تأثیر هوش مصنوعی بر سطوح تصمیم‌گیری سازمانی

ما در دورانی زندگی می‌کنیم که تقریباً هرروز، یک تکنولوژی جدید مبتنی بر هوش مصنوعی معرفی می‌شود. در تمامی زمینه‌ها، از فین‌تک گرفته تا فناوری‌های آموزشی، مواردی که زمانی غیرممکن به نظر می‌رسیدند، حالا به واقعیت‌های تجاری تبدیل‌شده‌اند. به‌علاوه شکی نیست که کلان داده و هوش مصنوعی، پیشرفت‌های قابل‌توجهی را در حوزه‌ی مدیریت به وجود آورده‌اند، مخصوصاً که این فناوری‌ها به بهبود تصمیم‌گیری‌های آگاهانه کمک می‌کنند. اما برخی از انواع تصمیمات - به‌ویژه تصمیماتی که در رابطه با استراتژی، نوآوری و بازاریابی اتخاذ می‌شوند، همچنان به انسان‌هایی نیاز دارند که نگاه کل گرا و همه‌جانبه‌ای به مسائل داشته باشند و بر اساس شواهد و حقایق، قضاوت کیفی کنند. لااقل تا به امروز، هیچ فناوری هوش مصنوعی قادر نیست زمینه‌های احساسی، انسانی و سیاسی را در تصمیمات خودکار لحاظ کند.

به‌عنوان‌مثال صنعت بهداشت و درمان را در نظر بگیرید که AI در آن نقش تأثیرگذاری ایفا می‌کند. حتی اگر هوش مصنوعی بتواند به یک پزشک در تشخیص و پیشنهاد درمان یک بیمار مبتلا به سرطان کمک کند، بازهم درنهایت تنها خود پزشک قادر است با در نظر گرفتن شرایط بیمار و احساسات او ( و همچنین خانواده‌ی او) تصمیم بگیرد که درمان را با جراحی پیش ببرد یا شیمی‌درمانی. آنچه در دنیای پزشکی مهم‌تر از تشخیص بیماری است، همکاری با بیمار برای پیدا کردن درمان مناسبی است که با نگاهی جامع و همدلانه، شرایط خاص او را در نظر بگیرد.

فناوری‌های هوش مصنوعی می‌توانند با فراهم کردن داده‌ها و پیش‌بینی‌های صحیح، به مدیران و کارمندان کمک کنند که بهترین تصمیم را در مناسب‌ترین زمان اتخاذ کنند. حالا فرض کنیم که سیستم AI بتواند دانش فوق‌العاده‌ای را در اختیار یک کارمند قرار دهد. تا زمانی که او در بیمارستانی کار می‌کند که در آن بوروکراسی شدید حاکم است و هر اقدام، به دستور و مجوز کتبی مدیر ارشد صورت می‌گیرد، این دانش فوق‌العاده به تصمیم‌گیری بهینه‌ی کارمند فوق منجر نخواهد شد. اگر می‌خواهیم ارزش واقعی را از هوش مصنوعی استخراج‌کنیم، باید به تمام کارمندان در تمام سطوح سازمانی اجازه دهیم تصمیمات نهایی را با مساعدت هوش مصنوعی اتخاذ کنند و مطابق با این تصمیمات عمل کنند. به‌طور خلاصه، باید قدرت تصمیم‌گیری مبتنی بر قضاوت افراد را دموکراتیزه کنیم.

اغلب مقالاتی که در مورد تأثیرات هوش مصنوعی و کلان داده بر پروسه‌ی تصمیم‌گیری نوشته‌شده، اهمیت تشکیل تیم‌های متمرکز و دانشمندان داده را پررنگ می‌کنند. این بدان معنی است که شرکت‌هایی که از همکاری دانشمندان داده‌ی بیشتری بهره می‌برند، شانس موفقیت بیشتری دارند. اما الساندرو دی فیوره، مدیرعامل مرکز نوآوری‌های استراتژیک اروپا (ECSI) در تحقیقات اخیر خود این ایده را رد می‌کند. به گفته‌ی او، شرکت‌هایی که تعداد زیادی متخصص علوم داده استخدام می‌کنند، لزوماً به سودآوری بیشتری دست پیدا نمی‌کنند. تحقیقات او نشان می‌دهد که این دموکراتیزه کردن ابزارهای هوش مصنوعی و قدرت تصمیم‌گیری بین کارمندان و مدیران است که ارزش ملموس بیشتری به وجود می‌آورد.

دسترسی به داده، امری ضروری و لازم بوده اما کافی نیست. کارمندان علاوه بر داده، به ابزارها و مهارت‌های استفاده و تفسیر آن نیز نیاز دارند. شرکت Airbnb نمی‌تواند در هر یک از اتاق‌ها، یک دانشمند داده داشته باشد و از طرفی، رشد بین‌المللی این شرکت، وضعیت را پیچیده‌تر هم می‌کند. به همین دلیل Airbnb  یک دانشگاه داده راه‌اندازی کرد که برنامه‌های آموزشی را در سه سطح و بیش از ۳۰ واحد ارائه می‌داد. هدف این است که دانش و مهارت‌های لازم را در اختیار تمام کارمندان قرار دهیم تا بتوانند به‌درستی از داده‌ها استفاده و آن‌ها را تفسیر کنند. این امر باعث می‌شود کارمندان به‌سرعت از فرصت‌های نوآوری بهره ببرند. به‌عنوان‌مثال، مدیران محصول یاد می‌گیرند کد SQL خود را بنویسند و تجربیاتشان را در مورد اینکه آیا باید محصولی را در یک شهر جدید عرضه کنند یا خیر، تفسیر کنند. نتیجه: از زمان راه‌اندازی این برنامه در اواخر سال ۲۰۱۶، بیش از ۲۰۰۰ کارمند آموزش دیدند و کاربران فعال هفتگی (WAU) پلتفرم داخلی شرکت، از ۳۰ درصد به ۴۵ درصد افزایش یافتند.

مثال دیگر، شرکت چندملیتی یونیلیور است. این شرکت در راستای برنامه‌ای که Insights Engine نام دارد، مجموعه‌ای از سیستم‌ها و ابزارهای مبتنی بر AI را معرفی کرده است که تمامی بازاریابان جهان می‌توانند به آن‌ها دسترسی داشته باشند. در دسترس بودن دیدگاه مشتریان (که از داده‌ها مشتق می‌شوند)، نرخ تصمیم‌گیری‌های غیرمتمرکز بازاریابان در تمام سطوح سازمان را افزایش می‌دهد. یکی از ابزارهای فوق، پلتفرم هوش مصنوعی People World است که می‌تواند هزاران اسناد تحقیقاتی مشتریان و داده‌های رسانه‌های اجتماعی را استخراج کند. این پلتفرم می‌تواند به تمام پرسش‌های معمول بازاریابان در حوزه‌های خاص، پاسخ دهد. درواقع این راهکار با حذف خلاء اطلاعاتی، اعتماد بازاریابان به «یک منبع منسجم حقیقت» را افزایش می‌دهد و به آن‌ها کمک می‌کند در مدت‌زمان بسیار کوتاه‌تر، تصمیمات آگاهانه و مؤثری اتخاذ کنند.

در طول یک دهه‌ی گذشته، هزینه و زمان موردنیاز برای سازمان‌دهی و آنالیز داده‌ها، تا حد زیادی کاهش‌یافته است. اما هنوز بسیاری از شرکت‌ها به‌صورت بسیار متمرکزی از هوش مصنوعی استفاده می‌کنند. واحدهای سازمانی هوش مصنوعی، معمولاً داشبوردهایی را برای مدیران ارشد توسعه می‌دهند تا این فناوری‌ها را به‌طور انحصاری در اختیار مقامات بالا قرار دهند. واقعیت این است که اگر می‌خواهیم کارمندان به کمک هوش مصنوعی تصمیمات بهینه‌تری اتخاذ کنند، باید کنترل و متمرکز کردن تصمیمات را کنار بگذاریم. دموکراتیزه کردن هوش مصنوعی، به تصمیم‌گیری‌های بهتر و سریع‌تر منجر می‌شود و به شرکت‌ها کمک می‌کند نسبت به تغییرات فرصت‌های بازار، واکنش‌های چابک و سریعی نشان دهند.