هزینه پنهان خودکارسازی فرآیندهای عملیاتی شرکتها
چگونه سازمانتان ناشنوا میشود؟
اما آلیانز تنها شرکتی نیست که به سمت دگردیسی هوش مصنوعی میرود. حذف مشاغل سطوح پایین سازمانی و تعطیل کردن مراکز تماس مشتریان در بسیاری از شرکتهای دیگر هم آغاز شده است. زمانی که شرکتها در مسیر پیادهسازی هوش مصنوعی میافتند، دیر یا زود شروع به چرتکه انداختن درباره هزینههای مراکز تماس مشتریان خواهند کرد. اما شرکتهای اندکی نیز درنگ میکنند تا از خود بپرسند کارکنان این واحدها چه چیزی میدانستند.
اگر ماشینی کردن واحدهای صف (یعنی واحدهایی که مستقیما با فرآیندهای عملیاتی سازمان در ارتباط هستند)، جایی در نقشهراه سازمان شما دارد، پرسش بیپاسخ بالا تعیین میکند که آیا از این فرآیند، چابکتر بیرون میآیید یا ارتباط خود را با واقعیت از دست خواهید داد. اگر این پرسش را سرسری بگیرید، ماشینی کردن فرآیندها باعث میشود که دیگر صدای مشتریان خود را نشنوید. اما اگر به درستی با آن مواجه شوید، هوش مصنوعی باعث میشود که سازمان شما بیش از همیشه شنوندهای خوب باشد و به جنبههای انسانی کار و روابط با مشتریان توجه کند. این تفاوت چشمگیر، فقط از طراحی شما ناشی میشود، نه خود فناوری. خواسته یا ناخواسته نیز هر رهبر سازمانی که به این نوع تعدیلها و صرفهجوییها میاندیشد، بر سر این دو راهی قرار دارد.
ضعف نگاه اقتصادی به ارتباط با مشتری
ارزیابیهای رایج کسبوکار و مقایسه هزینه و فایده پروژههای اقتصادی، در واحدهای ارتباط با مشتریان نیز استفاده میشود. به عنوان مثال، برای ارزیابی عملکرد این واحدها، استفاده از معیارهایی مانند زمان میانگین هر تماس، هزینه هر تماس و نرخ برطرفسازی مشکلات مشتریان رواج دارد. اما چیزی که این رویکرد ارزیابی قادر به درک آن نیست (بخشی از آن به دلیل ماهیت غیرقابل سنجش بودن روابط انسانی است)، این است که ۱۴ هزار پرسنل واحد تماس با مشتریان آلیانز، نقش حسگرهای سازمانی را بر عهده دارند و ارتباط با محیط را تنظیم میکنند. این پرسنل دقیقا در نقطهای ایستادهاند که سازمان دنیای واقعی را لمس میکند.
هر روز کارکنان صف، با واقعیت فیلترنشده جهان مواجه میشوند و آن را جذب میکنند. آنها شکایتهای مشتریان را میشنوند، با دغدغههای آنها مواجه میشوند، سردرگمی ناشی از یک سیاست جدید را پیش از تبدیل آن به قانون میبینند و خشم مشتریان از تغییر در یکی از محصولات را پیش از تولید انبوه آن یا حتی وجود دادههای تحلیلی احساس میکنند. انتقال این تجربیات، به ندرت در شرح مشاغل آنها آورده میشود. هیچکس به آنها بابت این وظایف ظریف حقوق پرداخت نمیکند و به ندرت شرکتهایی پیدا میشوند که برای اندازهگیری اثرات این اقدامها یا حتی درک آنها تلاش کنند. نتیجه آن است که یک تحلیل اقتصادی یا مطالعه امکانسنجی تقریبا هیچگاه با دقت، آنچه را سازمان از دست میدهد، شناسایی و ارزیابی نمیکند. من پیشتر در موج حذف مدیران میانی سازمانها استدلال کرده بودم که صرفهجوییهای متعصبانه اغلب منجر به نابودی آن دانش سازمانی میشوند که اکتساب آن دههها زمان برده است. اما ماشینی کردن واحدهای صفی میتواند چیزی بنیادینتر را تخریب کند: نه تنها آنچه یاد گرفته است، بلکه حتی ظرفیت یادگیری آن.
حقیقت در کنارهها زندگی میکند
اندی گروو، مدیرعامل فقید شرکت اینتل نیز همین نکته را بدون برداشتن آخرین گام گوشزد کرده است. او استدلال کرد که نقاط خمیدگی استراتژیک (همان اتفاقی که در شکست نور در ورود به واقعیت متفاوت میافتد) ابتدا توسط افرادی کشف میشود که در کرانهها قرار دارند: «برف ابتدا در حاشیهها آب میشود، به این دلیل که در آنجا بیشتر در معرض متغیرهای محیطی مانند هوا و آفتاب است.» برای گروو، این سخن اشاره به مدیران میانی داشت. اما همین اصل، برای کارکنان صف حتی بیشتر مصداق دارد؛ چرا که کارکنان صف ذوب شدن برف را بسیار قبل از آنکه اطلاعاتش به لایه مدیریت برسد، تجربه میکنند. این نکته جدیدی در علم مدیریت نیست. در شرکت تویوتا، «تایچی اوهنو» (پدر سیستم تولید تویوتا) کف کارخانه دایرههایی (با گچ یا در برخی روایتها به طور استعاری) کشید و مدیران جوان شرکت را وادار کرد که مدتی داخل آن دایره بمانند. هدف آن بود که آنها را وادار به تماشای اطرافشان کند تا به چشم خود ببینند که تولید چگونه اتفاق میافتد. این طرز تفکر، مدیران را تشویق میکرد که «خودت برو و ببین». دلیل آن ساده بود. حقیقت نمیتواند در گزارشها زنده بماند. حقیقت در مکان درست زندگی میکند؛ جایی که کار با جهان پیرامون ملاقات میکند. همین موضوع را میتوان از زاویهای منفی هم دید. در دهه ۱۹۸۰، شرکت آیبیام ۱۲لایه مدیریتی بین افرادی که کار را انجام میدادند و مدیرعامل داشت. هر لایه پیش از تحویل واقعیت به لایه بالاتر، اندکی آن را جلا میداد. نتیجه آن بود که «فرد واقع در رأس شرکت، آن را براساس مجموعهای تصاعدی از دروغها اداره میکرد.» این وضعیت آیبیام حتی باعث شده بود که اصطلاح خاصی در فضای بیرونی شرکت ساخته شود که به مدیران میانی با کت و شلوار خاکستری شرکت اطلاق میشد: ابر خاکستری بزرگ.
هوش مصنوعی حذف میکند
بهکارگیری هوش مصنوعی در مرز شرکتها با جهان پیرامون، تغییری اساسی در مساله ایجاد میکند. در دایرههای گچی اوهنو یا در هر سازمانی که مدیران از واحدهای عملیاتی فاصله دارند، همچنان انسانهایی در کرانهها مستقر هستند. در این حالت، مدیران خردمند میتوانند راهها و سیاستهایی در پیش بگیرند که ارتباطشان با واقعیت افزایش یابد و نقش فیلترها را کمرنگ کنند.
اما زمانی که هوش مصنوعی تمام وظایف صف را بر عهده بگیرد، هیچ انسانی باقی نمیماند که مدیر بخواهد با او صحبت کند. در این حالت، منبع ارتباط با جهان واقعی و حس کردن حقیقت به طور کامل حذف میشود. برخی شرکتها در حال کشف این هزینهها هستند. یک ماه قبل بلومبرگ گزارش داد که شرکت فورد میخواهد ۳۵۰ نفر از مهندسان قدیمی خود را بازگرداند. این تصمیم پس از آن گرفته شد که فورد فهمید سیستمهای خودکار طراحی و کیفیت آنها نمیتوانند جایگزین تخصص کارکنانی شوند که مدتی قبل تعدیل کرده بودند. کار را میتوان ماشینی کرد، اما مشخص شد که دانش و بهویژه دانش شهودی را نمیتوان.
دو آینده پیشرو
رهبران سازمانی اکنون بر سر یک دوراهی قرار گرفتهاند.
یک راه آنها را به سمت شرکتی بیحس و کرخت میبرد: تعاملات را ماشینی کنید، صرفههای اقتصادی را به جیب بزنید و ۱۸ ماه بعد متوجه شوید که سازمان توانایی شنیدن فرکانسهایی را از دست داده است که مشکلات در آن فرکانسها مخابره میشوند. راه دوم به مکانی میرود که کاملا جدید است. در طول تاریخ، تماس سازمانها با واقعیت همواره تکهتکه و غیرنظاممند بوده است. هزار مامور سازمان، دانش خود را در هزار سر جداگانه نگه میداشتند و زمانی که آن دانش به سطح میآمد، اغلب به طور تصادفی بود (در گفتوگوهای داخل راهرو یا آسانسور).
اما تعاملات مدیریتشده با هوش مصنوعی به طور کامل ثبتشده، ساختاریافته و تحلیلپذیر هستند. تعاملات ماشین به طور کامل مبتنی بر دادهها است. پژوهشی از شرکت مشاوره مککنزی در مورد دستیارهای هوش مصنوعی نشان داد که در صورت تبدیل عامدانه دادهها به یک سیستم حسگر چه اتفاقی خواهد افتاد. یک شرکت بیمه اروپایی مدل تجاری خود را حول دستیار هوش مصنوعی بازسازی کرد. در حالت اولیه، آنها ۳ درصد از تماسهای فروش را به صورت دستی ارزیابی میکردند و در حالت ماشینی به ۹۵ درصد ارزیابی رسیدند. این تجربه نشان داد که تغذیه حلقههای یادگیری و ارائه دادهها به هوش مصنوعی تا چه حد میتواند ارتباط با واقعیت را تقویت کند.
پژوهشگران مککنزی فقط به ماشینی کردن تعاملات بسنده نکردند. آنها همچنین دادههای تکمیلی و بازخوردهای مشتریان درباره قیمتگذاری، محصول و استراتژی را دوباره به ماشینها دادند. حتی داستانهای محتاطانه نیز به این موضوع اشاره کردهاند. شرکت فناوری مالی کلارنا (Klarna) معروف به جایگزین کردن ۷۰۰ پرسنل خدمات مشتریان با هوش مصنوعی است. اما آنها مدتی بعد و با کاهش کیفیت خدمات، تغییر مسیر دادند و دوباره شروع به استخدام کارکنانشان کردند. شرکت سیاست جدید خود را آزمایش طرحی برای «ادغام تعالی خط مقدم با بازخورد آنی محصول» توصیف کرده است.
تفاوت دو آینده پیش رو، در تفاوت فناوری نیست. تفاوت در این است که رهبری سازمانها چه درکی از واحدهای حسگر و یادگیرنده سازمانها دارند و چقدر معتقدند که باید آنها را هوشمندانه طراحی کرد.
آنچه دیگر نمیشنوید
واحدهای تماس و پشتیبانی مشتریان هیچگاه فقط مراکز هزینهآفرین شرکتها نبودهاند. آنها همچنین مکانهایی بودند که شرکتها را قادر به شنیدن میکردند، از طریق آنها محیط پیرامون را حس میکردند و به یادگیری خود ادامه میدادند. زمانی که هوش مصنوعی این وظایف را تصاحب کند (اتفاقی که به هر حال خواهد افتاد)، سوال دیگر این نیست که آیا رهبران سازمانی باید واحدهای صفی را ماشینی کنند یا خیر. بحث این است که آیا متوجه میشوید که دیگر متوجه چه چیزهایی نمیشوید یا خیر؟
شرکتها از آنچه ماشینی میکنند، نمیمیرند. آنها از آنچه دیگر نمیشنوند، میمیرند.
منبع: Fast Company
