ثبت تجربیات پنهان کارکنان با هوش مصنوعی؛ پایانی بر چالش قدیمی انتقال دانش در سازمان‌ها

مایکل پولانی، دانشمند و فیلسوف سرشناس، جمله‌ای تاریخی دارد: «ما همواره بیش از آنچه بتوانیم به زبان بیاوریم، می‌دانیم». این تناقض که دهه‌ها ذهن نظریه‌پردازان مدیریت را به خود مشغول کرده بود، اکنون در انبارها، فروشگاه‌ها و خطوط مقدم کسب‌وکارها خودنمایی می‌کند و جالب آنکه به دست هوش مصنوعی در حال برطرف شدن است.

نیروهای خط مقدم سازمان‌ها درک عمیق و تجربی از نحوه اجرای واقعی کارها دارند؛ آن‌ها شگردهای تجربی و راه‌حل‌های سریع را می‌شناسند، شرایط غیرمنتظره را مدیریت می‌کنند و مسائل روزمره را با شم شهودی برطرف می‌سازند. این آموخته‌ها هرگز وارد کتابچه‌های راهنمای رسمی نمی‌شوند، با این حال داده‌های واقعی و بررسی‌های متعدد دانشگاهی نشان می‌دهند تا ۸۵ درصد از دانش هر سازمان، از همین نوع دانش تجربی و ناگفته است.

از آنجا که این مهارت‌ها بر حافظه عضلانی، تجربه زیسته، دست‌نوشته‌ها و گفت‌وگوهای خودمانی هنگام استراحت استوارند، رویه‌های استاندارد و دستورالعمل‌های مدیریتی بالا به پایین از ثبت آن‌ها عاجزند. اگرچه این دانشِ ناگفته سبب شایستگی، استقلال کاری و حس رضایت کارکنان می‌شود، اما انباشت آن نزد افراد خاص ممکن است مانع پیشرفت سایرین شود؛ افزون بر این، با بازنشستگی یا ترک خدمت این نیروهای باسابقه، گنجینه تجربیات آن‌ها نیز برای همیشه از سازمان رخت برمی‌بندد.

سال‌ها کسب‌وکارها گمان می‌کردند کتابچه‌های سازمانی آن‌ها کامل و بی‌نقص است، اما به‌کارگیری دستیاران هوش مصنوعی که بر پایه دستورالعمل‌ها و مواد آموزشی سازمان‌ها تعلیم دیده‌اند، اکنون خلأهای پنهان و شیوه‌نامه‌های تاریخ‌مصرف‌گذشته را آشکار کرده است.

این دستیاران هوشمند تحولی آرام در سازوکار ثبت دانش تجربی سازمان‌ها و ارتقای برنامه‌های مهارت‌آموزی رقم زده‌اند. این تحول دقیقاً هم‌زمان با دوره‌ای رخ می‌دهد که بازتعریف فرهنگ کار و یادگیری مستمر برای همراهی با موج هوش مصنوعی، اهمیتی حیاتی پیدا کرده است.

اقتصاد نوین دانش در سازمان‌ها

به‌جای تکیه بر تیم‌های مرکزی برای نگارش دستورالعمل‌های خشک، اقتصاد نوین دانش مسیری پایین به بالا را برگزیده است. این رویکرد به کمک ابزارهای هوش مصنوعی، مغز مشترک سازمان را از تجربیات جمعی نیروها تغذیه می‌کند و دستورالعمل‌ها را به سامانه پویایی بدل می‌سازد که جریان انتقال دانش در آن دوطرفه است.

شرکت‌ها با قدرت بخشیدن به کارگرانی که قفسه‌ها را می‌چینند، سفارش‌ها را آماده می‌کنند، با مشتریان گفتگو می‌کنند و انبارها را می‌گردانند، امکان شناسایی تضادها، خلأها و شگردهای کاری را فراهم کرده و داده‌های عملیاتی خود را به‌طور پیوسته بازنگری می‌کنند.

کارکنان در تعامل روزمره با دستیاران هوش مصنوعی، کمبودهای دانشی را گزارش می‌دهند و این ابزارها نیز بازخوردها را دریافت کرده و به‌شکل خودکار به دوره‌های آموزشی خرد و شیوه‌نامه‌های کارآمدتر تبدیل می‌نمایند. بدین ترتیب مدیران ارشد می‌توانند آموزش‌های اولیه ورود به سازمان را به فرآیند یادگیری دائمی در حین خدمت ارتقا دهند.

هنگامی که دستاوردها و مهارت‌های نیروهای خط مقدم جدی گرفته شود و در سطح شرکت به اشتراک درآید، بدنه سازمان برای پاسخگویی به مشتریان آگاه امروزی، چه در خریدهای حضوری و چه در بستر آنلاین، توانمندتر خواهد بود.

دیوید آتور، اقتصاددان دانشگاه MIT و نویسنده مقاله‌ای شاخص درباره اشتغال و پارادوکس پولانی، معتقد است: «دشوارترین امور برای خودکارسازی دقیقاً کارهایی هستند که انعطاف‌پذیری، درک شهودی و قضاوت بر پایه تجربه را می‌طلبند؛ مهارت‌هایی که ما آن‌ها را فقط در عمل می‌فهمیم. از این رو وظایفی که رایانه‌ها نمی‌توانند جایگزین آن‌ها شوند، عمدتاً با همراهی فناوری تکمیل و تقویت می‌شوند».

هوش مصنوعی مجهز به حواس چندگانه

سازمان‌ها باید از اسناد متنی حجیم و راهنماهای خسته‌کننده فراتر بروند. واحدهای آموزش و توسعه مهارت اکنون ترکیب متن، عکس، ویدیو و مباحثه‌های تیمی را به کار می‌گیرند. این سازوکار نشان‌دهنده شیوه طبیعی یادگیری انسان است و باید به بستر اصلی مهارت‌آموزی مستمر کارکنان بدل شود.

دستیاران هوش مصنوعی امروزی چندحالته هستند؛ به این معنا که می‌توانند داده‌ها را در قالب‌های گوناگون مانند صوت، متن، عکس و ویدیو دریافت و پردازش کنند. برای نمونه، یک کارمند می‌تواند به‌صورت صوتی ایراد یک دستورالعمل را مطرح کند یا تصویری از چیدمان قفسه‌ها ثبت نماید تا مدل هوشمند آن را با طرح چیدمان استاندارد مقایسه کند و راهنمای گام‌به‌گام اصلاحی را تحویل دهد.

افزون بر این، با ظهور مدل‌های کوچک‌تر، امکان پردازش محلی روی دستگاه فراهم شده است؛ مزیتی که مانع خروج اطلاعات از دستگاه یا شبکه سازمانی می‌شود. در این حالت تأخیر پاسخگویی از میان می‌رود، امنیت مضاعف ایجاد می‌گردد و نیروها و مشتریان در همان لحظه به پاسخ‌های مورد نیاز دست پیدا می‌کنند.

از دانستن تئوری تا پیاده‌سازی در عمل

توسعه، استقرار و راهبری مستمر این سامانه‌ها کاری نیست که سازمان‌ها بتوانند به‌تنهایی از عهده آن برآیند؛ درست همان‌طور که دستورالعمل‌های سنتی دیگر کارایی خود را از دست داده‌اند. روش‌های مدیریتی گذشته شاید شرکت‌ها را تا این مرحله رسانده باشند، اما بقای فردای آن‌ها را تضمین نخواهند کرد.

گزارش دانشگاه MIT نشان می‌دهد کسب‌وکارهایی که از همکاری شرکای تخصصی هوش مصنوعی بهره می‌برند، به نرخ موفقیت ۶۶ درصدی دست می‌یابند؛ رقمی که در پروژه‌های منحصراً داخلی تنها ۳۳ درصد است. مطمئن‌ترین شیوه پیشرفت، همکاری با بازیگرانی است که هم اشراف به حوزه فعالیت شرکت را دارند و هم به مدل‌ها، فریمورک‌ها و ابزارهای توسعه مجهزند تا هدایت فرآیند را در فضاهای فروشگاهی، انباری و لجستیکی بر عهده بگیرند.

علاوه بر این، تحول هوش مصنوعی را نمی‌توان صرفاً با طرز فکر فنی و محصور به بخش فناوری اطلاعات پیش برد. یافته‌های آزمایشگاه دیجیتال دانشگاه استنفورد گویای آن است که مهم‌ترین پیش‌شرط موفقیت (با سهم ۴۳ درصدی)، حمایت همه‌جانبه مدیران ارشد در ایجاد بستر آزمون‌وخطا و پذیرش ریسک یادگیری است. درخشش هوش مصنوعی هرچند از الگوریتم‌ها و قدرت محاسباتی نشأت می‌گیرد، اما میوه واقعی آن تنها با بازنگری در فرهنگ سازمانی و باورهای نیروی انسانی چیده خواهد شد.

شکاف دیرین میان دانستن و بیان کردن، اکنون در خطوط مقدم کاری و به یاری دستیاران دیجیتال در حال پر شدن است. سازمان‌ها با تجمیع هوشمندانه تجربیات ناگفته، دانشی پویا پدید می‌آورند که رضایت شغلی کارکنان و کیفیت خدمت‌رسانی به مشتریان را تضمین می‌کند.