در دنیای کسب‌وکار امروز، بسیاری از سازمان‌ها با این تصور که «هوش مصنوعی وظیفه همه است»، استراتژی تحول دیجیتال خود را پی‌ریزی می‌کنند؛ اما واقعیت این است که وقتی مسئولیت چیزی بر عهده همه باشد، در عمل هیچ‌کس پاسخگوی آن نیست. فیلیپ لاکین، مدیر تحول هوش مصنوعی در شرکت Zapier، در نشست تخصصی شهریور ۱۴۰۳ (سپتامبر ۲۰۲۴) در ویندزور، به تحلیل این چالش پرداخته است.
تله «زمان اختصاصی» و شکست ساختاری
یکی از بزرگترین موانع در استقرار هوش مصنوعی، تضاد میان تعهدات عملیاتی و زمان مورد نیاز برای یادگیری و آزمایش است. مدیران اغلب وعده تخصیص ۲۰ درصد از زمان کارکنان به پروژه‌های نوآورانه را می‌دهند، اما به دلیل فشارهای کاری روزمره، این وعده در عرض کمتر از یک ماه نقض می‌شود. لاکین تأکید می‌کند که بدون حمایت واقعی رهبری و گنجاندن این زمان در شاخص‌های کلیدی عملکرد (KPI)، هیچ تحولی رخ نخواهد داد.
معماری نقش «قهرمانان هوش مصنوعی»
شرکت Zapier برای عبور از این بن‌بست، از مدل «قهرمانان هوش مصنوعی» استفاده می‌کند. در این ساختار، افراد در تیم‌های عملیاتی خود باقی می‌مانند اما ۳۰ تا ۴۰ درصد از زمان کاری آن‌ها رسماً به تحول فرآیندها اختصاص می‌یابد. این نقش سه لایه اصلی دارد:
- شنیدن چالش‌های کاربران نهایی.
- توسعه پروتوتایپ‌ها و اتوماسیون‌های اولیه.
- ترجمه دستاوردها به شاخص‌های کمی و قابل اندازه‌گیری برای مدیریت.
تغییر روایت: از «کارایی» به «رهایی»
بسیاری از کارکنان با شنیدن کلمه «اتوماسیون» یا «بهره‌وری»، احساس خطر می‌کنند؛ چرا که می‌ترسند این ابزارها جایگزین موقعیت شغلی آن‌ها شود. تحلیل نشست‌های تخصصی نشان می‌دهد که بهترین راه برای پذیرش فناوری، تمرکز بر «رهایی» است: شناسایی بخش‌هایی از شغل که کارکنان از آن‌ها متنفرند یا انجام آن‌ها باعث فرسودگی شغلی می‌شود. وقتی هوش مصنوعی به جای «صرفه‌جویی در هزینه» به عنوان ابزاری برای «حذف کارهای ملال‌آور» معرفی شود، مشارکت کارکنان به شدت افزایش می‌یابد.
مدل تشخیصی سه لایه برای موفقیت
لاکین برای ارزیابی سلامت پروژه‌های هوش مصنوعی در سازمان، یک مدل تشخیصی سه لایه ارائه می‌دهد:
ساختار ارزیابی تحول سازمانی
- لایه پایین (توانمندسازی): اگر ایده‌ای از خطوط کسب‌وکار به سمت تیم‌های فنی جاری نمی‌شود، مشکل در فقدان مهارت و آموزش است.
- لایه میانی (یکپارچه‌سازی): اگر ایده‌ها وجود دارند اما به داده‌ها دسترسی ندارند یا در دپارتمان‌های مختلف محبوس می‌شوند، مشکل در لایه میان‌کارکردی (Cross-functional) است.
- لایه بالا (رهبری): اگر دو لایه اول فعال باشند اما خروجی ملموسی ایجاد نشود، مشکل از مبهم بودن اهداف استراتژیک یا عدم ترجمه آن‌ها به اعداد در سطح مدیریت ارشد است.
نتیجه‌گیری نهایی این است که موفقیت در تحول هوش مصنوعی، پیش از آنکه یک چالش فنی باشد، یک چالش «مدیریت زمان و روایت» است. مدیران باید به یاد داشته باشند که هوش مصنوعی در عملیات، خودبه‌خود بازاریابی نمی‌شود؛ بلکه باید دستاوردهای آن را به صورت مستند و عددی برای سازمان عرضه کرد تا بقای این نقش‌ها و زمان اختصاص‌یافته به آن‌ها تضمین شود.
