هوش مصنوعی عبور از رودخانه یا تپه‌نوردی
حسین نوریان ـ مشاور مدیریت استراتژیک
در سراسر جهان از جمله ایران، تب‌وتاب بهره‌گیری از مزایای فناوری هوش‌مصنوعی بسیار فراگیر شده است و اغلب تحلیلگران و مدیران، این فناوری جدید را از اصلی‌ترین مصادیق تحول دیجیتال در سازمان می‌دانند؛ اما آنچه در این میان مانع دستیابی شرکت‌ها به مزایای هوش‌مصنوعی است، نه سرمایه لازم برای تامین امکانات سخت‌افزاری و نرم‌افزاری آن و نه حتی دانش موردنیاز برای ایجاد آن است، چراکه هر دو اینها در کشور ما وجود دارد و به‌نظر می‌رسد عامل اصلی بازدارنده، ناشناخته بودن رویکرد و شیوه بهره‌گیری از امکانات هوش‌مصنوعی در سازمان و استراتژی گام نهادن در مسیر آن است!
به‌عبارت‌دیگر، آنچه در این میان مفقود و ناشناخته است، بینش‌هایی است که به مدیران بیاموزد که از کجا شروع کنند و چگونه در این مسیر قدم بردارند، زیرا بهره‌گیری از امکانات هوش‌مصنوعی پرهزینه است و ایجاد آن در حوزه‌های مختلف، وقت و تمرکز زیادی از مدیران را درگیر می‌کند. کاربری‌های هوش‌مصنوعی در سازمان‌های مختلف مصادیق متعدد دارند و چالش هر سازمان هم با دیگری متفاوت است، پس انتخاب استراتژی درست در مواجهه با این فناوری، مهم‌ترین عامل موفقیت در این عرصه از تحول دیجیتال سازمان است. 3 استراتژی برای تحقق تحول دیجیتال در سازمان‌ها متصور است که به‌نظر می‌رسد از میان اینها دو استراتژی تپه‌نوردی و عبور از رودخانه موثرترین‌ها باشد:
احتمالا بدیهی‌ترین استراتژی برای تحول در سازمان با بهره‌گیری از هوش‌مصنوعی استراتژی «سفر برنامه‌ریزی‌شده» است. این استراتژی برمبنای شفافیت و مشخص بودن هردو عامل نتیجه و مسیر تعریف‌شده است. در این استراتژی چشم‌اندازی از مقصد نشان می‌دهد که به کجا می‌خواهیم برسیم و قصد داریم برای دستیابی به آن از یک مسیر از پیش مشخص و برنامه‌ریزی‌شده دقیق عبور کنیم. این رویکرد به‌نظر ایده‌آل می‌آید، زیرا قابل‌پیش‌بینی و به‌راحتی قابل‌فهم است و به‌سادگی می‌توان آن را برای کارمندان و سرمایه‌گذاران شرح داد. علاوه بر این ذهنیت غالب مهندسی در مدیران ما با استراتژی سفر برنامه‌ریزی‌شده هماهنگ‌تر است، آن‌گونه که بتوانند از ابتدا هم دستاوردهای موردانتظار از هوش مصنوعی را پیش‌بینی و هم مسیر تحقق آن در سازمان را به‌دقت برنامه‌ریزی کنند، اما متاسفانه معمولا شرایط این‌گونه نیست، ماهیت رویکردهای تحول دیجیتال و به‌ویژه هوش‌مصنوعی چنان است که شفافیت و دقت کافی در پیش‌بینی دستاوردهای هوش‌مصنوعی و مسیر تحقق آن در سازمان وجود ندارد، پس به‌نظر می‌رسد گام برداشتن به این شیوه در مسیر هوش‌مصنوعی بازدهی لازم را ایجاد نمی‌کند و احتمال شکست را بالا می‌برد.
علاوه بر این، ذهنیت غالب مهندسی در مدیران ما با استراتژی سفر برنامه‌ریزی‌شده هماهنگ‌تر است، آن‌گونه که بتوانند از ابتدا هم دستاوردهای موردانتظار از هوش‌مصنوعی را پیش‌بینی و هم مسیر تحقق آن در سازمان را به‌دقت برنامه‌ریزی کنند، اما متاسفانه معمولا شرایط این‌گونه نیست، ماهیت رویکردهای تحول دیجیتال و به‌ویژه هوش‌مصنوعی چنان است که شفافیت و دقت کافی در پیش‌بینی دستاوردهای هوش‌مصنوعی و مسیر تحقق آن در سازمان وجود ندارد، پس به‌نظر می‌رسد گام برداشتن به این شیوه در مسیر هوش‌مصنوعی، بازدهی لازم را ایجاد نمی‌کند و احتمال شکست را بالا می‌برد.
در برخی موارد در روش بهره‌گیری از امکانات تحول دیجیتال و مشخصا هوش‌مصنوعی ابهام وجود دارد، اما دستاوردهای موردانتظار از آن تا حدود زیادی از پیش شناخته‌شده است.برای مثال اینکه می‌خواهیم با بهره‌گیری از این فناوری فروش را افزایش دهیم، بهره‌وری عملیات را بالا ببریم، هزینه‌ها را کاهش دهیم یا سفر تجربه مشتری را لذت‌بخش‌تر کنیم. استراتژی مناسب برای ایجاد تغییر با هوش‌مصنوعی در این فضا را «عبور از رودخانه» می‌نامیم. نتیجه مشخص است، اما به روشی اکتشافی برای طرح‌ریزی مسیر بهره‌گیری از هوش‌مصنوعی نیاز داریم. باید در حالی که یک چشم‌مان به مقصد است، شمرده شمرده قدم برداریم و اگرچه مسیر را از پیش نمی‌دانیم، اما با سعی و خطا و شبیه‌سازی و موقعیت‌سنجی قطعا در طول زمان آن را می‌یابیم. سازمانی که بخواهد از راهبرد عبور از رودخانه در بهره‌گیری از فناوری هوش‌مصنوعی استفاده کند، باید قابلیت‌هایی همچون رهبری با توانایی اندازه‌گیری موقعیت، توان ارزیابی آزمایش‌ها و شبیه‌سازی‌ها، انعطاف‌پذیری در تخصیص دوباره منابع به‌سمت ایده‌هایی که نتایج بهتری دارند، فرهنگ سازمانی که در آن به آزمایش کردن و یادگیری حاصل از آن ارزش می‌گذارد، توان شبیه‌سازی موقعیت‌های آتی و تجزیه‌وتحلیل و پیش‌بینی آینده با رویکرد ریسک را در لایه‌های مختلف مدیریتی و کارشناسی ایجاد کند. سازمان با بهره‌گیری از این استراتژی بدون آنکه از پیش دقیقا بداند که روش توسعه هوش‌مصنوعی در سازمان چیست، ابتدا دستاوردهای موردانتظار را به‌صورت واضح مشخص می‌کند و سپس با سعی و خطا، موقعیت‌یابی، شبیه‌سازی و یادگیری حاصل از نتایج، مسیر درست عبور از رودخانه میان وضعیت اکنون و دستاوردهای موردانتظار را می‌یابد.
