فناوری بزرگترین چالش نیست ؛ فرهنگ استفاده از آن چالش برانگیزاست .
هوش مصنوعی در حال تغییر دادن شکل تجارت در جهان است !!
چرا در ایران هنوز نتوانستیم این مهم را به درستی درک کنیم .
به نظر می رسد هوش مصنوعی در آستانه بروز یک انقلاب جدید و پر رونق در تکنولوژی است. اکنون در اکثر شرکت های بزرگ تصمیم گیری در مورد همه چیز به عهده این واحد در ساختار تیم محصول است ، از لانچ محصول تا پرسونای کاربر ،تا شخصی سازی خدمات برای کاربر و هدایت رفتارهای کاربر در محصول همه زیر سایه این فناوری منطبق بر داده است .
مک کینزی تخمین می زند که هوش مصنوعی در دهه آینده 13 تریلیون دلار به اقتصاد جهانی اضافه کند. و همین عدد کافی است تا شرکت ها در تمام اکوسیستم جهانی فناوری در تلاشند، محصولات و یا ساختار مدیریت محصولات خود را منطبق بر هوش مصنوعی ارائه دهند و یا بهینه کنند .
در این بین اکوسیستم ایران چه قدر از این قابلیت استفاده می کند ؟
این همان حلقه مفقوده است که نبود آن در تصمیم سازی سبب شده است که مدیران یا تصمیم نمی گیرند و یا خیلی دیر تصمیم می گیرند.
دو سه شرکتی که اقدامات محدودی در این زمنیه پیاده سازی کرده اندهنوز در ابتدای راه هستند ؛ هرچند استفاده از این واژه به سان کلمه هوشمند؛ نقل دورهمی های فناورانه و یا صفحه معرفی شرکت هاست !!
در نظرسنجی از هزاران مدیر و کار با صدها مشتری ، مک کینزی مشخص کرده است
به عقیده من این موضوع بدین خاطر است که هرچه اتکا به داده افزایش پیدا می کند در مقابل قدرت تصمیم گیری مدیران در کسب و کارهای علی الخصوص سنتی کاهش پیدا می کند این بدان معنی است که اعضای تیم از ذهنیت های سنتی مانند اتکا به تصمیم گیری از بالا به پایین به شدت دور می شوند و این شاید خلاف جهان بینی مدیران ایرانی باشد.
به عقیده هارواد بیزنس ریویو یکی از بزرگترین اشتباهات که مدیران در این دوره گذار به آن دچار هستند نگاه به تکنولوژی AI در قالب یک پلاگین و با بازدهی سریع است .
بازدهی سریع ! چیزی که قالب اکوسیستم ایران عطش آن را دارد.
از طرفی نگاه به استفاده از این فناوری در بسیاری از شرکت ها بسیار محدود است . فناوری های پیشرفته و نیروهای کاربلد به همان اندازه مهم هستند که فرهنگ، ساختار و متدولوژی عملکردی شرکت ها آماده پذیرش این تکنولوژی موثر در تصمیم گیری باشد .
به هارواد بیزینس ریویو برای افزایش کارایی در شرکت ها سه حرکت رویکردی نیاز است :
هوش مصنوعی زمانی بیشترین تاثیر را در تیم دارد که توسط یک تیم cross-functional و با انبوهی از مهارت ها و دیدگاه ها انجام شود. بهره بردن همزمان از افراد عملیاتی و تجاری در کنار تحلیل گران داده و توسعه دهندگان این ارزش را برای تیم به دنبال خواهد داشت که از مسیر داده به سود در کسب و کار بیاندیشند و نه از روی حدس و گمان و یا به دنبال متدولوژی های قالب و رقیب رفتن. این رویکرد و استفاده از پتانسیل تیم های ترکیبی علاوه بر اشتراک حجم زیادی از دانش و آگاهی با کل تیم مستقیما بر روی خروجی محصول تاثیر دارد؛ چون محصولی خلق می شود که از بررسی اطلاعات عملکردی و رفتاری قبلی کاربران و با اتکا به دانش چندوجهی برآمده است.
در قالب سازمان ها و بعد از پیاده سازی این الگو ، تصمیم گیری های از بالا به پایین و قضاوت های شهودی و حسی جای خود را به الگوریتم هایی خواهد داد که با اعتماد قالب سازمان به پاسخ های بهتری دست پیدا خواهیم کرد. پاسخ هایی که بهتر از جواب هایی است که انسان و یا ماشین قرار بود به تنهایی بگیرند. و این پاسخ ها همه حال محصول را بهتر خواهد کرد.
اما نقطه حیاتی اجرای عملیات است؛ آنجا که اعضای تیم مجبور نباشند برای تایید و یا مشاوره مجدد به بالاترین سطح سازمان مراجعه نمایند. این نقطه مرگ اثربخشی AI در سازمان خواهد بود.
هاروارد بیزنس ریویو صراحتا اعلام می کند : در شرکت های فناورانه فرآیندهای تصمیم گیری منطبق بر AI هنگامی که جایگزین یک روش سنتی پیچیده به منظور برنامه ریزی محصول شد ، به طرز چشمگیری در یک سازمان کارایی و خروجی را بهبود بخشید.
سیستم های جدید با استفاده از یک الگوریتم ابتدا صدها میلیون گزینه را به میلیون ها حالت تقسیم کرد و سپس یک الگوریتم دیگر برای جمع آوری این میلیون ها به صدها ، و در نهایت انطباق آنها با رفتار کاربر.
تحلیل گران کسب و کار باتجربه و بدون نیاز به دریافت اطلاعات از مدیران ارشد ، تخصص خود را برای تصمیم گیری نهایی با پشتیبانی داده ها به کار گرفتند. برنامه ریزان و تحلیل گران کسب و کار این ابزار را به آسانی پذیرفتند و به خروجی آن اعتماد کردند ، زیرا آنها به تعیین پارامترها و محدودیت های آن کمک می کردند و می دانستند که آنها خودشان در نهایت از تجمیع این اطلاعات سود خواهند برد.
از رویکرد خشک و سنتی به چابک - تجربی و سازگار
مدیران سازمان می بایست این ذهنیت را در خود پرورش دهند که یک ایده به سان یک نیروی خوب باید فرصت داشته باشد تا پخته شود. محصول نیز به کمک این فناوری می تواند ضمن آزمون و یادگیری و ایجاد چرخه لوپ لرنینگ؛ اشتباهات را به عنوان منبع اکتشافات مجدداً تنظیم کند و ترس از شکست را کاهش می دهد.
دریافت بازخورد زودهنگام از کاربر به کمک این تکنولوژی و استفاده از آن در نسخه بعدی ، به شرکتها امکان می دهد قبل از اینکه به چالش های پرهزینه روبرو شوند ، مسائل جزئی را اصلاح کنند.توسعه سریع تر خواهد شد و تیم های کوچک هوش مصنوعی را قادر می سازد تا در عرض چند هفته و نه ماه ها حداقل محصولات مناسب تولید کنند.
اما چنین تغییر اساسی به راحتی انجام نمی شود.
این تغییر نیازمند رهبرانی است برای آماده سازی ، ایجاد انگیزه و تجهیز نیروی کار برای ایجاد یک تیم داده محور.
اما رهبران ابتدا باید خودشان را آماده کنند.
به عقیده مکنزی ما شاهد شکست های پی در پی شکست ناشی از عدم درک بنیادی از هوش مصنوعی در میان مدیران ارشد در سرتاسر جهان هستیم.
چاره چیست ؟
(در ادامه ، و من با بررسی مقالاتی در مکنزی و HBR به بررسی راه حل خواهم پرداخت)
به کلیات این مقاله در مصاحبه ای با روزنامه دنیای اقتصاد نیز پرداخته ام .
