توسعه ایجنت های هوش مصنوعی در سازمان
چگونه ایجنتها موج بعدی خلق ارزش هوش مصنوعی را تسریع میکنند
کارکرد هوش مصنوعی در سازمان از دیروز تا فردا
بدیهی است و همه می دانند که ایجنت های هوش مصنوعی در حال متحول کردن شیوه انجام کارها هستند، اما هنوز ــ دستکم تا امروز ــ نحوه فعالیت بیشتر شرکتها را به طور بنیادین تغییر نداده است. اما این سرعتی که این تکنولوژی پیش می رود، به زودی تغییر خواهد داد.
ما در حال ورود به عصر ایجنت های هوش مصنوعی (AI Agents) هستیم. موجهای قبلی هوش مصنوعی یا بر چت بات های دستیار هوشمند یا الگوریتم های بهینهسازی یا بر خلاقیت و ترکیب و تولید محتوا تمرکز داشتند، یعنی به ترتیب «نیمکره چپ» و «نیمکره راست» هوش مصنوعی پیشبینانه و هوش مصنوعی مولد. اما موج بعدی شامل سیستمهای ایجنت محور (Agentic Systems) خواهد بود که کل جریانهای کاری را بر عهده میگیرند و در انجام آنها از قضاوتی استفاده میکنند که بر پایه دانش سازمانی و انباشته خود شرکت شکل گرفته است ( یادگیری ایجنت از سازمان )
هوش مصنوعی به مثابه قشر پیشانی مغز سازمان:
اگر هوش مصنوعی پیشبینانه، استعاره ای از نیمکره چپ مغز برای منطق و بهینهسازی باشد و هوش مصنوعی مولد، نیمکره راست که برای خلاقیت و ترکیب و تولید محتوا از آن استفاده می کنیم، هوش مصنوعی ایجنتیک یا عامل محور (Agentic AI) در نقش «کارکرد اجرایی مغز» ظاهر میشود؛ یعنی همان بخشی که پیش بینی ها و احتمالات خلاقانه را به نتایج و اثرگذاری های مهم کسبوکار تبدیل میکند.
هوش مصنوعی پیشبینانه، ارزشآفرینی در حوزههای تصمیمگیری موثر برای سازمان را امکانپذیر کرد و هوش مصنوعی مولد دریچه هایی از ارزشآفرینی در حوزههای دانش و تولید محتوا را به روی سازمان ها می گشاید و اکنون ایجنت های هوش مصنوعی در حال ایجاد ارزش در حوزههایی هستند که فرایندمحورند و در آنها نحوه اجرا تعیینکننده عملکرد است.
این سیستمها صرفاً تحلیل و تولید نمیکنند؛ بلکه واقعیات را مشاهده، تحلیل و برنامهریزی میکنند و بر مبنای آنها بهصورت مستقل اقداماتی را انجام می دهند. آنها بهطور مستمر یاد میگیرند و هنگامی که در بطن کسبوکار قرار میگیرند، بهبود بازدهی در مراحلی را که موجب کند شدن فعالیت های سازمان میشوند را بر عهده میگیرند؛ خواه هماهنگسازی بین جریانهای کاری داخلی باشد یا تعامل مستقیم با مشتریان و شرکای تجاری.
پذیرندگان اولیه این فناوری همین حالا نشان دادهاند که این تحول در عمل چه شکلی خواهد داشت:
• یک شرکت کشتیسازی با استفاده از ایجنت ها برای اجرای یک فرایند چندمرحلهای طراحی، توانست تلاش موردنیاز بخش مهندسی را تا حدود ۴۰ درصد و زمان چرخه طراحی و مهندسی را تا ۶۰ درصد کاهش دهد.
• یک شرکت مخابراتی، دستیارهای ایجنتیک را به کار گرفت که روزانه بیش از ۴۰ هزار پیام را در حوزههای تلفن همراه، اینترنت پهنباند و تلویزیون ارسال میکنند و در نتیجه، فروش دیجیتال این شرکت پنج برابر شد.
• یک ارائهدهنده خدمات حقوق و دستمزد، با استفاده از یک عامل ناظر که از سوی عاملهای تخصصیِ اجرایی پشتیبانی میشد، خطاها و ناهنجاریها را بهصورت خودکار برطرف کرد و سرعت پردازش را بیش از ۵۰ درصد افزایش داد.
نتایجی از این دست موجب سرمایهگذاری سریع در صنایع مختلف شدهاند. در مطالعه اخیر گروه مشاوران بوستون که با همکاری MIT Sloan Management Reviewانجام شد، ۳۵ درصد سازمانها اعلام کردند که در حال حاضر از ایجنت های هوش مصنوعی در سازمان استفاده میکنند و ۴۴ درصد دیگر نیز گفتهاند که قصد دارند به زودی چنین کاری را انجام دهند. همین پژوهش نشان داد که سه چهارم سازمانهایی که استفاده گستردهای از ایجنت های هوش مصنوعی دارند، معتقدند هوش مصنوعی اکنون در حال ایجاد منابع جدیدی از ارزش و مزیت رقابتی است.
افزایش بهره وری اغلب شرکت ها، نخستین مزیت حاصل از پذیرش هوش مصنوعی است؛ اما دستاورد اصلی در عصر هوش مصنوعی ایجنتیک، ایجاد مزیت های رقابتی متمایزکننده است. چالش واقعی نیز حفظ این مزیت در شرایطی است که هوش مصنوعی میتواند زمینه ظهور رقبای جدید و ساختارشکن را فراهم کند و مزیتهای سنتی را کاهش دهد.
گام هایی برای توسعه هوش مصنوعی ایجنتیک در سازمان
نخستین گام در مسیر حرکت به سوی هوش مصنوعی ایجنتیک، محدود کردن دستور کار استفاده از ایجنت های هوش مصنوعی به اولویتهایی است که واقعاً موجب ایجاد مزیت و ارزش میشوند. گروه مشاوران بوستون (BCG) با تکیه بر تجربه خود در همکاری با پذیرندگان اولیه این فناوری، نقشه راهی را برای مدیران عامل ترسیم کرده است که مشخص میکند اکنون چه اقداماتی باید انجام دهند، در مرحله بعد انتظار چه تحولاتی را داشته باشند و برای دستیابی به بالاترین بازده از هوش مصنوعی، چه اصولی را همواره رعایت کنند.
اکنون: سه اقدام که باید همین امروز انجام دهید
مدیران باید از سال آینده برای ایجاد زیرساخت و بنیان لازم جهت استقرار هوش مصنوعی عاملمحور استفاده کنند. البته این فرایند در ۱۲ ماه به پایان نخواهد رسید. اما انجام این اقدامات از همین حالا به ایجاد قابلیتها و اعتمادبهنفسی کمک میکند که سازمان برای گسترش گسترده این فناوری در سالهای آینده به آن نیاز خواهد داشت.
کار را حول فرایندهای مبتنی بر نتایج و با رویکرد «مبنای صفر» بازطراحی کنید. یکی از اشتباهات رایج این است که سازمان همان فرایندهای موجود را صرفاً خودکار میکند. ارزش واقعی تحول دیجیتال در حوزه هوش مصنوعی زمانی ایجاد میشود که از یک رویکرد «مبنای صفر» شروع کنیم؛ یعنی ابتدا نتیجهای را که میخواهیم به دست آوریم مشخص کنیم و سپس شیوه دستیابی به آن نتیجه را از نو طراحی کنیم. باید دوباره بررسی کنیم که وظایف در جریان فرایند چگونه جریان پیدا میکنند، تصمیمها در کجا گرفته میشوند و با افزایش نقش عاملها در اجرا، مسئولیتها و نقشهای افراد چگونه تغییر خواهند کرد. همچنین باید از پیش مشخص کنید پس از راهاندازی سیستم، به چه مهارتها، مسئولیتها و ساختار تیمی نیاز خواهید داشت.
یک شرکت جهانی تولید کالاهای مصرفی این رویکرد را در فرایند نوآوری محصول خود به کار گرفت. بهجای آنکه فقط مراحل منفرد فرایند را سریعتر کند، فرایند را از ابتدا بازطراحی کرد و جریان کاری را حول عاملهای فرادست (Meta-Agents) که کارها را هماهنگ میکردند و عاملهای اجرایی (Worker Agents) که بینش تولید میکردند، ایدهها را آزمایش میکردند و مفاهیم جدید میساختند، دوباره طراحی کرد. این سیستم یکپارچه، زمان چرخه را حدود ۶۰ درصد کاهش داد و تناسب محصول با نیاز بازار را بهبود بخشید.
زمینه سازمانی و هوش اختصاصی شرکت خود را در سیستم هوش مصنوعی ادغام کنید
زمینه و بستر، رفتار افراد را شکل میدهد و رفتار افراد نیز عملکرد کلی سازمانهای انسانمحور را تعیین میکند. همین موضوع درباره سازمانهایی که از ایجنت های هوش مصنوعی استفاده میکنند نیز صادق است. ایجنت ها به همان زمینه غنیای نیاز دارند که بهترین کارکنان شما بر اساس آن هدایت میشوند؛ از دادهها و ابزارها گرفته تا هنجارها، دانش ضمنی، محدودیتها و اهداف و مقاصد.
برای آنکه عاملهای هوش مصنوعی از تولید خروجیهای عمومی و کلی به سمت تولید هوش سازمانی متمایز و اختصاصی حرکت کنند، باید یک (بافت زمینه کسبوکار» (Business Context Fabric) ایجاد کنید. این بافت از سه مؤلفه تشکیل میشود:
اهداف: نتایجی را که عامل باید به آنها دست پیدا کند ــ نه صرفاً خروجیهایی که باید تولید کند ــ تعریف کنید؛ برای مثال افزایش نرخ تبدیل یا تسریع فرایند انطباق با مقررات.
منابع: عامل را به دادهها، ابزارها و منطق تصمیمگیریای متصل کنید که تیمهای برتر سازمان شما از آنها استفاده میکنند.
محدودیتها: چارچوبهای کنترلی و مرزهایی را تعیین کنید که اقدامات خودمختار ایجنت را ایمن و سازگار نگه میدارند؛ از جمله مقررات، لحن و هویت برند و میزان ریسکپذیری سازمان.
یک شرکت جهانی تولید کالاهای مصرفی، با برگزاری کارگاههایی با حضور متخصصان، بافت زمینه کسبوکار خود را شناسایی کرد. این کارگاهها به کشف اصول نانوشتهای کمک کردند که تیم خلاق شرکت در طراحی کمپینهای قدرتمند از آنها پیروی میکرد. شرکت این دانش ضمنی را به دستورهای متنی و درختهای تصمیمی تبدیل کرد که عاملهای هوش مصنوعی از آنها پیروی میکردند. نتیجه، ارائه توصیههایی سازگار با برند و در عین حال کاهش چشمگیر دوبارهکاری بود.
یک پلتفرم مشترک هوش مصنوعی به عنوان یک زیرساخت گسترده سازمانی را ایجاد کنید.
برای گسترش این فناوری در مقیاس سازمان، نمیتوان اجازه داد هر واحد سازمانی زیرساخت مستقل خود را بسازد. شما به یک پلتفرم مشترک هوش مصنوعی نیاز دارید که به مدیران مسئول سود و زیان (P&L Owners) نوعی «آزادی در چارچوب» بدهد. میتوان این پلتفرم را مانند یک سیستم سازمانی در نظر گرفت که همه واحدها و تیمها بر بستر آن فعالیت میکنند.
این پلتفرم باید شامل اتصالدهندههای داده، چارچوبهای هماهنگسازی و ارکستراسیون، مدیریت مدلها، پایش و نظارت، و سطوح مختلف خودمختاری همراه با کنترلهای هوش مصنوعی مسئولانه باشد. این اجزای مشترک به تیمها اجازه میدهند سریعتر نوآوری کنند، بدون اینکه مجبور باشند زیرساختهای پایه را از ابتدا بسازند یا امنیت را به خطر بیندازند.
در این مدل جدید، فناوری اطلاعات و واحدهای کسبوکار بهعنوان شریک در کنار یکدیگر فعالیت میکنند:
واحد فناوری اطلاعات سیستم را حفظ میکند: این واحد مسئول مدیریت دادهها، زیرساخت و سازوکارهای حفاظتی است تا اطمینان حاصل شود سیستمها و ایجنت های هوش مصنوعی قابلاعتماد، منطبق با مقررات، سازگار و بهروز باقی میمانند.
کسبوکار طراحی را هدایت میکند: مدیران و تیمهای تخصصی از این پلتفرم برای طراحی عاملهایی استفاده میکنند که نتایج موردنظر کسبوکار را محقق میکنند. در این فرایند، نیروهای متخصص و آشنا با فناوری در سازمان قرار میگیرند تا مالکیت فرایندهای جدیدِ مبتنی بر عامل را بهعنوان محصولات بر عهده بگیرند و آنها را در طول زمان توسعه دهند.
این رویکرد تأثیر قابلتوجهی دارد. در همکاری با شرکت های مختلف، مشاهده کردهایم که ابزارها و دادههای مشترک میتوانند هزینهها را تا ۳۰ درصد کاهش و بهرهوری را ۲۵ درصد افزایش دهند. با افزایش استفاده مجدد از اجزای موجود، زمان ورود به بازار نیز میتواند ۵۰ درصد بهبود یابد.
مرحله بعد: دو تحول ساختار شکن که باید برای آنها آماده شوید
با بر عهده گرفتن بخش بیشتری از اجرا توسط عاملها، مدیران عامل باید خود را برای دو تحول بزرگ آماده کنند.
مدل عملیاتی سازمان بهطور بنیادین تغییر خواهد کرد. پژوهش های گروه مشاوران بوستون با دانشگاه MIT نشان میدهد که با واگذاری اجرای فعالیتهای روتین به ایجنت های هوش مصنوعی، مدل عملیاتی سنتی سازمان بهطور اساسی دگرگون خواهد شد. برخی از این تغییرات عبارتاند از:
نیروی کار مجددا متوازن خواهد شد:
نیروهای جوان زمان کمتری را صرف تولید «نسخه اولیه» کارها خواهند کرد و زمان بیشتری را به هدایت آنها اختصاص خواهند داد. در میان سازمانهایی که استفاده گستردهای از هوش مصنوعی دارند، ۲۹ درصد شرکتها میگویند به تعداد کمتری از موقعیتهای سنتیِ سطح ورودی نیاز خواهند داشت و ۴۳ درصد انتظار دارند تقاضا برای نیروهای عمومیتر و چندمهارته که بتوانند تیمهای ترکیبی انسان ـ عامل و جریانهای کاری ترکیبی را مدیریت کنند، افزایش یابد.
نشانههای اولیه از هم گسیختگی در صنایع مختلف از همین حالا نیز قابل مشاهده است. پژوهش دانشگاه استنفورد بر دادههای حقوق و دستمزد نشان داده است که اشتغال کارکنان در ابتدای مسیر شغلی، یعنی افراد ۲۲ تا ۲۵ ساله، در مشاغلی که در معرض هوش مصنوعی قرار دارند، ۱۶ درصد کاهش یافته است. همچنین توازن میان واحدها و نقشهای مختلف تغییر خواهد کرد: برخی جریانهای کاری کاملاً خودکار خواهند شد، برخی دیگر تحت هدایت انسان باقی میمانند و با کمرنگ شدن نقشهای قدیمی، نقشهای جدیدی ظهور خواهند کرد. بنابراین، برنامهریزی راهبردی نیروی کار مبتنی بر مهارتها به ضرورتی اساسی تبدیل خواهد شد.
طراحی سازمان تغییر خواهد کرد:
با فاصله گرفتن انسانها از اجرای مستقیم فعالیتها و حرکت آنها به سمت تیمهای بینوظیفهای و نتیجهمحور، ۴۵ درصد رهبران هوش مصنوعی انتظار دارند به لایههای مدیریتی میانی کمتری نیاز داشته باشند. کارها بیش از پیش به تیمهای متنوعی منتقل خواهند شد که ترکیبی از متخصصان حوزههای مختلف، دانش فناوری و علم داده و تخصصهای مرتبط با حقوق و منابع انسانی هستند. تمرکز این تیمها بهجای اجرای دستی فعالیتها، بر نظارت، هماهنگسازی و بهبود مستمر فرایندهای مبتنی بر عامل خواهد بود.
حاکمیت سازمانی نیز تکامل خواهد یافت. در حال حاضر، اکثریت قریببهاتفاق شرکتها همچنان بیشتر فرایندهای خود را با حضور انسان در چرخه و با حفظ اختیار نهایی تصمیمگیری در دست انسان طراحی میکنند. اما با واگذاری حقوق تصمیمگیری بیشتر به هوش مصنوعی، ۵۸ درصد از پذیرندگان گسترده هوش مصنوعی انتظار دارند طی سه سال آینده تحول بنیادینی در حاکمیت سازمانی رخ دهد و یکسوم آنها معتقدند هوش مصنوعی در همین بازه زمانی اختیار بیشتری برای تصمیمگیری خواهد داشت.
این سازمانها در حال ترسیم مرزهای روشنتری میان نقشهای انسان و هوش مصنوعی هستند. همچنین مدلهای حاکمیتی بینوظیفهای ایجاد میکنند تا فعالیتهای خودمختار را پایش و هماهنگ کنند، استانداردها را تدوین و اجرا کنند و نتایج و ریسکها را در سراسر سیستمها اندازهگیری کنند.
مفهوم «آزادی در چارچوب» باید شامل مدیریت دقیق ریسک نیز باشد؛ مدیریتی که بر اصول بنیادین هوش مصنوعی مسئولانه تکیه دارد، از جمله طبقهبندیهای روشن ریسک، آزمونهای دقیق، پایش مستمر و تابآوری تعبیهشده از همان ابتدا تا اطمینان حاصل شود ایجنت ها در چارچوب مرزهای تعیینشده عمل میکنند.
پروتکل اعتماد: چارچوبی برای خودمختاری تدریجی را ایجاد کنید
بزرگترین مانع گسترش هوش مصنوعی عاملمحور، فناوری نیست؛ اعتماد است. تردید مدیران عامل نیز دلیل موجهی دارد. هیچکس نمیخواهد سیستم هوش مصنوعی نا مطمینی داشته باشد که تخفیفی خیالی و بدون فایده را ایجاد و به مشتری ارایه کند، به او توهین کند یا سرمایه را بهاشتباه تخصیص دهد.
برای حرکت از مرحله اجرای آزمایشی به مقیاسپذیری، مدیران باید یک چارچوب خودمختاری تدریجی اتخاذ کنند. میتوان آن را مانند یک مسیر ارتقا در نظر گرفت که در آن عاملها با عبور موفق از آستانههای عملکردی و آزمونهای دقیق، بهتدریج شایستگی دریافت سطح بیشتری از خودمختاری را به دست میآورند. این چارچوب چهار سطح دارد:
سطح ۱: حالت سایه (کمکی)
در این حالت، عامل پیشنهاد میدهد و انسان اقدام میکند. عامل مانند یک «نجوای دیجیتال» عمل میکند؛ دادهها را مشاهده میکند، گزینهها را آماده میکند یا اطلاعات ناقص را شناسایی میکند؛ مشابه شیوهای که امروزه از مدلهای زبانی بزرگ مانند ChatGPT استفاده میکنیم. انسان کنترل کامل را در اختیار دارد و مرحله نهایی را بهصورت دستی اجرا میکند. از منظر ارزش راهبردی، این سطح زمین تمرین است. سازمان میتواند در این مرحله منطق عامل را در برابر زمینه کسبوکار اعتبارسنجی کند، بدون آنکه ریسک عملیاتی ایجاد شود.
سطح ۲: خودمختاری تحت نظارت (انسان در چرخه)
در این سطح، عامل اقدام را آماده و پیشنهاد میکند و انسان آن را تأیید میکند. عامل اقدام موردنظر را آماده و در وضعیت اجرا قرار میدهد، اما اجرای آن تا زمانی متوقف میماند که انسان یک «تأیید دیجیتال» بدهد. اگر امتیاز اطمینان عامل از یک آستانه تعیینشده، مثلاً ۹۰ درصد، پایینتر بیاید، سیستم به سطح اول بازمیگردد. این رویکرد برای تصمیمهای پراهمیت و پرریسکی مناسب است که دقت در آنها اهمیت بسیار زیادی دارد؛ مانند حسابرسی مالی یا نهاییسازی پیشنهادهای پیچیده کسبوکار.
سطح ۳: خودمختاری هدایتشده (انسان ناظر بر چرخه):
در این سطح، عامل اقدام میکند و انسان بر عملکرد آن نظارت دارد. عامل در چارچوب محدودیتها و کنترلهای سختگیرانه، بهصورت خودمختار اجرا را انجام میدهد. انسانها از نقش تأییدکننده به مدیران استثنا تبدیل میشوند و تنها زمانی مداخله میکنند که سیستم یک ناهنجاری را شناسایی کند یا در بررسیهای تصادفی و نمونهای نیاز به کنترل وجود داشته باشد. این رویکرد سرعت انجام وظایف روتین، مانند تأمین مجدد موجودی در زنجیره تأمین، را افزایش میدهد و در عین حال برای شرایط استثنایی یک لایه ایمنی حفظ میکند.
سطح ۴: خودمختاری کامل (انسان خارج از چرخه)
در این سطح، عامل بدون نظارت صریح انسانی و در جریانهای کاری مشخص، بهصورت مستقل فعالیت میکند. این سطح تنها برای محیطهایی با بلوغ بسیار بالا و ریسک پایین مناسب است؛ محیطهایی که در آن هزینه خطا در مقایسه با افزایش بهرهوری، ناچیز باشد.
اجرای موفق این مدل مستلزم آن است که عاملها ابتدا در سطح ۱، یعنی حالت سایه، فعالیت کنند تا زمانی که ثابت کنند با میزان ریسکپذیری سازمان شما همسو هستند. خودمختاری، سفری مبتنی بر اعتماد است و میزان این اعتماد از طریق دقت عملکرد قابلاندازهگیری است.
یک راهبرد فناوری بازتنظیمشده:
با افزایش هزینه نیروی کار و کاهش هزینههای دیجیتال، شرکتها در حال انتقال بخشی از مخارج خود از نیروی انسانی به فناوری هستند. در چنین شرایطی، افزایش سهم هزینههای فناوری ــ برای مثال از ۳۵ تا ۴۵ درصد هزینههای عملیاتی در بانکداری خرد، در مقایسه با ۲۰ تا ۳۰ درصد امروز ــ نشاندهنده افزایش بودجه نیست؛ بلکه نشاندهنده تغییر ترکیب هزینهها و برقراری توازن مجدد میان آنهاست. این تحول باعث میشود راهبرد فناوری دیگر از راهبرد رقابتی جدا نباشد.
با تجمیع اکوسیستم فناوری حول چند پلتفرم بزرگ و تعداد زیادی متخصص و ارائهدهنده کوچکتر، مدیران باید در محیط مشارکتها و همکاریهای روزبهروز پیچیدهتر، کنترل و ثبات لازم را حفظ کنند. ارائهدهندگان خدمات ابری و مدلهای هوش مصنوعی، وابستگیهایی حیاتی و تعیینکننده هستند و باید مانند ائتلافها و اتحادهای راهبردی با آنها برخورد شود. مدیران همچنین باید سیستمها را ماژولار نگه دارند تا از وابستگی به یک ارائهدهنده خاص جلوگیری کنند و ارزش اختصاصی دادههای خود را حفظ کنند.
همواره پنج اصل ماندگار را به یاد داشته باشید:
فناوری تغییر میکند، اما اصول بنیادین تحول مبتنی بر هوش مصنوعی ثابت باقی میمانند. مدیران عامل باید اکنون و در سالهای آینده از اصول زیر پیروی کنند.
بر چند سرمایهگذاری بزرگ برای «بازطراحی و ابداع» تمرکز کنید. هوش مصنوعی را در سراسر سازمان پخش نکنید تا مجموعهای از دستاوردهای کوچک بهرهوری ایجاد شود. برای ایجاد ارزش واقعی و مزیت متمایز، منابع را بر بازطراحی جریانهای کاری سرتاسری و ابداع مدلهای کسبوکار جدید و درآمدزا متمرکز کنید. از موفقیتهای اولیه این سرمایهگذاریهای بزرگ در حوزههای حیاتی استفاده کنید تا اعتماد و توانمندی لازم برای گسترش آنها در سازمان ایجاد شود.
برای ایجاد اثرگذاری، شکلهای مختلف هوش مصنوعی و فناوری را ترکیب کنید:
قدرتمندترین سیستمها، هوش مصنوعی پیشبینانه را برای بهینهسازی تصمیمها، هوش مصنوعی مولد را برای تولید محتوا و اکنون هوش مصنوعی عاملمحور را برای هماهنگسازی و اجرای فعالیتها با یکدیگر ترکیب میکنند. برای ساخت چنین سیستمهایی، از آنچه هماکنون در اختیار دارید استفاده کنید و بهجای آنکه سیستمها و دادههای فعلی را در سیلوهای جداگانه نگه دارید، آنها را یکپارچه کنید.
از قاعده ۱۰/۲۰/۷۰ پیروی کنید:
الگوریتمها تنها ۱۰ درصد از کار تحول هوش مصنوعی را تشکیل میدهند و زیرساخت فناورانه ۲۰ درصد دیگر را. ۷۰ درصد باقیمانده مربوط به افراد و فرایندهاست. هوش مصنوعی اساساً نحوه انجام کار و افرادی را که آن را انجام میدهند تغییر میدهند؛ بنابراین بخش عمده تلاش تیم رهبری باید صرف بازطراحی نقشها، مدیریت تغییر و آموزش نیروی کار شود تا بتواند نظارت و هدایت مناسب را بر عاملهای هوش مصنوعی اعمال کند و در حوزههایی که انسان تفاوت ایجاد میکند، تخصص انسانی را تقویت نماید.
تحول را کسبوکارمحور کنید:
واحد فناوری اطلاعات برای ایجاد زیرساخت حیاتی است، اما نمیتواند طراحی کار را به جای شما انجام دهد. مدیران کسبوکار ظرافتهای جریانهای کاری، نقاطی که قضاوت انسانی اهمیت دارد و حوزههایی را که عاملهای هوش مصنوعی واقعاً میتوانند در آنها تفاوت ایجاد کنند، بهتر میشناسند. آنها باید تحول را با همکاری نزدیک فناوری اطلاعات هدایت کنند تا اطمینان حاصل شود عاملها مسائل درست کسبوکار را حل میکنند و زمینه، دادهها و محدودیتهای مناسبی در اختیارشان قرار گرفته است تا نتایجی باکیفیت و مسئولانه تولید کنند.
در یک زیرساخت قدرتمند داده سرمایهگذاری کنید. عاملهای هوش مصنوعی برای استدلال مؤثر به دادههای باکیفیت و بههمپیوسته متکی هستند. منتظر یک دریاچه داده کامل و بینقص نمانید. بهصورت تدریجی سرمایهگذاری کنید و از هر پیادهسازی جدید عامل برای شناسایی و برطرف کردن شکافهای مشخص دادهای استفاده کنید تا زیرساخت اصلی با هر گام قدرتمندتر شود.
گام بعدی مدیران عامل در توسعه ایجنت های هوش مصنوعی در سازمان:
عاملهای هوش مصنوعی نقطه عطفی در شیوه خلق ارزش و رقابت سازمانها محسوب میشوند. با توجه به اینکه شرکتهای AI-Native در حال حاضر به ازای هر کارمند، درآمدی ۲۵ تا ۳۵ برابر بیشتر از رقبای سنتی خود ایجاد میکنند، ظرفیت این تحول کاملاً روشن است.
مدلها آمادهاند. چالش اصلی، همه چیزهایی است که پیرامون آنها قرار دارد: سیستمها، دادهها و جریانهای کاریای که مدلها به آنها وابستهاند، و قابلیتهای سازمانی موردنیاز برای استفاده از آنها در مقیاس وسیع. هنگامی که بهرهوری پایه به امری عمومی و فراگیر تبدیل شود، مزیت رقابتی به سمت سازمانهایی منتقل خواهد شد که در یکپارچهسازی مهارت دارند و از عاملها نهتنها برای افزایش بهرهوری، بلکه برای آزادسازی هوش اختصاصی و متمایز سازمان و ایجاد جریانهای درآمدی جدید استفاده میکنند.
در چنین محیطی، استراتژی اهمیت بسیار بیشتری پیدا میکند. مدیران عامل باید درک روشنی از این داشته باشند که از کجا شروع کنند، چگونه موفقیتهای اولیهای به دست آورند که توانمندی و اعتمادبهنفس سازمان را تقویت کند و چگونه این شتاب را در سراسر کسبوکار گسترش دهند. چارچوب «اکنون، بعد و همیشه» (Now, Next, and Always) به مدیران کمک میکند این انتخابها را انجام دهند و همزمان، پایههای لازم برای ایجاد یک مزیت پایدار و بلندمدت را بنا کنند.
برگرفته از مطالعات گروه مشاوران بوستون
حسین نوریان، مشاور مدیریت استراتژیک با رویکرد تحول دیجیتال
استفاده از مطالب فوق تنها با ذکر منبع مجاز است
این مطالب را هم مطالعه کنید:
