تله هوش مصنوعی: چرا سریع‌تر انجام دادن کار‌ها هیچ ربطی به ارزش واقعی کسب‌وکار ندارد؟

هر هفته تیترهای خبری هیجان‌انگیزی می‌خوانیم درباره اینکه هوش مصنوعی چطور کار‌ها را سریع‌تر کرده است: یک برنامه‌نویس ۵۵ درصد سریع‌تر کد می‌زند، یک کارشناس بازاریابی در عرض چند دقیقه اولین پیش‌نویس مقاله وبلاگش را تحویل می‌گیرد و یک مدیر محصول سند نیازمندی‌های ۲۰۰ صفحه‌ای را در چند ثانیه خلاصه می‌کند. همه این اعداد و ارقام واقعی هستند،

اما حقیقت این است که این‌ها شاخص‌های اشتباهی برای جشن گرفتن هستند.

تحلیل مدیر ارشد استراتژی و رشد در بخش نرم‌افزارهای صنایع دیجیتال زیمنس (Siemens) به‌خوبی پرده از این تناقض برمی‌دارد.

اگر کمی عقب بایستیم و سؤال دشوارتر و اساسی‌تری بپرسیم — اینکه واقعاً چه چیزی برای یک سازمان ارزش‌آفرین است؟ — متوجه می‌شویم که سرعت انجام وظایف روتین تقریباً هیچ‌وقت گلوگاه اصلی کسب‌وکار نبوده است. جایی که جریان ارزش متوقف می‌شود، معمولاً در مراحل بسیار بالا‌تر و در سؤالی نهفته است که پیش از شروع کار مطرح می‌گردد:

مسئله این نیست که «می‌خواهیم تیم فنی چه چیزی برایمان بسازد؟»

بلکه باید پرسید: «چرا می‌خواهیم تیم فنی این محصول را بسازد؟»

سؤال این نیست که «چرا به این پست وبلاگی نیاز داریم؟»

بلکه این است: «چه محتوایی واقعاً تأثیر مستقیمی روی رشد کسب‌وکار می‌گذارد؟»

سؤال نباید این باشد که «کدام فرایند را بهینه‌سازی کنیم؟»

بلکه باید دقیقاً بپرسیم: «چطور جلوی نقایص کیفی را بگیریم که هزینه‌های گزاف دوباره‌کاری و ضایعات را به بار می‌آورند؟» یا «چگونه مانع از تأخیرهای زنجیره تأمین شویم تا به خوش‌قولی ما در تحویل سفارش‌ها لطمه نزند؟»

این‌ها سؤالاتی استراتژیک هستند که هوش مصنوعی هنوز نمی‌تواند پاسخ آن‌ها را برای شما پیدا کند. در واقع، شکاف بزرگ میان «اتوماسیون وظایف» و «خلق نتیجه واقعی»، چالش اساسی و تعیین‌کننده در عصر ایجنت‌های هوشمند به شمار می‌رود.

تله نامرئی هوش مصنوعی؛ چرا به دام افتاده‌ایم؟

نشریه کسب‌وکار هاروارد (Harvard Business Review) در اوایل سال ۲۰۲۶ نام جالبی روی این شکاف گذاشت: «تله بهره‌وری خرد» (Micro-productivity Trap). در این حالت، شرکت‌ها وظایف فردی را بهینه‌سازی می‌کنند، سریع‌تر کد می‌نویسند، گزارش‌ها را فوری خلاصه می‌کنند و تیکت‌های پشتیبانی را در چشم‌به‌هم‌زدنی ارجاع می‌دهند، بدون اینکه حتی لحظه‌ای به جریان‌های کاری یا مدل‌های ارزش‌آفرینی که این وظایف جزئی از آن‌ها هستند دوباره فکر کنند.

نتیجه این رویکرد، جهش‌های بهره‌وری مقطعی و جداافتاده‌ای است که هیچ‌وقت در کنار هم قرار نمی‌گیرند تا اثری ماندگار روی سود کسب‌وکار بگذارند؛ چیزی درست شبیه به یک «سراب ارزش». مطالعه عملکرد هوش مصنوعی مؤسسه PwC در سال ۲۰۲۶ نشان داد که ۷۴ درصد از کل ارزش اقتصادی هوش مصنوعی تنها به جیب ۲۰ درصد از سازمان‌ها می‌رود. این یعنی تله بهره‌وری خرد کاملاً واقعی است و دقیقاً همین جاست که مرز میان رهبران هوش مصنوعی و سایر سازمان‌ها مشخص می‌شود.

فاصله میان سازمان‌های برنده و شرکت‌هایی که صرفاً برای به دست آوردن رکوردهای بهره‌وری موقتی به سراغ ابزار‌های هوش مصنوعی می‌روند، روزبه‌روز بیش‌تر خواهد شد. مؤسسه گارتنر (Gartner) هشدار داده که تا پایان سال ۲۰۲۷ بیش از ۴۰ درصد از پروژه‌های ایجنت‌های هوش مصنوعی کنسل خواهند شد؛ به این دلیل ساده که شرکت‌ها از همان ابتدا نتوانسته‌اند هدف نهایی و نتیجه ملموسی را که برای رسیدن به آن تلاش می‌کنند، شفاف تعریف کنند.

یافته‌های مؤسسه PwC نشان می‌دهد شرکت‌های موفق روی رشد پایدار و تصاحب ارزش متمرکز هستند، مفهومی که دامنه‌ای بسیار گسترده‌تر از بهره‌وری صرف دارد. واقعیت این است که خیلی از سازمان‌ها در اولویت‌بندی مشکلات ناتوانند. ما از هوش مصنوعی می‌خواهیم در مسیر اشتباه با سرعت تخته‌گاز حرکت کند؛ این ماجرا درست مثل آن است که فکر کنیم چون پشت فرمان بوگاتی نشسته‌ایم، هیچ اشکالی ندارد اگر از خروجی اشتباه اتوبان خارج شویم!

کلید واقعی برای باز کردن قفل ارزش هوش مصنوعی چیست؟

کلید ارزش واقعی هوش مصنوعی در دانایی عمیق شما نهفته است؛ در این نکته که قبل از نوشتن حتی یک کلمه، بدانید کدام موضوع وبلاگ احساسات مخاطب را لمس می‌کند و او را به مشتری وفادار تبدیل می‌سازد، آیا سندی که تولید می‌شود ارزش تجاری خلق می‌کند یا نه، کدام فرایند باید دگرگون شود و کدام داده‌ها باید به هم متصل گردند.

این‌ها تصمیمات بالادستی و استراتژیک هستند. این تصمیم‌ها نیازمند هوشمندی در حوزه تخصصی کسب‌وکار، درک اولویت‌های حیاتی، شناخت گلوگاه‌های پرهزینه و فهم تأثیر یک تغییر ناگهانی در خط تولید بر صورت سود و زیان (P&L) شرکت است. اتوماسیون صرف وظایف هرگز نمی‌تواند چنین بینشی ارائه دهد؛ بلکه فقط افرادی از پس آن برمی‌آیند که دقیقاً در نقطه تلاقی کسب‌وکار و فناوری ایستاده‌اند.

راهکار بیرون کشیدن ذره‌ذره ارزش از دل هوش مصنوعی فرمول جدیدی نیست، بلکه نسخه تکامل‌یافته یک رویکرد آشناست: تشکیل «تیم‌های ترکیبی» (Fusion Teams). این تیم‌ها واحدهایی چندمنظوره هستند که دانش تخصصی کارشناسان حوزه عملیات و کسب‌وکار را با نگاه معماری برنامه‌نویسان حرفه‌ای پیوند می‌زنند و سرعت کارشان را با پیچیدگی خود مسئله هماهنگ می‌کنند، نه با صف انباشته درخواست‌های فنی در بخش IT.

هسته اصلی تیم‌های ترکیبی این است که توانایی شناسایی دقیق مسئله و هم‌راستاسازی سریع‌تر کسب‌وکار با فناوری را دارند، نه اینکه فقط با سرعت بیش‌تر کار‌ها را جلو ببرند. همین مفهوم دقیقاً باید به دنیای ایجنت‌های هوش مصنوعی وارد شود؛ از نحوه طراحی و ساخت آن‌ها گرفته تا شیوه همکاری‌شان در سراسر جریان‌های کاری سازمان.

برای اینکه ایجنت‌ها کارایی واقعی داشته باشند و شما را از تله‌های بهره‌وری خرد نجات دهند، باید داده‌های ساختاریافته و بازمینه را به مدل‌های یادگیری ماشین فعال متصل کنید؛ تا ایجنت‌ها صرفاً «سریع‌تر» حرکت نکنند، بلکه هوشمندانه‌ترین و باکیفیت‌ترین تصمیمات را بگیرند.

همه‌چیز به کیفیت سؤالی که می‌پرسید برمی‌گردد

موفقیت واقعی در به‌کارگیری هوش مصنوعی — نه آن سراب زودگذر بهره‌وری‌های خرد — نیازمند حضور متخصصان حوزه تخصصی (از جمله مهندسان کارخانه، مدیران فرایند، رهبران زنجیره تأمین، تحلیل‌گران کسب‌وکار، کارشناسان تدارکات و ارزیابان خسارت) بر سر یک میز در کنار تیم‌های فنی IT و داده است.

این مسیر نیازمند افرادی است که به‌خوبی می‌دانند کدام خطوط تولید کم‌ترین حاشیه سود را دارند، تأخیر کدام تأمین‌کننده سنگین‌ترین ضربه را به روند تولید می‌زند و کدام مرحله از کنترل کیفیت، زمان چرخه تولید را طولانی می‌کند.

به زبان ساده‌تر، این همان ذهنیت ترکیبی است: متعهد بودن به تعریف شفاف نتیجه مطلوب پیش از طراحی راه‌حل، و سنجش عملکرد با شاخص ارزش کسب‌وکار به‌جای شمارش تعداد کار‌های انجام‌شده.

سازمان‌هایی که بیش‌ترین ارزش اقتصادی هوش مصنوعی را در سال ۲۰۲۶ تصاحب می‌کنند، شرکت‌هایی نیستند که صرفاً فرایندهای سریع‌تر و مجهز به هوش مصنوعی دارند؛ بلکه مجموعه‌هایی هستند که ابتدا گره‌های عملیاتی درست را پیدا کردند، روی داده‌های خود مدیریت دقیقی اعمال نمودند تا قابل اتکا باشند، و بسترهای لازم برای هماهنگی ایجنت‌ها و نیروهای انسانی را در جهت دستیابی به دستاوردهای واقعی کسب‌وکار چیدند.

بنابراین در پروژه بعدی خود در حوزه هوش مصنوعی، صورت‌مسئله را از نو تعریف کنید: آیا در حال حرکت به سمت یک تحول اساسی در کسب‌وکارتان هستید، یا فقط دارید یک کار روتین را با ابزار‌های خودکار انجام می‌دهید؟