چرا پروژه‌های هوش مصنوعی در بیشتر شرکت‌ها شکست می‌خورند؟

اگر قرار باشد در گزارش مالی فصلی بعدی شرکت خود، دستاورد برنامه هوش مصنوعی سازمانتان را تنها در یک جمله، آن هم جمله‌ای که واقعاً برای سهام‌داران اهمیت داشته باشد، توصیف کنید، آن جمله چه خواهد بود؟

بیشتر مدیران ارشدی که با آن‌ها روبه‌رو می‌شوم، پاسخی برای این پرسش ندارند. آن‌ها می‌توانند فهرستی از فعالیت‌ها ارائه دهند: اجرای پروژه‌های آزمایشی، خرید اشتراک‌ها، آموزش کارکنان یا اعلام همکاری‌های تجاری جدید؛ اما هیچ‌کدام از این‌ها دستاورد واقعی به‌شمار نمی‌روند. نظرسنجی‌های پیاپی نشان می‌دهند که بیشتر برنامه‌های هوش مصنوعی شرکت‌ها بازدهی مالی ناامیدکننده‌ای دارند.

به باور من، علت این مسئله ضعف در مدل‌ها، داده‌ها یا کمبود نیروهای بااستعداد نیست؛ بلکه به هدفی برمی‌گردد که شرکت‌ها هوش مصنوعی را برای آن به کار گرفته‌اند. سیستم‌های امروزی توانایی تحلیل و استدلال در سطح کل فرایندهای تجاری یک شرکت را دارند، اما ما آن‌ها را به پاسخ‌گویی به تیکت‌های پشتیبانی و خلاصه‌سازی جلسات محدود کرده‌ایم. این رویکرد درست مثل استخدام یک نابغه مدیریت عملیات و گماردن او به کارهای ساده منشی‌گری است. بیشترین جایی که هوش مصنوعی می‌تواند ارقام مالی را جابه‌جا کند، مرکز تماس نیست؛ بلکه اتاق مدیریت ارشد است.

اگر منصف باشیم، شرایط کاری مدیران عامل چندان ساده نیست. هر سازمانی یک سامانه اطلاعاتی به‌شمار می‌رود و کیفیت داده‌ها با گذر از هر لایه مدیریتی افت می‌کند. در مسیر رو به بالا، یافته‌های ناخوشایند و نشانه‌های هشداردهنده زودهنگام کنار گذاشته می‌شوند و آنچه نهایتاً به دست مدیر می‌رسد، خلاصه‌ای آراسته اما ناقص است. در مسیر رو به پایین نیز دستورالعمل‌های مدیریت دچار تعدیل، بازتفسیر یا تغییر کاربری می‌شوند، یا در جلسات با تکان دادن سر تأیید شده و سپس به فراموشی سپرده می‌شوند تا عملاً بی‌اثر گردند. نتیجه این وضعیت چیست؟ شرکتی با ۱۰٬۰۰۰ کارمند در عمل اطلاعات کمتری نسبت به یک تیم ۱۰ نفره دارد.

حضور یک مدیر دفتر یا دستیار ارشد کارآمد می‌تواند بخشی از این چالش‌ها را جبران کند؛ اما هیچ انسانی توان آن را ندارد که تک‌تک اسناد تولیدشده در شرکت را بخواند، در تمام جلسات حاضر شود و به همه مکالمات مشتریان گوش دهد.

امروزه هوش مصنوعی می‌تواند شفافیتی عمیق و بی‌سابقه را با سرعتی فراتر از توان هر انسان و هر سامانه هوش تجاری سنتی در سازمان‌ها ایجاد کند. هر شرکتی در عمل دو دسته سوابق دارد؛ دسته نخست اسناد رسمی هستند: گزارش‌های فصلی، به‌روزرسانی پروژه‌ها و ارزیابی‌های عملکرد که در هر سطح مدیریتی بازبینی و ویراستاری می‌شوند تا کاملاً آراسته و منسجم به نظر برسند. دسته دوم رویدادهای واقعی هستند: متن پیاده‌شده جلسات، گفتگوهای روزمره در پیام‌رسان‌ها، تاریخچه ویرایش‌ها، یادداشت‌های فروش و کدهای ثبت‌شده در گیت. مدیران همواره بر اساس دسته اول عمل کرده‌اند، زیرا دسته دوم بیش از حد پراکنده و پرحجم بوده است. اما این وضعیت دیگر تغییر کرده است؛ هر شرکتی هر روز حساس‌ترین مسائل، داغ‌ترین مباحثات و حقایق واقعی خود را ثبت می‌کند، هرچند تقریباً هیچ‌کس آن‌ها را نمی‌خواند. یک سیستم مبتنی بر ایجنت‌های هوش مصنوعی در سطح مدیرعامل می‌تواند این «داده‌های خفته» را بیدار کند.

به همین دلیل، در مجموعه خود از تیم فنی خواستم ایجنت‌های مدیریتی برای من توسعه دهند تا در جلسات حضور یابند، تعهدات را رهگیری کنند و داده‌های پنهان زیر گزارش‌های رسمی را بخوانند. هرچه بیشتر از این ابزارها استفاده کردیم، امکانات بیشتری به آن‌ها افزودیم. همکاران این سامانه را «هوش مصنوعی رئیس» نامیدند و این نام ماندگار شد؛ سامانه‌ای که در نهایت آن را به یک محصول کامل تبدیل کردیم.

این هوش مصنوعی مدیریتی در هفته‌های نخست فعالیت خود چه مواردی را کشف کرد؟ پروژه‌ای با اولویت بالا که هر هفته در گزارش‌ها موفق و طبق برنامه توصیف می‌شد، در حالی که طی پنج هفته گذشته حتی یک خط کد هم برای آن ثبت نشده بود. مشتری مهمی که شانس تمدید قراردادش بسیار بالا ثبت شده بود، اما مدیر حساب‌ها دو ماه با او تماسی نگرفته بود. هم‌چنین پیش‌نویس قراردادی که سوددهی آن غیرممکن بود؛ زیرا بررسی هم‌زمان یادداشت‌های فروش، بندهای امضاشده و اسناد نیازمندی محصول نشان می‌داد شخصی در یک جلسه وعده سفارشی‌سازی رایگان داده، اما هرگز آن را مکتوب نکرده بود.

این موارد صرفاً موضوعات اداری پیش‌پاافتاده نیستند؛ این‌ها شناسایی زودهنگام تأخیر در تحویل پروژه، نجات یک قرارداد در آستانه لغو و جلوگیری از هدررفت حاشیه سود پیش از تعهد رسمی هستند. این همان ارتباط ملموسی با صورت‌های مالی است که بیشتر پروژه‌های آزمایشی هوش مصنوعی از آن غافل مانده‌اند: نه ارقام انتزاعی بهره‌وری، بلکه تغییری ملموس در سود و زیان که به‌دلیل هوشیاری به‌موقع هوش مصنوعی حاصل شده است.

دومین دستاورد هوش مصنوعی، آشکارسازی اخبار خوب و فرصت‌های پنهانی است که ممکن بود دور از چشم بمانند. مهم‌ترین این موارد، شناسایی استعدادهای واقعی و نیروهای ممتاز در سازمان است.

سال گذشته فرایند ارزیابی عملکرد را کاملاً متفاوت اجرا کردم: بدون رزومه‌خوانی، بدون ارائه‌های مرسوم شاخص کلیدی عملکرد (KPI) و بدون دخالت توصیه‌های رؤسای بخش‌ها. ابتدا توافق کردیم که در دوران کنونی که ماشین‌ها بخش عمده کدها را می‌نویسند، «تعالی مهندسی» دقیقاً چه معنایی دارد؛ سپس تاریخچه یک‌ساله مخزن کدها (Repository) را بر همان مبنا ارزیابی کردیم. شماری از توانمندترین نیروها افرادی بودند که در جلسات هرگز به چشم نمی‌آمدند. یکی از معاونان شرکت با هدایت هوش مصنوعی نزدیک به ۳۰۰٬۰۰۰ خط کد در یک ماه نوشت؛ در حالی که بیشترین رکورد شخصی خودش در ۲۰ سال پیش که پرکارترین برنامه‌نویس بود، ۳۰٬۰۰۰ خط کد به‌شمار می‌رفت. او سریع‌تر تایپ نمی‌کند، بلکه هوش مصنوعی را هوشمندانه هدایت می‌کند. در نقطه مقابل، زمانی که ماشین وظیفه جمع‌آوری وضعیت و انتقال اطلاعات را بر عهده می‌گیرد، کارکنانی که تنها خروجی آن‌ها گردآوری وضعیت و جابه‌جایی اطلاعات بوده است، جایگاه خود را از دست می‌دهند.

یک مدیرعامل واقعاً بومی هوش مصنوعی چنین ویژگی‌هایی دارد: فردی که تنها بودجه هوش مصنوعی را امضا نمی‌کند، بلکه ابتدا جلسات، تقویم کاری و نقاط کور مدیریتی خود را زیر ذره‌بین ماشین قرار می‌دهد. من پیوسته از ایجنت هوش مصنوعی خود می‌پرسم در کدام بخش از جلسه اشتباه کردم، آیا زمانم را دقیقاً صرف اولویت‌هایم کرده‌ام و همکاران از بیان چه مسائلی به من واهمه دارند. زیردستان معمولاً از سر تعارف و احترام به این پرسش‌ها پاسخ می‌دهند، اما ماشین واقعیت را بدون پرده‌پوشی و کاملاً صریح بازگو می‌کند.

این همان شیوه‌ای است که می‌تواند شرکت را به‌راستی متحول سازد. وقتی مدیرعامل پرسش‌های دقیق‌تر و هوشمندانه‌تری مطرح می‌کند، سایر افراد حاضر در جلسه نیز به همین رویکرد روی می‌آورند. در بسیاری از موارد، مدیران لایه‌های میانی با ورود هوش مصنوعی مخالفت می‌کنند چون نگران به خطر افتادن جایگاه تیم‌های خود هستند. در حقیقت، مقاومت کارکنان در برابر هوش مصنوعی ناشی از شک داشتن به کارایی آن نیست؛ بلکه دقیقاً به این دلیل است که از کارآمدی فوق‌العاده‌اش اطمینان دارند.

بنابراین باید دست از اقدامات ظاهری و نمایشی برداشت. ما باید هوش مصنوعی را برای حل سخت‌ترین چالش‌های تجاری، یعنی مسائلی که دقیقاً روی میز مدیرعامل قرار دارند، به کار بگیریم. در این صورت، جملاتی که مدیرعامل با افتخار در گزارش مالی بعدی خود بیان خواهد کرد از سه بخش تشکیل می‌شود: شاخص مالی مشخصی که جابه‌جا شد، فردی که این موفقیت را رقم زد و توان پردازشی که کار را به سرانجام رساند.