آیا کامپیوترها جایگزین مدیران می‌شوند؟

مترجم: مهدی نیکوئی* منبع: McKinsey Quarterly در سال ۱۹۶۷، مقاله‌ای تحت عنوان «مدیر و احمق» در سایت McKinsey Quarterly انتشار یافت که ادعا می‌کرد: «کامپیوترها هیچ تصمیمی نمی‌گیرند؛ آنها فقط دستورات ما را اجرا می‌کنند. این یک حماقت محض است و در مورد توانایی آن دروغ گفته شده است. این موضوع ما را برای تعیین معیار مجبور به فکر کردن می‌کند. هر اندازه یک ابزار احمقانه‌تر باشد، کارفرما باید باهوش‌تر باشد و کامپیوتر احمق‌ترین ابزاری است که بشر تاکنون داشته است.» اما اوضاع عوض شد. پس از سالیان دراز وعده و وعید، سرعت یادگیری ماشین‌ها افزایش یافت. در حال حاضر نیز کامپیوترها در حال جایگزین شدن با کارورزان ماهر در زمینه‌هایی مانند معماری، خلبانی، حقوقی، پزشکی و زمین‌شناسی هستند و ماهیت شغل‌ها را نیز در طیف گسترده‌ای از مشاغل و حرفه‌های دیگر تغییر داده‌اند.

یک شرکت سرمایه‌گذاری هنگ‌کنگی به نام Deep Knowledge Ventures به حدی در این زمینه پیش رفته است که یک الگوریتم تصمیم‌گیری کامپیوتری را در هیات‌مدیره خود به‌کار گرفته است.

چه چیزی باعث شده که یک الگوریتم بتواند از یک مدیر ارشد پیشی بگیرد و جایگزین او شود؟ اگر کامپیوتر می‌تواند کار آنها را انجام دهد، پس دلیل استفاده از مدیران و رهبران ارشد چیست؟ مسلما پاسخ‌های ما به این سوالات به‌کار ما با رهبران ارشد در طیفی از صنایع، به‌خصوص صنایعی ارتباط دارد که پیشقراول استفاده از داده‌های بزرگ و انقلاب تحلیل پیشرفته هستند. همچنین مطالعاتی روی آن دسته از مدیران اجرایی انجام شد که فعالانه‌تر با شرکت‌هایشان و فرآیندهای تصمیم‌گیری از طریق منبع‌یابی جامع و سکوهای اجتماعی داخل و خارج از مرزهای سازمان‌ها کار می‌کنند.

سوالی که به ذهن می‌رسد، ساده است: پیشرفت ماشین‌های جادویی مبهوت‌کننده است؛ اما آیا شکل زندگی مدیران ارشد را تغییر خواهد داد؟ آیا پیشرفت‌های مدیریتی اجازه رخ دادن این اتفاق را می‌دهد؟ به‌رغم پیشرفت‌های قابل توجه کامپیوترها هنوز هم دو مشکل بزرگ حل نشده است. نیاز است که این ماشین‌ها بتوانند مجموعه‌های داده باارزش تولید کنند و ظرفیت تصمیم‌گیری خود را افزایش دهند. از طرفی، تصمیمات مدیران نیز براساس داده‌ها و اطلاعات کافی نبوده و از شیوه «هر چه بادا باد!» استفاده می‌کنند.

اگر این دو مشکل حل شود، نقش این رهبران اجرایی متحول شده و کامپیوترها کاملا جایگزین آنها می‌شوند؛ اما ما معتقدیم که برخلاف انتظارات، مدیران اجرایی در عصر ماشین‌های جادویی قادر خواهند بود تا بزرگ‌ترین تفاوت را نسبت به عصر استفاده از انسان‌ها ایجاد کنند. منظور این است سوالاتی که آنها می‌توانند مطرح کنند و همچنین کارهایی که از عهده ماشین‌ها و الگوریتم‌های کامپیوتر برنمی‌آید، قدرت آنها را افزایش می‌دهد. این موارد شامل تحمل ابهام و تمرکز روی بخش «نرم‌تر» مدیریت برای مداخله سازمان و ایجاد ظرفیت آن برای خود-اصلاحی می‌شود.

رشد روزافزون کاربرد ماشین‌ها

تحسین‌برانگیزترین نمونه‌های جایگزینی یادگیری ماشین به جای الگوهای شناخت انسانی (مانند ابرکامپیوتر‌ بالقوه برای پیش‌بینی نتایج غده‌شناسی دقیق‌تر از فیزیکدان‌ها از طریق بازنگری، ذخیره‌سازی و یادگیری از حجم انبوه نوشته‌های پزشکی و مقالات و ژورنال‌ها) در شرایطی امکان‌پذیر است که ورودی‌ها کیفیت بالایی داشته باشند. در مقابل شرایط معمولا به نوعی است که داده‌های لازم برای تصمیم‌گیری و تحلیل پیشرفته در سازمان و صنعت پخش شده است و دسترسی به همه آنها امکان‌پذیر نیست. مدیران اجرایی این‌گونه شرکت‌ها اغلب خود را در محاصره داده‌های «ناخالص» یا دشوار برای تجزیه و تحلیل می‌بینند.

این مقاله صرفا در مورد داده‌های بزرگ نیست، بلکه ما می‌خواهیم فرآیند ارائه ورودی بی‌کیفیت به کامپیوتر و دریافت خروجی‌های بی‌کیفیت را در سیستم‌های کامپیوتری بررسی کنیم؛ مشکلی که طی ۵۰ سال گذشته همواره وجود داشته است. این مشکل مدیریتی محدود به مدیران عامل و سازمان‌های IT نمی‌شود، بلکه تمامی سازمان‌ها و کارکنان باید تلاش کنند که کیفیت داده‌های در دسترس برای تصمیم‌گیری افزایش یابد. البته مشکلات موجود فراتر از کیفیت پایین و عدم کارآیی داده‌ها هستند؛ همان‌طور که برخی از کارشناسان اعتقاد دارند «سیگنال‌های ضعیف» از رسانه‌های جمعی و سایر منابع نیز دید بهتری در مورد آینده بازار به مدیران می‌دهند.

انگیزه‌ها برای دستیابی به این حق زیاد است؛ پیشگامان بازار باید بتوانند کیفیت و سرعت تصمیم‌گیری را در طیف گسترده‌ای از حوزه‌های فنی و استراتژیک افزایش دهند. به علاوه، از این طریق پیشگامان احتمالا چشم‌اندازها و دید بهتری از داده‌های تحلیل شده یا غیرساختارمند خود (مانند بحث‌های مبتنی بر ایمیل بین نمایندگان فروش یا تصمیم یا حلقه‌های موجود در رسانه‌های اجتماعی) به دست خواهند آورد. بدون تحول رفتاری از جانب رهبران ارشد، سازمان‌های آنها قدرت کامل هوش مصنوعی را در سرانگشتان خود درک نخواهند کرد. چالشی که امروزه وجود دارد، دقیقا این موضوع است که آیا چشم‌اندازها و دیدی که یادگیری ماشینی ارائه می‌کند، در خدمت مدیران ارشد است یا خیر؟

قطعا چشم‌اندازی جذاب وجود دارد: مجموعه‌ای سفارشی شده و پر از ابرداده‌هایی که توصیف‌کننده و تولیدکننده اطلاعات عملیاتی، مالی و بازاریابی هستند. این مجموعه‌ها حاوی داده‌هایی عمیق‌ و با جزئیات فراوان است و قدرتی عظیم را در اختیار تیم مدیریت ارشد می‌گذارد. اما این مجموعه داده‌ها خود به خود تولید نمی‌شوند. مدیران ارشد باید شاخص‌های نرم‌افزاری مورد نیاز را پیدا کنند و در کنار یکدیگر قرار دهند تا مشخص شود که به‌عنوان مثال کدام داده اولویت یافته و کدام یک برای پیشرفت به‌کار گرفته خواهد شد. گزافه‌گویی نخواهد بود اگر بگوییم این شاخص‌ها تعیین‌کننده مسیری هستند که شرکت به سمت آن حرکت می‌کند. همچنین این شاخص‌ها تعیین‌کننده موفقیت و شکست مدیران نیز هست. به‌عنوان مثال، یک بانک می‌تواند از طریق تغییر نرخ سود، ترکیب بین وام‌دهی یا دریافت سپرده‌ها را تغییر دهد. ماشین‌ها ممکن است قادر باشند در زمان صحیح قیمت‌ها را اصلاح کنند، اما مدیران ارشد باید هدف را تعیین کنند. به‌طور مشابه، ماشین‌ها می‌توانند بر ریسک‌ها نظارت کنند، اما فقط پس از آنکه مدیران ارشد اجرایی تعیین کردند که تحمل چه سطحی از ریسک را دارند.

داده‌های فروش زمان حال هم می‌تواند توسط کامپیوترها براساس موقعیت مکانی، محصول، تیم و کانال تفکیک شود. نسل قبلی مدیران موی خود را در حال انجام این تفکیک و تحلیل سفید کرده‌اند. حتی امروز نیز ممکن است مدیران ناآگاه در جزئیات بی‌اهمیت غرق شوند. برخی از آنها از تکنولوژی گریزان هستند (به‌عنوان مثال ممکن است لایه‌هایی از کارکنان را استخدام کنند که کار غربالگری داده‌ها را انجام دهند). از این طریق، مدیران این ریسک را می‌پذیرند که به دیدگاهی«فیلتر شده» از واقعیت دست پیدا کنند که قدرت داده‌های واقعی در آن وجود ندارد.

همان‌طور که قدرت هوش مصنوعی افزایش می‌یابد، جنبه‌های نامبارک غرق شدن در دیدگاه‌های حتی نسبتا باارزش افزایش می‌یابد. راه‌حل مقابله با این موضوع دیوان‌سالاری کردن اطلاعات نیست، بلکه باید آن را دموکراتیک کرد: باید سازمان‌ها را تشویق کرد و انتظار داشت که بتوانند خود را بدون افزایش مشکلات و تصمیمات جدید، مدیریت کنند. البته واحدهای کسب‌وکار و عملیات گسترده در سازمان گزارش‌دهی به هیات‌مدیره و مدیرعامل را ادامه خواهند داد. البته روز به روز مدیران توانایی بیشتری در تصمیم‌گیری‌های سریع و موثر و بدون کمک زیردستان پیدا خواهند کرد؛ به این دلیل که پیشرفت مستمر کامپیوترها به آنها امکان دستیابی به دیدگاه‌هایی روشن‌تر در مورد سازمان و محیط و روندهای آتی خواهد داد.

در جهانی که هوش مصنوعی داده‌های مختلفی را فراهم کرده و تصمیمات روزانه مدیران را پشتیبانی می‌کند، نیاز به تفکر «هر چه بادا باد» و اقدامات متهورانه بیشتر می‌شود.

همچنین این داده‌های فراوان و جزئی در بسیاری از مواقع دغدغه ذهنی مدیران را افزایش می‌دهند. اکنون در دنیایی زندگی می‌کنیم که مدیران ارشد به‌دلیل رشد تکنولوژی و افزایش دانش عمومی مزیت نسبی خود را از دست می‌دهند. اما در عصر فرماندهی و کنترل، مدیران می‌توانستند با احتکار دانش موجود و ایجاد ارتباطات یک‌طرفه در سازمان، بر قدرت خود بیفزایند. اگر مدیری بخواهد برای حفظ قدرت خود به شیوه گذشته عمل کند، هزینه‌های بسیاری را بر خود و بر سازمانش تحمیل خواهد کرد. رشد و حرکت چنین سازمانی کند خواهد شد و درحالی‌که دیگران از هوش مصنوعی نفع می‌برند، او از آن بی‌بهره است.

مزیت انسان

اگر رهبران ارشد به‌طور موفقیت‌آمیزی از تکنولوژی و ماشین‌های هوشمند استفاده و قدرت تصمیم‌گیری را به بالا و پایین تفویض کنند، چه چیزی برای انجام دادن باقی می‌ماند؟ آیا با این وضعیت نیازی به حضور آنها در سازمان‌ها هست یا می‌توان تکنولوژی را جایگزینشان کرد؟

پرسیدن سوال

یک استراتژی خوب از سوالات خوب شروع می‌شود. پرسیدن سوالات درست از افراد درست و در زمان درست مهارتی است که دستگاه‌های کامپیوتری از آن بی‌بهره بوده و احتمالا هیچ گاه نیز آن را به دست نخواهند آورد. یکی از مهم‌ترین تخصص‌های مدیران ارشد این است که سوالاتی را که لازم است از ماشین‌ها بپرسند و سپس به آنها این فرصت را بدهند تا به پرسش‌ها پاسخ گویند.

اهمیت سوال‌ها فقط محدود به ماشین‌ها نمی‌شود و باید در مورد تفسیر خروجی‌های آنها نیز ادامه پیدا کند. تاریخ معاصر نشان می‌دهد متکی بودن صرف بر تصمیمات کامپیوترها ریسک بزرگی به همراه دارد. این ریسک می‌تواند نامحدود باشد. مدیران پیش از هر اقدام باید دلایل و شیوه‌های تصمیم‌گیری ماشین‌ها را درک کنند. در این مورد تجربه‌ای هشدارآمیز وجود دارد: مدیران ارشد و میانی بانک‌های جهانی پیش از بحران سال ۲۰۰۸ کاملا فرآیند تصمیم‌گیری ماشینی را درک نکرده بودند و این موضوع منجر به فجایع عظیمی شد.

مشکلات تصمیم‌گیری‌های الگوریتم‌ها و هوش مصنوعی محدود به حوزه مالی نمی‌شود و در حوزه‌های تصمیم‌گیری گسترده‌ای این موارد مشاهده می‌شود. هرچند درک پیچیدگی‌های تحلیل کامپیوترها آسان نیست، اما مدیران می‌توانند با آزمون‌هایی کوچک و غالبا فی‌البداهه اعتبار آنها را سنجش کنند. مدیران همچنین باید سبک‌های مدیریتی خود را بیازمایند.

حمله به استثناها

یکی از عواملی که در جعبه‌ابزار هر رهبری باید دیده شود، توانایی حمله قدرتمند به ابهام و «استثنائات» است. ماشین‌های هوشمند ممکن است روز به روز در پیش‌بینی اینکه در چه زمانی با مشکل روبه‌رو خواهند شد، بهتر شوند. شواهدی از این روند در حوزه‌های سرشار از داده (data-intensive) مانند قیمت‌گذاری یا دپارتمان‌های مالی و اعتباری یا مراکز پاسخگویی تلفنی مشاهده می‌شود. به‌طور مشابه با بهبود اطلاعات و هوشمندتر شدن ماشین‌ها ممکن است در نواحی استراتژیک‌تر (از تحلیل رقابتی گرفته تا مدیریت استعداد) نیز دیده شود. از این رو مدیران ارشد می‌توانند زمان کمتری را روی مسائل مدیریتی روزمره صرف کنند اما معیار عملکرد موفق یک مدیر زمانی است که یک استثنا رخ می‌دهد.

رهبران ارشد مجبور خواهند بود که براساس ترکیبی از دیدگاه‌ها تصمیم‌گیری کنند و استثنائات را بررسی کنند تا ببینند آیا نیاز به مداخله است یا خیر. استثنائات تغییراتی است که در سازمان یا محیط اتفاق می‌افتند و نیاز به اقدام مقتضی را مطرح می‌کنند. این شرایط جدید ضمن اینکه می‌تواند تهدیدی برای سازمان محسوب شود، می‌تواند فرصتی برای نوآوری نیز باشد.

تحمل ابهام

درحالی‌که الگوریتم‌ها و ابرکامپیوترها برای یافتن پاسخ‌ها طراحی شده‌اند، معمولا برای سوالات کوچک می‌توانند جواب‌های قطعی پیدا کنند. هر اندازه که پرسش بزرگ‌تر و گسترده‌تر می‌شود، احتمال بیشتری دارد که برای حل آن نیاز به مداخله انسان باشد. دلیل این موضوع آن است که هر چند ماشین‌ها به سرعت یاد می‌گیرند، اما تکه‌های بسیار و غیریکپارچه‌ای از اطلاعات فراهم می‌کنند. اگر مدیر نتواند این قطعات را در جای خود قرار دهد و پازل اطلاعات را تکمیل کند، ممکن است در تصمیمات آشفتگی بسیاری مشاهده شود.

مثالی واضح که در اینجا می‌توان مطرح کرد این است که مدیران ارشد متکی بر کامپیوتر شروع به تست کردن طیف گسترده‌ای از سوالات دو گزینه‌ای می‌کنند تا متوجه شوند کدام گزینه ارجحیت دارد اما با توجه به اینکه مقایسه‌های آنها محدود به دو گزینه است، شیوه آنها منجر به ابهام بیشتر می‌شود. این دسته از مدیران یک گزینه را انتخاب می‌کنند، اقدام می‌کنند، نگاهی به نتایج می‌اندازند و دوباره اصلاح می‌کنند اما به‌دلیل آنکه یکپارچگی اطلاعات تامین نشده است، هیچ‌گاه بهترین تصمیم اتخاذ نخواهد شد.

این شیوه باعث می‌شود تا شرکت‌ها بدون اینکه بدانند دقیقا به کجا می‌روند، حرکت کنند. چنین حرکتی برای مدیران اجرایی بیشتر شبیه تلوتلو خوردن در تاریکی است و نقاط اتکا ممکن است بسیار کم باشد.

بسیاری با عدم اطمینانی که این رویکرد منجر می‌شود، درگیر خواهند بود. آنها باید بر این وسوسه غلبه کنند که داده‌ها را پیش از ظهور واقعی پیش‌بینی کنند. این شیوه مانعی بزرگ برای ظهور دیدگاه‌های جدید و استفاده از مداخله‌های نامتراکم در مسیر حرکت است. آنچه برای مدیران اجرایی لازم است توانایی باقی ماندن در یک وضعیت ناآگاهی است؛ درحالی‌که به‌طور مداوم اطلاعات در دسترس و منابع آن را فیلتر و ارزیابی می‌کنند، تنش و ابهام را تحمل می‌کنند و تصمیمات قاطع را تا زمان ظهور نشانه‌های قطعی به تعویق می‌اندازند. در چنین شرایطی، وسوسه اقدام سریع ممکن است احساس امنیت و اطمینان کاذب را سبب شود؛ اما همچنین ممکن است باعث جلوگیری از نتایج بالقوه مفیدی شود که می‌توانند در زمان طولانی‌تری بروز کنند.

به کار گرفتن مهارت‌های «نرم»

زمانی که بحث انگیزش کارکنان، همدلی با مشتریان، توسعه استعداد و موارد مشابه پیش می‌آید، انسان‌ها مزیت بزرگ خود را نشان می‌دهند. گاهی، ماشین‌ها ورودی‌های بی‌ارزشی را از تحلیل‌های رفتار افراد ارائه می‌کنند اما تبدیل این دیدگاه‌ها به پیام‌هایی که توسط سازمان‌ها اجرایی شوند، نیاز به مداخله انسان دارد. هیچ کامپیوتری تاکنون با قدم زدن در بین کارکنان به مدیریت نپرداخته است و هیچ مدیر ارشد اثربخشی تلاش نکرده است تا کارکنان خود را با گفتن «ما این کار را انجام می‌دهیم به این دلیل که الگوریتم به ما گفته است» برانگیزاند. در مقابل استفاده از تحلیل‌های ماشین‌ها و استفاده خردمندانه از آنها برای انگیزش کارکنان کاری است که مدیران باید انجام دهند. هرچند این مقاله تلاش ندارد تا در مورد رهبری انگیزشی صحبت کند، اما تجربه ثابت کرده است رشد همزمان اهمیت مهارت‌های نرم‌تر مدیریتی و هوش تکنولوژیک منجر به افزایش پیچیدگی و غنای نقش مدیران ارشد می‌شود.

nikoueimahdi@gmail.com*