هوش مصنوعی یکی از ابزارهای کلیدی در دنیای امروز محسوب میشود. بسیاری از افراد زندگی روزمره شان بدون این ابزارهای حیرت انگیز اصلا به گردش درنمی آید. به همین خاطر بد نیست از خودمان بپرسیم نقش این ابزار در دنیای کسب و کار چیست؟ کارآفرینان و رهبران تجاری چطور از این فناوری به سود خود استفاده می کنند؟
شاید فکر کنید سوالات بالا جواب های بی نهایت امیدوارکننده ای دارند. خب در این صورت باید حسابی ناامیدتان کنیم؛ چراکه هنوز هم خیلی از سازمان ها در برابر استفاده از هوش مصنوعی مقاوت جانانه ای نشان می دهند. درست به همین خاطر ما در این مقاله قصد داریم دلیل مشکل سازمان ها با هوش مصنوعی را زیر ذره بین ببریم. پس با ما همراه باشید تا این مسئله را واکاوی کنیم.
و ترس از آینده: نبرد بر سر قدرت
در تئوری داده ها شریان های حیاتی هستند که قلب هوش مصنوعی را تغذیه می کنند، اما در واقعیت این شریان ها در اکثر سازمان های بزرگ، به شدت مسدود هستند. داده ها در سیلوهای دپارتمان های مختلف انبار شده اند و مانند گنجینه هایی در قلمروهای فئودالی قرون وسطی به شدت از آنها محافظت می شود.
مطلب مرتبط: مدیریت چالش های استارت آپ با هوش مصنوعی
این یک مشکل فنی یا نرم افزاری نیست؛ این یک مشکل عمیقا مبتنی بر قدرت است. برای چندین دهه قدرت و امنیت شغلی یک مدیر میانی با میزان کنترلی که بر روی داده های بخش خود داشت، تعریف می شد. داده، مساوی با قدرت، تخصص و توجیه ناپذیری بود.
هوش مصنوعی با یک تقاضای رادیکال و ترسناک وارد این قلمروها می شود: «تمام داده های خود را به اشتراک بگذارید». از دیدگاه یک مدیر که تمام عمر حرفه ای خود را صرف ساختن این قلعه کرده است، این تقاضا به معنای خلع سلاح شدن، از دست دادن کنترل و در نهایت، بی اهمیت شدن است. بنابراین، مقاومت در برابر به اشتراک گذاری داده، یک لجبازی بوروکراتیک نیست؛ این یک مبارزه غریزی برای بقا است.
یک بانک سرمایه گذاری جهانی مانند جی پی مورگان را در نظر بگیرید. تصور کنید هیأت مدیره یک پروژه استراتژیک برای ساختن یک هوش مصنوعی پیش بینی کننده را تصویب می کند که قرار است با تحلیل رفتار مشتریان، نیازهای مالی آینده آنها را پیشبینی کرده و محصولات مناسب را پیشنهاد دهد. برای موفقیت این پروژه هوش مصنوعی نیاز به دسترسی یکپارچه به داده های سه بخش کاملا مجزا دارد: داده های تراکنش های روزمره از بخش بانکداری خرد، داده های سرمایه گذاری بلندمدت از بخش مدیریت ثروت و داده های ریسک اعتباری از بخش وام دهی.
اما مدیر هر یک از این بخش ها، این پروژه را به عنوان یک تهدید مستقیم می بیند. مدیر بخش مدیریت ثروت نگران است که هوش مصنوعی، مشاوران انسانی گران قیمت او را بی اهمیت جلوه دهد. مدیر بخش وام دهی می ترسد که الگوریتم، استقلال او در تصمیم گیری های اعتباری را زیر سوال ببرد. در نتیجه، آنها با بهانه هایی مانند «حریم خصوصی مشتری» یا «پیچیدگی های فنی»، در برابر به اشتراک گذاری کامل داده ها مقاومت می کنند. نبرد واقعی، بر سر فناوری نیست؛ بر سر حفظ قلمروهای قدرت است.
سندروم راه حل گرایی و توهم مهارت
یکی دیگر از موانع بزرگ، که اغلب توسط خود رهبران ارشد ایجاد می شود، سندروم چکش در جستوجوی میخ است. هوش مصنوعی به یک کلمه کلیدی جذاب و یک نماد از مدرن بودن تبدیل شده و بسیاری از رهبران، تحت فشار هیأت مدیره یا ترس از عقب ماندن از رقبا، میلیون ها دلار صرف خریدن پیچیده ترین هوش مصنوعی می کنند، بدون آنکه حتی یک لحظه فکر کنند که قرار است کدام میخ را با آن بکوبند. این«راه حل گرایی منجر به سرمایه گذاری های عظیمی می شود که به هیچ مشکل واقعی کسب و کار متصل نیستند. یک پلتفرم هوش مصنوعی قدرتمند، بدون یک سوال استراتژیک مشخص، مانند یک موتور فراری بر روی شاسی یک درشکه است؛ چشمگیر، اما کاملا بی فایده.
این مشکل با یک توهم دیگر تشدید می شود: توهم مهارت. رهبران تصور می کنند که با خریدن فناوری توانایی استفاده از آن را نیز خریداری کرده اند، در حالی که بزرگ ترین شکاف در اکثر سازمان ها، شکاف استعداد است؛ یعنی فقدان افرادی که بتوانند زبان کسب و کار را به زبان علم داده ترجمه کرده و بالعکس.
مطلب مرتبط: انقلاب هوش مصنوعی و آینده کسب و کار
شرکت پروکتر اند گمبل با صدها برند و یک زنجیره تامین جهانی بی نهایت پیچیده می تواند به راحتی قربانی این سندروم شود. تصور کنید رهبری شرکت یک قرارداد بزرگ با یک شرکت پیشرو در حوزه هوش مصنوعی برای بهینه سازی پیش بینی تقاضا امضا می کند.
این سیستم با تحلیل هزاران متغیر، به نتایج شگفت انگیزی می رسد: «در سه ماه آینده، تقاضا برای نرم کننده لباس در ایالت تگزاس، به دلیل یک الگوی آب و هوایی غیرمنتظره، کاهش چشمگیری خواهد داشت». این یک بینش درخشان است. اما مدیر زنجیره تأمینی که 30 سال است براساس تجربه و مدل های اکسل کار کرده، به این جعبه سیاه اعتماد نمی کند. از طرفی، هیچ «مترجم» یا «دانشمند داده کسب و کار» در تیم او وجود ندارد که بتواند به او توضیح دهد این الگوریتم «چگونه» به این نتیجه رسیده است. در نتیجه، آن بینش چند میلیون دلاری نادیده گرفته شده و مدیر، به روش های قدیمی خود ادامه می دهد. چکش گران قیمت هوش مصنوعی، در جعبه ابزار خاک می خورد.
سرنوشت هوش مصنوعی در گرو ساختارهای سازمانی!
شاید نامرئی و در عین حال قدرتمندترین مانع در برابر هوش مصنوعی خود ساختار سازمانی باشد. اکثر شرکت های بزرگ هنوز براساس مدل یک کارخانه قرن نوزدهمی اداره می شوند: یک ساختار سلسله مراتبی، با تقسیم کار مشخص، فرآیندهای خطی و یک فرهنگ که برای ثبات، پیش بینی پذیری و اجتناب از خطا بهینه سازی شده است.
هوش مصنوعی در مقابل یک محصول قرن بیست و یکمی است. این فرهنگ بر پایه چابکی، تیم های چند تخصصی، آزمایش های سریع، یادگیری از شکست و تکرارهای مداوم بنا شده است. تزریق کردن فناوری هوش مصنوعی به یک ساختار سازمانی سنتی، مانند تلاش برای اجرای یک نرم افزار مدرن بر روی یک کامپیوتر 30 سال پیش است. سیستم عامل، به سادگی، آن را پس خواهد زد. پذیرش واقعی هوش مصنوعی، نیازمند چیزی کمتر از یک بازمهندسی رادیکال در خود مدل عملیاتی کسب و کار نیست؛ یک تغییر از کنترل از بالا به پایین به سمت توانمندسازی از پایین به بالا.
یک شرکت خودروسازی مانند فورد را در نظر بگیرید. فرض کنید یک تیم کوچک و نوآور در این شرکت، یک الگوریتم هوش مصنوعی درخشان را برای بهینه سازی مصرف باتری در خودرو های الکتریکی براساس الگوهای رانندگی فردی، توسعه داده است. برای آزمایش این ایده، آنها تنها نیاز به دسترسی به داده های یک گروه کوچک از خودروهای آزمایشی و اجازه برای نصب یک به روزرسانی نرم افزاری کوچک دارند.
اما در ساختار سنتی فورد این درخواست ساده باید از یک بوروکراسی پیچیده عبور کند: کمیته مهندسی، دپارتمان حقوقی برای بررسی مسائل حریم خصوصی، تیم بازاریابی برای ارزیابی تاثیر بر برند و در نهایت، تایید چندین لایه مدیریتی. این فرآیند می تواند ماه ها طول بکشد. در همین حین، یک استارتآپ کوچک و چابک در سیلیکون ولی، همان ایده را در عرض چند هفته بر روی خودروهای واقعی آزمایش کرده و از آن یاد می گیرد. مشکل، کمبود ایده یا استعداد در فورد نیست؛ مشکل، سرعت گردش خون در بدن این دایناسور است.
مطلب مرتبط: مهندسی هوش مصنوعی شغل جدید آینده
سخن پایانی
هوش مصنوعی، یک آینه است. وقتی آن را در برابر یک سازمان قرار می دهیم، این آینه نه تنها آینده درخشان احتمالی را به ما نشان می دهد، بلکه تمام ترک ها، ناهماهنگی ها و بیماری های پنهان فرهنگ و ساختار فعلی ما را نیز با وضوحی بیرحمانه منعکس می کند. پذیرش موفقیت آمیز این فناوری، یک مسابقه تسلیحاتی برای خریدن بهترین الگوریتم ها نیست؛ این یک سفر عمیق و اغلب دردناک برای خودشناسی سازمانی است. فراخوان نهایی برای رهبران تجاری، این است که نگاه خود را از قلب بیونیک درخشان برداشته و به بدن بیمار سازمان خود معطوف کنند. چالش واقعی، نه نصب کردن یک نرم افزار جدید، بلکه باز کردن شریان های مسدود شده ارتباطات، تقویت سیستم ایمنی فرهنگی برای پذیرش تغییر و ساختن یک اسکلت سازمانی است که آنقدر چابک و انعطاف پذیر باشد که بتواند با قدرت این قلب جدید، به سوی آینده بدود. در نهایت، روح واقعی در ماشین هوش مصنوعی نیست؛ روح واقعی در انسانیتی است که یاد می گیرد چگونه با این ماشین، همزیستی کرده و تکامل یابد.
منابع: