کاهش سلسله‌مراتب و تمرکز بر مهندسی؛ درس بزرگ استارتاپ‌های هوش مصنوعی برای مدیران

تولد ساختارهای سازمانی نوین در عصر هوش مصنوعی

شرکت‌هایی که هوش مصنوعی را در بطن محصولات خود پیاده‌سازی می‌کنند، از درون ساختار متفاوتی نسبت به سایر مجموعه‌ها دارند. پژوهشگران دانشکده کسب‌وکار هاروارد و اینسید (INSEAD) با بررسی نزدیک به ۲۹۰۰ استارتاپ حاضر در شتاب‌دهنده Y Combinator دریافتند که شرکت‌های مبتنی بر هوش مصنوعی در مقایسه با رقبای هم‌دوره خود در همان صنعت، با حدود ۲۵ درصد نیروی کار کمتر و سلسله‌مراتب سازمانی به مراتب کوتاه‌تری اداره می‌شوند. مهندسان و دانشمندان داده ۴۵ درصد از کل کارکنان این شرکت‌ها را تشکیل می‌دهند، در حالی که این سهم در سایر استارتاپ‌ها ۳۶ درصد است. علاوه بر این، لایه‌های مدیریتی میانی و نیروهای ورودی رده‌پایین در این مجموعه‌ها بسیار خلوت‌تر هستند. با این حال، سرمایه‌گذاران ارزش‌گذاری برابری برای آن‌ها در نظر گرفته‌اند؛ موضوعی که نشان‌دهنده ارزش‌گذاری به مراتب بالاتر به ازای هر کارمند در این شرکت‌ها است.

این آمار را باید یک سیگنال زودهنگام به‌شمار آورد، نه حکمی نهایی؛ این مجموعه‌ها هنوز شرکت‌هایی نوپا هستند و هیچ‌کس نمی‌داند آیا این ساختار در ابعاد ۲۰۰ کارمند نیز پابرجا خواهد ماند یا خیر. با وجود این، چنین الگویی کاملاً منطقی به نظر می‌رسد و دلایل بنیادین پشت آن، اهمیتی فراتر از خود ارقام دارد.

ساختار سازمانی، بازتابی از جایگاه سرمایه شناختی

شکل‌گیری ساختار این شرکت‌ها به گونه‌ای است که جایگاه «سرمایه شناختی» (Cognitive Capital) آن‌ها را بازتاب می‌دهد. زمانی که هوش مصنوعی مستقیماً درون محصول تعبیه می‌شود، مشتری بی‌واسطه از هوشمندی سیستم بهره می‌برد. در نتیجه، وظایفی چون تعیین محدوده، هدایت فرایندها، بازبینی و تأیید نهایی که در گذشته به لایه‌هایی از کارمندان و مدیران نیاز داشت، حجم کاری به مراتب کمتری می‌طلبد. در چنین بستری، آنچه باقی می‌ماند مهندسی است: ساخت محصول، ارتقای مداوم آن و مدیریت مواردی که سیستم به‌تنهایی توانایی پاسخگویی به آن‌ها را ندارد.

این منطق صرفاً به استارتاپ‌ها خلاصه نمی‌شود، بلکه برای هر سازمانی که فعالیت‌های متکی بر مهارت و دانش تحلیلی را به قالب نرم‌افزار منتقل می‌کند، صادق است.

پیش‌دستی غول‌های باسابقه در پیاده‌سازی این الگو

نگاهی به شرکت‌های بزرگ و باسابقه داده‌محور، صحت این روند را تأیید می‌کند. شرکت S&P Global سال‌هاست که از طریق استارتاپ Kensho و قابلیت‌های نوین پلتفرم Capital IQ، هوش مصنوعی را به محصولات داده‌ای و تحلیلی خود اضافه کرده است. شرکت Thomson Reuters نیز در حال ادغام دستیار هوشمند CoCounsel در محصولات حقوقی، مالیاتی و پژوهشی خود است. هر دو مجموعه با تکیه بر دهه‌ها محتوای اختصاصی و تجربه کارشناسان برجسته فعالیت خود را آغاز کردند و اکنون می‌کوشند این قضاوت و درک تخصصی را به ابزاری تبدیل کنند که مشتری بتواند بدون نیاز به‌واسطه انسانی از آن استفاده نماید. طبیعتاً انتظار می‌رود چنین شرکت‌هایی نیز به سمت ساختارهایی بسیار چابک‌تر، با سلسله‌مراتب کمتر و متمرکز بر تیم‌های مهندسی حرکت کنند.

باید دید این تحول چه الزاماتی را به سازمان تحمیل می‌کند؛ اگر دانش و تخصص تحلیلگر به یکی از قابلیت‌های نرم‌افزار بدل شود، سازمان دیگر برای ارائه خدمات خود به تعداد پیشین تحلیلگران وابسته نخواهد بود. در عوض، به مهندسانی برای کدنویسی این دانش، تیم‌های داده برای به‌روزرسانی مداوم آن، و جمع محدودی از صاحب‌نظران ارشد برای تصمیم‌گیری درباره دانش مورد نیاز محصول احتیاج خواهد داشت. در این فرایند، ارزش اقتصادی از «ساعت‌های کاری کارشناسان» به «ارزش سرمایه‌ای دانش منحصربه‌فرد آن‌ها» منتقل می‌شود؛ این همان مفهوم سرمایه شناختی است: دانشی کدنویسی‌شده که تصمیم‌ها را به‌شکل خودکار می‌گیرد و در برخی پیاده‌سازی‌ها، با هر بار اجرا هوشمندتر می‌شود.

این همان نقطه‌ای است که بسیاری از مالکان و مدیران کسب‌وکار نادیده می‌گیرند؛ شما نمی‌توانید این ارزش تازه را با ساختار سازمانی پیشین به دست آورید. سازمانی که برای ارائه خدمات از طریق لایه‌های متعدد هماهنگ‌کننده‌ها و کارکنان تازه‌کار طراحی شده، ساختارش تنها مناسب «فروش ساعت کاری» است. در مقابل، شرکتی که می‌خواهد قضاوت‌های کارشناسی کدنویسی‌شده را عرضه کند، به ساختاری افقی‌تر، سریع‌تر و مهندسی‌محور نیاز دارد، چراکه فعالیت اصلی آن به توسعه و ارتقای محصول تبدیل شده است. اگر محصول را دگرگون کنید اما ساختار سازمان دست‌نخورده باقی بماند، ناچار خواهید بود هزینه هر دوی آن‌ها را بپردازید.

هنوز هیچ شرکتی این فرایند گذار را به‌طور کامل به سرانجام نرسانده و الگوی ازپیش‌آماده‌ای برای آن تدوین نشده است؛ با این حال، مسیر آینده کاملاً روشن است و تحول ساختار سازمانی پیامد اجتناب‌ناپذیر آن خواهد بود.

اهمیت این گذار برای صندوق‌های سرمایه‌گذاری و مالکان کسب‌وکار

این پرسش کلیدی در تمام مراحل تملک کسب‌وکارها اهمیت پیدا می‌کند، هرچند اغلب شرکت‌ها تنها در یک مرحله به آن توجه نشان می‌دهند.

در گام ورود، مأموریت و شالوده سازمان را ارزیابی کنید: بررسی‌های موشکافانه پیش از سرمایه‌گذاری (Due Diligence) عموماً کیفیت درآمد، حاشیه سود و شایستگی مدیریت را می‌سنجند؛ اما اکنون این ارزیابی باید مشخص کند که آیا فعالیت‌های شناختی و تحلیلی درون شرکت امکان تبدیل شدن به یک محصول نرم‌افزاری را دارند یا خیر، و آیا ساختار فعلی توان پشتیبانی از این انتقال را داراست؟ نقش‌هایی را که خروجی اصلی آن‌ها صرفاً هماهنگی اداری و بازبینی است شمارش کنید. بررسی نمایید که اگر یک رقیب کوچک و متمرکز بر تیم‌های مهندسی بخواهد با این مجموعه رقابت کند، چه محصولی ارائه خواهد داد. اگر ارزش اصلی شرکت در دانشی نهفته است که هنوز در ذهن افراد محبوس مانده، پیروزی سرمایه‌گذاری شما در گرو تجاری‌سازی این دانش به‌عنوان سرمایه شناختی خواهد بود، و چارت سازمانی سرنوشت این موضوع را تعیین خواهد کرد.

ضرورت طرح این پرسش‌ها کاملاً جدی است؛ بر اساس گزارش سال ۲۰۲۶ شرکت بین اند کامپنی (Bain & Company) پیرامون صنعت سرمایه‌گذاری خصوصی، تصاحب اهرمی شرکت‌ها در مقطع کنونی نیازمند رشد سالانه حدود ۱۲ درصدی سود قبل از بهره و مالیات (EBITDA) است تا بتواند همان بازدهی ۲۰ درصدی را محقق کند که یک دهه قبل تنها با رشد ۵ درصدی به دست می‌آمد. این گزارش هم‌چنین خاطرنشان می‌کند که افزایش ضرایب ارزش‌گذاری، منشأ بیش از نیمی از بازدهی خرید شرکت‌ها در دوران نرخ‌های بهره پایین بوده است. اگر بدهی‌های ارزان‌قیمت و افزایش دوباره این ضرایب دیگر نتوانند این فاصله را جبران کنند، رشد پایدار تنها از مسیر ساخت ارزش واقعی حاصل می‌شود؛ و تبدیل دانش تخصصی شرکت‌ها به نرم‌افزار، یکی از معدود راهکارهای باقی‌مانده است.

در دوران مالکیت، سازمان را هم‌گام با محصول دگرگون کنید: مجهز کردن کارمندان به ابزارهای هوش مصنوعی اقدامی مفید است و ساختار پیشین را حفظ می‌کند؛ اما حرکت اساسی‌تر، شناسایی خدماتی است که قابلیت تبدیل به نرم‌افزار را دارند تا سازمان بر اساس همین تغییر جهت بازآفرینی شود. در این مسیر، ترکیب نیروی انسانی باید به سمت متخصصان ارشد و مهندسان سوق یابد و لایه‌های واسط میان نیاز مشتری و محصول رفع‌کننده آن به حداقل برسد. البته با رشد سازمان، همواره این ریسک وجود دارد که با بازگشت وظایف هماهنگی اداری، این چابکی سازمانی تحلیل رود؛ ایستادگی در برابر چنین روندی نیازمند انضباط عملیاتی مستمر است.

در زمان خروج، ساختاری با رشد تصاعدی به خریدار جدید ارائه دهید: خریداران هم برای محصول و هم برای ساختار سازمانی پشت آن قیمت تعیین می‌کنند. شرکتی که رشد آن مستلزم استخدام مداوم نیروهای بیشتر باشد، ضریب ارزش‌گذاری محدودتری دریافت می‌کند؛ در مقابل، شرکتی که فرایند رشدش به کمک محصولی کدنویسی‌شده و پیوسته در حال ارتقا هدایت می‌شود، شایسته ضریب بسیار بالاتری خواهد بود. این رویکرد تأثیر مستقیمی بر نقدشوندگی سرمایه دارد؛ اگر خریداران با احتیاط عمل کنند، دارایی ارزشمندی که درآمد به ازای هر کارمند در آن صعودی است و بخش عمده امور توسط محصول انجام می‌پذیرد، انگیزه‌ای محکم برای پرداخت بهایی بالاتر در اختیارشان می‌گذارد.

چه کسب‌وکارهایی کمتر تحت تأثیر قرار می‌گیرند؟

برخی از کسب‌وکارها کمتر دستخوش این تحولات خواهند شد؛ کارهایی که جنبه فیزیکی دارند، در چارچوب‌های مقرراتی سخت‌گیرانه انجام می‌شوند یا بر پایه روابط و اعتماد فردی بنا شده‌اند، ممکن است از تبدیل سرمایه شناختی به نرم‌افزار سود چندانی نبرند. چنین شرکت‌هایی احتمالاً در حال حاضر در امان هستند؛ اگرچه دامنه نفوذ هوش مصنوعی با شتابی خیره‌کننده همچنان در حال گسترش است.

ضرورت بازنگری در ساختار شرکت‌ها با نگاه به آینده

هیچ تغییر بنیادینی در سبد سرمایه‌گذاری رخ نخواهد داد مگر آنکه مدیران و مالکان کسب‌وکارها نگاه متفاوتی در پیش بگیرند. پیش از عقد قرارداد بعدی یا برگزاری جلسه آینده هیئت‌مدیره، این دو پرسش به‌هم‌پیوسته را بررسی کنید: این شرکت چه دانش و تخصصی دارد که می‌تواند به نرم‌افزار تبدیل شود؟ و آیا ساختار سازمانی کنونی ما توانایی عرضه کارآمد و اثر‌بخش آن را دارد؟

پاسخ به این پرسش‌ها ممکن است نشان دهد با کسب‌وکاری آرام طرف هستید که نیاز چندانی به دگرگونی ندارد؛ یا در نقطه مقابل، شرکتی را آشکار سازد که باارزش‌ترین دارایی‌اش درون ساختاری سنتی برای فروش ساعت کاری محبوس شده است. هر دو پاسخ به تصمیم‌گیری بهتر کمک می‌کنند؛ تنها انتخاب زیان‌بار، نپرسیدن این سؤالات است.