شکل جدید استراتژی و عملیات سازمانها در عصر جدید تکنولوژی
آینده هوش مصنوعی در کسب و کار
آینده هوش مصنوعی، کسب و کارها و نقش مدیران
آینده هوش مصنوعی با پیشرفتهایی که فراتر از اتوماسیون اولیه هستند مشخص میشود. توانایی هوش مصنوعی در تفسیر آنی دادهها، یادگیری و عمل به آنها به طور خودکار، شکل تازهای به مدلهای کسب و کار داده است. شرکتهای پیشرو مانند ایندیتکس، زالاندو و آمازون در حال حاضر برای پیشبینی روندها، شخصیسازی تجارب مشتری و بهینهسازی زنجیرههای تامین از این تکنولوژی استفاده میکنند. این روندهای هوش مصنوعی نشان میدهند استفاده از ابزارهایی مانند الگوریتمهای یادگیری عمیق و سیستمهای هوش مصنوعی مولد، میتواند کل صنایع، از تولید تا خدمات مالی را از نو تعریف کند.
در عصر هوش مصنوعی، نقش مدیران کسب و کار از تصمیمگیری مبتنی بر داده فراتر میرود. این مدیران باید معماران یک چشمانداز اخلاقی و استراتژیک باشند و بتوانند هوش مصنوعی را در فرهنگ سازمانی ادغام کنند تا هم برای شرکت و هم برای جامعه مفید باشد. همچنین ضروری است که مدیر بتواند به طور موثری ارتباط برقرار کرده و بتواند در حوزه هوش مصنوعی تیمها را توانمند و در استفاده از این ابزارها اعتماد ایجاد کند. نهایتا، هدایت تیمها در یک محیط تکنولوژی که به سرعت در حال تحول و دگرگونی است، نیازمند مهارتهایی برای برقراری ارتباط، الهامبخشی و مدیریت پتانسیل تحولآفرین هوش مصنوعی است. در این زمینه، توانایی تشکیل و مدیریت تیمهای چندرشتهای برای ایجاد تاثیر مثبت پایدار بسیار مهم خواهد بود.
تغییر محیط سازمانی
کسب و کارها برای پیشرفت در استفاده از هوش مصنوعی در آینده، باید زیرساختهای تکنولوژی خود را بررسی کنند. همچنین باید اولویت را به سیستمهایی بدهند که میتوانند حجم زیادی از دادهها را مدیریت و یکپارچگی بین حوزهها را تضمین کنند. البته بسیار مهم است که این تحول در محیط شرکتها برای آینده هوش مصنوعی، سه نکته حیاتی را مورد توجه قرار دهد:
۱- رهبری در عصر هوش مصنوعی: مدیران کسب و کار نقش حیاتی در ایجاد چشماندازی روشن در نحوه استفاده از هوش مصنوعی در شرکت ایفا خواهند کرد. برای این منظور، داشتن دانش و مهارتهای فنی، استراتژیک و انسانی، ضروری است؛ از جمله:
درک فنی هوش مصنوعی: تسلط بر مفاهیم پایه مانند یادگیری ماشین و اخلاق الگوریتم.
تصمیمگیری مبتنی بر داده: دانستن نحوه تفسیر نتایج برای هدایت تصمیمات استراتژیک.
مهارتهای رهبری تطبیقی: مدیریت تغییرات تکنولوژیک با تقویت همکاری و تابآوری.
آموزش اخلاق و پاسخگویی هوش مصنوعی: ضرورت پرداختن به تعصب و حریم خصوصی.
دسترسی به شبکههای متخصصان: توسعهدهندگان، رهبران فکری، مهندسان، رسانههای تخصصی و موارد دیگر.
مدارس کسب و کار مانند Esade برنامههای آموزشی را ارائه میدهند که به طور خاص برای مجهز کردن مدیران به این ابزارها و دانش طراحی شدهاند. برنامههایی مانند بازاندیشی کسب و کار با هوش مصنوعی، هوش مصنوعی در کسب و کار و برنامه تخصصی در هوش مصنوعی کسب و کار آموزشهای مفیدی را در حوزه هوش مصنوعی ارائه میدهند که با همکاری متخصصان شرکتهایی از جمله IBM تدریس میشوند. علاوه بر این، برنامههای مقطع کارشناسی مانند کارشناسی مدیریت بازرگانی و کارشناسی بازرگانی و هوش مصنوعی و برنامههای تحصیلات تکمیلی مانند کارشناسی ارشد تحلیل بازرگانی و هوش مصنوعی، رویکردهای آموزشی نوآورانهای هستند که نسلهای جدید رهبران را قادر میسازد تا از همان سالهای اولیه دانشگاه، هوش مصنوعی را بپذیرند.
۲- آمادهسازی تیمها برای تغییر به سمت هوش مصنوعی: آمادهسازی استعدادهای انسانی در عصر هوش مصنوعی و آینده کسب و کارها مهم خواهد بود. تیمهای آموزشدیده در زمینههایی مانند تحلیل دادهها، یادگیری ماشین و مدیریت تغییرات تکنولوژی برای ادغام موثر هوش مصنوعی اهمیت زیادی خواهند داشت. این امر نه تنها بهرهوری را افزایش میدهد، بلکه به کاهش موانع پذیرش تکنولوژی نیز کمک خواهد کرد.
۳- راهبردهایی برایگذار مسوولانه به عصر هوش مصنوعی: برای دستیابی به یکگذار موفق و مسوولانه، این استراتژیها توصیه میشوند:
ترویج استفاده اخلاقی از هوش مصنوعی: اجرای اصول اخلاقی و برنامههای آموزشی برای جلوگیری از تبعیض و تضمین تاثیر مثبت.
ایجاد سیاستهای نظارت و حسابرسی الگوریتم: ایجاد پروتکلهای حسابرسی منظم که دقت، انصاف و شفافیت الگوریتمها را ارزیابی میکنند، بسیار مهم است و شامل استفاده از ابزارهای خودکار برای شناسایی سوگیریها، مانند AI Fairness ۳۶۰ شرکت IBM، و آزمایش در سناریوهای شبیهسازی شده قبل از استقرار میشود؛ اما محدود به آنها نیست.
اطمینان از تاثیر مثبت انسانی و اجتماعی تکنولوژی: شرکتها باید تاثیر اجتماعی تکنولوژی را ارزیابی و پذیرش آن را از طریق اقدامات مسوولانه - مانند حسابرسی منظم مدلهای مورد استفاده در استخدام - تقویت کنند تا اطمینان پیدا کنند موجب تداوم تبعیض نمیشوند.
پیامدها و چالشها
اگرچه مزایای هوش مصنوعی زیاد است، اما پیامدهای آن چالشهای اخلاقی بسیاری ایجاد میکند که شرکتها باید از همان ابتدا به آنها بپردازند. یک استراتژی قوی، پیامدهای هوش مصنوعی را در شرکتهایی که اخلاق را در اولویت خود قرار میدهند، به حداقل میرساند.
۱- حریم خصوصی: جمعآوری انبوه دادهها توسط سیستمهای هوش مصنوعی میتواند حریم خصوصی کاربران را در معرض خطر قرار دهد. این موضوع بدون کنترل مناسب، میتواند نظارتهای غیراخلاقی در پی داشته باشد. بنابراین، کسب و کارها باید برای تضمین شفافیت، مقرراتی مانند مقررات عمومی حفاظت از دادهها (GDPR) را رعایت کنند.
۲- خطرات امنیتی: امنیت سایبری یک چالش مهم در آینده هوش مصنوعی خواهد بود که همین امر سیستمها را در برابر حملات آسیبپذیر میکند. بنابراین سرمایهگذاری در حفاظت قوی برای کسب و کارها بسیار مهم خواهد بود.
۳- تصمیمگیری نادرست: سوگیری در الگوریتمها یا خطا در دادهها میتواند منجر به تصمیمات تجاری نادرست شود. که در این راستا سیستمهای نظارت و حسابرسی برای تضمین تصمیمگیری صحیح و اجرای استراتژیهای موفق ضروری خواهند بود.
۴- جابهجایی شغلی: اتوماسیون میتواند تهدید جدی برای مشاغل تکراری باشد. مطالعهای که اخیرا توسط موسسه مشاوره مککینزی انجام گرفته، نشان میدهد بین ۲۵ تا ۳۵درصد از فعالیتهای کاری - بهویژه وظایف تکراری - میتوانند در دهه آینده تغییر کنند. اگر اینگذار با سیاستهای بازآموزی مهارت مدیریت نشود، موجب تشدید نابرابریها خواهد شد.
حال و آینده
جمینای، چتجیپیتی و کوپایلوت: ابزارهای هوش مصنوعی مولد مانند اینها برای تولید متن، محتوا، تصاویر و حتی نوشتن کد برنامهنویسی و موارد دیگر استفاده میشوند. طبق نظرسنجی جهانی مککینزی در سال ۲۰۲۴ که در مورد هوش مصنوعی انجام گرفت، ۶۵درصد از پاسخدهندگان گزارش دادند که سازمانهایشان مرتب از هوش مصنوعی مولد استفاده میکنند؛ تقریبا دو برابر تعداد در نظرسنجی قبلی.
چتباتها و دستیاران مجازی: ابزارهای پاسخگویی خودکار، خدمات مشتری را سادهسازی میکنند و بهبود میبخشند. ارزیابیها نشان میدهد چتباتها ۷۰درصد از تعاملات مشتری را مدیریت میکنند، تجربه را بهبود میبخشند و کارآیی را افزایش میدهند.
سیستمهای پیشنهاددهنده (هوش مصنوعی در تجارت الکترونیک): پلتفرمهایی مانند آمازون و نتفلیکس الگوریتمهای هوش مصنوعی را برای پیشنهاد محصولات یا محتوا بر اساس رفتار کاربر تکمیل کردهاند.
اتوماسیون فرآیند روباتیک: شرکتهایی مانند UiPath و Automation Anywhere در زمینه خودکارسازی وظایف تکراری در حوزههایی مانند امور مالی، منابع انسانی و لجستیک پیشرو هستند.
تحلیلهای پیشبینیکننده: شرکتها در بخشهایی مانند خردهفروشی یا تولید، برای تجزیه و تحلیل حجم زیادی از دادهها از هوش مصنوعی استفاده میکنند تا بتوانند تقاضا را پیشبینی کرده و از اختلالات عرضه جلوگیری کنند.
سیستمهای هوش مصنوعی در امنیت سایبری: ابزارهایی مانند Darktrace و CrowdStrike از الگوریتمهای پیشرفته برای شناسایی و کاهش تهدیدهای در زمان واقعی استفاده میکنند.
بخشهای پیشرو در پذیرش هوش مصنوعی
بانکداری و امور مالی: موسسات مالی هوش مصنوعی را از طریق چتباتها برای تشخیص کلاهبرداری، شخصیسازی ارائه خدمات و بهبود خدمات به مشتریان به کار خواهند گرفت. همچنین ابزارهایی مانند تحلیلهای پیشبینیکننده، سرمایهگذاریها را بهینه کرده و ریسکها را به طور دقیق مدیریت خواهند کرد.
سلامت: هوش مصنوعی با استفاده از الگوریتمهایی که تصاویری مانند اشعه ایکس و MRI را به سرعت و با دقت تجزیه و تحلیل میکنند، در حال متحول کردن تشخیصهای پزشکی است. همچنین در تحقیقات دارویی و برنامهریزی درمان شخصیسازیشده مورد استفاده قرار میگیرد.
خردهفروشی و تجارت الکترونیک: سیستمهای توصیه مبتنی بر هوش مصنوعی به شخصیسازی تجربه مشتری کمک میکنند. علاوه بر این، ابزارهای تجزیه و تحلیل پیشبینیکننده، میتوانند مدیریت موجودی و لجستیک را در زنجیره تامین بهینه کنند.
تولید: بهکارگیری دوقلوهای دیجیتال و روباتیک، تولید را بهینه میکند. این کار خطاها و هزینهها را کاهش میدهد، و به کارخانهها اجازه میدهد با کارآیی و انعطافپذیری بیشتری فعالیت کنند.
انرژی و پایداری: هوش مصنوعی به شرکتهای انرژی در بهینهسازی مصرف و تولید انرژی، بهویژه در انرژیهای تجدیدپذیر، کمک میکند. همچنین از هوش مصنوعی برای تجزیه و تحلیل دادههای اقلیمی و بهبود بهرهوری عملیاتی در پروژههای پایدار استفاده میشود.
حملونقل و لجستیک: وسایل نقلیه خودران، سیستمهای مدیریت هوشمند ترافیک و بهینهسازی مسیر، نمونههای بارزی از تاثیر هوش مصنوعی بر این بخش هستند.
آموزش: پلتفرمهای یادگیری شخصیسازیشده و مدرسان مجازی مبتنی بر هوش مصنوعی، نحوه تعامل دانشآموزان با محتوای آموزشی را تغییر داده و دسترسی و سازگاری یادگیری را افزایش میدهند.
منبع: esade.edu
