تأثیر هوش مصنوعی بر سطوح تصمیم گیری سازمانی

فناوری های هوش مصنوعی و کلان داده تا زمانی که در انحصار مدیران و مقامات بالای سازمانی هستند، به پیشرفت و سودآوری واقعی منجر نمی شوند.

ما در دورانی زندگی می کنیم که تقریباً هر روز، یک تکنولوژی جدید مبتنی بر هوش مصنوعی معرفی می شود. در تمامی زمینه ها، از فین تک گرفته تا فناوری های آموزشی، مواردی که زمانی غیرممکن به نظر می رسیدند، حالا به واقعیت های تجاری تبدیل شده اند. به علاوه شکی نیست که کلان داده و هوش مصنوعی، پیشرفت های قابل توجهی را در حوزه مدیریت به وجود آورده اند، مخصوصاً که این فناوری ها به بهبود تصمیم گیری های آگاهانه کمک می کنند، اما برخی از انواع تصمیمات - به ویژه تصمیماتی که در رابطه با استراتژی، نوآوری و بازاریابی اتخاذ می شوند، همچنان به انسان هایی نیاز دارند که نگاه کل گرا و همه جانبه ای به مسائل داشته باشند و براساس شواهد و حقایق، قضاوت کیفی کنند. لااقل تا به امروز، هیچ فناوری هوش مصنوعی قادر نیست زمینه های احساسی، انسانی و سیاسی را در تصمیمات خودکار لحاظ کند.

به عنوان مثال صنعت بهداشت و درمان را در نظر بگیرید که AI در آن نقش تأثیرگذاری ایفا می کند. 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 خانواده او) تصمیم بگیرد که درمان را با جراحی پیش ببرد یا شیمی درمانی. آنچه در دنیای پزشکی مهم تر 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.

مطلب مرتبط:هوش سازمانی

فناوری های هوش مصنوعی می توانند با فراهم کردن داده ها و پیش بینی های صحیح، به مدیران و کارمندان کمک کنند که بهترین تصمیم را در مناسب ترین زمان اتخاذ کنند. حالا فرض کنیم که سیستم AI بتواند دانش فوق العاده ای را در اختیار یک کارمند قرار دهد. تا زمانی که او در بیمارستانی کار می کند که در آن بوروکراسی شدید حاکم است و هر اقدام، به دستور و مجوز کتبی مدیر ارشد صورت می گیرد، این دانش فوق العاده به تصمیم گیری بهینه کارمند فوق منجر نخواهد شد. اگر می خواهیم ارزش واقعی را از هوش مصنوعی استخراج کنیم، 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. به طور خلاصه، باید قدرت تصمیم گیری مبتنی بر قضاوت افراد را دموکراتیزه کنیم.

اغلب مقالاتی که در مورد تأثیرات هوش مصنوعی و کلان داده بر پروسه تصمیم گیری نوشته شده، اهمیت تشکیل تیم های متمرکز و دانشمندان داده را پررنگ می کنند. این بدان معنی است که شرکت هایی که از همکاری دانشمندان داده بیشتری بهره می برند، شانس موفقیت بیشتری دارند. اما الساندرو دی فیوره، مدیرعامل مرکز نوآوری های استراتژیک اروپا (ECSI) در تحقیقات اخیر خود این ایده را رد می کند. به گفته او، شرکت هایی که تعداد زیادی متخصص علوم داده استخدام می کنند، لزوماً به سودآوری بیشتری دست پیدا نمی کنند. تحقیقات او نشان می دهد که این دموکراتیزه کردن ابزارهای هوش مصنوعی و قدرت تصمیم گیری بین کارمندان و مدیران است که ارزش ملموس بیشتری به وجود می آورد.

به عنوان مثال، حتماً می دانید که در شرکت های پلتفرم های اینترنتی نظیر Airbnb، داده ها مهم ترین عنصر مدل کسب وکار هستند. Airbnb معتقد است که هر کارمند باید به سطوح بالای داده های خود دسترسی داشته باشد تا تصمیمات آگاهانه ای اتخاذ کند. این امر در مورد تمام دپارتمان های سازمان مانند بازاریابی، توسعه کسب و کار و منابع انسانی صادق است. مثلاً کارمندان می توانند در هر لحظه، بررسی کنند که چه تعداد از میزبانان، در چه مکان هایی از سرویس های عکاسی حرفه ای این شرکت استفاده می کنند و این اطلاعات را با روندها، الگوها و پیش بینی های جدید تطبیق دهند.

دسترسی به داده، امری ضروری و لازم بوده اما کافی نیست. کارمندان علاوه بر داده، به ابزارها و مهارت های استفاده و تفسیر آن نیز نیاز دارند. شرکت Airbnb نمی تواند در هر یک از اتاق ها، یک دانشمند داده داشته باشد و از طرفی، رشد بین المللی این شرکت، وضعیت را پیچیده تر هم می کند. به همین دلیل Airbnb یک دانشگاه داده راه اندازی کرد که برنامه های آموزشی را در سه سطح و بیش از ۳۰ واحد ارائه می داد. هدف این است که دانش و مهارت های لازم را در اختیار تمام کارمندان قرار دهیم تا بتوانند به درستی از داده ها استفاده و آن ها را تفسیر کنند. این امر باعث می شود کارمندان به سرعت از فرصت های نوآوری بهره ببرند.

به عنوان مثال، مدیران محصول یاد می گیرند کد SQLخود را بنویسند و تجربیات شان را در مورد اینکه آیا باید محصولی را در یک شهر جدید عرضه کنند یا خیر، تفسیر کنند. نتیجه: از زمان راه اندازی این برنامه در اواخر سال ۲۰۱۶، بیش از ۲۰۰۰ کارمند آموزش دیدند و کاربران فعال هفتگی (WAU) پلتفرم داخلی شرکت، از ۳۰درصد به ۴۵درصد افزایش یافتند.

مثال دیگر، شرکت چندملیتی یونیلیور است. این شرکت در راستای برنامه ای که Insights Engine نام دارد، مجموعه ای از سیستم ها و ابزارهای مبتنی بر AI را معرفی کرده است که تمامی بازاریابان جهان می توانند به آن ها دسترسی داشته باشند.

مطلب مرتبط:ارتقای کیفیت تصمیم‌گیری به کمک توسعه هوش هیجانی

در دسترس بودن دیدگاه مشتریان (که از داده ها مشتق می شوند)، نرخ تصمیم گیری های غیرمتمرکز بازاریابان در تمام سطوح سازمان را افزایش می دهد. یکی از ابزارهای فوق، پلتفرم هوش مصنوعیPeople World است که می تواند هزاران اسناد تحقیقاتی مشتریان و داده های رسانه های اجتماعی را استخراج کند. این پلتفرم می تواند به تمام پرسش های معمول بازاریابان در حوزه های خاص، پاسخ دهد. درواقع این راهکار با حذف خلأ اطلاعاتی، اعتماد بازاریابان به «یک منبع منسجم حقیقت» را افزایش می دهد و به آن ها کمک می کند در مدت زمان بسیار کوتاه تر، تصمیمات آگاهانه و مؤثری اتخاذ کنند.

در طول یک دهه گذشته، هزینه و زمان موردنیاز برای سازمان دهی و آنالیز داده ها، تا حد زیادی کاهش یافته است، اما هنوز بسیاری از شرکت ها به صورت بسیار متمرکزی از هوش مصنوعی استفاده می کنند. واحدهای سازمانی هوش مصنوعی، معمولاً داشبوردهایی را برای مدیران ارشد توسعه می دهند تا این فناوری ها را به طور انحصاری در اختیار مقامات بالا قرار دهند. واقعیت این است که اگر می خواهیم کارمندان به کمک هوش مصنوعی تصمیمات بهینه تری اتخاذ کنند، باید کنترل و متمرکز کردن تصمیمات را کنار بگذاریم. دموکراتیزه کردن هوش مصنوعی، به تصمیم گیری های بهتر و سریع تر منجر می شود و به شرکت ها کمک می کند نسبت به تغییرات فرصت های بازار، واکنش های چابک و سریعی نشان دهند.