هوش مصنوعی راه‌حلی برای کلاف‌های سردرگم
به نظر می‌رسد که دیدگاه دوم صحیح‌تر است، اگرچه حجم زیاد داده‌های جمع‌آوری‌شده در فضای کسب‌وکار، بهبود قدرت پردازشگرها و عوامل زیرساختی ازاین‌دست در اهمیت بخشی به هوش مصنوعی و افزایش به‌کارگیری آن موثر بوده است و نقش تبلیغات شرکت‌های فراهم‌کننده این راه‌حل‌ها را هم نمی‌شود نادیده گرفت، اما توجه روزافزون به آن بیشتر تحت تاثیر افزایش تقاضا برای بهره‌گیری از آن است.
امروزه دگرگونی‌های محیطی آن‌قدر زیاد و اثرگذار شده‌اند، که چارچوب‌های استراتژیک سنتی مثلا تمرکز بر نوآوری یا رهبری هزینه و مانند آن دیگر کارآمد نیستند زیرا یک دگرگونی یا عدم قطعیت محیطی می‌توانند رشته همه آن تمرکزی را که شرکت‌ها با تمرکز بر این استراتژی‌ها به‌سختی ایجاد کرده‌اند را پنبه و مزیت‌های حاصل‌شده با صبر زیاد و خون‌دل را در چشم برهم زدنی نابود کند. پس شرکت‌ها باید به سمت تحلیل‌های چابک و سریع، منطبق با دگرگونی‌ها و انعطاف‌پذیر روی بیاورند، باید بتوانند همراه با تحلیل‌های کلان، بینش‌های لحظه‌ای از وضعیت داشته باشند و بر مبنای آن تصمیم بگیرند.
دیگر تحلیل چند معیار محدود محیط دور و نزدیک و وضعیت صنعت و رقابت، برای مدیران فهم روشنی از کلاف سردرگم اوضاع ایجاد نمی‌کند بلکه باید متغیرهای بسیار زیاد به‌کاررفته و تأثیرگذاری‌هایشان بر همدیگر هم‌زمان تحلیل شود اما چنین بررسی‌هایی دیگر از توان ذهنی هوشمندترین استراتژیست‌ها هم خارج است پس چنین شده است که تقاضا زیاد برای بهره‌گیری از امکانات هوش مصنوعی در حاکمیت و راهبری سازمان، محرک عرضه راه‌حل‌های مختلف در این حوزه شده است.
هوش مصنوعی چگونه می‌تواند در راهبری استراتژیک شرکت‌ها موثر باشد؟
کاربرد هوش مصنوعی در تجسم آینده‌های ممکن
اولین کاربرد هوش مصنوعی در راهبری استراتژیک شرکت‌ها در تحلیل پیچیدگی‌ها و چالش‌ها است! هرگز نمی‌توان برای شرکت قبل از شناخت ابعاد کلاف سردرگم و درک چرایی حال بدش که ناشی از برهم‌کنش چندین عارضه و بیماری مهلک است، نسخه شفا بپیچید.
کارایی اول هوش مصنوعی همین‌جا است. استراتژیست‌ها در ابتدا با بهره‌گیری از این فناوری، مهم‌ترین متغیرهای تاثیرگذار در محیط را کشف می‌کنند. عدم قطعیت‌هایی که بیشترین نوسان رادارند، اتفاق افتادنشان موثرتر از بقیه است و سازمان باید حتما خودش را برای مواجهه با آن‌ها آماده کند. هوش مصنوعی می‌تواند این متغیرها را با یکدیگر ترکیب کند و چندین سناریو محتمل برای آینده شکل دهد.
بسیار ساده‌انگارانه است اگر فکر کنیم باهوش مصنوعی هم پیش‌بینی آینده به‌صورت مشخص و دقیق قابل انجام است، برخلاف دیدگاه اشتباهی که دراین‌باره وجود دارد، هوش مصنوعی وضعیت آینده را پیش‌بینی نمی‌کند، بلکه آینده‌های ممکن را در قالب چندین سناریو مختلف به تجسم می‌کشد پس ما نه با یک آینده بلکه با طیفی از سناریوها که هر یک توصیفی از آینده متفاوتی خواهد بود مواجه می‌شویم. هوش مصنوعی این سناریوها را تحلیل می‌کند، برپایه داده‌هایی که در اختیار دارد محتمل‌ترین سناریوها، پرمنفعت‌ترینشان، آن‌هایی که از بقیه پر ریسک تر هستند را مشخص می‌کند و سپس با انجام شبیه‌سازی استراتژیک به ما می‌گوید که سرنوشت شرکتمان در مواجهه با هریک از این سناریوها چگونه خواهد بود. برای بهره‌مندی از فرصت‌های هر یک چه قابلیت‌هایی را باید در سازمان خود ایجاد کنیم و چه راهبردهایی را بیندیشیم که در مواجهه با بدترینشان بتوانیم استحکام و تاب‌آوری داشته باشیم و از فرصت‌های بهترینشان بهره‌مند گردیم.
کاربرد هوش مصنوعی برای شناخت اهداف و سنجه‌ها
از زمان پیتر دراکر مدیریت مبتنی بر هدف‌گذاری و اندازه‌گیری به‌عنوان پارادایم رایج در حاکمیت شرکتی و مدیریت راهبردی مطرح بوده است. مدیران ابتدا در قالب سند چشم‌انداز، قله‌ای را که مشتاق فتح آن هستند را توصیف می‌کنند، سپس ایستگاه‌های رسیدن به آن قله را در قالب اهداف معین می‌نمایند و سپس برای اهداف، سنجه‌های قابل‌اندازه‌گیری و پایش وضعی می‌کنند تا با دستیابی به این سنجه‌ها، به ایستگاه‌ها برسند و طی کردن سلسله مراتبی ایستگاه‌ها آن‌ها را به سرمنزل مقصود یعنی چشم‌انداز برساند. طبیعتا منطق قوی پشت این دیدگاه ذهنی وجود دارد و قاعده این روش موثر است، مگر آنکه در مسیر طوفان‌های زیاد و پیش‌بینی‌نشده‌ای اتفاق بیفتد چون در این حالت دیگر هدف‌گذاری‌های قبلی برای معین کردن ایستگاه‌ها و حتا قله و اندازه‌گیری‌ها کارایی ندارند! پس در شیوه‌های نوین مدیریت استراتژیک که مبتنی بر عدم قطعیت است، چشم‌انداز و اهداف هم در طول مسیر و متناظر با دگرگونی‌های فعلی و پیش‌بینی آن‌ها مدام تغییر می‌کنند. تمرکز بر اندازه‌گیری اهداف همان‌قدر که در محیط پایدار سودمند است، در محیط ناپایدار و با عدم قطعیت‌های فراوان خطرناک می‌نماید زیرا تمرکز بر اندازه‌گیری وضعیتی که در حال تغییر است، می‌تواند ذهن مدیران را از توجه به تغییرات منحرف کند. اینجا هم دوباره هوش مصنوعی به کار می‌آید تا با مشخص کردن دایمی آنچه باید اندازه‌گیری بشود و مخصوصا آنچه نباید اندازه‌گیری شود، این خطای ادراکی را کاهش دهد. پس برخلاف آنچه خیلی‌ها می‌پندارند کاربرد اصلی هوش مصنوعی در اندازه‌گیری و پایش سنجه‌ها نیست بلکه در مشخص کردن خود سنجه‌ها است. یعنی معین کردن آنچه باید مورد تمرکز و توجه قرار گیرد و آنچه نباید به آن زیاد پرداخته شود.
ادامه دارد
