گذار به هوش تصمیم‌گیری؛ وقتی هوش مصنوعی به‌جای تحلیل ساده، وارد عمل می‌شود

سازمان‌ها و کسب‌وکارهای بریتانیایی اکنون اثر مثبت هوش مصنوعی را به وضوح بر درآمد و سودآوری خود حس می‌کنند. نتایج یک مطالعه اخیر نشان می‌دهد ۶۶ درصد از شرکت‌های بریتانیایی شاهد جهش چشمگیر بهره‌وری ناشی از هوش مصنوعی بوده‌اند؛ مدیران ارشد این سازمان‌ها گزارش داده‌اند که این فناوری علاوه بر خودکارسازی وظایف تکراری، وقت ارزشمندی را به‌طور ویژه برای تصمیم‌گیری‌های استراتژیک آزاد کرده است.

این دگرگونی اهمیت فراوانی دارد؛ زیرا تحلیل سنتی داده‌ها با وجود تمامی پیشرفت‌ها، سال‌ها به‌عنوان ابزاری گذشته‌نگر یا به‌شدت وابسته به نیروی انسانی باقی مانده بود و رویکردی واکنشی و کند داشت. این سامانه‌ها بر معماری‌های قطعی مبتنی بر قانون، کدهای ایستا و جریان‌های کاری تغییرناپذیر تکیه می‌زدند. چنین سازوکاری در سناریوهای قابل پیش‌بینی به‌خوبی کار می‌کرد، اما در موقعیت‌های پویا و سرشار از حجم انبوه داده‌ها کارایی چندانی نداشت.

دیدگاه مدیران ارشد فناوری تحلیل داده و هوش مصنوعی در شرکت Infosys نیز موید همین گذار بنیادین به سوی معماری‌های هوشمند و پویا است.

این وضعیت اکنون با شتابی چشمگیر در حال دگرگونی است؛ چراکه هوش مصنوعی مفهوم تحلیل سنتی داده‌ها را بازتعریف کرده و آن را به «هوش تصمیم‌گیری» (Decision Intelligence) ارتقا داده است. در این میان، هوش مصنوعی خودمختار گامی فراتر برمی‌دارد و بر اساس سطح استقلال تعیین‌شده، تصمیم‌گیری، سناریونویسی و اجرای اقدامات آگاه به موقعیت را با حداقل نیاز به دخالت انسانی انجام می‌دهد. در حالی که اتوماسیون سنتی صرفاً جریان‌های کاری از پیش تعیین‌شده را اجرا می‌کرد، سیستم‌های مبتنی بر عوامل هوشمند (Agentic AI) به‌صورت گروهی داده‌های دریافتی از منابع گوناگون را تحلیل می‌کنند تا زنجیره‌ای از تصمیمات پیچیده را به سرانجام برسانند.

به‌عنوان نمونه، یک عامل هوشمند در فرایند ارزیابی ریسک بیمه و تسهیلات (Underwriting)، اعتبارسنجی متقاضی وام را برآورد می‌کند، نرخ سود تسهیلات را تطبیق می‌دهد، اسناد و مدارک را به بخش‌های مربوطه هدایت می‌نماید و هشدارهای قانونی و نظارتی را به مدیران اعلام می‌کند. تصمیماتی که زمانی منحصراً توسط انسان‌ها گرفته می‌شد، اکنون توسط تیم‌هایی از عوامل هوشمند سازمانی انجام می‌گیرد.

ابعاد این فرصت اقتصادی بسیار چشمگیر است. ارزش بازار هوش تصمیم‌گیری در اروپا که برای سال ۲۰۲۵ حدود ۴٫۳۵ میلیارد دلار برآورد شده، با رشدی پیوسته در مسیر رسیدن به رقم ۲۰٫۶۱ میلیارد دلار تا سال ۲۰۳۵ پیش می‌رود. در صورتی که سازمان‌های بریتانیایی با برنامه‌ریزی دقیق و هوشمندانه حرکت کنند، در موقعیتی عالی برای تصاحب سهم قابل‌توجهی از این ارزش اقتصادی قرار خواهند گرفت.

ترسیم مرز میان هوش مصنوعی و قضاوت انسانی

چالش بنیادین هر سازمانی در مسیر به‌کارگیری هوش تصمیم‌گیری، خود فناوری نیست؛ بلکه تعیین این مسئله است که چه کسی، در چه زمانی و درباره چه موضوعی باید تصمیم بگیرد. بسیاری از سازمان‌ها فاقد سازوکاری مدون برای تعیین حدود استقلال مجاز سیستم‌های خود هستند. این کمبود معمولاً به رفتارهای سلیقه‌ای، مقطعی و بدون نظارت بر سطح خودمختاری ماشین منجر می‌شود.

راه‌حل بنیادین، بازتعریف شفاف سطوح اختیارات و مسیر تصمیم‌گیری کسب‌وکار از همان گام‌های نخست توسعه است؛ یعنی مشخص شود که یک عامل هوشمند در چه مواردی اجازه اقدام مستقل دارد و در چه شرایطی باید پرونده را به نیروی انسانی ارجاع دهد. با بازگشت به مثال عامل ارزیابی وام، این سیستم می‌تواند قیمت‌گذاری تسهیلات یا گردش اداری پرونده را به‌تنهایی پیش ببرد، اما اگر با مورد مشکوک قانونی یا کاربری خارج از چارچوب داده‌های تعیین‌شده روبرو شد، تصمیم نهایی باید به انسان واگذار شود؛ نه اینکه عامل هوشمند بخواهد بر اساس حدس و گمان در موقعیت‌های پیش‌بینی‌نشده تصمیم بگیرد.

آینده سازمان‌ها در گرو جایگزینی قضاوت انسانی نیست، بلکه در ارتقای آن از طریق واگذاری هوشمندانه وظایف نهفته است. سیستم‌های هوش تصمیم‌گیری سازمانی که از مدل‌های بنیادین مسلط به حوزه کاری و بسترهای پردازشی غنی تغذیه می‌کنند، می‌توانند به‌شکل مستقل تصمیم‌گیری‌های پرحجم، داده‌محور و کاملاً شفاف و قابل‌توضیح را در بخش‌های زنجیره تأمین، امور مشتریان، قیمت‌گذاری و اکوسیستم‌های عملیاتی به دست بگیرند.

در این میان، تخصص و شهود انسانی همچنان نقشی غیرقابل جایگزین در حاکمیت سازمانی، نظارت اخلاقی، مدیریت استثناها و تصمیم‌هایی ایفا می‌کند که در آن‌ها ملاحظات تجاری و انسانی بر قطعیت الگوریتمی برتری دارد.

پتانسیل‌های شگرف در کنار خطرات بنیادین

مزایای بالقوه این رویکرد چشمگیر است. برای مثال، خرده‌فروشان صنعت محصولات آرایشی و بهداشتی با پیاده‌سازی موتور تصمیم‌گیری مبتنی بر هوش مصنوعی برای تشخیص زمان و پیشنهاد مناسب به هر مشتری، توانستند از طریق این همکاری هوشمندانه به بازگشت سرمایه (ROI) دورقمی دست یابند.

با این حال، سیستم‌های هوش تصمیم‌گیری دغدغه‌های جدی نظیر خطرات امنیت سایبری، عدم انطباق با قوانین و مقررات، فقدان شفافیت و پاسخگویی و در پاره‌ای موارد، نتایج نادرست و غیرمنتظره را نیز با خود به‌همراه دارند.

حتی هزینه اولیه ورود به این حوزه، به‌ویژه هنگام به‌کارگیری سیستم‌های عامل‌محور، می‌تواند بسیار بالا باشد؛ هرچند این هزینه‌ها با بهره‌گیری از مدل‌های بنیادین هوش سازمانی قابل بهینه‌سازی است. از همه مهم‌تر، پیاده‌سازی کامل این سامانه‌ها نیازمند رویکردی گام‌به‌گام و چرخه‌ای است؛ فرایندی که نه تنها ارتقای فناوری، بلکه تحول در مدل‌های عملیاتی، یکپارچه‌سازی عمیق زیرساخت‌ها، جذب نیروهای متخصص و ایجاد چارچوب محکم اخلاقی و نظارتی را برای اعتمادسازی و شفافیت می‌طلبد.

هم‌زمان با افزایش تجربه و اعتماد سازمان‌ها، آن‌ها می‌توانند گذار تدریجی خود را از تحلیل‌های منفعل به سمت هوش تصمیم‌گیری کنش‌گر محقق سازند. در این رقابت، برنده واقعی تنها کسانی نیستند که با بیشترین سرعت حرکت می‌کنند؛ بلکه سازمان‌هایی پیشتاز خواهند شد که پیش از دیگران موفق شوند تقسیم کار درست و متعادلی میان انسان و هوش مصنوعی برقرار کنند.