پیکربندی مجدد کار، مدیریت تغییر در عصر هوش مصنوعی نسل جدید

راهبری هوش مصنوعی نسل جدید آسان است، اما ایجاد ارزش دشوار است. این امر مستلزم توانمندسازی کارکنان برای ایجاد جمعی محصولات هوش مصنوعی نسل جدید به سمت ستاره شمالی (جهت غایی سازمان) است که روش‌های کار را از نو تعریف می‌کند.

هوش مصنوعی به محیط های کاری با تأثیری مبهم، هجوم آورده است. در حالی که دو سوم شرکت‌های جهانی از هوش مصنوعی نسل جدید استفاده می‌کنند، این استقرارها و کاربردها هیچ شباهتی به پروژه‌های نرم‌افزاری گذشته ندارند. مدیران عامل به طور فزاینده‌ای پتانسیل هوش مصنوعی نسل جدید را درک می‌کنند، اما هنوز در مورد چگونگی ایجاد ارزش معنادار از این فناوری سردرگم هستند.

هوش مصنوعی نسل جدید پتانسیل تغییر کامل نحوه کار کارکنان را دارد. رابط زبان طبیعی بهره برداری را آسان می‌کند، همچنان که استدلال رو به رشد و قابلیت‌های عاملانه آن به آن اجازه می‌دهد تا وظایف پیچیده‌تری مانند تفسیر حجم زیادی از اطلاعات، کدنویسی و پاسخ به سؤالات را انجام دهد. پیشرفته‌ترین عامل‌ها حتی شروع به انجام وظایفی مانند ایجاد صفحات گسترده و پیمایش صفحات وب کرده‌اند. و کارکنان به وضوح مشتاق استفاده از آن هستند. آنها در حال حاضر سه برابر بیشتر از آنچه رهبرانشان تصور می‌کنند، این کار را انجام می‌دهند. اما صرفاً قرار دادن فناوری جدید در دست افراد، تضمین نمی‌کند که آنها از آن به طور مؤثر استفاده کنند و همچنین نحوه کار یک شرکت را عمیقاً تغییر نمی‌دهد. در عوض، مدیران عامل باید یک رویکرد مدیریت تغییر جدید را به کار گیرند که افرادشان را بسیج کند و آنها را از آزمایش‌کنندگان هوش مصنوعی نسل اول به شتاب‌دهندگان هوش مصنوعی نسل اول تبدیل کند. این یک فرآیند خطی نیست. مدیریت تغییر در عصر هوش مصنوعی نسل اول از کارمندان می‌خواهد که به جای فقط کاربران، به مشارکت‌کنندگان فعال تبدیل شوند. این رویکرد از کارمندان می‌خواهد که آزمایش کنند، محصولات را با هم خلق کنند و به توسعه مداوم مهارت متعهد شوند. همچنین اذعان می‌کند که همه این گذار را به راحتی انجام نخواهند داد و برخی از کارمندان به حمایت اضافی نیاز خواهند داشت. در این مقاله، پنج مرحله را که مدیران عامل می‌توانند برای هدایت شرکت‌های خود در این آب‌های ناشناخته استفاده کنند، شرح می‌دهیم.

این نوع جدید از تحول می‌تواند آغازگر دورانی از رشد عظیم باشد – و در نهایت ارزش واقعی هوش مصنوعی نسل اول را آزاد کند. اما رسیدن به آنجا مستلزم آن است که مدیران عامل تغییر اساسی را که هوش مصنوعی نسل اول برای نیروی کار آنها به ارمغان می‌آورد، مدیریت کنند. بهترین رهبران، سازمان‌های خود را برای سازگاری کامل با هوش مصنوعی نسل جدید، مجدداً پیکربندی می‌کنند و کارمندان خود را به ابرقدرت‌های هوش مصنوعی مجهز می‌کنند تا آنها را از وظایف خسته‌کننده و تکراری رها کنند.

مرحله ۱: ایجاد یک ستاره شمالی بر اساس نتایج، نه ابزارها

وسوسه‌انگیز است که هوش مصنوعی نسل جدید را فقط به عنوان ابزاری دیگر که کارمندان ملزم به استفاده از آن هستند، در نظر بگیریم. اما مدیران عامل در حال یادگیری هستند که این دیدگاه ناقص است – و کارمندان هوش مصنوعی را بیشتر به عنوان یک قابلیت می‌بینند تا یک ابزار. سازمانی که حول محور هوش مصنوعی مجدداً پیکربندی می‌شود، انسان‌ها و عوامل هوش مصنوعی نسل جدید را به طور یکپارچه با هم خواهد داشت. در حالی که آن آینده هنوز فرا نرسیده است، مدیران عامل آینده‌نگر، امروز در حال ایجاد برنامه‌های ستاره شمالی برای موفقیت در این دنیای فردا هستند.

ستاره شمالی باید به اندازه کافی ساده باشد که به طور جهانی قابل درک باشد، اما به اندازه کافی جسورانه باشد که برای تیم‌ها الهام بخش باشد. باید تکامل فناوری را در خود جای دهد و بتواند مدل‌های هوش مصنوعی پیشرو و قابلیت‌های جدید آنها را در یک بازه زمانی معقول جذب و فعال کند. ستاره شمالی باید تعریف کند که چگونه یک سازمان از هوش مصنوعی نسل جدید، ارزش و مزیت رقابتی ایجاد خواهد کرد و تأثیر احتمالی آن بر چرخه عمر استعدادها چه خواهد بود. برای رهبری موفقیت‌آمیز چنین تغییری، رهبران ممکن است نیاز به تعمیق آموزش خود داشته باشند – هم در مورد آنچه هوش مصنوعی نسل جدید امروز می‌تواند انجام دهد و هم در مورد مسیر آنچه در آینده محتمل است.

مدیریت بزرگ تغییری که چنین ستاره شمالی نشان می‌دهد، به دو مؤلفه حیاتی نیاز دارد: یک برنامه مدیریت تغییر با منابع کافی و یک بازطراحی کامل از جریان‌های کاری سرتاسری. رهبران باید هم سرعت تغییرات فناوری و هم توانایی بسیج افراد خود را به سمت این وضعیت آینده در نظر بگیرند. به عنوان مثال، یک شرکت می‌تواند با استقرار عوامل هوش مصنوعی نسل جدید که وظایف گسسته را انجام می‌دهند، شروع کند و سپس به استقرار دسته‌های عامل که قادر به دستیابی به نتایج کامل تجاری هستند، تکامل یابد. در این نسخه از یک شرکت مجهز به هوش مصنوعی نسل جدید، بخش‌هایی از سازمان می‌توانند به سازمان‌های با حداقل قابلیت دوام (minimum viable organizations /MVO) تبدیل شوند که در آن دسته‌های عامل بر بیشتر کارها نظارت دارند و تا حد امکان تعداد کمی از انسان‌ها برای بررسی خروجی‌های آنها وجود دارد. بخش‌های دیگر شرکت تعداد بیشتری از کارگران انسانی مجهز به ابرقدرت‌های مبتنی بر فناوری را حفظ خواهند کرد. هنگام طراحی یک ستاره شمالی، مدیران عامل می‌توانند در نظر بگیرند که کدام بخش‌های شرکت‌هایشان خود را به هر رویکردی اختصاص می‌دهند، مانند اینکه عملکردهای مشتری با تماس بالا بیشتر تحت قدرت انسانی باقی بمانند، در حالی که عملیات دفتری به MVO تبدیل شوند.

بسته به میزان تعادل بین انسان و ماشین باشد، رویکرد مدیریت تغییر نیازمند تشخیص نرخ تغییر در یک سازمان ناهموار خواهد بود. سفر ایجاد این نوع سازمان ترکیبی انسان و هوش مصنوعی فراتر از آن چیزی است که کتاب‌های راهنمای سنتی تبیین می‌کنند.

مرحله ۲: ایجاد اعتماد با داده‌های قابل دسترس، حاکمیت و خرد سازمانی

ایجاد اعتماد بنیادی به استفاده از هوش مصنوعی نسل جدید در سراسر سازمان ضروری است. از این گذشته، اگر کارمندان به خروجی هوش مصنوعی نسل جدید اعتماد نداشته باشند، به تصمیماتی که می‌گیرد نیز اعتماد نخواهند کرد. و بنابراین، فناوری تأثیر کمی خواهد داشت.

شانس دستیابی به مقیاس. تحقیقات ما نشان می‌دهد که «شرکت‌های با عملکرد بالا در نسل هوش مصنوعی» یا آن دسته از شرکت‌هایی که حداقل ۱۰ درصد از EBITDA[i] خود را به استفاده از نسل هوش مصنوعی اختصاص می‌دهند، بیشتر از سایر شرکت‌ها در فعالیت‌های اعتمادساز سرمایه‌گذاری می‌کنند (شکل ۱). و هنگامی که شرکت‌ها در ایجاد اعتماد در هوش مصنوعی و فناوری‌های دیجیتال سرمایه‌گذاری می‌کنند، تقریباً دو برابر بیشتر از شرکت‌هایی که این کار را نمی‌کنند، احتمال دارد نرخ رشد درآمد ۱۰ درصدی یا بالاتر را تجربه کنند.

ایجاد بنیان اعتماد همچنین مستلزم آن است که رهبران، دسترسی به داده‌ها را به عنوان یک جریان کاری درجه یک و یک جزء کلیدی از فرآیند مدیریت تغییر در نظر بگیرند. تجربه ما این است که تقریباً هر سازمانی دارای یک «بازار اطلاعات» است که توسط سلسله مراتب و سیاست‌هایی شکل می‌گیرد که محل نگهداری اطلاعات و اینکه چه کسی می‌تواند به آن دسترسی داشته باشد را تعریف می‌کند. توانایی نسل هوش مصنوعی در مصرف داده‌های بدون ساختار در این بازارها می‌تواند یک مزیت رقابتی متمایز باشد و به سازمان‌ها کمک کند تا بینش‌ها و الگوهای پنهان را از داده‌های خود استخراج کنند. اما آموزش مدل‌ها برای پردازش داده‌های ساختار یافته و بدون ساختار برای ارائه پاسخ‌های با کیفیت بالا و قابل اعتماد همچنان چالش برانگیز است. شیوه‌های کسب‌وکار و چارچوب‌های فناوری مورد نیاز برای نظارت بر کیفیت پاسخ‌های هوش مصنوعی نسل جدید هنوز در حال ظهور هستند و این امر ایجاد اعتماد را برای رهبران بسیار مهم می‌کند.

رویکرد مدیریت تغییر مؤثر باید انتظارات روشنی را در بین همه کارمندان برای مدیریت و استفاده از داده‌ها تعیین کند. مدیر ارشد اطلاعات و مدیر ارشد داده (CDO) می‌توانند به همراه مدیرعامل، داده‌های قابل دسترسی را اولویت‌بندی کرده و سپس مدیریت قوی هوش مصنوعی را پیرامون آن ایجاد کنند. این امر مستلزم ایجاد یک کمیته نظارت بر هوش مصنوعی، تعریف سیاست‌های مربوط به استفاده قابل قبول، تعیین دستورالعمل‌های انطباق و ریسک در کنار تیم‌های ریسک و حقوقی و تضمین ایست‌های بازرسی انسانی در حلقه برای تشخیص توهمات، سوگیری‌ها یا نشت داده‌ها است. در صنایع بسیار تنظیم‌شده، ایجاد اعتماد به هوش مصنوعی نسل جدید به ویژه برای کارمندانی که با داده‌های حساس مشتری سروکار دارند، بسیار حیاتی است. به عنوان مثال، مورگان استنلی با OpenAI برای آموزش یک دستیار هوش مصنوعی نسل جدید در بیش از ۱۰۰۰۰۰ گزارش تحقیقاتی بانک همکاری کرد. اما بانک تا زمانی که چارچوب‌های ارزیابی دقیق ثابت نکرد که پاسخ‌های هوش مصنوعی با استانداردهای کیفی مشاوران مطابقت دارد، این دستیار را در سراسر شرکت راه‌اندازی نکرد. نتیجه: پس از استقرار با رعایت اصول مناسب، «AI@ Morgan Stanley Assistant» به سرعت به ۹۸ درصد پذیرش از سوی تیم‌های مدیریت ثروت شرکت رسید و دسترسی به تخصص را دموکراتیزه کرد.

معتبرترین پلتفرم‌های هوش مصنوعی نسل جدید، آن‌هایی هستند که در بافت خود سازمان ریشه دارند و نحوه استخراج پاسخ‌ها و منابع مورد استفاده را آشکار می‌کنند. هنگام استقرار هر مدل هوش مصنوعی نسل جدید، یک شرکت باید آن را با دانش نهادی مانند تحقیقات اختصاصی، گزارش‌های تعامل با مشتری یا دهه‌ها دانش مهندسی تقویت کند. شرکت‌ها همچنین می‌توانند تقویت این پایگاه دانش داخلی را با اطلاعات خارجی پویا در نظر بگیرند. هنگامی که هوش مصنوعی نسل جدید پاسخ‌های آگاهانه‌ای را ارائه می‌دهد که کاربران می‌توانند به آن اعتماد کنند، آنها بسیار مستعدتر گنجاندن آن در گردش‌های کاری روزانه خود می شوند.

مرحله ۳: بازطراحی گردش‌های کاری برای تکامل به سمت تیم‌های هوش مصنوعی

قرار دادن هوش مصنوعی نسل جدید در فرآیندهای موجود، گسترش وسیع(Widescaleuptake) ایجاد نمی‌کند و در صورت وجود، تأثیر تدریجی خواهد داشت. دلیلش این است که genAI ابزاری مانند اکثر نرم‌افزارهای سازمانی نبوده بلکه یک قابلیت برای ارائه یک روش جدید در تفکر، کار و ایجاد است. در عوض، رهبران می‌توانند gen AI را در مرکز گردش‌های کاری قرار دهند و نحوه انجام کار در سازمان‌های خود را به طور کامل از نو پیکربندی کنند. برای انجام این کار، استفاده از یک رویکرد دو در یک برای تغییر بسیار مهم است، که در آن تیم‌های تجاری و فناوری با هم کار می‌کنند تا روش جدید کار را تعریف کنند. تیم‌های تجاری اطمینان حاصل می‌کنند که حالت کاری جدید نتایج تجاری مورد انتظار را ارائه می‌دهد، در حالی که تیم فناوری امکان‌سنجی معماری تغییر فنی را تضمین می‌کند. چنین بازطراحی می‌تواند طی سه مرحله تکامل یابد تا به افراد اجازه دهد با روش‌های جدید کار سازگار شوند. این تکامل می‌تواند از عوامل هوش مصنوعی مستقل که انسان‌ها برای انجام وظایف بسیار گسسته استفاده می‌کنند، به گروه‌هایی از عوامل هوش مصنوعی که فرآیندهای کامل سرتاسری تحت نظارت انسان‌ها را انجام می‌دهند، به گروه‌های عاملی کاملاً خودکار که به طور مستقل به عنوان سازمان‌های با حداقل قابلیت دوام یا MVO عمل می‌کنند، برای ارائه نتایج کامل تجاری پیشرفت کند. حتی در این مرحله آخر، افراد حذف نمی‌شوند. برای اطمینان از عملکرد ایمن و مؤثر MVOها، به تعداد کمی کارمند نیاز خواهد بود و بسیاری دیگر به فعالیت‌های با ارزش بالاتر منتقل می‌شوند. مدیریت تغییر مؤثر در طول این تکامل سه مرحله‌ای نمی‌تواند بدون ایجاد اعتماد اولیه در بین کارمندان مبنی بر اینکه هوش مصنوعی نسل جدید یک قابلیت اصلی مورد نیاز برای شغل آنهاست، آغاز شود.

در مرحله اول، شرکت‌ها چند گردش کار سرتاسری را که می‌توانند با هوش مصنوعی تغییر شکل دهند، مانند خرید تا پرداخت، استخدام تا بازنشستگی یا ایده تا محصول. سپس، آنها مشخص می‌کنند که عوامل هوش مصنوعی نسل جدید مستقل را در کجا وارد این گردش‌های کاری کنند تا به کارمندان در انجام وظایف گسسته، اما نه کل گردش کار، یاری کنند. این مرحله‌ای است که هوش مصنوعی نسل جدید بیشتر شبیه یک «ابزار» عمل می‌کند، زیرا کارمندان از آن برای انجام وظایف خاص استفاده می‌کنند.

در مرحله دوم، شرکت‌ها استفاده از عامل‌های هوش مصنوعی نسل جدید، گروه‌هایی از عامل‌ها را ایجاد می‌کنند که برای انجام تمام وظایف گردش کار سرتاسری با هم کار می‌کنند و همزمان با تکامل، برای بهتر و بهتر شدن فرآیند، یاد می‌گیرند. در این مرحله، انسان‌ها هنوز عامل‌ها را مدیریت می‌کنند. در حالی که خود عامل‌ها تمام کارها را انجام می‌دهند، انسان‌ها بر عملیات و خروجی‌های آنها نظارت دارند.

در مرحله سوم، عامل‌های هوش مصنوعی نسل جدید بیشتری اضافه می‌شوند تا یک گروه عامل ایجاد شود که می‌تواند به استقلال کامل برسد و به عنوان MVOها بدون دخالت انسان عمل کند. در این مرحله – که پتانسیل وسیعی دارد اما هنوز در مقیاس بزرگ اثبات نشده است – انسان‌ها همچنان بر عامل‌ها نظارت خواهند داشت اما به هیچ وجه در کار دخیل نخواهند بود. در عوض، آنها بر روی کار، با ارزش بالاتر تمرکز کنند. بنابراین، شرکت به هدف ستاره شمالی خود دست می‌یابد.

در دو مرحله اول، مشارکت مستقیم کارکنان، تأثیر تغییر را به حداکثر می‌رساند. رهبران می‌توانند از آنها دعوت کنند تا عامل‌های خود را ایجاد کنند و در مورد حوزه‌هایی که هوش مصنوعی نسل جدید می‌تواند در گردش کار آنها گنجانده شود، بازخورد ارائه دهند. قوی‌ترین رهبران انتظار دارند که همه کارمندان بخشی از فرآیند تبدیل هوش مصنوعی نسل جدید به کار باشند – و این برای موفقیت آینده شرکت ضروری است. انتخاب فرآیندهای کاری مناسب برای خودکارسازی اولیه می‌تواند مشارکت کارمندان را افزایش دهد زیرا این پیشرفت‌ها شغل آنها را راحت‌تر می‌کند. رهبران می‌توانند جریان‌های کاری را انتخاب کنند که در آنها ارزش واضح، امکان‌سنجی بالا و میزان سرمایه‌گذاری مورد نیاز برای ایجاد تغییر قابل مدیریت باشد.

هنگامی که جریان‌های کاری توسط هوش مصنوعی نسل جدید تقویت می‌شوند، کارمندان به آموزش رسمی در مورد نحوه استفاده از آنها نیاز دارند که به کاهش اضطراب کارمندان کمک می‌کند و اعتماد به نفس آنها را برای انجام کار به روش‌های جدید افزایش می‌دهد. هنگامی که کارمندان آموزش کافی در مورد ابزارهای هوش مصنوعی نسل جدید دریافت می‌کنند، با افزایش سطح مهارت خود، از ابزارها بیشتر و بیشتر استفاده می‌کنند (شکل ۲). علاوه بر این، تحقیقات ما نشان می‌دهد که ۴۸ درصد از کارمندان آمریکایی در صورت دریافت آموزش رسمی، بیشتر از ابزارهای هوش مصنوعی نسل جدید استفاده می‌کنند و ۴۵ درصد در صورت ادغام ابزارهای هوش مصنوعی نسل جدید در جریان‌های کاری روزانه خود، بیشتر از آنها استفاده می‌کنند – و این دو عامل را به عنوان انگیزه‌بخش‌ترین عوامل ذکر می‌کنند.

ادغام هوش مصنوعی نسل جدید در گردش‌های کاری روزانه، آن را از یک سرگرمی به یک عادت تبدیل می‌کند و کارمندان را تشویق می‌کند تا آن را به عنوان یک عضو تیم، نه یک ابزار، ببینند. در نظر بگیرید که چگونه سازمان خودمان استفاده از پلتفرم هوش مصنوعی نسل جدید داخلی مک‌کینزی به نام «لیلی»  را افزایش داده است. رهبران ارشد با پرسیدن این سوال در هر جلسه تیمی، بر الگوبرداری از این پلتفرم تأکید می‌کنند: «آیا از لیلی پرسیده‌اید؟» به افراد جدید استخدام شده نحوه استفاده از لیلی در طول دوره آموزشی آموزش داده می‌شود، در حالی که آموزش‌های منظم ریسک برای کل شرکت شامل یادآوری‌هایی در مورد نحوه استفاده مناسب از آن است. تعامل با این پلتفرم همچنین با ارائه مداوم ویژگی‌های جدیدی که تیم‌های ما می‌توانند روزانه از آنها استفاده کنند، مانند توانایی تولید اسلایدهای پاورپوینت با فرمت شرکت، ساخت صفحات گسترده و تولید پیش‌نویس پیشنهادات مشتری، تسریع شد. از زمان راه‌اندازی لیلی در ژوئیه ۲۰۲۳، ۹۲ درصد از کارکنان جهانی مک‌کینزی از پلتفرم هوش مصنوعی استفاده کرده‌اند و ۷۴ درصد اکنون به طور منظم از آن استفاده می‌کنند و بیش از ۳۰ درصد از زمان خود را حین جمع‌آوری و ترکیب اطلاعات صرفه‌جویی می‌کنند. تا به امروز، لیلی به نزدیک به ۱۹ میلیون درخواست پاسخ داده است. با قرار دادن لیلی در هر شغل در مک‌کینزی – و ایجاد این انتظار که لیلی صرفاً بخشی از تیم است – استفاده از آن به سرعت عادی شد.

مرحله ۴: تجدید نظر در ساختارهای سازمانی با ترکیبی از MVOها و تیم‌های تقویت‌شده

با ادغام هوش مصنوعی نسل جدید در گردش‌های کاری، مدیران عامل باید تصمیم بگیرند که بخش‌های مختلف شرکت چگونه ساختار یافته‌اند. تنها برخی از واحدهای تجاری ممکن است به MVOها تبدیل شوند که گردش‌های کاری بسیار ناب و بسیار خودکار هستند. در همین حال، سایر بخش‌های شرکت در مرحله دوم تکامل هوش مصنوعی باقی خواهند ماند و به تیم‌های انسانی ابرقدرت‌های دیجیتال می‌دهند تا بتوانند بیش از هر زمان دیگری به موفقیت برسند. هر دو مسیر مستلزم آن است که مدیران عامل ساختارهای سازمانی را اصلاح کنند و به طور واضح با کارمندان در مورد چگونگی تأثیر تغییرات بر آنها ارتباط برقرار کنند.

MVOها برای انجام کارهای تکراری یا مبتنی بر منطق بهترین عملکرد را خواهند داشت. به عنوان مثال، یک فرآیند روتین دفتری مانند پردازش فاکتور را در نظر بگیرید. با هوش مصنوعی نسل جدید، یک شرکت می‌تواند تطبیق فاکتورها، تأییدها و ورودی‌ها را با تقریباً صفر دخالت انسان خودکار کند و فقط یک تیم کوچک برای رسیدگی به استثنائات داشته باشد.

برای فعال کردن یک MVO، شرکت‌ها البته باید در عملیات و نظارت قوی هوش مصنوعی سرمایه‌گذاری کنند. اما به همان اندازه مهم، مدیران عامل باید استراتژی‌های استعداد خود را مورد بازنگری قرار دهند. تعداد کمی از افرادی که یک MVO را اداره می‌کنند باید در مدیریت سیستم‌های هوش مصنوعی، تجزیه و تحلیل داده‌ها و رسیدگی به استثنائات مهارت بالایی داشته باشند. نقش‌هایی مانند «بهینه‌ساز گردش کار هوش مصنوعی» یا «مالک محصول اتوماسیون»  ممکن است به عنوان موقعیت‌های حیاتی ظاهر شوند. و اعضای تیمی که قبلاً وظایفی را در گردش کار فعلی MVO انجام می‌دادند، باید برای ارائه ارزش در سایر بخش‌های سازمان، مجدداً مهارت‌آموزی شوند. در حالی که هر بخشی از کسب‌وکار نمی‌تواند یا نباید به یک MVO تبدیل شود، مدیران عامل باید حوزه‌هایی را شناسایی کنند که یک مدل ناب و مبتنی بر هوش مصنوعی می‌تواند به طور چشمگیری هزینه‌ها را کاهش داده و سرعت یا دقت را بهبود بخشد.

از سوی دیگر، برخی از عملکردها هرگز نباید به MVOهای کامل تبدیل شوند، بلکه در مرحله دوم متوقف می‌شوند و تیم‌های تقویت‌شده باقی می‌مانند. گاهی اوقات، تجهیز انسان‌ها به هوش مصنوعی قدرت آنها را به طور قابل توجهی پربارتر می‌کند، اما هنوز به وجود انسان نیاز است. این اتفاق در بسیاری از شرکت‌ها در حال رخ دادن است. به عنوان مثال، تیم‌های فروش در حال حاضر از هوش مصنوعی نسل جدید برای تجزیه و تحلیل داده‌های مشتری و دریافت پیشنهادات متناسب برای فروش بیشتر یا محتوای بازاریابی شخصی‌سازی شده در عرض چند ثانیه استفاده می‌کنند. این می‌تواند به یک فروشنده اجازه دهد تا یک سبد بزرگتر را با نرخ تبدیل بسیار بالاتر مدیریت کند. نمایندگان خدمات مشتری از هوش مصنوعی نسل جدید برای حل سریع‌تر و مداوم‌تر مسائل استفاده می‌کنند. اما حذف کامل انسان‌ها در این نقش‌های رو در رو با مشتری منطقی نخواهد بود، زیرا می‌تواند تجربه مشتری را به روش‌هایی که به برند شرکت آسیب می‌رساند، از بین ببرد.

مرحله ۵: توانمندسازی کارکنان برای یادگیری و تبدیل شدن به عوامل تغییر

بازپیکربندی گردش‌های کاری با هوش مصنوعی نسل جدید موفقیت‌آمیز نخواهد بود مگر اینکه رهبران تمام نیروی کار را در این سفر همراه کنند. تحقیقات ما در مورد تحولات فناوری در مقیاس بزرگ، قدرت مشارکت کارکنان در این فرآیند را نشان می‌دهد. به طور متوسط، تنها حدود ۲ درصد از کارکنان مستقیماً در یک تلاش تحول معمولی درگیر هستند. با این حال، سازمان‌هایی که مشارکت خود را گسترش می‌دهند، نتایج بسیار بهتری را مشاهده می‌کنند. در واقع، شرکت‌هایی که حداقل ۷ درصد از کارکنان خود را در طرح‌های تحول مشارکت می‌دهند، شانس خود را برای ارائه بازده کل سهامداران (TSR) مثبت دو برابر می‌کنند، به طوری که بالاترین عملکردها ۲۱ تا ۳۰ درصد از کارکنان را در بر می‌گیرد.

دعوت از کارکنان برای تبدیل شدن به سفیران نسل هوش مصنوعی حتی از یک تحول فناوری معمولی نیز مهم‌تر است، زیرا همه ما هنوز در حال یادگیری میزان موارد استفاده و قابلیت‌های نسل هوش مصنوعی هستیم. همه در هر سطح از سازمان می‌توانند با هم یاد بگیرند. با این حال، برخی از “کاربران برتر” می‌توانند به عوامل تغییر قدرتمندی تبدیل شوند که جذب کلی را افزایش می‌دهند. در هر سازمانی، این کارکنان باید شناسایی و برای ایجاد تغییر فرهنگی حمایت شوند. تحقیقات ما نشان می‌دهد که مشتاق‌ترین پذیرندگان نسل هوش مصنوعی، مدیران نسل هزاره هستند. حدود ۶۲ درصد از کارمندان ۳۵ تا ۴۴ ساله، سطح بالایی از تخصص در هوش مصنوعی را گزارش می‌دهند، در حالی که این رقم در بین افراد ۱۸ تا ۲۴ ساله نسل Z پنجاه درصد و برای افراد بالای ۶۵ سال۲۲ درصد است.

بنابراین، مدیران عامل می‌توانند این قهرمانان تغییر هزاره را تشویق کنند تا به همسالان خود در پذیرش هوش مصنوعی نسل Z مشاوره دهند و گروه‌های عملی را برای به اشتراک گذاشتن نکات و ترفندها رهبری کنند. از همه مهم‌تر، مدیران عامل باید با الگو بودن، به طور مشهود از ابزارهای هوش مصنوعی نسل Z در کار خود استفاده کنند. این امر منجر به رویکرد میانه‌روتر به تغییر در مقابل رویکرد بالا به پایین یا پایین به بالا می‌شود.

در مک‌کینزی، ما یک تیم پذیرش و تعامل ایجاد کردیم تا همه را در هوش مصنوعی نسل Z مشارکت دهیم. ابتدا، ما تجزیه و تحلیل تقسیم‌بندی را برای طبقه‌بندی انواع کاربران انجام دادیم و سپس آموزش را برای گروه‌های خاص تنظیم کردیم. برخی از رویکردها شامل ایجاد باشگاه‌های لیلی متشکل از ابرکاربرانی بود که برای به اشتراک گذاشتن نکات و ارائه پیشنهادات در مورد نحوه بهبود پلتفرم و جلسات آموزشی تک به تک برای ارشدترین رهبران گرد هم می‌آمدند. لیلی همچنین با قابلیت‌های خودراهنمایی چندگانه طراحی شده است تا کاربران بتوانند از لیلی بپرسند که چگونه به بهترین شکل از آن استفاده کند.

وقتی صحبت از راه‌اندازی عامل‌های هوش مصنوعی نسل جدید شد، ما همه همکاران را تشویق کردیم که خودشان عامل‌های خودشان را بسازند که به نوبه خود باعث ایجاد یک اثر گلوله برفی از مشارکت بیشتر کارمندان شد. در حالی که حدود ۱۵۰ عامل توسعه‌یافته مرکزی وجود دارد، مدل توسعه فدرال شرکت (با کنترل‌های ریسک داخلی) باعث شده است که کارمندان تاکنون نزدیک به ۱۷۰۰۰ عامل اضافی ایجاد کنند. لیلی کاربران را در فرآیند ساخت عامل راهنمایی می‌کند و دستورالعمل‌های مدل سفارشی خود را تولید می‌کند. بنابراین، کارمندان مستقیماً در طراحی مجدد گردش‌ کاری خود مشارکت دارند. و آنچه در مورد یک پروژه هوش مصنوعی نسل جدید مانند لیلی منحصر به فرد است، تفاوت آن با یک نرم‌افزار سازمانی سنتی از بالا به پایین و با کنترل مرکزی است. هر عامل جدید ایجاد شده هیچ پیچیدگی فنی اضافی برای مدیریت سازمان (از نظرفنی) ندارد.

سینگتل نمونه دیگری از شرکتی است که رویکرد مهارت-محور را برای راه‌اندازی ابزارهای هوش مصنوعی نسل جدید در پیش گرفته است. در اکتبر ۲۰۲۴، سینگتل یک آکادمی شتاب‌دهی هوش مصنوعی را با همکاری دانشگاه فناوری نانیانگ و دانشگاه ملی سنگاپور ایجاد کرد تا به بیش از ۱۰۰۰۰ کارمند در نقش‌های مختلف آموزش دهد که چگونه از داده‌ها و هوش مصنوعی نسل جدید در گردش کار خود استفاده کنند.

برای مدیران عامل، هدف واضح است: امروز برای پیکربندی مجدد در سراسر شرکت برنامه‌ریزی کنید تا انسان‌ها و هوش مصنوعی بتوانند فردا به نتایج خارق‌العاده‌ای دست یابند. این نوع تحول اساسی یک شبه اتفاق نمی‌افتد، اما رهبران کسب‌وکار که ستاره قطبی را تعریف می‌کنند، می‌توانند شرکت‌های خود را در مسیر تغییر قرار دهند.

همراه کردن افراد برای این مسیر بسیار مهم است. مدیریت تغییر در عصر هوش مصنوعی نسل جدید مستلزم آن است که رهبران فرهنگ آزمایش را پرورش دهند، جایی که کارمندان فقط دریافت‌کنندگان منفعل فناوری جدید نیستند، بلکه شرکت‌کنندگان فعال در آن هستند. با ایجاد یک محیط کاری که در آن هوش مصنوعی نسل جدید به عنوان یک ابرقدرت به جای یک تهدید دیده می‌شود، شرکت‌ها شانس بسیار بهتری برای ایجاد ارزش از سرمایه‌گذاری‌های خود خواهند داشت. تحول واقعی زمانی رخ می‌دهد که هوش مصنوعی نسل جدید به یک همکار نامرئی اما ضروری تبدیل شود.

اریک راث

شریک ارشد، کنتیکت – دارین

متفکر و مشاور برجسته در زمینه رشد مبتنی بر نوآوری، تحقیق و توسعه و استراتژی بازاریابی

[i] EBITDA (pronounced “ee-bit-dah”) is a standard of measurement banks use to judge a business’ performance. It stands for earnings before interest, taxes, depreciation, and amortization.

استانداردی برای سنجش عملکرد یک کسب و کار است که بانک‌ها از آن استفاده می‌کنند. این عبارت به معنای سود قبل از بهره، مالیات، استهلاک و کاهش ارزش است.