چرا فشار بر رهبران سازمانها برای استفاده از هوشمصنوعی افزایش یافته است؟
نظرسنجی از ۱۰۰۰ فرد تصمیمگیرنده در حوزه کسب و کار، نشان داده که ۹۳درصد افراد معتقدند هنگام تصمیمگیریهای مهم، برای انسانها مهم است که بر عملکرد هوش مصنوعی یا یادگیری ماشینی نظارت داشته باشند.
جیم استراتون، مدیر ارشد تکنولوژی ورکدی، میگوید: «رهبران کسب و کار میدانند که هوش مصنوعی و یادگیری ماشینی برای موفقیت کار آنها در آینده حیاتی هستند. اما سازمانها همچنان مهارتهای مورد نیاز برای پیادهسازی این تکنولوژیها را ندارند و نگرانیها در مورد یکپارچگی داده، اخلاقیات، و حذف نقشها ادامه دارد. بهکارگیری موفق هوش مصنوعی و یادگیری ماشینی، نیازمند تعهد به نگه داشتن انسانها در حلقه تصمیمگیری و همکاری با شرکایی است که به هوش مصنوعی مسوول متعهدند.» مدیران ارشد در حوزه مالی، منابع انسانی و IT با نگاه به آینده، باید اقداماتی انجام دهند تا اطمینان حاصل کنند که دادههای باکیفیت، موارد استفاده واضح و استراتژیهایی برای غلبه بر شکافهای مهارتی در حوزه هوش مصنوعی، در اختیار دارند.
سایان چاکرابورتی، مدیر محصول و تکنولوژی در ورکدی، میگوید: «این ابزارها میتوانند طرز تفکر تیم امنیت شرکت شما را در مورد دنیا عوض کنند. همچنین میتوانند کار مدیرعامل را آسانتر کنند و میتوانند استراتژی جذب استعداد مدیر ارشد منابع انسانی را به طور کامل دگرگون کنند.»
منابع مالی برای کار استراتژیکتر
هوش مصنوعی و یادگیری ماشینی به مدیران ارشد مالی در سادهسازی اصلیترین و البته خستهکنندهترین وظیفهشان کمک میکنند: بستن حسابها. چه آخر فصل باشد و چه آخر سال، برای این کار باید صدها یا حتی هزاران رویداد مالی را بررسی کرد و اشتباهات یا مغایرتهای احتمالی را درآورد؛ کاری که هوش مصنوعی به خوبی از عهده آن برمیآید.
پلتفرم شرکت ورکدی به مدیران مالی کمک میکند فرآیند بستن حسابها را آنی کنند، چون الگوریتم یادگیری ماشینی هر مشکل و اشتباهی را به محض وقوع، شناسایی میکند. چاکرابورتی میگوید: «این پلتفرم به افراد امکان میدهد بر مسائل حیاتیتر کسب و کار تمرکز کنند، اهرمهای بیشتری برای حل مسائل داشته باشند و سوالات کسبوکار را بهتر پاسخ دهند.» نتیجه کار، به دست آمدن زمان بیشتر برای تیم مالی است تا از مهارتهای خود به شیوههای دیگری که برای شرکت ارزش ایجاد کند، استفاده کنند. مدیران ارشد مالی که به نظرسنجی ورکدی پاسخ دادهاند، این پتانسیل را شناختهاند. ۳۴درصد گفتهاند که معتقدند هوش مصنوعی در نهایت به بهبود پیشبینیها و تصمیمگیریها در مورد بودجه به آنها کمک میکند، ۳۲درصد گفتهاند که هوش مصنوعی برنامهریزی مبتنی بر سناریو را بهبود میبخشد و ۳۲درصد هم گفتهاند که با کمک آن بهتر میتوانند در مورد خطوط کسب و کار برنامهریزی کنند و فرآیندهای مالی را بهبود ببخشند.
افزایش امنیت و واکنشپذیری برای مدیران IT
طبق گزارش ورکدی، ۴۸درصد مدیران IT میگویند هوش مصنوعی و یادگیری ماشینی برای وظایف آنها یک تغییردهنده بازی خواهد بود و ۴۷درصد میگویند این تکنولوژیها کارشان را رضایتبخشتر میکنند.
با این حال، ۳۳درصد میگویند تیم آنها به طور کامل برای هوش مصنوعی و یادگیری ماشینی آماده نیست و ۳۷درصد هم ترجیح میدهند رویکرد «صبر کنیم ببینیم چه میشود» را اتخاذ کنند.
چاکرابورتی توضیح میدهد آن دسته از رهبرانIT که دل را به دریا میزنند و ریسک میکنند، با استفاده از ابزارهای هوش مصنوعی به دو طریق بهترین بازدهی را به دست میآورند. اول اینکه بار کاری تیم امنیت را کم میکنند. از آنجا که حجم و پیچیدگی حملات سایبری در سالهای اخیر زیاد شده، متخصصان IT مورد هجوم رگبار هشدارهای امنیتی هستند و تشخیص اینکه کدامیک از این هشدارها جدی هستند کار آنها را سختتر میکند. چاکرابورتی میگوید: «ما انسانها اگر ببینیم یک هشدار امنیتی بارها و بارها تکرار میشود، اما مشکل چندان جدی نیست، آن هشدار را برای همیشه قطع میکنیم. ولی یادگیری ماشینی این کار را نمیکند، چون تکرار هشدارها آن را کلافه نمیکند.» ابزارهای هوش مصنوعی میتوانند الگوهایی را جستوجو کنند که مشکل واقعی را شناسایی میکنند و اپراتورهای انسانی را از دشواری کار نظارت بر آنها رها میکنند و ریسک نادیده گرفتن هشدارهای مهم را کاهش میدهند.
دوم، تیمهای IT پیشرو، از ابزارهای هوش مصنوعی و یادگیری ماشینی برای اتوماتیکسازی پشتیبانی از کارکنان استفاده میکنند. از آنجا که خیلی از معیارهای سنجش عملکرد مشابه هستند، به راحتی و به سرعت میتوان آنها را با چتباتها بررسی و رفع و رجوع کرد.
رویکرد مهارت- محور نسبت به استعدادها
برای اینکه بفهمید این ابزارها چه نقشی در موفقیت سازمانی و ارتقای عملکرد منابع انسانی دارند، ببینید خود فرآیند استخدام چگونه تغییر کرده است.
بازار کار امروز به شکل فزایندهای مهارت-محور شده و شرکتها دیگر کمتر به این توجه میکنند که کاندیدای مورد نظر چه دانشگاهی رفته و چه مدرکی دارد. اما ارزیابی دستی مهارتهای نیروی کار یا بررسی مهارتهای تعداد زیادی از کاندیداهای استخدام، تقریبا غیرممکن است؛ بهخصوص با توجه به این واقعیت که دستهبندی مهارتها در صنایع مختلف، یکپارچه نیست.
رهبران سازمانها با کمک ابزارهای هوش مصنوعی و یادگیری ماشینی، میتوانند به راحتی در مورد اینکه سازمانشان به چه استعدادهایی نیاز دارد، قدرت دید خوبی پیدا کنند. به عنوان مثال، برنامه Skills Cloud شرکت ورکدی، با استفاده از هوش مصنوعی و یادگیری ماشینی، به سازمانها کمک میکند مهارتهای نیروی کار موجود خود را تشخیص دهند و متوجه شوند کجاها شکاف وجود دارد. این برنامه با کاوش دادههای بیش از ۶۰میلیون کاربر، نتایجی ارائه میکند که فرصتهای بیشتری برای استخدام مبتنی بر مهارتهای افراد ایجاد و از استراتژیهای استعدادیابی بهتری پشتیبانی میکنند.
برای اینکه بهتر متوجه شوید چنین ابزارهایی چطور میتوانند به استخدام نیروی کار متنوعتر کمک کنند، نمونه نظامیان جوان را در نظر بگیرید. چاکرابورتی میگوید: «به این افراد که در دهه ۲۰ زندگی خود جذب میشوند، مسوولیتهایی واگذار میشود که در دنیای شرکتی، تا وقتی به ۵۰ سالگی نرسیدهاید، هیچوقت از شما انتظارش را ندارند.» بهعنوان مثال، افسران جوانتر که ردههای پایینتری دارند، معمولا تیمهای بزرگ و تجهیزاتی را که ممکن است میلیونها دلار ارزش مالی داشته باشند، مدیریت میکنند. او اضافه میکند: «اما وقتی از لنز سنتی «خب، تو که ۲۰ سال تجربه نداری» به آنها نگاه میکنیم، این واقعیت را نادیده میگیریم.
این در حالی است که با کمک یادگیری ماشینی، به راحتی میتوانید سطح تجربه و مهارت افراد را تشخیص دهید.» شرکتها اگر شریک مناسبی در این حوزهها داشته باشند، میتوانند استفاده از هوش مصنوعی و یادگیری ماشینی را به درستی شروع کنند و از رقبا عقب نیفتند. چاکرابورتی میگوید: «این تکنولوژیها هم مثل رایانش ابری، مثل گوشیهای هوشمند و مثل اینترنت، اتفاق بزرگی هستند. مجبورید درگیر آن شوید.»
منبع: مجله کارخانه، شماره ۴۱ – اسفندماه ۱۴۰۲