تقریباً اجماع جهانی وجود دارد که هوش مصنوعی اساساً نحوه انجام کسب‌وکار را تغییر خواهد داد، اما اکثر سازمان‌ها هنوز تأثیر قابل توجهی از تلاش‌های هوش مصنوعی خود ندیده‌اند. یک نظرسنجی جهانی BCG از ۱۰۰۰ مدیر ارشد ارشد در بیش از ۲۰ بخش گزارش می‌دهد که تنها ۲۶٪ از سازمان‌ها از هوش مصنوعی به ارزش دست یافته‌اند و به طور متوسط ۴۵٪ صرفه‌جویی در هزینه و ۶۰٪ رشد درآمد بیشتر در مقایسه با شرکت‌های مشابه را محقق کرده‌اند.
چرا نتایج این چنین ناامیدکننده است؟ این نظرسنجی نشان داد که از میان چالش‌های زیادی که سازمان‌ها در اجرای طرح‌های هوش مصنوعی با آن مواجه هستند، ۷۰٪ مربوط به افراد و فرآیندها است. در حالی که سازمان‌ها با موانع فنی اضافی مانند کیفیت پایین داده‌ها، پیچیدگی ادغام یا هزینه‌های زیرساخت نیز مواجه هستند، اما مانع اصلی، توانایی شرکت‌ها برای سازگاری، بازآفرینی و مقیاس‌بندی روش‌های جدید کار است. ما این را تاب آوری در برابر تغییر می‌نامیم.
چرا تاب آوری در برابر تغییر کمیاب است
در گذشته، تحول سازمانی مقطعی بود. شما سیستم‌های خود را مدرن کردید، افراد خود را آموزش دادید و در یک محیط پایدار فعالیت کردید تا اینکه موج بعدی اختلالات فرا رسید. اما اکنون هوش مصنوعی با سرعتی بسیار فراتر از توانایی اکثر سازمان‌ها برای سازگاری در حال پیشرفت است و این تغییر بی‌وقفه است.
رهبران کسب‌وکار، تثبیت تحول هوش مصنوعی در یک نقشه راه سنتی یا استفاده از ابزارهای مرسوم برای پیشبرد ابتکارات مدیریت تغییر را دشوارتر می‌دانند. استراتژی‌های پنج ساله دیگر جوابگو نیستند. چرخه‌های برنامه‌ریزی سالانه نمی‌توانند همگام شوند. کنترل‌های سنتی مالی، ریسک و قانونی، بیشتر و بیشتر از ظهور انواع جدید ریسک عقب می‌مانند. مدل‌های عملیاتی ایستا به مسئولیت تبدیل می‌شوند. حتی روش‌های جدیدتر کار، مانند روش‌های چابک که به طور گسترده در دوران ظهور نرم‌افزار پذیرفته شده‌اند، کافی نیستند. برای رقابت در این محیط بی‌ثبات، رهبران باید تغییرات مداوم را بپذیرند، در غیر این صورت با بی‌ربط بودن ناشی از عدم فعالیت یا فرسودگی ناشی از دنبال کردن اشیاء براق مواجه می‌شوند.
تاب آوری در برابر تغییر، قابلیتی است که سازمان‌ها را برای بهره‌برداری از فرصت‌ها و پیشگیری از تهدیدات ناشی از فناوری‌های در حال تکامل سریع، مجهز می‌کند. این یک واکنش در سطح کل سازمان است که اختلالات مداوم را به حلقه‌های یادگیری تکرارپذیر تبدیل می‌کند که ارزش ایجاد می‌کنند.
این فرآیند از سه عضله استفاده می‌کند:
- حس کردن، یا توانایی دریافت زودهنگام سیگنال‌های ضعیف فناوری، رقابتی یا اجتماعی
- بازسازی، یا ظرفیت به‌کارگیری مجدد استعدادها، داده‌ها، سرمایه و حقوق تصمیم‌گیری در روزها یا هفته‌ها، نه در سه‌ماهه‌های مالی
- قفل کردن، یا نظم و انضباط برای کدگذاری آنچه یک تیم یاد می‌گیرد (در فرآیند، کد یا سیاست) تا ابتکار بعدی از یک مبنای بالاتر شروع شود، نه اینکه چرخ را از نو اختراع کند.
این عضلات در کنار هم می‌توانند متابولیسم یک سازمان را با پیشرفت‌های سریع هوش مصنوعی هماهنگ نگه دارند.
Shopify نمونه‌ای جذاب از تاب آوری در برابر تغییر در عمل ارائه می‌دهد. این شرکت به جای اینکه هوش مصنوعی را در بالای عملیات موجود قرار دهد، به طور مداوم خود را بازطراحی می‌کند تا از آنچه در آینده اتفاق می‌افتد، جلوتر بماند. در سال ۲۰۲۳، Shopify تصمیم جسورانه‌ای گرفت تا کل بازوی لجستیک خود را که سال‌ها برای ساختن آن وقت صرف کرده بود، جدا کند تا دوباره بر نوآوری محصول تمرکز کند. این بازنشانی به Shopify این امکان را داد تا به سرعت ویژگی‌های بومی هوش مصنوعی مانند Sidekick (یک دستیار تعبیه‌شده برای کارآفرینان که در همه چیز از متن بازاریابی گرفته تا بینش‌های فروش کمک می‌کند) را راه‌اندازی کند.
با حذف پیچیدگی و کدگذاری آموخته‌های حاصل از محورهای گذشته، Shopify سرعت و تمرکز را آزاد کرد و به آن اجازه داد تا با ابزارهایی که منعکس‌کننده انتظارات در حال تحول تجارت دیجیتال هستند، به بیش از یک میلیون کسب‌وکار خدمت‌رسانی کند. توانایی آن در حس کردن، بازسازی و تثبیت روش‌های جدید موقعیت‌های کاری، نه تنها به عنوان یک پذیرنده هوش مصنوعی، بلکه به عنوان شرکتی که به طور مداوم خود را برای پیشرفت در عصر هوش مصنوعی تغییر شکل می‌دهد، خود را نشان می‌دهد.
برای درک اینکه سازمان شما چقدر در برابر تغییر مقاوم است، از خود بپرسید:
- آیا می‌توان کارمندان را بدون نیاز به تغییر بودجه یا نمودارهای سازمانی، به ابتکارات سریع و با اولویت بالا منتقل کرد تا به تغییرات در قابلیت‌های فناوری پاسخ دهند؟
- اگر یکی از اعضای تیم امروز ایده‌ای داشته باشد، آیا انگیزه، دسترسی، ابزار و پشتیبانی لازم برای شروع آزمایش را دارد؟
- وقتی یک آزمایش پتانسیل را نشان می‌دهد، آیا مسیر روشنی برای مقیاس‌بندی و پیاده‌سازی آن در سراسر کسب‌وکار وجود دارد؟
- آیا شکست به عنوان یک فرصت یادگیری تلقی می‌شود و برای بهبود تلاش بعدی، آشکارا به اشتراک گذاشته می‌شود؟
اگر نمی‌توانید به بیشتر این سؤالات پاسخ «بله» بدهید، پس سازمان شما هنوز تاب آوری لازم برای تغییر را برای تبدیل استراتژی هوش مصنوعی خود به دستاوردهای عملکردی پایدار ندارد.
[irp]
یک دفترچه راهنمای پنج مرحله‌ای برای تقویت تاب آوری در برابر تغییر
در ادامه مراحلی که باید به عنوان یک رهبر و سازمان برای بهبود تاب آوری در برابر تغییر خود بردارید، آورده شده است:
۱. یادگیری
ابزارها، طرز فکرها و مجموعه مهارت‌ها را درک کنید. برای شناسایی نقاط ضعف در ابزارها، طرز فکرها و مجموعه مهارت‌ها، مهم است که کارمندان خود را به مشارکت با هوش مصنوعی و راه‌اندازی آزمایش‌ها ترغیب کنید. از این آزمایش‌ها برای ایجاد شهودی در مورد چگونگی بازطراحی فرآیندهای شرکت خود استفاده کنید و در عین حال موانع فرهنگی که طرح‌های آزمایشی ناموفق یا تنگناهای فنی را که دسترسی به داده‌ها را به یک چالش یک ماهه تبدیل می‌کنند، جریمه می‌کنند، شناسایی و حذف کنید.
Accenture با تشویق هر بخش (از فروش تا منابع انسانی) برای ساخت میکرواپلیکیشن‌هایی که یک مشکل واحد را حل می‌کنند، شروع کرد. در عرض ۱۰ ماه، این رویکرد ۳۰۰ اپلیکیشن هوش مصنوعی مولد تولید کرد که اکثر آنها ابزارهای سبکی مانند یک همکار برای پیش‌نویس پروپوزال یا خلاصه‌کننده یادداشت‌های جلسات بودند. از آنجا که هر اپلیکیشن متعلق به تیمی است که آن را ساخته است، کارمندان بلافاصله می‌بینند که چگونه هوش مصنوعی کار روزانه آنها را تغییر می‌دهد و فرهنگ را از پذیرش غیرفعال به آزمایش فعال تغییر می‌دهد.
Accenture برای تقویت مشارکت، ۲۵۰۰۰۰ کارمند را در مهارت‌های هوش مصنوعی مولد آموزش می‌دهد و به هر یادگیرنده یک زمین بازی امن داده می‌دهد. تحلیل‌های اولیه نشان می‌دهد که این ریزشرط‌ها اهمیت دارند: هوش مصنوعی نسل جدید در حال حاضر ۱۲٪ از ساعات کاری را صرفه‌جویی می‌کند و کیفیت خروجی را ۸.۵٪ افزایش می‌دهد و برای تحولات بزرگ‌تر، شتاب ایجاد می‌کند.
۲. انجام دهید
مداخلات هدفمند را آغاز کنید. هر شکاف در تاب آوری در برابر تغییر را با سبک‌ترین حرکتی که می‌تواند در عرض چند هفته، نه چند فصل، شتاب ایجاد کند، برطرف کنید. اگر فرهنگ از ریسک دوری می‌کند، «ریزشرط‌ها» را معرفی کنید: آزمایش‌های ۱۰ روزه با یک مراسم جشن عمومی برای یادگیری‌ها، نه نتایج. در جایی که مهارت‌ها عقب می‌مانند، اسپرینت‌های مبتنی بر گروه را اجرا کنید که متخصصان حوزه را با دانشمندان داده جفت می‌کند تا یک مفهوم هوش مصنوعی کارآمد را تا پایان اسپرینت ارائه دهند. محصول هم به یک قابلیت و هم به یک اثبات امکان تبدیل می‌شود. اگر مجموعه ابزارها مشکل‌ساز هستند، یک زمین بازی داده سلف سرویس یا سازنده گردش کار کم کد را مستقر کنید تا تیم‌ها بتوانند ایده‌ها را آزمایش کنند.
وقتی یک تاکتیک، سوزن را حرکت می‌دهد، آن را در کتابچه‌های راهنما، کد قابل استفاده مجدد، سیاست‌های اصلاح شده کدگذاری کنید و الگو را در سراسر شرکت پخش کنید. بانک DBS مستقر در سنگاپور، یک مراسم ماهانه «ستاره شمالی و بازخورد» ایجاد کرد که اصطکاک‌های فرهنگی، مهارتی و ابزاری را مشخص می‌کند و سپس «گروه‌های کوچک» بین‌بخشی را برای مقابله با بزرگترین چالش تعیین می‌کند. یک اسکن اولیه، دستکاری‌های دستی را که باعث کند شدن تأیید وام‌ها می‌شد، آشکار کرد.
ظرف چند هفته، یک گردش کار جدید ارزیابی اعتبار هوش مصنوعی راه‌اندازی شد که اکنون سالانه حدود ۳۸۰،۰۰۰ درخواست وام را پردازش می‌کند و کار دستی را ۸۵٪ کاهش می‌دهد. مداخلات خرد مشابه، بیش از ۸۰۰ مدل هوش مصنوعی تولیدی را در ۳۵۰ مورد استفاده ایجاد کرده‌اند که تخمین زده می‌شود تنها در سال ۲۰۲۴، ۵۶۳ میلیون دلار ارزش اقتصادی ایجاد کند. هر اصلاح موفق از طریق آکادمی دیجیتال DBS در یک دفترچه راهنمای بانکی کدگذاری می‌شود و تضمین می‌کند که هر چرخه آزمایش، سازمان را به طور قابل توجهی در برابر تغییر مقاوم‌تر از گذشته می‌کند.
[irp]
۳. تصور کنید
تیم خود را برای شروع تازه به چالش بکشید. مدل عملیاتی قدیمی را مدرن نکنید؛ یک مدل جدید اختراع کنید. عملکردهای آینده شبیه عملکردهای کاری امروز نخواهند بود. سازمان‌های مجهز به هوش مصنوعی، نقش‌ها، گردش‌های کاری و گزاره‌های ارزشی کاملاً جدیدی دارند.
شرکت Moderna این خلاقیت را زمانی به نمایش گذاشت که بخش‌های فناوری و منابع انسانی خود را در یک واحد ادغام کرد و هدف آن، بازتعریف مسئولیت‌های کاری با تمایز قائل شدن بین وظایفی که برای انسان‌ها مناسب‌تر هستند و وظایفی که می‌توانند خودکار شوند، بود. این اقدام استراتژیک، که تحت تأثیر همکاری Moderna با OpenAI قرار داشت، منجر به ایجاد بیش از ۳۰۰۰ عامل هوش مصنوعی سفارشی برای کارکردهای مختلف تجاری، از جمله آزمایش‌های بالینی و عملیات منابع انسانی شد و پویایی و نقش‌های منابع انسانی و فناوری را اساساً مدرن کرد.
۴. اقدام
چرخه‌های مداوم اندازه‌گیری، یادگیری و سرمایه‌گذاری مجدد را بپذیرید. در ورطه ناامیدی گیر نکنید. هر موج فناوری با انتظارات اغراق‌آمیز و پتانسیل استراتژیک واقعی همراه است، بنابراین مهم است که زود حرکت کنید، سریع یاد بگیرید و ادامه دهید.
شرکت P&G به تاب آوری در برابر تغییر به عنوان یک قابلیت مداوم نگاه کرده و در حال ایجاد شتاب در مجموعه ابزارها، مجموعه مهارت‌ها و طرز فکرها با نتایج قابل اندازه‌گیری است. پلتفرم هوش مصنوعی تولیدی سفارشی آن، ChatPG، اکنون بیش از ۳۰،۰۰۰ کارمند دارد و از بیش از ۳۵ مورد استفاده در تولید پشتیبانی می‌کند. در بازاریابی، چرخه‌های آزمایش مفهوم را از ماه‌ها به روزها کاهش داده و هزینه‌ها را به طرز چشمگیری کاهش داده است.
در عملیات زنجیره تأمین، طرح‌های آزمایشی که هوش مصنوعی را با حسگرهای سطح کارخانه ترکیب می‌کنند، در حال حاضر شیفت‌های کاملاً خودکار را در تأسیسات ژیلت امکان‌پذیر کرده‌اند، که بخشی از یک طرح گسترده‌تر است که مدیر ارشد مالی تخمین می‌زند می‌تواند 2 میلیارد دلار سود بهره‌وری را به همراه داشته باشد. در حوزه مهارت‌ها، این شرکت آموزش هوش مصنوعی را آغاز کرد، که در آن یک گروه اولیه متشکل از 200 کارمند بیش از 4400 نشان و نزدیک به 90 گواهینامه کسب کردند و آموخته‌های خود را در ده‌ها ابتکار دیجیتال به کار گرفتند. این معیارها به P&G اجازه می‌دهد تا ارتقاء مهارت را مستقیماً به تأثیر تجاری پیوند دهد و سرمایه‌گذاری‌های یادگیری خود را بر این اساس بهینه کند.
از نظر فرهنگی، P&G از طریق «مدرسه P&G» خود، که آموزش رسمی (10٪)، مربیگری (20٪) و تجربه در حین کار (70٪) را با هم ترکیب می‌کند، طرز فکر رشد را تقویت می‌کند. این شرکت با استفاده از هوش مصنوعی که محتوا و مسیرها را بر اساس اهداف و رفتار فردی توصیه می‌کند، یادگیری را شخصی‌سازی می‌کند، رویکردی که نمرات تعامل را در نظرسنجی‌های داخلی افزایش داده است. P&G با ادغام شرط‌بندی‌های جسورانه، حلقه‌های یادگیری سریع و سرمایه‌گذاری مجدد هدفمند، آزمایش‌های هوش مصنوعی را به دستاوردهای عملکردی در سطح سازمان تبدیل می‌کند.
[irp]
۵. مراقبت
رفاه انسان را در مرکز تغییر قرار دهید. تغییر سریع می‌تواند حتی توانمندترین نیروی کار را نیز خسته کند. بدون توجه آگاهانه به رفاه، اشتیاق برای فناوری جدید به سرعت به خستگی و مقاومت تبدیل می‌شود. بنابراین، عضله مراقبت بر ایجاد امنیت روانی، نظارت بر احساسات در زمان واقعی و ارائه منابع مورد نیاز افراد (زمان، مربیگری و انعطاف‌پذیری) برای سالم ماندن و مشارکت در حین یادگیری روش‌های جدید کار تمرکز می‌کند.
وقتی رهبران با داده‌های رفاه با همان دقت معیارهای مالی رفتار می‌کنند، نه تنها از افراد خود محافظت می‌کنند، بلکه پذیرش همان نوآوری‌هایی را که مزیت رقابتی را به همراه دارند، تسریع می‌کنند. سیسکو نشان می‌دهد که چگونه برآورده کردن نیازهای جسمی، روانی و اجتماعی کارکنان می‌تواند به جای منحرف کردن آنها از نوآوری دیجیتال، آنها را تسریع کند.
در سال ۲۰۲۴، ۸۴ درصد از نیروی کار آن در مجموع ۲.۳ میلیون گزارش تیمی ثبت کردند و به رهبران امکان مشاهده‌ی احساسات و حجم کار را به صورت آنی دادند. در عین حال، سیسکو یک ربات «WellNest» مجهز به هوش مصنوعی را تعبیه کرد تا منابع شخصی‌سازی‌شده برای رفاه جسمی، روانی، مالی و اجتماعی را در اختیار آنها قرار دهد. این پشتیبانی‌های جامع، مشارکت را در سطح بالا نگه داشته است، در حالی که شرکت، طرح‌های آزمایشی هوش مصنوعی را در سراسر کسب‌وکار گسترش می‌دهد، که گواه این است که مراقبت از افراد پیش‌نیاز تحول پایدار و انعطاف‌پذیر است.
…
وقتی رهبران، انعطاف‌پذیری در برابر تغییر را می‌پذیرند، چرخ لنگر سازگاری مداوم را باز می‌کنند که هر آزمایش هوش مصنوعی را سریع‌تر، هر نوآوری را آسان‌تر و هر موفقیت را مقیاس‌پذیرتر می‌کند. سازمان‌هایی مانند Shopify، DBS، Moderna و P&G نشان می‌دهند که وقتی تغییر به یک عضله تبدیل می‌شود، هر چیزی ممکن است. در مقابل، کسانی که با هوش مصنوعی به عنوان یک ارتقاء یک‌باره رفتار می‌کنند، در معرض خطر افتادن در دام هستند: استفاده از ابزارهای جدید برای حفظ مدل‌های قدیمی. در عصر هوش مصنوعی امروز، شکاف بین پیشگامان و دنباله‌روهای سریع در حال گسترش و تبدیل شدن به یک شکاف عمیق است. تفاوت در دسترسی به فناوری نیست. بلکه در شجاعت و نظم و انضباط برای ادامه تغییر است.
