→ همه اخبار

یک تجربه واقعی درباره تفاوت «استفاده از هوش مصنوعی» و «فهم هوش مصنوعی»

هوش مصنوعی می‌تواند در چند دقیقه یک گزارش مدیریتی، تحلیل بازار یا نقشه راه تولید کند؛ اما تولید خروجی، الزاماً به معنای تولید فکر مدیریتی نیست. تجربه‌ای که در یک مصاحبه شغلی داشتم، این پرسش را برایم جدی‌تر کرد: وقتی یک مدیر از AI برای تحلیل یک کسب‌وکار استفاده می‌کند، ارزش واقعی کجاست؛

گاهی یک اتفاق ساده در یک مصاحبه شغلی، شما را به فکر کردن درباره مسئله‌ای بسیار بزرگ‌تر از خود آن مصاحبه وادار می‌کند.
دو هفته پیش برای یک موقعیت مدیریتی در یک شرکت فناورانه در جلسه مصاحبه حضور داشتم.
بعد از گفت‌وگو و پرسش و پاسخ، از من خواسته شد یک طرح و تحلیل برای کسب‌وکار شرکت ارائه کنم.
سؤال ساده‌ای بود؛ اما یک مسئله وجود داشت:
برای انجام یک Business Diagnosis واقعی، به داده نیاز داریم.
بنابراین درخواست کردم اطلاعات، داده‌های عملیاتی، وضعیت مالی، مشتریان، محصولات، بازار و سایر اطلاعات داخلی در اختیارم قرار گیرد.
پاسخ این بود:
«اطلاعاتی نداریم.»
گفتم اشکالی ندارد.
تحلیل را بر اساس اطلاعات عمومی منتشرشده، وب‌سایت شرکت و چارچوب‌های استراتژیک انجام می‌دهم.
و همین کار را کردم.
اما با یک تفاوت مهم.
من حاصل بیش از ۲۰ سال تجربه خود در حوزه‌های استراتژی، توسعه کسب‌وکار، نوآوری و تحول دیجیتال را با یک پلتفرم مبتنی بر هوش مصنوعی که خودم با همکاری دوستانم طراحی کرده بودم، وارد فرایند تحلیل کردم.
خروجی، یک گزارش چندبخشی و مدیریتی بود که موضوعاتی مانند وضعیت موجود، جایگاه شرکت، سبد محصولات، قابلیت‌های فناورانه، مدل کسب‌وکار، SWOT، استراتژی صادرات، نقشه راه تحول، KPIها، ریسک‌های راهبردی، معماری حکمرانی تحول و تصمیمات موردنیاز هیئت‌مدیره را پوشش می‌داد.
در خود گزارش نیز تصریح شده بود که با اطلاعات عمومی نمی‌توان درباره عملکرد مالی، سودآوری یا سهم بازار اعداد قطعی ارائه کرد و این موارد نیازمند ارزیابی داخلی هستند.
اما پاسخ نهایی جالب بود.
گفته شد:
«فکر می‌کنم خروجی‌ای که دادید بیشتر ساخته AI بود تا ایده‌های خودتان برای توسعه کسب‌وکار.»
این جمله، فارغ از نتیجه آن مصاحبه، یک سؤال بسیار مهم را برای من ایجاد کرد:
آیا ما هنوز تفاوت میان «استفاده از AI» و «تفکر با AI» را نمی‌دانیم؟
AI قرار نیست به جای مدیر فکر کند
یکی از بزرگ‌ترین سوءبرداشت‌های امروز درباره هوش مصنوعی این است که تصور کنیم اگر یک گزارش با AI تولید شده باشد، پس تخصص انسانی در آن نقشی نداشته است.
این دقیقاً مانند آن است که بگوییم:
«چون یک مهندس از نرم‌افزار طراحی استفاده کرده، پس طراحی را نرم‌افزار انجام داده است.»
یا:
«چون یک تحلیلگر از Excel استفاده کرده، پس تحلیل متعلق به Excel است.»
یا:
«چون یک مدیر داشبورد مدیریتی دارد، پس تصمیمات را داشبورد گرفته است.»
ابزار، ابزار است.
ارزش واقعی در مسئله‌ای است که تعریف می‌شود، داده‌ای که انتخاب می‌شود، چارچوبی که طراحی می‌شود، سؤالی که پرسیده می‌شود، خروجی‌ای که اعتبارسنجی می‌شود و تصمیمی که در نهایت گرفته می‌شود.
AI می‌تواند این فرایند را سریع‌تر کند.
اما الزاماً نمی‌تواند تشخیص دهد که:
•    مسئله واقعی چیست؟
•    کدام مسئله اولویت دارد؟
•    چه فرضی اشتباه است؟
•    چه داده‌ای ناقص است؟
•    چه خروجی‌ای با واقعیت سازمان تناقض دارد؟
•    و چه تصمیمی از میان چند گزینه باید انتخاب شود؟
این‌ها همچنان به تفکر مدیریتی نیاز دارند.
مشکل اصلی مدیران آینده، «AI ندانستن» نیست
به نظرم مسئله حتی یک مرحله عمیق‌تر است.
ما با پدیده‌ای به نام شکاف سواد دیجیتال مدیریتی مواجه هستیم.
مدیری که در عصر صنعتی آموزش دیده، ممکن است هنوز با منطق:
برنامه‌ریزی ← اجرا ← کنترل
کار کند.
اما سازمان دیجیتال با منطق متفاوتی حرکت می‌کند:
داده ←تحلیل ← یادگیری ← آزمایش ← تصمیم ← بازخورد ← اصلاح
در این مدل، مدیر دیگر فقط فرمانده سازمان نیست.
او باید بتواند با:
•    داده
•    فناوری
•    پلتفرم
•    AI
•    اتوماسیون
•    مدل‌های کسب‌وکار دیجیتال
•    اکوسیستم‌ها
•    و سیستم‌های تصمیم‌یار
کار کند.
به همین دلیل، سواد دیجیتال مدیران دیگر یک مهارت جانبی نیست.
بخشی از شایستگی مدیریتی است.
سواد دیجیتال یعنی چه؟
سواد دیجیتال را نباید با «توانایی کار کردن با چند نرم‌افزار» اشتباه گرفت.
یک مدیر ممکن است به‌خوبی از PowerPoint استفاده کند، اما هنوز سواد دیجیتال پایینی داشته باشد.
چرا؟
چون سواد دیجیتال در سطح مدیریتی یعنی توانایی درک رابطه میان:
Business + Data + Technology + AI + Decision
مدیر دیجیتال باید بتواند بفهمد:
۱. مسئله کسب‌وکار چیست؟
قبل از اینکه سراغ فناوری برویم، باید بدانیم چه مسئله‌ای را حل می‌کنیم.
۲. داده مورد نیاز چیست؟
هر تحلیلی به داده مناسب نیاز دارد.
داده ناقص، تصمیم ناقص ایجاد می‌کند.
۳. فناوری چه نقشی دارد؟
فناوری هدف نیست.
فناوری باید به خلق ارزش، کاهش هزینه، افزایش درآمد، افزایش بهره‌وری، بهبود تجربه مشتری یا کاهش ریسک کمک کند.
۴. AI کجای مسئله قرار می‌گیرد؟
AI باید جایی وارد شود که بتواند مزیت ایجاد کند.
نه اینکه صرفاً چون «مد روز» است، به فرایند اضافه شود.
۵. خروجی چگونه اعتبارسنجی می‌شود؟
این شاید یکی از مهم‌ترین مهارت‌های مدیران آینده باشد.
مدیر نباید به AI اعتماد کند؛ باید بتواند خروجی AI را ارزیابی کند.
مدیرانی که از AI می‌ترسند، معمولاً از خود AI نمی‌ترسند
گاهی ترس مدیر از AI، ترس از فناوری نیست.
ترس از از دست دادن مزیت دانشی است.
سال‌ها مدیر بر اساس تجربه، اطلاعات انحصاری و قدرت دسترسی به داده تصمیم گرفته است.
اما AI بخشی از این معادله را تغییر می‌دهد.
اکنون یک مدیر جوان می‌تواند در چند دقیقه:
•    بازار را تحلیل کند،
•    رقبا را مقایسه کند،
•    سناریو طراحی کند،
•    مدل کسب‌وکار بسازد،
•    گزارش مدیریتی تهیه کند،
•    داده‌ها را تحلیل کند،
•    و حتی یک نقشه راه اولیه ارائه دهد.
این اتفاق برای برخی مدیران تهدید به نظر می‌رسد.
اما برای مدیر آینده، یک فرصت است.
چون AI قرار نیست تجربه را حذف کند.
تجربه را تقویت می‌کند.
تفاوت مدیر سنتی و مدیر AI-Ready
شاید بتوان این تفاوت را این‌گونه خلاصه کرد:
 


خطر بزرگ‌تر: مدیرانی که AI دارند اما AI Literacy ندارند
این بخش از ماجرا حتی خطرناک‌تر است.
ممکن است سازمانی صدها ابزار AI خریداری کند، اما همچنان تصمیمات ضعیفی بگیرد.
چرا؟
چون خرید فناوری با بلوغ دیجیتال متفاوت است.
اگر مدیر نداند:
•    چه داده‌ای وارد سیستم کند،
•    چه سؤالی بپرسد،
•    چه محدودیت‌هایی وجود دارد،
•    چگونه سوگیری را تشخیص دهد،
•    چگونه خروجی را اعتبارسنجی کند،
•    و چگونه خروجی را به تصمیم کسب‌وکار تبدیل کند،
داشتن AI الزاماً مزیت رقابتی ایجاد نمی‌کند.
حتی ممکن است ریسک ایجاد کند.
از «محصول فناورانه» تا «کسب‌وکار هوشمند»
یکی از نکات مهمی که در تجربه تحلیل کسب‌وکار اخیر برای من پررنگ شد، این بود که داشتن فناوری، محصول و حتی تیم متخصص به‌تنهایی کافی نیست.
در گزارش نیز مسئله اصلی صرفاً توسعه محصول جدید تعریف نشده بود؛ بلکه مسئله، تبدیل قابلیت‌های فناورانه موجود به یک مدل کسب‌وکار مقیاس‌پذیر، سودآور، خدمات‌محور و داده‌محور عنوان شده بود.
این دقیقاً همان نقطه‌ای است که بسیاری از شرکت‌های فناورانه در آن متوقف می‌شوند.
Technology ≠ Business
داشتن فناوری الزاماً به معنای داشتن مدل کسب‌وکار نیست.
داشتن محصول الزاماً به معنای داشتن بازار نیست.
داشتن داده الزاماً به معنای داشتن Intelligence نیست.
و داشتن AI الزاماً به معنای داشتن تحول دیجیتال نیست.
سازمان هوشمند از کجا شروع می‌شود؟
از خرید AI شروع نمی‌شود.
از مدیر هوشمند دیجیتال شروع می‌شود.
مدیری که بتواند پنج سؤال را دائماً از خود و سازمانش بپرسد:
۱. چه مسئله‌ای را حل می‌کنیم؟
۲. چه داده‌ای برای حل آن مسئله داریم؟
۳. چه فناوری‌ای می‌تواند ارزش ایجاد کند؟
۴. چگونه خروجی فناوری را اعتبارسنجی می‌کنیم؟
۵. این خروجی چگونه به تصمیم و نتیجه کسب‌وکار تبدیل می‌شود؟
این پنج سؤال می‌تواند مبنای یک چارچوب ساده برای ارزیابی بلوغ دیجیتال مدیران باشد.
مدیر آینده الزاماً متخصص AI نیست
این نکته بسیار مهم است.
قرار نیست همه مدیران تبدیل به Data Scientist یا AI Engineer شوند.
همان‌طور که مدیرعامل یک بانک الزاماً برنامه‌نویس نیست.
اما باید بفهمد:
Cloud چیست؟
Data چیست؟
AI چه توانایی‌هایی دارد؟
امنیت سایبری چه ریسک‌هایی ایجاد می‌کند؟
API و Platform چه معنایی برای مدل کسب‌وکار دارند؟
و مهم‌تر از همه:
این فناوری‌ها چگونه می‌توانند استراتژی سازمان را تغییر دهند؟
در گزارش مورد اشاره نیز برای افق ۱۴۱۰، توسعه قابلیت‌هایی مانند Product Management، Data Engineering، AI، Cloud، Cybersecurity، تجاری‌سازی فناوری، فروش سازمانی و کسب‌وکار بین‌المللی به‌عنوان قابلیت‌های مهم سازمان مطرح شده‌اند.
این یعنی تحول دیجیتال، فقط مسئولیت واحد IT نیست.
مسئولیت تیم مدیریت است.
از Digital Transformation به Digital Leadership
شاید لازم باشد یک مفهوم را جدی‌تر از گذشته دنبال کنیم:
Digital Leadership
رهبری دیجیتال یعنی مدیر بتواند سازمان را در شرایطی هدایت کند که:
•    اطلاعات فراوان است،
•    عدم‌قطعیت بالاست،
•    فناوری سریع تغییر می‌کند،
•    مدل‌های کسب‌وکار دائماً بازتعریف می‌شوند،
•    AI بخشی از فرایند تصمیم‌گیری شده،
•    و مزیت رقابتی ممکن است در مدت کوتاهی از بین برود.
در چنین شرایطی، مدیر نمی‌تواند فقط «مدیر امروز» باشد.
باید بتواند آینده را نیز بفهمد.
AI، آینه‌ای برای کیفیت تفکر مدیر است
شاید یکی از بهترین استعاره‌ها برای AI همین باشد:
AI آینه است.
اگر سؤال ضعیف باشد، خروجی ضعیف می‌شود.
اگر داده ضعیف باشد، خروجی ضعیف می‌شود.
اگر چارچوب تحلیل اشتباه باشد، AI می‌تواند همان اشتباه را با سرعت بیشتری توسعه دهد.
اما اگر مسئله درست تعریف شده باشد، داده مناسب باشد و متخصص بداند چگونه خروجی را ارزیابی کند، AI می‌تواند توان تحلیلی او را چند برابر کند.
پس شاید سؤال درست این نباشد که:
«این گزارش را انسان نوشته یا AI؟»
سؤال درست این است:
«چه میزان تفکر، تخصص، داده، اعتبارسنجی و تصمیم انسانی پشت این خروجی وجود دارد؟»
و بازمی‌گردم به همان مصاحبه
من از آن شرکت گلایه‌ای ندارم.
اتفاقاً از صراحت آنها ممنونم.
آن تجربه باعث شد دوباره به یک موضوع مهم فکر کنم:
شاید ما در سال‌های آینده بیش از آنکه با کمبود AI مواجه باشیم، با کمبود مدیرانی مواجه خواهیم بود که سواد استفاده از AI را داشته باشند.
مدیرانی که بدانند:
AI جایگزین تخصص نیست.
AI جایگزین استراتژی نیست.
AI جایگزین تجربه نیست.
AI جایگزین قضاوت مدیریتی نیست.
اما می‌تواند همه این‌ها را تقویت کند.
آینده متعلق به مدیرانی نیست که بیشترین ابزار AI را دارند
متعلق به مدیرانی است که بهتر می‌دانند:
چه مسئله‌ای را با AI حل کنند.
چه زمانی نباید از AI استفاده کنند.
چه داده‌ای را وارد کنند.
چه سؤالی بپرسند.
چگونه خروجی را به چالش بکشند.
چگونه آن را با تجربه و واقعیت سازمان تطبیق دهند.
و در نهایت چگونه آن را به تصمیم، اقدام و ارزش اقتصادی تبدیل کنند.
این همان چیزی است که من آن را:
«سواد دیجیتال مدیریتی»
می‌نامم.
و شاید در سال‌های آینده، یکی از مهم‌ترین شاخص‌های شایستگی مدیران همین باشد.
نه اینکه:
«آیا با AI کار کرده‌اید؟»
بلکه:
«آیا می‌دانید چگونه با AI بهتر فکر کنید؟»
چون در نهایت:
هوش مصنوعی فقط سرعت را افزایش می‌دهد؛ این تخصص، تجربه و قضاوت انسان است که تعیین می‌کند با این سرعت به کجا می‌رسیم.
یک سؤال برای مدیران و صاحبان کسب‌وکار:
اگر همین امروز AI در اختیار تمام مدیران سازمان شما قرار بگیرد، آیا کیفیت تصمیم‌های سازمان هم بهتر خواهد شد؟
یا فقط تعداد گزارش‌ها بیشتر می‌شود؟
به نظرم پاسخ این سؤال، میزان واقعی بلوغ دیجیتال یک سازمان را مشخص می‌کند.