ابزارهای هوش مصنوعی نمی توانند مدل عملیاتی خراب را تعمیر کنند | نظر
دستاوردهای بهره وری به نتیجه نهایی نمی رسد مگر اینکه شرکت ها تصمیمات، مالکیت و گردش کار را پیرامون هوش مصنوعی طراحی مجدد کنند.
مزیت رقابتی بعدی در هوش مصنوعی (AI) متعلق به شرکت هایی خواهد بود که مایل به طراحی مجدد نحوه عملکرد خود هستند، نه صرفا آنهایی که جدیدترین ابزارها را خریداری می کنند.
رهبران کسبوکار در عین حفظ ساختارهای مدیریتی، شیوههای استخدام و گردشکاری که برای دورهای دیگر ساخته شدهاند، پول را به هوش مصنوعی میریزند. این عدم تطابق عواقبی برای هر کارمند، مشتری و سرمایه گذار دارد. فناوری می تواند کار فردی را تسریع بخشد، اما تنها تغییرات سازمانی می تواند این سرعت را به عملکرد تجاری تبدیل کند.
تحقیقات هوش مصنوعی McKinsey در سال 2026 این شکاف را برجسته می کند. 80 درصد از پاسخ دهندگان گزارش دادند که هوش مصنوعی بهره وری فردی آنها را بهبود بخشیده است، با این حال تنها 37 درصد گفتند که به طور مثبت به درآمد سازمان آنها قبل از بهره و مالیات (EBIT) که یک معیار مالی کلیدی است، کمک کرده است.
تنها شش درصد با تعریف مک کینزی از هوش مصنوعی افراد با عملکرد بالا مطابقت داشت.
این یافته ها یک سوال را برای رهبران کسب و کار ایجاد می کند: اگر کارمندان می توانند کارهای بیشتری انجام دهند، چرا این پیشرفت به نتایج مالی گسترده تر تبدیل نمی شود؟
در تجربه من از ساخت و تحول سازمان های مهندسی، پاسخ اغلب با نحوه تصمیم گیری، تعیین مسئولیت و انجام کار در خط پایان آغاز می شود.
هوش مصنوعی این نقاط ضعف را آشکار می کند زیرا سرعت اجرا را بدون بهبود خودکار سیستم اطراف خود افزایش می دهد. در نظر بگیرید که چه اتفاقی میافتد وقتی یک کار که یک ماه طول میکشید ناگهان در سه روز انتظار میرود زیرا هوش مصنوعی در دسترس است.
این انتظار ممکن است برای یک رهبر که پیشرفت فناوری را تماشا می کند منطقی به نظر برسد، اما تولید سریعتر تصمیمات صحیح، سیستم های قابل اعتماد یا نتایج مفید را تضمین نمی کند.
هوش مصنوعی می تواند پیش بینی ها و خروجی ها را تولید کند. مردم هنوز باید مشکل را تعریف کنند، پاسخ ها را ارزیابی کنند و مسئولیت عواقب آن را بپذیرند.
با این حال، بسیاری از کسبوکارها به فشار رقابتی با تقاضای بیشتر از کارمندان پاسخ میدهند و در عین حال مدلهای عملیاتی خود را دست نخورده باقی میگذارند.
تیمها با ضربالاجلهای کوتاهتری روبرو هستند، مدیران حجم رو به رشد کار را هماهنگ میکنند، و مدیران ابزار دیگری را بدون تجدید نظر در فرآیندی که قرار است بهبود بخشد، معرفی میکنند.
این یک عدم تطابق پرهزینه ایجاد می کند. کارمندان ممکن است در وظایف فردی کارآمدتر شوند، در حالی که فرآیندهای تایید کند باقی میمانند، بخشها برای هماهنگ کردن اولویتهای خود تلاش میکنند، و هماهنگی مسئولیت در بین لایههای مدیریتی دشوارتر میشود.
این شرکت بدون ایجاد ارزش بیشتر فعالیت بیشتری تولید می کند.
سهام فراتر از ترازنامه شرکت است. مشتریان با تاخیر مواجه می شوند، کارمندان فشار فزاینده ای را جذب می کنند و سرمایه گذاران برای فناوری که بازده مورد نظر خود را ارائه نمی کند، پرداخت می کنند.
در اقتصادی که رقبا می توانند به سرعت حرکت کنند، اصطکاک سازمانی به یک مسئولیت استراتژیک تبدیل می شود.
پاسخ این است که قبل از خرید راه حل دیگری، کار را دوباره طراحی کنید. با شناسایی محدودیت های بازدارنده کسب و کار شروع کنید. آیا فقدان تخصص فنی، تصویب کند، تیم های پراکنده یا کار تکراری است که وقت کارمندان ماهر را می گیرد؟
هر مشکلی نیاز به پاسخ متفاوتی دارد و اشتراک هوش مصنوعی دیگر به ندرت همه آنها را حل می کند.
سپس یک مدل عملیاتی بر اساس قابلیت ها بسازید تا تعداد کارمندان. به هوش مصنوعی اجازه دهید وظایف روتین مناسب را انجام دهد، به مردم مالکیت واضح تصمیمات را بدهد و نتایج را با اهداف تجاری اندازه گیری کند. در جایی که تصمیمات پیامدهای مالی، قانونی، امنیتی یا اعتباری دارند، نظارت انسانی را حفظ کنید.
رهبری نیز باید تغییر کند. شرکتهای در حال رشد اغلب تصور میکنند که هر زمان که پیچیدگی افزایش مییابد، به یک مدیر اجرایی دائمی نیاز دارند. گاهی اوقات آنها انجام می دهند. در مواقع دیگر، آنها به رهبری باتجربه برای هدایت یک تحول خاص، بازسازی یک عملکرد مهندسی یا ایجاد یک استراتژی هوش مصنوعی نیاز دارند.
مدیران موقت و کسری می توانند این تخصص را ارائه دهند در حالی که شرکت تعیین می کند که سازمان بلندمدت خود چگونه باید باشد.
من دیده ام که وقتی تیم ها باید در محصولات، کشورها و اولویت های رقابتی کار کنند، ساختار و مسئولیت پذیری چقدر اهمیت دارد.
درس این است که افزودن افراد و فناوری بدون پرداختن به مدل عملیاتی زیربنایی می تواند پیچیدگی را سریعتر از قابلیت افزایش دهد.
جنبه مثبت به دست آوردن این حق بسیار مهم است. تیمهای کوچکتر میتوانند بیشتر ارائه دهند، کارمندان میتوانند توجه بیشتری را به کارهای خلاقانه و نتیجهبخش اختصاص دهند، و کسبوکارها میتوانند منابع را بهجای هماهنگی غیرضروری به سمت رشد هدایت کنند.
شرکتها میتوانند سریعتر و سازگارتر شوند بدون اینکه هر چالش جدید را دلیلی برای گسترش فهرست حقوق و دستمزد بدانند.
جایگزین یک چرخه گران است: خرید فناوری بیشتر، تقاضای خروجی بیشتر، حفظ همان تنگناها، و تماشای رقبا تبدیل انعطاف پذیری سازمانی به یک مزیت تجاری.
مدیران عامل، بنیانگذاران، و رهبران سهام خصوصی باید امروز به این چالش عمل کنند. فرآیندهایی را ترسیم کنید که تصمیمگیریها را کند میکنند، لایههای مدیریت سوال که ارزش کمی میافزایند، شناسایی کاری که هوش مصنوعی میتواند مسئولانه از عهده آن برآید، و ایجاد پاسخگویی روشن برای نتایج قابل اندازهگیری.
قبل از تأیید سرمایه گذاری فناوری بعدی یا جستجوی اجرایی، بپرسید که کسب و کار واقعا باید چه مشکلی را حل کند.
شرکتهایی که پیشرفت میکنند، افراد توانمند، هوش مصنوعی با مدیریت خوب و رهبری را ترکیب میکنند که میتوانند استراتژی را به اجرا تبدیل کنند. هدف ایجاد کسب و کارهایی است که بتوانند سرعت را به ارزش پایدار تبدیل کنند.
عصر هوش مصنوعی به رهبرانی که کسب و کار را بازطراحی می کنند، پاداش می دهد، نه فقط ابزارهایی را که استفاده می کند.
دانیل کیریچانسکی بنیانگذار Prime Path Global است که به شرکتها در مورد استراتژی فناوری، رهبری مهندسی کسری و پذیرش هوش مصنوعی مشاوره میدهد. تمام نظرات بیان شده در این مقاله متعلق به خود اوست.
متن اصلی (انگلیسی)
AI Tools Cannot Fix a Broken Operating Model | Opinion
Productivity gains will not reach the bottom line unless companies redesign decisions, ownership and workflows around AI.