معمای بازگشت سرمایه هوش مصنوعی؛ چرا شرکت‌ها باید به سراغ اصلاح جریان کار بروند؟

شرکت‌هایی که روی هوش مصنوعی سرمایه‌گذاری می‌کنند، حالا با یک پرسش کاملاً ملموس و اساسی روبه‌رو شده‌اند: دقیقاً چه بهبودی را باید به عنوان «بازگشت سرمایه» به حساب آورد؟ در نظرسنجی جهانی آگوست ۲۰۲۶ مؤسسه مک‌کینزی، ۸۰ درصد از شرکت‌کنندگان گفتند که هوش مصنوعی بهره‌وری فردی آن‌ها را افزایش داده است؛ با این حال، تنها ۳۷ درصد از آن‌ها تأثیر مثبتی روی سود عملیاتی شرکت (سود قبل از بهره و مالیات) ثبت کرده‌اند. این شکاف عمیق نشان می‌دهد که ساده‌تر شدن کار‌های روزمره پرسنل با بالا رفتن بازدهی مالی کسب‌وکار، دو مقوله کاملاً متفاوت هستند.

البته این آمار‌ها به این معنا نیست که شرکت‌ها دارند معیارهای اشتباهی را اندازه می‌گیرند؛ بلکه پرسش هوشمندانه‌ای مطرح می‌کند: سازمان‌ها چطور باید این دستاوردهای روزمره را به نتایج مالی بزرگ‌تر گره بزنند؟ صرف زمان کم‌تر برای گردآوری اسناد یا هماهنگی جلسات کاری، ارزش و اهمیت بسیار بالایی دارد؛ حتی اگر این سودمندی بلافاصله در قالب درآمدهای نقدی جدید در صورت‌های مالی دیده نشود.

علاوه بر خود ابزارها، فرآیندهای جانبی که حول فناوری شکل می‌گیرند هم شایسته توجه ویژه‌ای هستند. نتایج پژوهش مارس ۲۰۲۵ مؤسسه مک‌کینزی نشان داد در میان ۲۵ شاخص سازمانی مورد بررسی، «بازطراحی جریان‌های کاری» قوی‌ترین ارتباط را با افزایش سودآوری شرکت‌ها داشته است. این همبستگی معنادار ثابت می‌کند بستری که هوش مصنوعی در آن به کار گرفته می‌شود، حداقل به اندازه خود ابزار هوش مصنوعی اهمیت دارد.

با این حال، سنجش دقیق عملکرد هنوز حلقه‌ای گمشده در اکثر مجموعه‌هاست. همان گزارش سال ۲۰۲۵ مک‌کینزی فاش کرد که کم‌تر از یک‌پنجم پاسخ‌دهندگان گفته‌اند سازمان آن‌ها شاخص‌های کلیدی عملکرد (KPI) را برای راهکارهای مبتنی بر هوش مصنوعی مولد زیر نظر می‌گیرد. طبیعی است وقتی نقطه شروع شفافی وجود نداشته باشد، ارزیابی اینکه آیا یک سامانه جدید واقعاً انجام کار‌ها را بهبود داده یا نه، کاری دشوار خواهد بود.

از دیدگاه کرک دریک (Kirk Drake)، بنیان‌گذار مجموعه CU 2.0، ماجرا دقیقاً از همین مشکلات عملیاتی تکرارشونده آغاز می‌شود. او با تکیه بر تجربیات خود در پروژه‌های مختلف هوش مصنوعی معتقد است کسب‌وکارها گاهی آن‌قدر غرق رویاپردازی برای تحول بنیادین کل سازمان می‌شوند که بهبودهای کوچک اما حیاتی را نادیده می‌گیرند. تجربه او نشان می‌دهد که پیش از انتخاب هر فناوری جدیدی، مدیران ابتدا باید ببینند کارمندان در طول روز چه کار‌های تکراری و خسته‌کننده‌ای را مدام انجام می‌دهند.

کرک دریک، بنیان‌گذار CU 2.0، تأکید می‌کند که شرکت‌ها برای ورود به دنیای هوش مصنوعی باید کار را با گره‌های عملیاتی کاملاً مشخص و شفاف شروع کنند.

او مثالی از یکی از مشتریانش می‌زند که پرونده‌های تسهیلات را از طرف یک تأمین‌کننده در قالب ۱۲ فایل PDF مجزا تحویل می‌گرفت. به گفته دریک، این شرکت روزانه بین ۴۰ تا ۵۰ بسته سند دریافت می‌کرد و سه کارمند تمام‌وقت مشغول سرهم کردن و ادغام این فایل‌ها بودند. چالش اصلی و فوری آن‌ها صرفاً جمع‌آوری و یکی کردن اسناد بود؛ کاری تکراری که می‌شد خیلی راحت با یک اتوماسیون نرم‌افزاری ساده حلش کرد.

تشخیص این تفاوت اهمیت بسیار زیادی دارد: هوش مصنوعی می‌توانست به نوشتن و توسعه سریع‌تر نرم‌افزار کمک کند، اما برنامه نهایی قرار بود یک کار کاملاً معمولی و روتین را پیش ببرد. از نگاه دریک، این یک نتیجه فوق‌العاده کاربردی است، بدون آنکه لازم باشد به هر پیشرفتی برچسب یک کاربرد پیشرفته و پرطمطراق هوش مصنوعی بزنیم. ارزش واقعی در کم کردن کار‌های دستی و فرسایشی نهفته بود، نه پیچیده‌تر کردن فرآیندها.

دریک بر این باور است که پاسخ دادن به نیازهای عملیاتی روزمره، به کسب‌وکارها کمک می‌کند تا در انتخاب فناوری تصمیم‌های هوشمندانه‌تری بگیرند. یکپارچه‌سازی بخش‌های حسابداری، فروش و تولید مشخص می‌کند که اعمال تغییرات در سیستم‌های رزرو یا مدیریت وب‌سایت در کجای مسیر واقعاً به کار می‌آید. از دید او، هر قدم می‌تواند پایه‌گذار گام بعدی باشد و با شناخت دقیق‌تر نیازهای سازمان، زمینه برای پیشرفت‌های بزرگ‌تر هموار می‌شود.

دریک می‌گوید: «تمام هدف من این بود که در طول مسیر، مدیریت کسب‌وکار را ارتقا دهم و این دست مشکلات آزاردهنده را برطرف کنم.» او این تحولات را مانند سفری ۱۸ ماهه می‌داند که در آن، اصلاحات کوچک قدم‌به‌قدم نشان دادند که سازمان در مرحله بعد به چه چیزی نیاز دارد. از نگاه او، دستاورد نهایی حاصل حرکتی پیوسته و تدریجی است، نه اجرای ناگهانی یک طرح سنگین و همه‌جانبه.

این کارشناس همچنین تأکید می‌کند که شروع پروژه با یک وظیفه کاملاً معین چقدر حیاتی است. مدیریت زمان‌بندی، ایمیل‌ها، سفرهای کاری و اولویت‌های تجاری هر کدام مسئولیت‌های جداگانه‌ای با الزامات خاص خود هستند. از نظر او، اگر تیمی کار را ابتدا با اتوماسیون زمان‌بندی و تقویم آغاز کند، مدیریت پروژه هوش مصنوعی بسیار ساده‌تر خواهد بود و پیش از اضافه کردن وظایف دیگر، سنجش کارایی آن خیلی راحت‌تر رقم می‌خورد.

دریک ریشه سردرگمی و تردید شرکت‌ها در پذیرش هوش مصنوعی را در «احساس خستگی و سرریز اطلاعات» می‌داند. تنوع ابزار‌های جدید باعث می‌شود مدیران ندانند نقطه شروع کجاست. او معتقد است تعریف یک وظیفه کوچک و شفاف به کسب‌وکارها فرصت می‌دهد تا یاد بگیرند، بازخوردها را ارزیابی کنند و آگاهانه تصمیم بگیرند که آیا پیشروی در مراحل بعدی ارزش سرمایه‌گذاری را دارد یا خیر.

این نگرش، بحث بازگشت سرمایه را از فرمول‌های مبهم تئوری به خروجی‌های ملموس تبدیل می‌کند. به عقیده دریک، سازمان‌ها باید بررسی کنند که آیا این تغییر روند کار‌ها را روان‌تر کرده و کارمندان با وقت آزادشده خود چه ارزش افزوده‌ای تولید می‌کنند. کاهش حجم کار‌های اداری و دفتری می‌تواند فرصت طلایی برای تقویت خدمات مشتریان، برنامه‌ریزی استراتژیک یا رسیدگی به مسئولیت‌های حساسی باشد که به تمرکز بالا نیاز دارند.

برای دریک، بهترین نقطه شروع مشکلی است که اعضای تیم به خوبی آن را درک کرده باشند و آماده بهبودش باشند. یک پروژه متمرکز به کسب‌وکارها نشان می‌دهد چه چیزی جواب می‌دهد، چه چیزی به بازبینی نیاز دارد و گام بعدی چه باید باشد. همین شفافیت به مدیران زیربنای مستحکمی می‌دهد تا پیش از ورود به تحولات بزرگ‌تر، با اطمینان خاطر روی فناوری سرمایه‌گذاری کنند.