موفقیت هوش مصنوعی در گرو نتایج واقعی کسبوکار است، نه آمارهای نمایشی

تصور کنید در یک تیم مسابقات اتومبیلرانی، مدیران تصمیم بگیرند برنده نهایی خودرویی باشد که بیشترین بنزین را میسوزاند. در چنین حالتی، سرپرست فنی موتور را بهگونهای تنظیم می‌کند که سوخت را به هدر دهد، رانندگان پدال گاز و ترمز را همزمان فشار می‌دهند و سامانههای دادهسنجی رکوردهای عجیبی از مصرف سوخت ثبت میکنند؛ اما این خودرو در نهایت در جایگاه آخر از خط پایان میگذرد.

برای مدتی در سال جاری، سنجههای مصرفمحور و هدردهنده به مبنای ارزیابی پروژه‌های هوش مصنوعی در شرکت‌ها تبدیل شده بودند. سازمانها تابلوهای رتبهبندی داخلی راهاندازی کردند تا کارکنان را بر اساس میزان سوزاندن توکن‌ها بسنجند. حتی یکی از کارمندان متا چنین تابلویی طراحی کرد و به افراد برتر لقب «اسطورههای توکن» داد؛ هرچند پس از درز آمار به بیرون، این رتبهبندی در سکوت برچیده شد. در بهار امسال، این تبوتاب نام مشخصی پیدا کرد: رقابت بر سر مصرف حداکثری توکن یا Tokenmaxxing.

با آغاز تابستان، پیامدهای منفی این رویکرد خیلی زود آشکار شد و شرکت‌هایی نظیر اوبر اذعان کردند که تمام بودجه سالانه هوش مصنوعی خود را تنها ظرف چند ماه مصرف کردهاند.

بهتازگی تمایل افراطی به مصرف حداقلی توکن‌ها یا Tokenminning شکل گرفته که دقیقاً به همان بنبست ختم می‌شود. اگر مدیران مسابقه تصمیم بگیرند برنده کسی است که کمترین بنزین را مصرف کند، آن خودرو اساساً نباید هرگز از خط شروع مسابقه حرکت کند.

سوزاندن یا صرفهجویی در مصرف توکن هرگز نباید هدف نهایی باشد. هدف اصلی همواره عرضه محصولات بیشتر، با کیفیتی بالاتر و با تکیه بر همان تعداد نیروی کار یا حتی نیروهای کمتر است. وظیفه اصلی مدیران، ترسیم استراتژیکترین مسیر تا خط پایان و سپس تدوین شاخصهایی است که رسیدن به این هدف را ممکن می‌سازند.

چرا تابلوهای رتبهبندی به بیراهه میروند؟

شاخص نمایشی به هر آماری گفته می‌شود که در اسلایدهای ارائه، تابلوهای رتبهبندی یا داشبوردهای مدیریتی بسیار جذاب به نظر میرسد، اما در عمل هیچ اثری بر شیوه اداره کسبوکار ندارد. در حوزه هوش مصنوعی، حتی معیارهای بسیار پیچیده و فنی نیز می‌توانند به‌راحتی به شاخصهایی نمایشی و کمعملیات تبدیل شوند.

دو نمونه از این سنجههای گمراهکننده که اخیراً برای شلوغ نشان دادن فضا باب شده، قابل توجه است: نخست، آمار بالای بهرهوری از پردازندههای گرافیکی (GPU) که نشان می‌دهد چه حجم عظیمی از توان پردازشی به کار گرفته شده است، بدون آنکه مشخص باشد آیا مشکلی واقعی حل می‌شود یا خیر. دوم، تعداد ویژگی‌های هوش مصنوعی عرضهشده در هر فصل، که در آن مدیران صرفاً یک خلاصهساز متنی ساده با شکلک ستاره به تمام برنامه‌های قدیمی اضافه می‌کنند تا فهرست تغییرات نسخه جدید را پر و پیمان نشان دهند.

چنین شاخصهایی شاید علمی و سنجیده به نظر برسند، اما کاملاً از کارایی و خروجی نهایی جدا هستند. هنگامی که مدیران شاخصها را به اهداف نهایی پیوند نمیزنند، مهندسان نیز به ناچار تمام تمرکز خود را روی سادهترین موارد قابل شمارش می‌گذارند.

نقشه گمشدۀ مسیر مسابقه

حجم کار انجامشده تنها زمانی اهمیت دارد که در جهت درست باشد. وقتی مدیران جشن می‌گیرند که ۹۵ درصد نیروها به ابزار GitHub Copilot مجهز شدهاند و لایسنس دریافت کردهاند، دسترسی سطحی به نرم‌افزار را با تعامل عمیق و کاربردی اشتباه می‌گیرند. آنها تصور می‌کنند بهرهوری به اوج رسیده است، در حالی که صرفاً فراگیری نصب ابزار را اندازه گرفتهاند، نه میزان استفاده هوشمندانه از آن برای بهبود نتایج.

توسعهدهندگان ممکن است کدهای بیشتری را با سرعت بالاتر تولید کنند، اما اگر این ابزار با فرآیندی ساختاریافته همراه نشود، حجم درخواستهای ادغام کد بهشدت افزایش مییابد و گلوگاه اصلی به بخش بررسی کدهای انسانی منتقل می‌شود. در چنین شرایطی، زمان چرخه تحویل ثابت می‌ماند یا حتی بهدلیل تأیید شتابزده توهمات و خطاهای هوش مصنوعی توسط نیروی انسانی، نرخ ایرادات نرم‌افزاری بالا میرود.

برای برطرف کردن این گسست، باید عمق استفاده از فناوری را مستقیماً به نتایج تجاری متصل کرد. اگر سازمانی ادعای پیادهسازی ۹۵ درصدی ابزار را دارد، اما زمان چرخه توسعه ۳۰ درصد کمتر نشده یا میزان دوبارهکاریها افت نکرده است، استفاده بهینهای رخ نداده؛ بلکه تنها یک نرم‌افزار جدید و گرانقیمت میان کارمندان توزیع شده است.

چگونه خط پایان را مشخص کنیم؟

یک عدد بهتنهایی بهندرت می‌تواند بازتابدهنده واقعیت باشد. اگر دو برابر گذشته کد تولید شود اما عرضه نهایی محصول دو برابر زمان ببرد، بازدهی به دست نیامده، بلکه کار اضافی ایجاد شده است. پرسش اصلی این نیست که چه میزان از هوش مصنوعی استفاده میکنید؛ بلکه این است که آیا کیفیت کار واقعاً در حال بهتر شدن است یا خیر.

تیم‌های مهندسی دارای فرآیندهای منظم، بهتر است کار را با تعیین نتیجه مطلوبی که می‌خواهند تغییر دهند آغاز کنند و سپس از چارچوبهایی نظیر DORA یا SPACE برای سنجش دستیابی به آن بهره ببرند. چارچوبها ابزار ارزیابی هستند، نه هدف غایی. برای مثال، چارچوب DORA سلامت خط تحویل نرم‌افزار را رصد می‌کند: دفعات انتشار نسخهها، مدتزمان لازم برای اعمال تغییرات، سرعت بازیابی پس از بروز اشکال، و اینکه تغییرات چند وقت یکبار به حادثه و قطعی منجر می‌شوند.

چارچوب SPACE نیز تصویر کاملی از بهرهوری توسعهدهندگان را در پنج بعد گوناگون، از جمله نتایج کاری و میزان رضایت، بررسی می‌کند. هیچکدام از این دو چارچوب بهطور اختصاصی برای هوش مصنوعی طراحی نشدهاند و اتفاقاً ارزش واقعی آنها در همین نکته نهفته است؛ زیرا مشخص می‌کنند آیا هوش مصنوعی خروجی کار را ارتقا داده است یا خیر، نه اینکه صرفاً کاربرد آن را اندازه بگیرند.

استفاده از ابزارهای هوش مصنوعی را در کنار این چارچوبها و همراستا با شاخصهای تجاری مانند زمان چرخه تحویل، نرخ دوبارهکاری و هزینه به ازای هر تغییر ارزیابی کنید. افزایش ۲۵ درصدی در بهکارگیری ابزارهای هوش مصنوعی اگر با کاهش پایداری تحویل همراه باشد، هرگز یک موفقیت نیست. گزارش سال ۲۰۲۵ چارچوب DORA نشان داد بسیاری از تیم‌ها پس از استقرار هوش مصنوعی در ساختارهای نامناسب، دقیقاً چنین افتی را تجربه کردند. ابزارها وضع موجود را تشدید کردند؛ زیرساختهای مهندسی مستحکم تقویت شدند و سیستم‌های ضعیف و شکننده، آسیبپذیرتر از پیش گشتند.

برای بخش‌های غیرفنی سازمان نظیر بازاریابی، امور مالی و عملیات، باید کار را بر اساس اصول اولیه بنا کرد. کار را با یک خروجی مشخص که قصد بهبودش را دارید شروع کنید؛ مانند زمان پاسخگویی به مشتریان، نرخ تبدیل کاربران یا دقت پیشبینیها. پیش از آنکه هوش مصنوعی وارد جریان کاری شود، خط پایان را تعیین کنید و پس از آن، پیشرفت به سمت همان هدف را بسنجید. اگر شاخص ارتقا یافت، مشخص کنید آیا هوش مصنوعی عامل آن بوده و آیا این موفقیت تکرارپذیر است یا خیر. حتی اگر تغییری حاصل نشد، باز هم نکته مهمی آموختهاید. برای نمونه، یک تیم پشتیبانی را تصور کنید که می‌خواهد زمان اولین پاسخگویی را کاهش دهد.

آنها میانگین اولیه زمان پاسخگویی را ۹ ساعت در نظر می‌گیرند و سپس به کارشناسان اجازه می‌دهند پیشنویس پاسخ‌ها را با یک دستیار هوش مصنوعی آماده کنند. دو ماه بعد، این زمان به ۳ ساعت کاهش مییابد، بدون آنکه نرخ بازگشایی مجدد تیکتها افزایش یابد؛ بنابراین بالا رفتن سرعت به قیمت افت کیفیت تمام نشده است. این دستاورد یک نتیجه ملموس، قابل سنجش و تکرارپذیر است و رسیدن به آن هرگز به تابلوی رتبهبندی احتیاج نداشت.

همواره چشم به خط پایان بدوزید

رسالت هر شاخص مدیریتی، هدایت امور به سمت یک نتیجه عملی است. اگر زمانی که برای رصد یک شاخص میگذارید از تلاش برای رسیدن به خود نتیجه فراتر برود، مسیر را وارونه طی می‌کنید و به‌جای خط پایان، حواستان به باک بنزین معطوف شده است. بنابراین پیش از تعریف شاخص بعدی برای هوش مصنوعی، این پرسش را مطرح کنید: با تغییر این عدد، کدام نتیجه مشخص در کسبوکار جابجا میشود؟ اگر نتوانید این نتیجه را به روشنی نام ببرید، شما پیشرفت را اندازه نمیگیرید؛ بلکه صرفاً به عقربه سوخت چشم دوختهاید. ابتدا خط پایان را ترسیم کنید؛ هر معیار دیگری در این میان صرفاً داده‌های جانبی است.