تأثیر هوش مصنوعی بر مدیریت و رهبری

استفاده از فناوری برای افزایش بهره‌وری یا کاهش مواجهه با فرایندهای پرمخاطره چیز جدیدی نیست. استفاده از ربات‌ها برای تولید به دهه‌ها قبل برمی‌گردد و امروزه بازدید یک کارخانۀ خودروسازی به مواجهه با بسیاری از فرایندهای تولید خودکار و پیشرفته منتهی می‌شود. به‌طورکلی، خودکارسازی جایگزین وظایف «کثیف، خسته‌کننده و خطرناک» شده است. بر این اساس، خودکارسازی تغییری مثبت برای کارکنان تلقی می‌شود، که بسیاری از مشاغل سخت را آسان‌تر کرده و موجب افزایش بهره‌وری شده است؛ عاملی که ضرورت آن برای جامعه به‌طورکلی پذیرفته شده است.

موج جدید خودکارسازی که هوش مصنوعی ایجاد کرده، تاحدودی متفاوت است. این موج دامنۀ وسیع‌تری دارد، زیرا درمورد هر نوع وظیفه‌ای که بتوان آن را به‌کمک الگوریتم توصیف کرد اجرا می‌شود. دراین‌صورت، به نظر می‌رسد که خودکارسازی نهایتاً در هر حوزه‌ای نفوذ خواهد کرد.

این روند دامنۀ وسیعی از مشاغل و بخش‌های صنعتی جدید را در معرض تغییر قرار می‌دهد. هیچ بخشی از این تغییر مستثنی نبوده و آنگونه که پیش‌بینی می‌شود، برای مثال در حوزۀ مشاغل، بیشتر وظایف متداول به‌سرعت تغییر می‌کنند.

کاربرد محسوس هوش مصنوعی در صنایع مختلف درحال‌حاضر بیشتر شامل ابزارهایی برای انجام وظایف خاص و با هدف رسیدن به سطحی از عملکرد بوده، که تاکنون دست‌نیافتنی بوده است. ازاین‌رو، سطح «هوش» مورد‌انتظار از این ابزارها محدود بوده است گرچه همین سطح از هوشمندی تأثیر چشم‌گیری بر بهره‌وری داشته است.

به‌منظور سازمان‌دهی مبحث تأثیر هوش مصنوعی بر قابلیت‌های خاص رهبری، ابتدا سه حوزۀ «علم»، «عمل» و «شخصیت» را تفکیک کنیم. سپس با استفاده از این چارچوب سادهٔ رهبری، سه سؤال را مطرح می‌کنیم: با پیشرفت هوش مصنوعی، رهبران به‌منظور رسیدن به موفقیت چه چیزهایی را باید بدانند؟ باید قادر به انجام چه کارهایی باشند؟ و ازلحاظ هویتی و جهان‌بینی، باید چه شخصیتی داشته باشند؟

رهبران چه چیزهایی را باید بدانند؟

1. رهبران تجاری باید اصول اولیۀ مدل‌های هوش مصنوعی را یاد بگیرند.
بیشتر کاربردهای امروزی هوش مصنوعی برپایۀ یادگیری ماشین و به‌طور خاص شبکه‌های عصبی چندلایه‌ای (شبکه‌های عصبی عمیق) است، که به‌منظور یادگیری ماشین از داده‌ها استفاده می‌شود. پس‌از آنکه الگوریتم داده‌های آموزشی را دریافت کرد و از آنها یاد گرفت، می‌توان به‌منظور پیش‌بینی از آن استفاده کرد. ضرب‌المثل «از کوزه همان برون تراود که در اوست» به‌خوبی بیانگر این است که کیفیت داده‌های ورودی، بر دقت پیش‌بینی مدل، میزان سوگیری آن و غیره تأثیر می‌گذارد. به همین ترتیب از دیدگاه سازمانی و اقتصادی، برای یک مدیر، درک و کنترل فرایند تولید داده، طراحی یک استراتژی برای جمع‌آوری داده‌ها به‌شیوه‌ای کارآمد و توانایی تجزیه و تحلیل مناسب این داده‌ها، ازنظرِ اثربخشی استفاده از هوش مصنوعی و مدیریت فرایند جمع‌آوری داده‌ها اهمیت به‌سزایی دارد.
علاوه‌بر این، آگاهی از جنبه‌های اساسی تجزیه و تحلیل، مانند اینکه چه سؤالاتی باید پرسیده شود و چگونه باید خروجی‌ها را تفسیر کرد، ازجمله قابلیت‌های ضروری برای مدیران در عصر هوش مصنوعی است. یکی دیگر از جنبه‌های مهمی که باید مدنظر مدیران قرار گیرد، آگاهی از سوگیری احتمالی موجود در داده‌هاست. داشتن این آگاهی در رابطه با بسیاری از کاربردهای هوش مصنوعی مفید بوده و بارها مورد بحث مطبوعات قرار گرفته است.
2. رهبران تجاری باید از تحولات سازمانی مطلع باشند.
ابزارهای هوش مصنوعی (تاکنون) بیشتر بر انجام یک وظیفۀ‌ خاص متمرکز بوده‌اند. این می‌تواند ناشی از این واقعیت باشد که راهکارهای هوش مصنوعی، موقعیتی و محدود به زمینه‌اند. الگوریتم‌های تشخیص صدا می‌توانند تا حد بالایی متفاوت از الگوریتم‌هایی باشند که تصاویر را تجزیه و تحلیل می‌کنند. علاوه‌بر این، شرکت‌هایی که ابزارهای هوش مصنوعی را توسعه می‌دهند، اغلب استارتاپ‌هایی هستند که بر انجام یک وظیفۀ خاص متمرکز بوده و برای بهبود آن تلاش می‌کنند.
وظایفی که تحت تأثیر راهکارهای هوش مصنوعی قرار می‌گیرند، اغلب بخشی از یک جریان کاری بزرگ‌ترند که با به‌کارگیری یک ابزار هوش مصنوعی جدید کل جریان نیاز به تغییر پیدا می‌کند. در اولین مرحله از تجزیه و تحلیل، مدیران باید درمورد هر وظیفۀ خاص تصمیم بگیرند که کدام تغییرات ناشی از هوش مصنوعی می‌تواند برای سازمان مفید باشد. اما با در نظر گرفتن تجربۀ ورود رایانه‌ به سازمان‌ها، به نظر می‌رسد که تأثیر کامل خودکارسازی بر بهره‌وری تنها زمانی محقق می‌شود که کل جریان کاری بازسازی شود.

مدیران باید قادر به انجام چه کارهایی باشند؟

مدیران هوش مصنوعی باید مهارت بالایی در تصمیم‌گیری و به‌ویژه قضاوت و یادگیری داشته باشند. یکی از جنبه‌های مدیریتی، تصمیم‌گیری در شرایط عدم اطمینان است. تصمیم‌گیرنده (تصمیم‌گیرندگان) در چنین شرایطی، گزینه‌های مختلف پیش رو را در نظر می‌گیرد، تأثیر عدم اطمینان (ریسک) بر نتایج احتمالی را ارزیابی می‌کند و نتایج را با اولویت‌های موردنظر تطبیق می‌دهد. این فرایند مستلزم پیش‌بینی این است که چگونه مشاهدات واقعی (داده‌ها) می‌توانند با نتایج احتمالی در ارتباط باشند. همچنین لازم است ریسک به‌صورت کمّی محاسبه شود. فرایند تصمیم‌گیری علاوه‌بر این شامل دو بخش مهم دیگر است: قضاوت و یادگیری.
در اینجا منظور از قضاوت این است که چگونه نتایج پیش‌بینی‌شده با اولویت‌های تصمیم‌گیرنده مرتبط‌اند. درمجموع، قضاوت می‌تواند شامل تمایل و توانایی پذیرش ریسک، تعامل میان انواع مختلف ریسک و به‌طور کلی‌تر، درک عمیق این باشد که چه نتیجه‌ای برای سازمان مطلوب و قابل قبول است.
منظور از یادگیری در تصمیم‌گیری، بهبود کیفیت تصمیم و عناصر پیشبینی و قضاوت آن، برمبنای نتایج به‌دستآمده از تصمیمات قبلی است. توانایی یادگیری بیانگر پتانسیل یک تصمیم‌گیرنده بوده و می‌تواند به‌صورت یک محدودیت بر اثربخشی رهبران عمل کند.
ازآنجایی‌که هوش مصنوعی ظرفیت قابل‌توجهی را برای پیش‌بینی با استفاده از ماشین‌ها و با هزینه‌ای کمتر ایجاد می‌کند، احتمال می‌رود که میزان استفاده از آن در فرایندهای مختلف تجاری روزبه‌روز بیشتر شود. این همان موضوع تجزیه و تحلیل است، که به‌طور فزاینده‌ای در مدل‌های کسب‌وکار، چه از نوع قدیمی و چه جدید، شاهد آن هستیم. به‌این‌ترتیب، پیش‌بینی تبدیل به یک کالا می‌شود و این ارزش پیش‌بینی را از طریق قضاوت و یادگیری بالاتر می‌برد. درنتیجه، این دو عنصر هردو اهمیت پیدا خواهند کرد.
سومین جنبه از تصمیم‌گیری که سودمندی بالایی درزمینه‌‌ی هوش مصنوعی دارد، بهبود تصمیم‌گیری‌های انسانی به‌کمک ماشین است. تعامل میان انسان و ماشین مستلزم همکاری به‌شیوه‌ای جدید است. برای مثال، اگر شرکتی قصد خرید یک واحد تجاری دیگر را دارد، باید گزینه‌های مختلف خرید را باتوجه‌به پتانسیل رشد آنها، انواع مختلف ریسک و غیره بررسی کند.
1. برخی مهارت‌های تحلیلی خاص
تصمیم‌گیری‌های مبتنی بر قابلیت‌های تحلیلی هوش مصنوعی، تنها به‌دلیل کیفیت و مقرون‌به‌صرفه بودنشان فراگیر نمی‌شوند. بلکه این تصمیمات، مبتنی بر مهارت‌های تحلیلی خاص هستند.
الگوریتم‌های یادگیری عمیق که مبنای قدرت بیشتر ابزارهای هوش مصنوعی محبوب و کاربردی هستند، با مشکلاتی در این زمینه مواجه‌اند. این نوع الگوریتم از داده‌ها یاد میگیرد و اساساً هیچ جهت‌گیری قبلی ندارد. گاهی اوقات درک ساختار یک مدل بهینه‌سازی‌شده بسیار دشوار یا حتی غیرممکن است. ممکن است تحلیلگر قادر به تشخیص این باشد که کدام متغیرها برای توضیح داده‌ها مناسب هستند، اما احتمالاً درک کاملی از این پدیده در دنیای واقعی وجود ندارد. به عبارت دیگر، این نوع از الگوریتم‌ها مشکلات را به‌کمک جعبه‌ی سیاه حل می‌کنند.
2. تفکر انتقادی
یکی از مهارت‌های مفید دیگر درزمینه‌‌ی درک مفاهیم مفروضات اساسی مدل‌های هوش مصنوعی تفکر انتقادی است. تفکر انتقادی به‌معنای تجزیه و تحلیل عینی یک مسئله به‌منظور قضاوت درباره‌ی آن است. این امر مستلزم آزمون فرضیات اساسی، زیر سؤال بردن معیارهای مورداستفاده برای قضاوت، و بررسی کیفیت تجزیه و تحلیل است. تفکر انتقادی یکی از ارزشمندترین مهارت‌هایی است که می‌تواند با تحصیلات حاصل شود.
3. پیشبرد تحولات سازمانی: توسعه‌ی افراد و ایجاد همکاری
بسیاری از ابزارهای هوش مصنوعی، راهکارهایی مقطعی هستند که بخشی از جریان کار فعلی را بهبود می‌بخشند. بهبود قابل‌توجه بهره‌وری یا پیشرفت‌ در تولید محصول مستلزم بازسازی فرایندهای جاری است، تا بتوان به منافع مذکور دست یافت و فعالیت‌های افراد شاغل در سازمان را از نو تعریف کرد. مهم‌ترین بخش این فرایند، ایجاد تحولات لازم در سازمان با استفاده از توسعه‌ی کارکنان و سازماندهی همکاری میان آنهاست.
وظیفه‌ی مدیران ارشد در رابطه با توسعه‌ی کارکنان، تضمین این است که افراد از قابلیت‌های لازم برای دستیابی به موفقیت در محیط جدید سازمانی برخوردارند و درعین‌حال با همکاری یکدیگر می‌کوشند مدیریت ارشد را به موفقیت در آینده برسانند. این همچنین راهی برای کمک به افراد برای رشد شخصی و ایجاد رضایت بیشتر از مشاغل آنهاست.
تغییر در مشاغل و جریان‌های کاری درنتیجه‌ی استفاده از فناوری‌های جدید، مستلزم ایجاد تغییرات اساسی در مهارت‌ها و رفتار کارکنان بوده و بنابراین نیازمند تعهدی عمیق به توسعه‌ی منابع انسانی است. مدیران ارشد باید چارچوبی را طراحی کنند که به‌موجب آن برخی مهارت‌ها مانند مهارت‌های فنی ضروری، مهارت‌های لازم مدیریت برای ایجاد تغییر و برقراری تعامل ماهرانه با ماشین‌ها، و تقویت رفتارهای رهبری مانند مربیگری تقویت شود. درحقیقت، امروزه با پیشرفت فناوری و دردسترس قرار گرفتن آن به‌صورت عمومی، توسعه‌ی استعدادها برای بسیاری از سازمان‌ها به مهم‌ترین مزیت استراتژیک تبدیل شده است. چالش ویژه‌ی دیگر برای مدیران ارشد، نیاز به ایجاد فرهنگ همکاری در پروژه‌های مبتنی بر هوش مصنوعی است.

مدیران چه شخصیتی باید داشته باشند؟

سومین جنبه از قابلیت‌های رهبری، شخصیت و جهان‌بینی است. مطالعات رهبری اثبات کرده‌اند که خصوصیات رفتاری و شخصیتی که رهبر از خود به نمایش می‌گذارد، از مهم‌ترین جنبه‌های رهبری هستند. هوش مصنوعی ابزارهای قدرتمندی را ارائه می‌دهد که می‌توانند به‌کلی سازمان و بخش‌ها را متحول کنند؛ و مانند تمامی تحولات عظیم، نقش مدیران در جهت‌دهی به این تغییر بسیار مهم و حیاتی است. واضح است که ما درزمینه‌‌ی هوش مصنوعی به رهبرانی احتیاج داریم که عمیقاً به اخلاق پایبندند، رهبرانی متواضع و خوش‌برخورد که دربرابرِ تغییر شرایط سازگار و انعطاف‌پذیرند.