شرکت معتبر مشاوره مدیریت مک‌کینزی، تخمین زده که در دهه پیش رو هوش مصنوعی قابلیت اضافه کردن ۱۳ تریلیون دلار به اقتصاد جهانی را دارد. همین عدد کافی است تا شرکت‌ها در تمام اکوسیستم جهانی فناوری در تلاش باشند که محصولات یا ساختار مدیریت محصولات خود را منطبق بر هوش مصنوعی ارائه دهند و بهینه کنند. هوش مصنوعی شاخه‌ای از علوم رایانه است که با هدف شبیه‌سازی هوش انسانی برای کامپیوتر، تلاش دارد ماشین‌های هوشمندی تولید کند که وظایفی که به هوش انسانی یادگیری، استدلال و درک نیاز دارد، انجام ‌دهد. 

عباس شاه صفی، مدیر ارشد توسعه کسب‌وکار شرکت تابان آتی پرداز(تاپ) در این خصوص به «دنیای‌اقتصاد» می‌گوید:‌  ظهور فناوری، بزرگ‌ترین چالش نیست، بلکه فرهنگ استفاده از آن چالش‌برانگیز است.

 سهم اندک هوش مصنوعی در اکوسیستم کسب‌وکار

مدیر ارشد توسعه کسب‌وکار تاپ در پاسخ به این پرسش که فضای کسب و کار فناورانه ایران چقدر از این قابلیت استفاده می‌کند، می‌گوید: هوش مصنوعی شکل تجارت جهان را دگرگون کرده است، درحالی که ما هنوز نتوانستیم این مهم را به درستی درک کنیم. این همان حلقه مفقوده‌ای است که نبود آن در تصمیم‌سازی سبب شده است مدیران یا تصمیم نگیرند یا خیلی دیر تصمیم بگیرند. دو، سه شرکتی که اقدامات محدودی در این زمینه پیاده‌ کرده‌اند نیز هنوز در ابتدای راه هستند. هرچند استفاده از این واژه به سان کلمه هوشمند؛ نقل دورهمی‌های فناورانه یا صفحه معرفی شرکت‌هاست.

وی در ادامه می‌افزاید: طبق نظرسنجی مک‌کینزی از هزاران مدیر و کار با صدها مشتری، شکل سازمان در ساختار مدیریتی و به خصوص موانع فرهنگی بزرگ‌ترین مانع رشد شرکت‌ها در استفاده از هوش مصنوعی است. به عقیده من این موضوع به دلیل این است که هرچه اتکا به داده افزایش پیدا می‌کند، در مقابل قدرت تصمیم‌گیری مدیران در کسب‌وکارها به ویژه کسب و کارهای سنتی کاهش پیدا می‌کند. به این معنی که اعضای تیم از ذهنیت‌های سنتی مانند اتکا به تصمیم‌گیری از بالا به پایین به شدت دور می‌شوند و این شاید خلاف جهان‌بینی مدیران ایرانی باشد. به عقیده مک‌کینزی یکی از بزرگ‌ترین اشتباهاتی که مدیران در این دوره گذار به آن دچار هستند نگاه به تکنولوژی هوش مصنوعی در قالب یک افزونه و با بازدهی سریع است. عطش بازدهی سریع در غالب اکوسیستم ایران، گریبان کسب‌وکارها را گرفته است. از طرفی نگاه به استفاده از این فناوری در تعداد زیادی از شرکت‌ها بسیار محدود است. از طرف دیگر فناوری‌های پیشرفته و نیروهای کاربلد به همان اندازه مهم هستند که فرهنگ، ساختار و روش‌شناسی عملکردی شرکت‌ها، آماده پذیرش این تکنولوژی موثر در تصمیم‌گیری باشد.

 افزایش کارآیی با ورود تیم‌های چند تخصصی

این کارشناس توسعه کسب‌وکار در رابطه با افزایش کارآیی شرکت‌ها متاثر از هوش مصنوعی، این‌گونه توضیح می‌دهد هوش مصنوعی زمانی بیشترین تاثیر را در تیم دارد که توسط یک تیم با چند تخصص و به اصطلاح cross-functional، با انبوهی از مهارت‌‎ها و دیدگاه‌ها ترکیب شود. بهره بردن همزمان از افراد عملیاتی و تجاری در کنار تحلیلگران داده و توسعه‌دهندگان این ارزش را برای تیم به دنبال خواهد داشت که نه از روی حدس و گمان یا به دنبال روش‌های معمول و رقابت بلکه از مسیر داده به سود کسب و کار بیندیشند. این رویکرد و استفاده از ظرفیت تیم‌های ترکیبی، علاوه بر اشتراک حجم زیادی از دانش و آگاهی با کل تیم مستقیما روی خروجی محصول تاثیر دارد؛ چون محصولی خلق می‌شود که از بررسی اطلاعات عملکردی و رفتاری قبلی کاربران و با اتکا به دانش چندوجهی برآمده است.

وی همچنین درباره اهمیت توجه به اعتماد به داده و تصمیم‌گیری، اضافه می‌کند:‌ در غالب سازمان‌ها و بعد از پیاده‌سازی این الگو، تصمیم‌گیری‌های از بالا به پایین و قضاوت‌های شهودی و حسی، جای خود را به الگوریتم‌هایی خواهد داد که با اعتماد سازمان به پاسخ‌های بهتری دست پیدا خواهیم کرد؛ پاسخ‌هایی که بهتر از آنچه انسان یا ماشین قرار بود به تنهایی بگیرند. این پاسخ‌ها در همه حال باعث ارائه محصول بهتری خواهد شد. نقطه حیاتی اجرای عملیات، اما آنجا است که اعضای تیم مجبور نباشند برای تایید و مشاوره مجدد به بالاترین سطح سازمان مراجعه کنند. این نقطه مرگ اثربخشی هوش مصنوعی، در سازمان خواهد بود. همان‌طور که مک‌کینزی نیز صراحتا اعلام می‌کند هنگامی که در شرکت‌های فناورانه، فرآیندهای تصمیم‌گیری منطبق بر هوش مصنوعی جایگزین یک روش سنتی پیچیده برای برنامه‌ریزی محصول شد، کارآیی و خروجی به طرز چشمگیری در سازمان بهبود یافت. به این ترتیب که سیستم‌های جدید با استفاده از یک الگوریتم ابتدا صدها میلیون گزینه را به میلیون‎ها حالت تقسیم کرده، سپس یک الگوریتم دیگر را برای جمع‌آوری و تقلیل میلیون‌ها حالت به صدها شکل و در نهایت انطباق آنها با رفتار کاربر ارائه می‌دهند. تحلیلگران  با تجربه بدون نیاز به دریافت اطلاعات از مدیران ارشد، تخصص خود را برای تصمیم‌گیری نهایی با پشتیبانی داده‌ها به کار گرفته‌اند. آنها این ابزار را به آسانی پذیرفته‌اند و به خروجی آن اعتماد کرده‌اند؛ زیرا آنها به تعیین پارامترها و محدودیت‌های هوش مصنوعی کمک می‌کردند و می‌دانستند که خودشان در نهایت از تجمیع این اطلاعات، سود خواهند برد.

 مدیران آماده مواجهه  با هوش مصنوعی باشند

مدیر ارشد توسعه کسب‌وکار تاپ در آخر به مدیرانی که نگران شکست در برابر قدرت گرفتن هوش مصنوعی هستند، چنین توصیه می‌کند: به عقیده مک‌کینزی(شرکت مشاوره مدیریت) ما شاهد شکست‌های پی‌در‌پی ناشی از عدم درک بنیادی از هوش مصنوعی در میان مدیران ارشد در سراسر جهان هستیم. از همین رو رهبران و مدیران سازمان ابتدا باید خود را آماده کنند و این ذهنیت را پرورش دهند که یک ایده به‌سان یک نیروی خوب باید فرصت داشته باشد تا پخته شود. محصول نیز به کمک این فناوری می‌تواند ضمن آزمون، یادگیری و ایجاد چرخه یادگیری مبتنی بر بازخورد و اصطلاحا دو حلقه‌ای، از اشتباهات به عنوان منبع اکتشافات، دوباره  استفاده کنند تا ترس از شکست کاهش بیاید. دریافت بازخورد زودهنگام از کاربر به کمک این تکنولوژی و استفاده از آن در نسخه بعدی، به شرکت‌ها امکان می‌دهد قبل از اینکه به چالش‌های پرهزینه روبه‌رو شوند، مسائل جزئی را اصلاح کنند. توسعه سریع‌تر خواهد شد و تیم‌های کوچک هوش مصنوعی را قادر می سازد تا در عرض چند هفته حداقل محصولات مناسب تولید کنند، اما چنین تغییر اساسی به راحتی صورت نمی‌گیرد. این تغییر نیازمند مدیرانی است برای آماده‌سازی، ایجاد انگیزه و تجهیز نیروی کار برای ایجاد یک تیم داده محور.

 

این مطلب برایم مفید است
29 نفر این پست را پسندیده اند