وقتی مدیران باسابقه بازنشسته می‌شوند: هوش مصنوعی چطور گنجینه تجربه شرکت‌ها را نجات می‌دهد؟

«باید با هم صحبت کنیم تا ببینیم آیا ادامه این همکاری هنوز فایده‌ای دارد یا نه.»

کل متنی که به دست پریا، یک حسابدار تازه‌کار، رسیده همین یک جمله کوتاه است. با خواندن این پیام، فشار خونش بالا می‌رود و نفس در سینه‌اش حبس می‌شود؛ چون پریا دقیقاً می‌داند پشت این کلمات کوتاه و سرد چه فاجعه‌ای پنهان شده است.

شرکت آن‌ها باز هم در تحویل به‌موقع سفارش خرابکاری کرده بود؛ آن هم برای چندمین بار!

در حالی که صدای تپش قلبش را در سینه‌اش احساس می‌کند، سریع سوابق مشتری را بازبینی می‌کند. چشمانش با اضطراب میان قراردادهای قدیمی، فاکتورها و سال‌ها یادداشت‌های ناقص این‌سو و آن‌سو می‌چرخد و ذهنش را زیر و رو می‌کند تا پاسخی آرام‌بخش برای این مشتری ناراضی پیدا کند و جلوی از دست رفتن این موقعیت بحرانی را بگیرد. راجر، مدیر کهنه‌کار و باسابقه او، قطعاً راه چاره را مثل کف دستش بلد بود.

اما مشکل بزرگ اینجاست که راجر همین جمعه گذشته رسماً بازنشسته شد و شرکت را ترک کرد.

اگر تجربه و فوت‌وفن‌های راجر پیش از خروج او ذخیره شده بود، هوش مصنوعی حالا می‌توانست به پریا کمک کند تا به آن گنجینه دانش سازمانی دسترسی پیدا کند. اکنون که در «عصر هوشمندی» زندگی می‌کنیم، می‌توانیم برای هدایت درست‌ترین تصمیم‌ها به هوش مصنوعی تکیه کنیم؛ به‌ویژه در ارتباط با مشتریان مهم، جایی که ارزش معامله سر به فلک می‌کشد و یک لغزش کوچک می‌تواند همه چیز را بر باد دهد.

اخیراً سلیم اسماعیل (از مهمانان همیشگی پادکست معروف Moonshots با اجرای پیتر دیاماندیس)، در کانال یوتیوب خود با اشاره به محصولی نوآورانه به نام Jev، به همین پتانسیل شگفت‌انگیز پرداخت: «این ابزار رقیب چت‌جی‌پی‌تی یا کلود نیست؛ بلکه یک کار ساده اما حیاتی انجام می‌دهد: تصمیم‌گیری را فوق‌العاده سریع و کم‌هزینه می‌کند.»

اسماعیل در ادامه، عملکرد این فناوری را به کتاب مشهور دنیل کانمن یعنی تفکر، سریع و کند پیوند می‌زند؛ جایی که این روان‌شناس برجسته، ذهن انسان را به دو سیستم تفکر تقسیم می‌کند: «سیستم ۱» نمایانگر مغز در حالت خلبان خودکار است و قضاوت‌های برق‌آسا را در لحظه مدیریت می‌کند (مثل ترمز گرفتن ناگهانی برای جلوگیری از تصادف رانندگی). در نقطه مقابل، «سیستم ۲» نیازمند تحلیل عمیق و منطقی است؛ درست مثل حل مسائل پیچیده یا تنظیم استراتژی محوری برای یک سخنرانی کلیدی.

مدل هوش مصنوعی Jev طراحی شده تا قضاوت‌های سریع و ساختاریافته را درون نرم‌افزارها خودکار کند. برای نمونه، اگر از آن بپرسید که آیا در فصل حراج سال نو قیمت‌ها را افزایش دهیم یا خیر، بر اساس داده‌های محیطی نمره‌ای دقیق از احتمال موفقیت تحویل می‌دهد. اما همان‌طور که وضعیت پریا نشان داد، مواقعی وجود دارد که انسان‌ها علاوه بر آمار و ارقام، به یک «لایه هوشمندی» برای یادگیری نحوه تعامل سازنده با سایر انسان‌ها نیاز دارند.

برای پاسخ به این نیاز مبرم، گری سیندربرند (مشاور مالی باسابقه که زمانی هزاران مشاور دیگر را در شرکت مریل لینچ آموزش داده)، پلتفرم رین‌میکر (Rainmaker) و دستیار هوشمند آن موسوم به Ask Archie را توسعه داده است. او در گفت‌وگویی نحوه ساخت این سیستم را این‌گونه توضیح می‌دهد: «ما با تکیه بر سال‌ها تجربه آموزش عملی، ده‌ها ساعت ویدیوی آموزشی و صدها ساعت تماس پیگیری در زوم را وارد این سیستم کردیم. فایل‌های ضبط‌شده را پس از ناشناس‌سازی و پیاده‌سازی متنی همراه با چارچوب‌های تخصصی به سامانه افزودیم و آن را با پرسش‌های تجربی آزمودیم. اکنون هر مشاوری می‌تواند از نحوه مدیریت پرونده‌ها تا راهکارهای توسعه دایره مشتریان، تمام چالش‌های خود را با این هوش مصنوعی مطرح کند.»

طبیعتاً برای آنکه چنین لایه هوشمندی واقعاً اثرگذار باشد، باید خود را با سطح تجربه، ویژگی‌های شخصیتی و حتی شیوه یادگیری هر کاربر تطبیق دهد. با این حال، تماشای این قابلیت‌ها آدم را ناخودآگاه به یاد نمایشنامه سال ۱۸۹۷ ادموند روستان یعنی سیرانو دو برژراک می‌اندازد. در این داستان، سیرانو شمشیرزنی دلاور با طبعی شاعرانه و زبانی بی‌نهایت شیواست که از بخت بد، بینی بسیار بزرگی دارد. معشوقه او، رکسان، شیفته جوانی زیبارو اما ساده‌لوح و کم‌حرف به نام کریستین شده است. کریستین که از سحر کلام سیرانو آگاه است، او را متقاعد می‌کند تا زیر بالکن تاریک رکسان سخنان پرشور و عاشقانه‌ای را در گوشش زمزمه کند تا او با تکرار آن‌ها، دل دختر را به دست آورد!

اکنون در سال ۲۰۲۶، مشاوران مالی می‌توانند از طریق ابزار Ask Archie مستقیماً به گنجینه ذهنی سیندربرند و دهه‌ها تجربه انباشته او وصل شوند. این سیستم توصیه‌هایی کاربردی از جمله نحوه شناسایی مشتریان بالقوه، چگونگی آغاز گفت‌وگو و فنون پاسخ به ایرادات مشتری ارائه می‌دهد که کاملاً بر اساس اطلاعات شخصی و شرایط هر مشاور سفارشی‌سازی شده است. این فناوری در حساس‌ترین برهه ممکن ظاهر شده است؛ زیرا طبق گزارش هشدارآمیز هیئت استانداردهای برنامه‌ریزی مالی (CFP Board) و بررسی‌های مؤسسه مک‌کینزی، تا سال ۲۰۳۴ شرکت‌های مدیریت ثروت با کمبود حدود ۱۰۰ هزار مشاور مالی برای پاسخگویی به تقاضای بازار روبه‌رو خواهند شد.

مهاجرت و کناره‌گیری مشاوران پرتعداد از این حوزه، یک پدیده اتفاقی نیست. در تمامی صنایع، نیروهای کارکشته و کاربلد مانند راجر به دلایل گوناگون به‌ویژه بازنشستگی در حال خروج هستند و خلأ دانشی عمیقی بر جای می‌گذارند که چالش‌هایی مانند ماجرای پریا را خلق می‌کند. گزارش تکان‌دهنده بنک آو آمریکا با عنوان «نیروی کار ۲۰۳۰» این بحران را با آماری شفاف گوشزد می‌کند: «در ایالات متحده روزانه نزدیک به ۱۰ هزار نفر از نسل بیبی بومر ۶۵ ساله می‌شوند. تا سال ۲۰۲۹، حدود ۳۰.۴ میلیون نفر از شاغلان این نسل به سن سنتی بازنشستگی می‌رسند؛ تحولی جمعیتی که در تاریخ سابقه نداشته است. با پیشی گرفتن جمعیت سالمندان بر جوانان، فشار مضاعفی بر صندوق‌ها وارد می‌شود و کسب‌وکارها برای جایگزینی نیروهای بازنشسته با نسل‌های کم‌جمعیت‌تر جوان، با چالشی کمرشکن دست‌وپنجه نرم خواهند کرد.»

مارک وارن، مدیرعامل سابق در شرکت مدیریت سرمایه‌گذاری MFS که او نیز به‌تازگی بازنشسته شده، درباره این دگرگونی ساختاری می‌گوید: «پرونده مشتری در هر کسب‌وکاری، تنها بخشی از سوابق او را بازگو می‌کند؛ اما هرگز آن لایه هوشمندی و درک ظریفی را که ارائه‌دهندگان برای خدمت‌رسانی واقعی نیاز دارند، مهیا نمی‌سازد. در گذشته، سال‌ها تجربه و ممارست نیاز بود تا فرد بتواند سنجیده با مشتری سخن بگوید؛ اما اکنون به لطف هوش مصنوعی، متخصصان تازه‌کار می‌توانند مستقیماً از این ذخایر تجربی بهره‌برداری کنند.»

در افق پیش رو، چالش واقعی این است که آیا این سامانه‌ها می‌توانند به نسل جوان و کم‌تجربه‌تر بیاموزند که «چرا» یک راهکار برای موقعیتی خاص کارآمد است یا خیر، تا هوش مصنوعی به یک عصای ذهنی تنبل‌کننده تبدیل نشود. این فرایند که امروزه با عنوان انتقال دانش شناخته می‌شود، هم‌زمان با ناپدید شدن توانمندی‌های سازمانی، ارزشی دوچندان یافته است. در همین راستا، راهکارهای مرکز کیفیت و بهره‌وری آمریکا (APQC) به‌روشنی بیان می‌کند که هوش مصنوعی چگونه می‌تواند این تجربیات گران‌بها را جاودانه کند: «هوش مصنوعی قادر است مکالمات افراد متخصص را ثبت کند، دانش آن‌ها را به دارایی‌های ماندگار و چندبارمصرف بدل سازد و آن را به‌آسانی در دسترس سایر کارکنان بگذارد.»

اگرچه هوش مصنوعی مولد با آفرینش به‌اصطلاح «همزادهای دیجیتال ذهنی» گامی نوین در ثبت و بازتولید خرد انسانی به شمار می‌رود، اما انگیزه حفظ دانش ریشه‌ای چند هزار ساله دارد. استیون کینگ، نویسنده سرشناس، در کتاب خود درباره نویسندگی خواندن و نوشتن را نزدیک‌ترین پدیده به تله‌پاتی توصیف می‌کند؛ همان رسالتی که نگارش کتاب‌ها یا مقالات برای نسل‌های آینده بر دوش دارند.

برای پریا و سایر شاغلانی که در مسیر حرفه‌ای خود قدم برمی‌دارند، چراغ راه خرد پیشکسوتان همواره ضروری خواهد بود. حتی اگر با بحران کمبود نیروی انسانی هم مواجه نبودیم، ارزش مستندسازی و اشتراک تجربیات انکارناپذیر بود. هوش مصنوعی در واقع تازه‌ترین حلقه از زنجیره کهن ابزار‌هایی است که به انسان‌ها اجازه می‌دهد تا بخشی از ذهن و اندیشه خود را برای آیندگان به یادگار بگذارند.