بهره وری هوش مصنوعی با طراحی مجدد کار شروع می شود | نظر

سازمان های جهانی شرط بندی خطرناکی می کنند. شرکت‌ها در حال تغییر ساختار نیروی کار خود بر اساس دستاوردهای بهره‌وری هوش مصنوعی هستند در حالی که بسیاری هنوز مدل‌های عملیاتی مورد نیاز برای ارائه آنها را ایجاد نکرده‌اند.

شکاف بین جاه طلبی تکنولوژیکی و آمادگی عملیاتی قابل توجه است. بر اساس تحقیقات SSON Research & Analytics در سال 2026، دیجیتالی شدن اولویت خدمات جهانی کسب و کار (GBS) است، با این حال کمتر از هر پنج سازمان، یک سازمان اکثر فرآیندهای خود را خودکار کرده است.

فناوری قدیمی مانع اصلی تحول است. پیام برای مدیران ناخوشایند است: مسابقه فناوری سریعتر از تغییرات سازمانی مورد نیاز برای به ثمر نشستن آن در حال پیشرفت است.

من معتقدم این یکی از مهم ترین چالش های مدیریت عصر هوش مصنوعی است. شرکت‌ها در حال سرمایه‌گذاری در فناوری هستند که می‌تواند کار را در کل فرآیندهای تجاری هماهنگ کند و در عین حال ساختارهایی را که حول تخصص دپارتمان ساخته شده است حفظ کنند.

آن‌ها انتظار دارند هوش مصنوعی ناکارآمدی‌هایی را که مدل‌های عملیاتی خودشان همچنان ایجاد می‌کنند، از بین ببرد. نگران‌کننده‌تر، برخی شروع به تصمیم‌گیری برای نیروی کار بر اساس دستاوردهای بهره‌وری می‌کنند که هنوز محقق نشده است.

سفارش به نقد را در نظر بگیرید، فرآیندی که مشتری را از راه اندازی اولیه تا پرداخت کامل می برد. فروش سفارش را می گیرد، زنجیره تامین آن را انجام می دهد و امور مالی فاکتور را صادر می کند و پول را جمع آوری می کند.

هر بخش ممکن است اهداف عملکرد خود را برآورده کند، با این حال مشتری همچنان می تواند تاخیر، خطا و ناامیدی را تجربه کند. هر انتقال فرصت دیگری را برای از بین رفتن فرآیند ایجاد می کند.

به این ترتیب است که یک شرکت می تواند داشبوردهای سبز در سرتاسر بخش های خود داشته باشد و به طور کلی یک فرآیند تجاری ناموفق داشته باشد. مشکل اساسی این است که شرکت ها بر اساس تخصص سازماندهی شده اند تا نتایج.

مشکل کمبود آگاهی نیست. شرکت‌ها برای سال‌ها صاحبان فرآیندهای جهانی (GPOs) را منصوب کرده‌اند و نیاز به هماهنگی کار در سراسر مرزهای عملکردی سنتی را تشخیص می‌دهند.

با این حال، غالبا از این رهبران انتظار می رود که بر تصمیمات تأثیر بگذارند، بدون اینکه اختیار اتخاذ آنها را داشته باشند.

یک مشاور می تواند روند بهتری را توصیه کند. یک مالک پاسخگو می تواند یکی را تحویل دهد.

SSON Research & Analytics دریافتند که 90 درصد سازمان‌های دارای GPO تأثیر مثبتی بر عملکرد فرآیند گزارش کرده‌اند.

این یک سیگنال دلگرم کننده است، اما همان تحقیق تمایز مهمی را بین داشتن مالک فرآیند در نمودار سازمانی و دادن اختیار به آن شخص برای تغییر نحوه انجام کار مشخص می کند.

یک عنوان نمی تواند اولویت های بخش رقیب را حل کند. حقوق تصمیم گیری می تواند.

هوش مصنوعی این ضعف ساختاری را بیشتر می کند. چه کسی تعیین می کند که یک عامل هوش مصنوعی چه تصمیماتی می تواند بگیرد؟ چه کسی استانداردهای داده های متناقض را حل می کند؟ چه کسی تصمیم می گیرد که کدام سیستم ها اضافی هستند؟

اگر اختیارات تکه تکه شود، هر پاسخی تبدیل به یک مذاکره می شود. این فناوری با همان تنگناهای سازمانی مواجه می شود که سال ها تحول را کند کرده است.

این شکاف زمانی خطرناک می شود که کارایی پیش بینی شده هوش مصنوعی شروع به هدایت تصمیمات نیروی کار کند. شرکت ها ممکن است قبل از اینکه فرآیندها و قابلیت های مورد نیاز برای جذب آن کار عملا انجام شود، تعداد کارمندان را کاهش دهند.

کارمندان می‌توانند قبل از اینکه فناوری برای پذیرفتن مسئولیت‌هایشان آماده شود، شغل خود را از دست بدهند و نیروی کار باقی‌مانده را برای مدیریت شکست‌ها و عقب‌ماندگی‌های ناشی از آن باقی بگذارند.

عواقب آن به زندگی روزمره گسترش می یابد. مشتریان بیشتر منتظر خدمات می‌مانند، کارمندان جریان‌های کاری با طراحی ضعیف را به ارث می‌برند، و کسب‌وکارها برای فناوری‌هایی که کمتر از آنها ارائه می‌شود، پول می‌پردازند.

اجرای صحیح هوش مصنوعی در یک مدل عملیاتی تکامل یافته می تواند افراد را از مدیریت تکراری رها کند و زمان بیشتری را برای حل مشکل و تعامل با مشتری به آنها بدهد.

پیاده‌سازی هوش مصنوعی بدون فکر کردن به مدل عملیاتی می‌تواند سازمان‌ها را با کمبود کارکنان، از نظر عملیاتی شکننده و ناتوان از برآورده کردن انتظاراتی که ایجاد کرده‌اند، رها کند.

یک راه عملی به جلو وجود دارد و نیازی به سازماندهی مجدد کل شرکت یک شبه ندارد.

برای یک شرکت فناوری جهانی، بهبود عملکرد خرید به پرداخت با درک اینکه مشکلات از کجا شروع شده اند آغاز شد. GPO داده های عملیاتی را تجزیه و تحلیل کرد و بسیاری از مسائل قابل پرداخت حساب ها را به فرآیند سفارش خرید ردیابی کرد.

این یافته‌ها باعث شد که تیم به جای خودکار کردن کارهای پایین دستی ناکارآمد یا دنبال کردن تحولی گسترده در هوش مصنوعی، بهبود سفارش خرید را در اولویت قرار دهد.

اگر GPO بدون اختیار مناسب برای تصمیم گیری در سازمان دفن می شد، این یک کار چالش برانگیز بود.

به دنبال این تغییرات، تقریبا 70 درصد از سفارش‌های خرید نیازی به دخالت خریدار نداشتند. سپس این سازمان تلاش کرد تا از هوش مصنوعی برای گسترش پردازش بدون لمس در حساب های پرداختنی استفاده کند.

این همان پیشرفتی است که مدیران اجرایی باید تقاضا کنند.

این شرکت قبل از بهبود یک فرآیند خاص نیازی به حل و فصل مشکلات فناوری در سطح سازمانی نداشت. موانع عملیاتی را شناسایی کرد، به آنها رسیدگی کرد و نتیجه را اندازه گرفت.

من همین نظم را در طراحی سازمانی اعمال می کنم. رهبری سطح C باید انتخاب یک فرآیند با حجم بالا مانند خرید به پرداخت را تشویق کند و یک رهبر مانند یک GPO منصوب کند که مسئول عملکرد آن از ابتدا تا انتها باشد.

آن رهبر به اختیار و گستردگی کارشناسان عملکردی نیاز دارد که به آنها گزارش دهند تا اختلافات در زمینه تدارکات، امور مالی، زنجیره تامین و فناوری را به همراه اهداف قابل اندازه گیری برای هزینه، زمان چرخه و قابلیت اطمینان حل و فصل کنند.

سپس این شرکت باید هوش مصنوعی و سایر پیشرفت‌های فرآیندی را معرفی کند، جایی که می‌توانند پیشرفت‌های قابل اثباتی را ایجاد کنند، نظارت انسانی را در صورت لزوم حفظ کنند و از نتایج برای هدایت پذیرش گسترده‌تر استفاده کنند.

این همچنین به یک اعتراض آشنا می پردازد که داده های ضعیف باید در کل سازمان برطرف شود تا هوش مصنوعی بتواند کار کند. یک فرآیند متمرکز مشکل را به اطلاعات و سیستم های مورد نیاز برای یک نتیجه تعریف شده محدود می کند.

شرکت‌ها می‌توانند این پایه‌ها را به تدریج بهبود بخشند، بدون اینکه منتظر یک محیط داده کامل در سطح سازمان باشند.

مسئولیت ایجاد این تغییر به رهبری سطح C تعلق دارد.

قبل از تایید کاهش نیروی کار که با بهره وری پیش بینی شده هوش مصنوعی توجیه می شود، هیئت ها باید شواهدی را درخواست کنند که فرآیندها دوباره طراحی شده اند و دستاوردهای بهره وری نشان داده شود.

رهبران همچنین باید بررسی کنند که آیا صاحبان فرآیند آنها دارای اختیار واقعی تصمیم گیری هستند یا صرفا مسئولیت توصیه به تغییر را دارند.

هوش مصنوعی به طور خودکار یک شرکت را بهره وری بیشتر نمی کند. این فناوری می تواند کار را تسریع کند، اما فقط تغییرات در مدل عملیاتی ارزش واقعی را ارائه می دهد.

شرکت‌هایی که در مواجهه با این واقعیت شکست می‌خورند، دو بار هزینه می‌کنند، اول برای فناوری‌ای که کم عرضه می‌کند، و دوباره برای آسیب‌های عملیاتی ناشی از عمل کردن به‌گونه‌ای که گویی موفق شده‌اند.

اولین حرکت استقرار دیگری نیست. این به کسی اختیار می دهد که کل فرآیند را به کار گیرد.

Brad DeMent شریک ScottMadden است که به سازمان ها در مورد خدمات تجاری جهانی، طراحی فرآیند و اتوماسیون مشاوره می دهد. همه نظرات متعلق به نویسنده است