وقتی هوش مصنوعی انجام بسیاری از کارها را سریعتر و ارزانتر میکند، ارزشمندترین نیروی سازمان کسی است که بتواند ارتباط میان مسئله، فرآیند، مشتری، داده و نتیجه اقتصادی را ببیند؛ مهارتی که میتوان آن را «تفکر سیستمی» نامید
در بسیاری از شرکتها یک معیار تازه به شکل غیررسمی وارد استخدام شده است: «چقدر با هوش مصنوعی کار کردهای؟»
سؤال بدی نیست. کسی که ابزارهای جدید را نمیشناسد احتمالاً بخشی از ظرفیت بهرهوری خود را از دست میدهد. اما اگر همین معیار را بیش از اندازه جدی بگیریم، ممکن است دقیقاً افرادی را استخدام کنیم که در استفاده از ابزار مهارت دارند، ولی در فهم مسئله ضعیفاند.
تفاوت مهمی میان این دو وجود دارد.
فردی میتواند پرامپت بسیار خوبی بنویسد، با چند ابزار AI کار کند و در چند دقیقه گزارش، تحلیل، تصویر یا متن تولید کند، اما هنوز نداند خروجی تولیدشده چه مسئلهای را حل میکند، کجای فرآیند کسبوکار قرار میگیرد و چگونه باید به نتیجه اقتصادی تبدیل شود.
در مقابل، فرد دیگری شاید متخصص آخرین ابزار AI نباشد، اما وقتی با یک مسئله مواجه میشود میپرسد: این مشکل از کجا شروع شده؟ چه واحدهای دیگری را تحت تأثیر قرار میدهد؟ اگر این بخش را بهینه کنیم چه اتفاقی در بخش بعدی میافتد؟ معیار موفقیت چیست؟ و آیا اصلاً در حال حل مسئله درست هستیم؟
در عصر AI، ارزش گروه دوم میتواند بهسرعت افزایش پیدا کند.
از متخصص وظیفه به معمار فرآیند
فرض کنید شرکتی میخواهد زمان پاسخگویی به مشتری را کاهش دهد.
رویکرد وظیفهای میگوید:
«یک چتبات AI بخریم تا سریعتر جواب بدهد.»
رویکرد سیستمی قبل از خرید ابزار چند سؤال مطرح میکند. چرا مشتری تماس میگیرد؟ چه درصدی از تماسها ناشی از اطلاعات ناقص سایت است؟ چه تعداد از پرسشها بعد از خرید ایجاد میشوند؟ آیا بخش فروش وعدهای میدهد که عملیات قادر به اجرای آن نیست؟ چه تعداد تماس به دلیل پیچیدگی فرآیند پرداخت یا ارسال ایجاد شده است؟
ممکن است پس از این بررسی معلوم شود بهترین راه کاهش تماسهای پشتیبانی، خرید فناوری جدید نیست.
شاید باید صفحه محصول اصلاح شود.
شاید پیامک بعد از خرید بهتر شود.
شاید سیاست مرجوعی مبهم است.
یا شاید تیم فروش باید اطلاعات دقیقتری به مشتری بدهد.
این همان تفاوت تفکر وظیفهای و تفکر سیستمی است.
اولی میپرسد:
«چطور این کار را سریعتر انجام دهیم؟»
دومی میپرسد:
«چرا اصلاً این کار ایجاد شده است؟»
AI اجرای کار را ارزان میکند؛ انتخاب کار مهمتر میشود
وقتی انجام یک فعالیت گران است، سازمان ناچار است در استفاده از آن محتاط باشد. اما وقتی AI هزینه تولید تحلیل، محتوا، گزارش، ایده و حتی نرمافزار را کاهش میدهد، مشکل جدیدی ظاهر میشود: میتوانیم با سرعت بسیار بیشتری کار اشتباه انجام دهیم.
یک تیم بازاریابی قبلاً توان تولید ۱۰ محتوای ماهانه داشت.
اکنون میتواند ۱۰۰ محتوا تولید کند.
این الزاماً موفقیت نیست.
اگر مسئله واقعی شرکت ضعف جایگاه برند یا انتخاب اشتباه مخاطب باشد، تولید ۱۰ برابر محتوا فقط ناکارآمدی را مقیاسپذیر کرده است.
AI ظرفیت اجرا را افزایش میدهد و دقیقاً به همین دلیل کیفیت انتخاب مسئله مهمتر میشود.
در گذشته شاید سؤال اصلی این بود:
«چه کسی میتواند این کار را انجام دهد؟»
اکنون بیشتر باید بپرسیم:
«چه کسی میفهمد کدام کار ارزش انجام دادن دارد؟»
کارمند سیستمی چه تفاوتی دارد؟
تفکر سیستمی اصطلاح پیچیدهای به نظر میرسد، اما در محیط کار نشانههای کاملاً عملی دارد.
کارمند معمولی ممکن است وظیفهای دریافت کند و آن را انجام دهد.
کارمند سیستمی علاوه بر انجام وظیفه میخواهد بداند خروجی او ورودی کدام بخش است.
مثلاً از کارشناس بازاریابی میخواهید تعداد سرنخهای فروش را افزایش دهد.
او میتواند تبلیغات بیشتری اجرا کند و تعداد Lead را ۴۰ درصد بالا ببرد.
روی داشبورد بازاریابی موفقیت بزرگی دیده میشود.
اما اگر سرنخهای جدید کیفیت پایینی داشته باشند، تیم فروش زمان بیشتری صرف تماسهای بینتیجه میکند. هزینه فروش افزایش مییابد و نرخ تبدیل پایین میآید.
بازاریابی KPI خودش را بهتر کرده، اما سیستم بدتر شده است.
فردی که تفکر سیستمی دارد فقط تعداد Lead را نمیبیند. مسیر کامل را میبیند:
تبلیغ ← سرنخ ← تماس فروش ← تبدیل ← درآمد ← حفظ مشتری.
او میپرسد تغییر من در ابتدای زنجیره چه اثری بر انتهای آن دارد.
استخدام بر اساس ابزار تاریخ مصرف کوتاهی دارد
یک خطر دیگر نیز وجود دارد.
ابزارهای AI با سرعت زیادی تغییر میکنند.
اگر امروز فردی را عمدتاً به دلیل مهارت در ابزار X استخدام کنید، ممکن است یک سال بعد ابزار Y بسیاری از همان قابلیتها را سادهتر ارائه کند.
بنابراین دانش ابزار مهم است، اما مزیت پایدار نیست.
مهارتهای عمیقتر عمر بیشتری دارند:
تعریف مسئله،
دیدن روابط علت و معلولی،
تشخیص گلوگاه،
تفکیک نشانه از علت،
طراحی آزمایش،
ارزیابی خروجی،
و فهم اثر تصمیم بر کل سیستم.
کسی که این مهارتها را دارد ابزار جدید را نیز یاد میگیرد.
اما کسی که فقط ابزار را بلد است الزاماً این مهارتها را به دست نمیآورد.
در مصاحبه استخدام سؤال را تغییر دهید
اگر برای موقعیتی که با AI سروکار دارد استخدام میکنید، فقط نپرسید:
«با چه ابزارهایی کار کردهاید؟»
یک مسئله واقعی شرکت را مطرح کنید.
مثلاً:
«نرخ بازگشت مشتری طی شش ماه از ۳۵ درصد به ۲۶ درصد رسیده است. از کجا شروع میکنید؟»
به پاسخ نهایی فرد کمتر از نحوه فکر کردنش توجه کنید.
آیا فوراً راهحل پیشنهاد میکند؟
یا ابتدا سؤال میپرسد؟
آیا فقط بازاریابی را بررسی میکند؟
یا محصول، قیمت، خدمات، نوع مشتری، تجربه خرید و تغییرات بازار را هم میبیند؟
آیا میتواند فرضیههای مختلف بسازد؟
آیا میداند برای رد یا تأیید آنها چه دادهای لازم است؟
اینجا تفکر واقعی فرد آشکار میشود.
ابزار عملی فرصت امروز: تست ۵ مرحلهای استخدام سیستمی
در مصاحبه بعدی یک مسئله واقعی اما غیرمحرمانه شرکت را انتخاب کنید و از داوطلب بخواهید طی ۱۵ دقیقه درباره آن فکر کند.
به پنج رفتار از صفر تا پنج امتیاز بدهید.
تعریف مسئله: آیا قبل از ارائه راهحل مطمئن شد مسئله را درست فهمیده است؟
دیدن زنجیره: آیا اثر مسئله بر بخشهای دیگر کسبوکار را میبیند؟
فرضیهسازی: آیا چند توضیح ممکن میسازد یا به اولین پاسخ میچسبد؟
اولویتبندی: آیا میتواند مشخص کند کدام عامل را باید ابتدا بررسی کرد؟
معیار نتیجه: آیا توضیح میدهد از کجا خواهیم فهمید راهحل موفق بوده است؟
امتیاز کامل ۲۵ است.
فردی که نرمافزارهای زیادی میشناسد اما در این آزمون ۸ میگیرد، شاید اپراتور خوبی برای ابزار باشد؛ الزاماً حلکننده خوبی برای مسئله نیست.
همین آزمون را روی کارکنان فعلی اجرا کنید
این موضوع فقط درباره استخدام نیست.
یکی از بهترین سرمایهگذاریهای آموزشی عصر AI میتواند آموزش کارکنان برای دیدن فرآیند کامل باشد.
کارشناس بازاریابی یک روز کنار فروش بنشیند.
فروش با خدمات مشتری صحبت کند.
محصول تماسهای مشتری را گوش دهد.
مالی ببیند تصمیمهای عملیاتی چگونه هزینه ایجاد میکنند.
هرچه کارکنان فقط بخش کوچک خودشان را ببینند، احتمال بهینهسازی محلی افزایش پیدا میکند.
و AI میتواند همین بهینهسازی محلی را بسیار سریعتر کند.
حکم فرصت امروز
شرکتها احتمالاً در سالهای آینده بارها ابزارهای AI خود را تغییر خواهند داد. چیزی که امروز پیشرفته محسوب میشود ممکن است خیلی زود تبدیل به یک قابلیت عادی شود.
بنابراین هنگام استخدام فقط به این نگاه نکنید که فرد با کدام ابزار کار میکند.
ببینید وقتی ابزار را از او میگیرید، چگونه فکر میکند.
آیا مسئله را میشکند؟
آیا روابط را میبیند؟
آیا سؤال درست میپرسد؟
آیا اثر تصمیم بر مشتری، فرآیند و نتیجه اقتصادی را دنبال میکند؟
AI بهتدریج توانایی «انجام دادن» را فراوانتر میکند.
در چنین اقتصادی، یکی از کمیابترین تواناییها میتواند این باشد:
فهمیدن اینکه چه چیزی اصلاً باید انجام شود.