی را از زاویه خود به کار میگیرد.
در چنین شرایطی، حتی بهترین مدلهای جهان نیز نمیتوانند سازمان را متحول کنند.
همانگونه که پیشرفتهترین ماشینآلات نیز نمیتوانند کارخانهای را که طراحی مناسبی ندارد، به کارخانهای بهرهور تبدیل کنند.
ایدهی اصلی این مقاله، از همین مشاهده شکل گرفت.
این مقاله تلاشی است برای تغییر زاویه نگاه.
در این نوشته، قصد ندارم درباره بهترین مدلهای هوش مصنوعی، جدیدترین ابزارها یا روشهای نوین مهندسی پرامپت صحبت کنم. درباره این موضوعات منابع فراوانی وجود دارد و هر روز نیز بر تعداد آنها افزوده میشود.
پرسش این مقاله چیز دیگری است.
اگر امروز بهترین هوش مصنوعی جهان را در اختیار یک سازمان قرار دهیم، آیا آن سازمان آمادگی بهرهبرداری از این قابلیت را دارد؟
اگر پاسخ منفی باشد، شاید لازم باشد پیش از توسعهی بیشتر هوش مصنوعی، دربارهی موضوع مهمتری گفتوگو کنیم؛ موضوعی که کمتر مورد توجه قرار گرفته است:
معماری سازمان در عصر هوش مصنوعی.
باور من این است که در دههی پیش رو، مزیت رقابتی سازمانها نه صرفاً از داشتن مدلهای قویتر، بلکه از داشتن معماریهای منسجمتر برای تصمیمگیری، هماهنگی و حکمرانی به دست خواهد آمد.
اگر این فرض درست باشد، شاید وقت آن رسیده باشد که پرسش اصلی خود را تغییر دهیم.
به جای آنکه بپرسیم:
«بهترین مدل هوش مصنوعی کدام است؟»
باید بپرسیم:
«سازمان ما چگونه باید طراحی شود تا هوش مصنوعی بتواند در آن به مزیت رقابتی تبدیل شود؟»
این مقاله، دعوتی است برای آغاز همین گفتوگو.
چکیده
در سالهای اخیر، هوش مصنوعی به مهمترین موضوع تحول سازمانها تبدیل شده است. سرمایهگذاری گسترده بر مدلهای زبانی، عاملهای هوشمند و سامانههای تصمیمیار، این تصور را ایجاد کرده است که مسیر موفقیت سازمانها، از انتخاب مدلهای قدرتمندتر میگذرد. با این حال، تجربهی عملی بسیاری از پروژههای تحول دیجیتال و هوش مصنوعی نشان میدهد که میان توانایی فناوری و ارزش واقعی ایجادشده در سازمان، فاصلهای جدی وجود دارد.
این مقاله با طرح یک پرسش بنیادین آغاز میشود: آیا شکست بسیاری از پروژههای هوش مصنوعی، واقعاً ناشی از محدودیت مدلهاست، یا ریشهی آن را باید در معماری سازمان جستوجو کرد؟
در این نوشتار استدلال میشود که مسئلهی اصلی سازمانها، کمبود داده، کمبود هوش مصنوعی یا حتی کمبود مدلهای پیشرفته نیست؛ بلکه نبود معماری منسجم برای تصمیمگیری است. در شرایطی که هوش مصنوعی هر روز توانمندتر میشود، سازمانها بیش از هر زمان دیگری با چالش هماهنگسازی تصمیمها، تعیین مسئولیتها، مدیریت تعارضها و تبدیل تحلیل به اقدام روبهرو هستند.
مقاله با مرور سیر تحول مدیریت از عصر صنعت تا عصر هوش مصنوعی نشان میدهد که همانگونه که ماشین، محور طراحی سازمان در انقلاب صنعتی بود و اطلاعات، محور تحول در عصر دیجیتال، اکنون تصمیم در حال تبدیل شدن به واحد اصلی طراحی سازمان است.
همانگونه که ماشین، محور طراحی سازمان در انقلاب صنعتی بود و اطلاعات، محور تحول در عصر دیجیتال، اکنون تصمیم در حال تبدیل شدن به واحد اصلی طراحی سازمان است.
بر همین اساس، مفهوم معماری تصمیم بهعنوان حلقهی گمشدهی استقرار موفق هوش مصنوعی معرفی میشود و ضرورت شکلگیری یک «سیستمعامل تصمیم» برای ایجاد انسجام میان انسان، هوش مصنوعی، داده، فرآیند و مأموریت سازمان مورد بحث قرار میگیرد.
پیام اصلی این مقاله روشن است:
سازمانهای آینده، با داشتن هوش مصنوعی بیشتر از رقبا موفق نخواهند شد؛ بلکه با داشتن معماری تصمیم بهتر از رقبا، مزیت رقابتی پایدار ایجاد خواهند کرد.
سازمانهای آینده، با داشتن هوش مصنوعی بیشتر از رقبا موفق نخواهند شد؛ بلکه با داشتن معماری تصمیم بهتر از رقبا، مزیت رقابتی پایدار ایجاد خواهند کرد.
مقدمه
در طول تاریخ، هرگاه فناوری جدیدی وارد صنعت شده است، نخستین واکنش سازمانها معمولاً یکسان بوده است؛ همه تلاش کردهاند هرچه سریعتر آن فناوری را به کار گیرند.
چند دهه پیش، این اتفاق برای رایانههای شخصی رخ داد. پس از آن نوبت سامانههای اطلاعاتی، اتوماسیون صنعتی، برنامهریزی منابع سازمان، اینترنت، تجارت الکترونیک، رایانش ابری، اینترنت اشیا و تحول دیجیتال بود. هر موج جدید، وعدهی افزایش بهرهوری، کاهش هزینهها و ایجاد مزیت رقابتی را با خود به همراه آورد.
امروز نیز جهان در میانهی یکی دیگر از همین موجهای بزرگ قرار دارد؛ موجی به نام هوش مصنوعی.
شاید هیچ فناوری دیگری در تاریخ معاصر، با چنین سرعتی وارد گفتوگوهای مدیریتی نشده باشد. امروز کمتر جلسهی هیئتمدیرهای را میتوان یافت که در آن نام هوش مصنوعی مطرح نشود. تقریباً همهی سازمانها، صرفنظر از اندازه یا صنعت، در حال بررسی این پرسش هستند که چگونه میتوانند از این فناوری برای بهبود عملکرد خود استفاده کنند.
این اشتیاق، کاملاً قابل درک است.
هوش مصنوعی دیگر فقط یک ابزار نرمافزاری نیست. امروز از آن برای تحلیل بازار، برنامهریزی تولید، پیشبینی تقاضا، کنترل کیفیت، نگهداری و تعمیرات، مدیریت زنجیرهی تأمین، طراحی محصول، خدمات مشتری، مدیریت دانش و حتی تصمیمگیریهای مدیریتی استفاده میشود. هر روز نیز قابلیتهای جدیدی به آن افزوده میشود و مرزهای استفاده از آن گسترش مییابد.
در چنین فضایی، طبیعی است که بسیاری از مدیران احساس کنند اگر امروز برای استفاده از هوش مصنوعی اقدام نکنند، فردا از رقابت عقب خواهند ماند.
اما تاریخ فناوری، درس مهمی به ما میدهد:
تقریباً هیچ فناوری بزرگی، صرفاً به دلیل جدید بودن، باعث موفقیت سازمانها نشده است.
تقریباً هیچ فناوری بزرگی، صرفاً به دلیل جدید بودن، باعث موفقیت سازمانها نشده است.
رایانهها، به خودی خود، سازمانها را کارآمدتر نکردند.
سامانههای ERP بهتنهایی بهرهوری ایجاد نکردند.
تحول دیجیتال نیز تنها با خرید نرمافزار محقق نشد.
در همهی این تجربهها، سازمانهایی موفق بودند که توانستند خود را متناسب با فناوری بازطراحی کنند، نه اینکه فقط فناوری را به ساختار قدیمی خود اضافه کنند. این نکته، امروز بیش از هر زمان دیگری دربارهی هوش مصنوعی اهمیت پیدا کرده است.
سازمانهایی موفق بودند که توانستند خود را متناسب با فناوری بازطراحی کنند، نه اینکه فقط فناوری را به ساختار قدیمی خود اضافه کنند. این نکته، امروز بیش از هر زمان دیگری دربارهی هوش مصنوعی اهمیت پیدا کرده است.
با وجود سرمایهگذاریهای گسترده، هنوز بخش قابل توجهی از پروژههای هوش مصنوعی نتوانستهاند انتظارات اولیه را برآورده کنند. بسیاری از سازمانها پس از ماهها تلاش و صرف هزینه، به این نتیجه رسیدهاند که ابزار خریداری شده، اگرچه از نظر فنی قدرتمند است، اما در عمل تأثیر چشمگیری بر کیفیت تصمیمها، سرعت عملیات یا بهرهوری سازمان نگذاشته است.
در نخستین نگاه، ممکن است تصور شود که علت این وضعیت، ضعف مدلهای هوش مصنوعی، کمبود داده یا نارسایی زیرساختهای فناوری اطلاعات است.
بیتردید این عوامل بیتأثیر نیستند.
اما آیا واقعاً ریشهی مسئله همین است؟
اگر فردا پیشرفتهترین مدل هوش مصنوعی جهان، بدون هیچ محدودیتی، در اختیار یک سازمان قرار گیرد، آیا آن سازمان الزاماً تصمیمهای بهتری خواهد گرفت؟
آیا وجود یک مدل قدرتمند، بهتنهایی باعث هماهنگی بیشتر میان واحدهای فروش، تولید، مالی، منابع انسانی، زنجیره تأمین و مدیریت خواهد شد؟
آیا اختلاف میان اهداف واحدها از بین خواهد رفت؟
آیا مسئولیت تصمیمها شفافتر خواهد شد؟
آیا تعارض میان اولویتهای سازمان کاهش خواهد یافت؟
پاسخ این پرسشها، آنقدرها که در نگاه اول به نظر میرسد، ساده نیست.
شاید مشکل اصلی، نه در هوش مصنوعی، بلکه در سازمانی باشد که میخواهد از هوش مصنوعی استفاده کند.
همانگونه که نصب پیشرفتهترین تجهیزات در کارخانهای با طراحی نامناسب، الزاماً به افزایش بهرهوری منجر نمیشود، استقرار پیشرفتهترین سامانههای هوش مصنوعی نیز لزوماً سازمان را هوشمندتر نخواهد کرد.
همانگونه که نصب پیشرفتهترین تجهیزات در کارخانهای با طراحی نامناسب، الزاماً به افزایش بهرهوری منجر نمیشود، استقرار پیشرفتهترین سامانههای هوش مصنوعی نیز لزوماً سازمان را هوشمندتر نخواهد کرد.
فناوری، زمانی ارزشآفرین میشود که در بستری مناسب قرار گیرد.
این بستر، چیزی فراتر از شبکه، سرورها، دادهها یا نرمافزارهاست.
این بستر، معماری سازمان است.
معماریای که مشخص میکند چه کسی تصمیم میگیرد، تصمیمها چگونه به یکدیگر متصل میشوند، مسئولیتها چگونه توزیع میشوند، اطلاعات چگونه جریان پیدا میکند و در نهایت، فناوری چگونه در خدمت مأموریت سازمان قرار میگیرد.
هدف این مقاله، دقیقاً بررسی همین موضوع است.
در این نوشته تلاش خواهیم کرد نشان دهیم که بخش قابل توجهی از شکست پروژههای هوش مصنوعی، نه به دلیل ضعف فناوری، بلکه به دلیل نبود معماری مناسب برای بهرهبرداری از آن رخ میدهد.
اگر این فرض درست باشد، شاید زمان آن رسیده باشد که به جای پرسش همیشگی:
«کدام مدل هوش مصنوعی بهتر است؟»
پرسش مهمتری را مطرح کنیم:
«سازمان ما چگونه باید طراحی شود تا هوش مصنوعی بتواند در آن به مزیت رقابتی تبدیل شود؟»
شاید پاسخ این پرسش، مهمترین تصمیم مدیریتی دهه پیش رو باشد.
هوش مصنوعی؛ آخرین حلقهی یک مسیر، نه آغاز یک مسیر
اگر امروز از یک مدیر صنعتی بپرسید مهمترین فناوری اثرگذار بر آیندهی سازمان چیست، احتمالاً پاسخ او «هوش مصنوعی» خواهد بود.
این پاسخ اشتباه نیست، اما کامل هم نیست.
واقعیت این است که هوش مصنوعی از دل یک مسیر طولانی به وجود آمده است؛ مسیری که سازمانها دهههاست در آن حرکت میکنند. اگر این مسیر را نبینیم، احتمال زیادی وجود دارد که دربارهی نقش واقعی هوش مصنوعی نیز دچار سوءبرداشت شویم.
برای درک بهتر این موضوع، کافی است نگاهی کوتاه به تحولات پنجاه سال گذشته صنعت بیندازیم.
در نخستین مرحله، سازمانها تلاش کردند فعالیتهای دستی را مکانیزه کنند. ماشینها جای بسیاری از عملیات انسانی را گرفتند و سرعت و دقت تولید افزایش یافت.
چند سال بعد، مسئلهی جدیدی مطرح شد.
ماشینها کار میکردند، اما اطلاعات همچنان پراکنده بود.
در پاسخ به این نیاز، سامانههای اطلاعاتی سازمانی شکل گرفتند. حسابداری، انبار، فروش، منابع انسانی و بخشهای مختلف سازمان به تدریج اطلاعات خود را در قالب نرمافزارها ثبت کردند.
اما مشکل دیگری ظاهر شد.
اطلاعات وجود داشت، اما هر بخش برای خودش تصمیم میگرفت.
به همین دلیل، نسل بعدی فناوریها با هدف یکپارچهسازی سازمان به وجود آمدند. سامانههای برنامهریزی منابع سازمان، مدیریت زنجیرهی تأمین و سامانههای تولید تلاش کردند اطلاعات را از حالت جزیرهای خارج کنند و تصویری یکپارچه از سازمان بسازند.
سپس عصر تحول دیجیتال آغاز شد.
در این مرحله، تمرکز دیگر فقط بر ثبت اطلاعات نبود؛ بلکه بر اتصال فرآیندها، تجهیزات، مشتریان، تأمینکنندگان و جریانهای کاری قرار گرفت.
این تحول نیز دستاوردهای بزرگی داشت.
اما با وجود همهی این پیشرفتها، یک واقعیت همچنان باقی ماند.
سازمانها اطلاعات بیشتری داشتند، اما لزوماً تصمیمهای بهتری نمیگرفتند.
در بسیاری از شرکتها، مدیران با انبوهی از گزارشها، داشبوردها و شاخصهای عملکرد روبهرو بودند، اما همچنان برای تصمیمگیری به تجربه شخصی، جلسات متعدد و قضاوت انسانی متکی بودند.
به بیان دیگر، فناوری توانسته بود داده تولید کند، اما هنوز نتوانسته بود بار تصمیمگیری را از دوش مدیران بردارد.
در همین نقطه بود که هوش مصنوعی وارد صحنه شد.
بسیاری تصور کردند مأموریت هوش مصنوعی، حل تمام مشکلات گذشته است.
اما آیا واقعاً چنین است؟
فرض کنید کارخانهای پیشرفتهترین سامانهی برنامهریزی تولید را در اختیار دارد. اطلاعات سفارشها، ظرفیت ماشینآلات، موجودی مواد اولیه و برنامه تعمیرات نیز بهصورت لحظهای ثبت میشود.
اکنون یک سامانهی هوش مصنوعی نیز به این مجموعه اضافه میشود و پیشنهاد میدهد که برای پاسخ به افزایش تقاضا، ظرفیت تولید افزایش یابد.
در نگاه اول، همهچیز منطقی به نظر میرسد.
اما اگر واحد نگهداری و تعمیرات در همان زمان برنامهی تعمیر اساسی یکی از خطوط تولید را تنظیم کرده باشد، چه اتفاقی خواهد افتاد؟
اگر واحد مالی به دلیل محدودیت نقدینگی، خرید مواد اولیه را به تعویق انداخته باشد چه؟
اگر واحد فروش، بدون اطلاع از محدودیتهای تولید، سفارش جدیدی ثبت کرده باشد چه؟
آیا هوش مصنوعی به تنهایی میتواند این تعارضها را حل کند؟
پاسخ، معمولاً منفی است. نه به این دلیل که هوش مصنوعی ضعیف است، بلکه به این دلیل که مسئله، دیگر صرفاً مسئلهی تحلیل داده نیست.
مسئله، هماهنگی تصمیمها است. در اینجا، تفاوت مهمی آشکار میشود. فناوریهای نسل گذشته، بیشتر تلاش میکردند اطلاعات را یکپارچه کنند.
اما سازمانهای آینده باید تصمیمها را یکپارچه کنند. این تفاوت، بسیار عمیقتر از آن چیزی است که در نگاه اول به نظر میرسد.
ممکن است همهی واحدهای یک سازمان به یک پایگاه داده مشترک متصل باشند، اما همچنان تصمیمهایی بگیرند که در تضاد با یکدیگر باشند.
ممکن است همه از یک مدل هوش مصنوعی استفاده کنند، اما به دلیل تفاوت اهداف، مسئولیتها و اولویتها، خروجی نهایی سازمان همچنان ناهماهنگ باشد.
به همین دلیل، شاید بزرگترین تحول عصر هوش مصنوعی نه در خود مدلها، بلکه در نوع نگاه ما به سازمان باشد. اگر در گذشته، رقابت بر سر جمعآوری داده بود و سپس به رقابت بر سر تحلیل داده تبدیل شد، اکنون در حال ورود به مرحلهای هستیم که رقابت اصلی بر سر معماری تصمیم خواهد بود.
سازمانی موفقتر خواهد بود که نه فقط دادهی بیشتری داشته باشد و نه فقط از مدل هوشمندتری استفاده کند؛ بلکه بتواند تصمیمهای تولیدشده در بخشهای مختلف خود را در راستای یک مأموریت مشترک، هماهنگ و همسو کند.
سازمانی موفقتر خواهد بود که نه فقط دادهی بیشتری داشته باشد و نه فقط از مدل هوشمندتری استفاده کند؛ بلکه بتواند تصمیمهای تولیدشده در بخشهای مختلف خود را در راستای یک مأموریت مشترک، هماهنگ و همسو کند.
هوش مصنوعی، پایان مسیر تحول سازمان نیست.
هوش مصنوعی، آغاز مرحلهای جدید از این مسیر است؛ مرحلهای که در آن، مسئلهی اصلی دیگر «داده» نیست، بلکه «نحوهی سازماندهی تصمیمها» است.
و شاید از همین نقطه باشد که باید نگاه خود را از فناوری، به معماری سازمان معطوف کنیم.
