پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

علت شکست برنامه‌های تحول هوش مصنوعی؛ اشتباه مدیران در تمرکز بر افراد به‌جای اصلاح سیستم‌ها

انتشار:۷ آبان ۱۴۰۵(۱ ساعت پیش)
۵ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

شکست بسیاری از پروژه‌های تحول هوش مصنوعی در سازمان‌ها ناشی از تمرکز اشتباه بر تغییر رفتارهای فردی به‌جای اصلاح سیستم‌های ناکارآمد است. پژوهش‌های حوزه علوم رفتاری نشان می‌دهند که بدون تغییر فرآیندها، قوانین و نحوه تفویض اختیارات توسط مدیران، ارتقای مهارت کارکنان به‌تنهایی راه به جایی نمی‌برد. بازنگری در ساختارهای تصمیم‌گیری پیش‌نیاز اصلی پذیرش موفق فناوری‌های نوین در هر کسب‌وکار به شمار می‌آید.

علت شکست برنامه‌های تحول هوش مصنوعی؛ اشتباه مدیران در تمرکز بر افراد به‌جای اصلاح سیستم‌ها

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • شکست بسیاری از پروژه‌های تحول هوش مصنوعی به این دلیل رخ می‌دهد که مدیران به‌جای بازطراحی سیستم‌ها و قوانین سازمانی، بار تغییر را بر دوش کارکنان می‌گذارند.
  • بر اساس قانون پرایس و تحلیل‌های رفتاری، بخش عمده ارزش‌آفرینی در هر مجموعه توسط گروه کوچکی از افراد شکل می‌گیرد و بروکراسی‌های سنتی انگیزه این نیروهای پیشرو را تضعیف می‌کند.
  • رهبران برای پذیرش موفق نوآوری باید میان هماهنگی و کنترل تفاوت قائل شوند و به‌جای مداخله مداوم، بستر اختیارات و تصمیم‌گیری مستقل را برای نیروهای کلیدی فراهم سازند.
تحول واقعی از اصلاح سیستم‌ها آغاز می‌شود، نه افراد
تحول واقعی در سازمان‌ها با اصلاح سیستم‌ها آغاز می‌شود، نه تغییر افراد

در بسیاری از تلاش‌ها برای تحول سازمانی، تمرکز مدیران تقریباً به‌طور کامل روی افراد قرار می‌گیرد و از کارکنان انتظار می‌رود که خودشان مسئولیت کارها را بپذیرند و فرآیندها را پیش ببرند. با این حال، نتایج حاصل از این رویکرد معمولاً یکدست و رضایت‌بخش نیست. بررسی دقیق‌تر نشان می‌دهد که مدیران باید بخش عمده زمان و انرژی خود را صرف اصلاح سیاست‌های رسمی و غیررسمی سازمان کنند تا کارکنان جهت‌گیری استراتژیک منسجم‌تر و روشن‌تری پیش‌روی خود داشته باشند.

تغییر قوانین بازی

نیک چیتر، استاد علوم رفتاری در مدرسه بازرگانی وارویک، و جرج لوونشتاین، اقتصاددان رفتاری دانشگاه کارنگی ملون، این تفاوت دیدگاه را تمایز میان «چارچوب فردی» (i-frame) و «چارچوب سیستمی» (s-frame) می‌نامند. آن‌ها در مقاله‌ای پژوهشی در سال ۲۰۲۳ در نشریه Behavioral and Brain Sciences استدلال کردند که علوم رفتاری بیش از حد بر تغییر رفتارهای فردی تمرکز کرده و از اصلاح سیستم‌هایی که انسان‌ها در بستر آن‌ها فعالیت می‌کنند، غافل شده است.

چیتر در مناظره‌ای در رسانه Behavioral Scientist تأکید کرد که اهمیت سیستم همواره بیشتر است؛ زیرا کارکنان هر چقدر هم تلاش و انگیزه داشته باشند، در سیستمی که برخلاف مسیر آن‌ها عمل می‌کند برای پیشرفت با موانع جدی روبه‌رو خواهند شد.

سایر پژوهشگران حاضر در این مناظره این پرسش را مطرح کردند که آیا تمرکز بر افراد واقعاً توجه را از بازسازی سیستم منحرف می‌کند یا خیر، و استدلال نمودند که هر دو مؤلفه باید با هم ترکیب شوند. با وجود اینکه به هر دو دیدگاه نیاز است، شواهد سازمانی نشان می‌دهد که اصلاح سیستم همواره باید در اولویت نخست قرار گیرد.

از آزمایش و خطا تا خلق ماشینی ساختاریافته

استدلال چیتر اگرچه به سیاست‌گذاری عمومی مربوط می‌شود، اما دقیقاً در فضای درونی شرکت‌ها نیز رخ می‌دهد. پدی لامبروس، بنیان‌گذار و مدیرعامل استارتاپ Dex که پلتفرمی در حوزه استخدام بر پایه هوش مصنوعی است، دیدگاه‌های خود را درباره برقراری تعادل میان افراد و سیستم‌ها بیان کرده است. لامبروس در مرحله فعلی تصمیم گرفته روی افراد مستعد تمرکز کند؛ به‌طوری‌که دوسوم اعضای تیم او را بنیان‌گذاران پیشین یا اعضای کلیدی تیم‌های مؤسس تشکیل می‌دهند.

دلیل این انتخاب، نیاز فوری به حرکت با سرعت بالا است. لامبروس در این باره می‌گوید: «کسب‌وکارها معمولاً بین سرعت عمل و پیش‌بینی‌پذیری دست به انتخاب می‌زنند. در مراحل اولیه، هدف اصلی داشتن ساختاری تا حد امکان مسطح و تفویض‌شده است؛ رویکردی که نیازمند افرادی با استقلال عمل بالا، مسئولیت‌پذیری عمیق، اراده قوی و انعطاف‌پذیری است.»

لامبروس به‌جای طراحی یک سیستم صلب و سنگین از همان روزهای اول، اولویت خود را بر یادگیری سریع گذاشته است. او می‌گوید: «سازوکاری که من در حال حاضر می‌سازم، یک ماشین آزمایش مداوم است. سرعتی که با آن می‌توانم اطلاعات جدید را جذب کنم و درستی ایده‌ها را بسنجم، دقیقاً همان سرعتی است که شرکت را به جلو پیش می‌برد.»

به بیان ساده، چارچوب فردی نقطه‌ای است که نوآوری در آن متولد می‌شود؛ اما پس از اثبات یک ایده، مقیاس‌پذیری آن بدون وجود یک سیستم ممکن نخواهد بود. مشکل اصلی زمانی پدیدار می‌شود که ماهیت این سیستم به‌مرور زمان دستخوش فرسایش می‌شود.

وقتی سیستم تنها در خدمت بقای خود قرار می‌گیرد

لامبروس معتقد است: «نمونه‌های بسیار نادری وجود دارد که در آن‌ها یک سازمان بزرگ یا نهاد دولتی موفق شده باشد به‌مرور زمان چابک‌تر شود یا رفتار نوآورانه خود را حفظ کند. سازمان‌های بزرگ اساساً برای تضمین بقای ساختار فعلی خود طراحی شده‌اند؛ آن‌ها ریسک‌پذیری را با قطعیت و محافظه‌کاری معاوضه می‌کنند و همین موضوع، توانایی تغییر را از آن‌ها سلب می‌کند.»

شرکت‌های چابک و با رشد سریع، اختیار تصمیم‌گیری را به مجریان اصلی واگذار می‌کنند. در مقابل، طبق مشاهدات لامبروس، در سازمان‌های بزرگ و سنتی معمولاً ترجیح داده می‌شود که یک تصمیم توسط ۱۵ نفر مختلف تأیید شود. این روند اگرچه ریسک بروز خطا را در کوتاه‌مدت کاهش می‌دهد، اما فرصت دستاوردهای بزرگ را نیز از بین می‌برد. جالب اینجاست که این وضعیت غالباً نوعی مدیریت ریسک پنداشته می‌شود؛ در حالی که حرکت کند و بوروکراتیک در دنیای پرشتاب امروز، در عمل بزرگ‌ترین ریسک ممکن است.

سیستمی که صرفاً برای تضمین قطعیت و پرهیز از ریسک ساخته شده باشد، مانع رشد کسانی می‌شود که بیشترین ارزش افزوده را تولید می‌کنند. قانون پرایس که نخستین‌بار توسط درک دسولا پرایس صورت‌بندی شد، بیان می‌کند که جذر تعداد افراد یک مجموعه، مسئول تولید نیمی از کل خروجی آن هستند؛ برای نمونه در یک تیم ۱۰۰ نفره، فقط ۱۰ نفر نیمی از نتایج را رقم می‌زنند. پژوهش‌های راب کراس و همکارانش نیز نشان داده است که تنها ۳ تا ۵ درصد از کارکنان عامل ایجاد ۲۰ تا ۳۵ درصد از همکاری‌های ارزش‌آفرین هستند، و تحلیل شبکه‌های سازمانی در پلتفرم HumanDynamics نیز الگویی کاملاً مشابه را اثبات می‌کند.

انسان‌ها در سطح فردی غیرقابل پیش‌بینی هستند، اما در ابعاد جمعی رفتاری قابل پیش‌بینی از خود نشان می‌دهند؛ این حقیقت اثبات می‌کند که سیستم حاکم، و نه اراده فردی، چگونگی رفتار بیشتر نیروها را رقم می‌زند. همان‌طور که لامبروس می‌گوید: «اقدامات فردی بی‌شک اهمیت دارند، اما یک فرد نمی‌تواند مسئولیت کارکرد کل سیستم را به‌تنهایی بر عهده بگیرد.»

معماری سیستم، وظیفه غیرقابل واگذاری رهبران است

کارکنان نمی‌توانند قوانینی را که اختیاری بر آن‌ها ندارند اصلاح کنند. ساخت و بازآفرینی سیستم، وظیفه اصلی مدیران ارشد سازمان است و این مسئولیت به هیچ فرد دیگری قابل تفویض نیست.

در بسیاری از سازمان‌ها، مدیران ارشد تنها کسانی هستند که قدرت بازنگری در ساختارها و خط‌مشی‌ها را در اختیار دارند؛ با این حال، به‌جای اصلاح این سازوکارها، مدام از کارکنان می‌خواهند خود را تغییر دهند. متأسفانه بسیاری از برنامه‌های تحول هوش مصنوعی نیز در همین دام گرفتار می‌شوند. اصرار بر آموزش مداوم کارکنان بدون ایجاد تحول در زیرساخت‌ها، بار مسئولیت را تنها به دوش نیروها می‌اندازد؛ در حالی که فرآیندها، مشوق‌ها و ساختار تصمیم‌گیری که مستقیماً در کنترل رهبران است، دست‌نخورده باقی می‌ماند. همان‌طور که چیتر اشاره می‌کند، ذی‌نفعان وضع موجود تمایل دارند تقصیرها را متوجه افراد جلوه دهند؛ زیرا این رویکرد نگاه‌ها را از نارسایی‌های خود سیستم منحرف می‌سازد.

رهبرانی که به دنبال تحول واقعی در سازمان هستند، باید تغییر را از بطن سیستم آغاز کنند. از نگاه لامبروس، این استراتژی به معنای جداسازی فرآیند هماهنگی از کنترل است. او کمترین سطح کنترل ضروری را تعریف می‌کند و سپس به نیروها اجازه می‌دهد خودشان به معماری و خلق ساختارها بپردازند و مسائل کاری را شخصاً حل‌وفصل کنند.

در هر سازمانی هسته کوچکی از نیروهای کلیدی حضور دارند که سهم بزرگی از ارزش و نوآوری را خلق می‌کنند. پرسش حیاتی پیش‌روی مدیران این است که آیا سیستم موجود به شکوفایی این استعدادها یاری می‌رساند، یا شرایط را به‌گونه‌ای رقم زده که آن‌ها چاره‌ای جز ترک سازمان نداشته باشند؟

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

مدل تبدیل گفتار به متن Parakeet v3 انویدیا بدون نیاز به پایتون و کارت گرافیک اجرا می‌شود
آخرین اخبار

مدل تبدیل گفتار به متن Parakeet v3 انویدیا بدون نیاز به پایتون و کارت گرافیک اجرا می‌شود

تیم توسعه‌دهنده handy-computer نسخه کم‌حجم و بهینه‌سازی‌شده GGUF را برای مدل تبدیل گفتار به متن Parakeet v3 انویدیا منتشر کرد. این نسخه امکان اجرای روان و محلی مدل را بدون وابستگی به پایتون یا کارت‌های گرافیک مجزا روی پردازنده‌های معمولی فراهم می‌کند.

۲ دقیقه مطالعه
۰
۷ آبان
رونمایی از مدل Mistral Large 4؛ ایجنت کدنویسی ۱ تریلیون پارامتری با دسترسی آزاد
آخرین اخبار

رونمایی از مدل Mistral Large 4؛ ایجنت کدنویسی ۱ تریلیون پارامتری با دسترسی آزاد

شرکت Mistral وزن‌های عمومی مدل جدید Mistral Large 4 را با ۱ تریلیون پارامتر و تمرکز ویژه بر ایجنت‌های کدنویسی و امنیت سایبری منتشر کرد. این مدل بر پایه معماری ترکیبی از متخصصان توسعه یافته است و با مصرف بهینه توکن، گزینه‌ای قدرتمند برای استقرار روی زیرساخت‌های خصوصی به شمار می‌رود.

۶ دقیقه مطالعه
۰
۷ آبان
مدل جدید Qwen3.5-4B-3D-Coder متن را به صحنههای سهبعدی تعاملی در مرورگر تبدیل می‌کند
آخرین اخبار

مدل جدید Qwen3.5-4B-3D-Coder متن را به صحنههای سهبعدی تعاملی در مرورگر تبدیل می‌کند

یک توسعهدهنده مستقل نسخهای اختصاصی از مدل Qwen با نام Qwen3.5-4B-3D-Coder را معرفی کرده است که توصیفات متنی را به صحنههای سهبعدی تعاملی در کتابخانه Three.js تبدیل می‌کند. این مدل سبک با ۴ میلیارد پارامتر، تمام کدهای جاوااسکریپت و صحنه گرافیکی را در قالب یک فایل تکی HTML به کاربر تحویل می‌دهد و روی سیستمعامل محلی نیز قابل اجرا است.

۲ دقیقه مطالعه
۰
۷ آبان