مغز آینده
  1. مغز آینده
  2. /
  3. بینش دیجیتال
  4. /
  5. هوش مصنوعی
  6. /
  7. اشتباه بزرگ شرکت‌ها در…
اشتباه بزرگ شرکت‌ها در سنجش ارزش هوش مصنوعی
ارزش اقتصادی هوش مصنوعی

نمودار اخیر گارتنر، در نگاه اول کمی عجیب به نظر می‌رسد وقتی از سازمان‌ها می‌پرسند اثربخشی خودکارسازی مبتنی بر هوش مصنوعی را با چه معیارهایی ارزیابی می‌کنند، «صرفه‌جویی در زمان» در صدر قرار دارد. اما نکته جالب جایی است که شرکت‌های با عملکرد بالا را با سایر شرکت‌ها مقایسه می‌کنیم.

۷۲ درصد از شرکت‌های با عملکرد بالا «زمان صرفه‌جویی‌شده» را معیار ارزیابی قرار داده‌اند؛ درحالی‌که این عدد در سایر شرکت‌ها ۸۲ درصد است.

در «سرعت تحویل» شکاف حتی بزرگ‌تر است:

۵۱ درصد در برابر ۶۸ درصد.

در «کاهش هزینه» نیز الگوی مشابهی دیده می‌شود:

۶۲ درصد در برابر ۶۹ درصد.

اما وقتی به «تجربه مشتری» می‌رسیم، جهت نمودار عوض می‌شود: شرکت‌های با عملکرد بالا بیش از سایرین به این معیار توجه دارند.

این اعداد یک پرسش مهم برای مدیران عامل ایجاد می‌کنند:

آیا ممکن است بسیاری از شرکت‌ها در حال اندازه‌گیری بخش اشتباهی از ارزش هوش مصنوعی باشند؟

پاسخ این پرسش می‌تواند تفاوت میان شرکتی باشد که فقط چند فرایند را با هوش مصنوعی سریع‌تر می‌کند و شرکتی که واقعاً مدل کسب‌وکار خود را با هوش مصنوعی متحول می‌کند.

اشتباه بزرگ شرکت‌ها در سنجش ارزش هوش مصنوعی

صرفه‌جویی در زمان، ارزش نیست

فرض کنید یک شرکت با استفاده از هوش مصنوعی زمان تولید یک گزارش را از ۱۰ ساعت به ۲ ساعت کاهش دهد ۸ ساعت صرفه‌جویی شده است در داشبورد تحول دیجیتال، احتمالاً این پروژه موفق ثبت می‌شود اما از منظر مدیرعامل هنوز یک سؤال بی‌پاسخ مانده است:

آن ۸ ساعت چه شد؟

اگر کارکنان همان زمان را صرف کارهای کم‌ارزش دیگری کنند، اگر ظرفیت آزادشده به رشد درآمد، بهبود تجربه مشتری، نوآوری یا تصمیم‌گیری بهتر تبدیل نشود، شرکت واقعاً چه ارزشی ایجاد کرده است؟

این همان فاصله‌ای است که امروز میان «بهره‌وری هوش مصنوعی» و «ارزش اقتصادی هوش مصنوعی» در حال آشکار شدن است.

حتی شواهد جدید گارتنر در حوزه فروش این مسئله را بسیار روشن نشان می‌دهد. هوش مصنوعی به‌طور متوسط نزدیک به پنج ساعت در هفته از زمان فروشندگان را آزاد می‌کند؛ اما بخش بزرگی از سازمان‌ها هنوز سازوکاری برای بازسرمایه‌گذاری این زمان در فعالیت‌های باارزش‌تر ندارند.

پس شاید یکی از مهم‌ترین شاخص‌هایی که باید وارد داشبورد مدیرعامل شود، نه «زمان صرفه‌جویی‌شده»، بلکه «زمان بازسرمایه‌گذاری‌شده» باشد.

خطر بزرگ: تبدیل هوش مصنوعی به پروژه کاهش هزینه

بسیاری از برنامه‌های هوش مصنوعی در شرکت‌ها از یک منطق آشنا شروع می‌شوند:

کدام کارها را می‌توان خودکار کرد؟

چند ساعت از نیروی انسانی کم می‌شود؟

هزینه انجام هر فرایند چقدر کاهش پیدا می‌کند؟

چقدر سریع‌تر می‌توانیم خروجی تولید کنیم؟

این پرسش‌ها اشتباه نیستند مشکل زمانی آغاز می‌شود که همین پرسش‌ها به تعریف نهایی موفقیت تبدیل شوند زیرا در این صورت، قدرتمندترین فناوری عمومی عصر ما به یک ابزار کاهش هزینه تنزل پیدا می‌کند.

تاریخ فناوری بارها نشان داده است که ارزش اصلی فناوری‌های تحول‌آفرین معمولاً از انجام ارزان‌تر کارهای موجود به دست نمی‌آید؛ ارزش بزرگ زمانی ایجاد می‌شود که فناوری امکان انجام کارهایی را فراهم کند که قبلاً ممکن، اقتصادی یا مقیاس‌پذیر نبودند.

این تمایز برای هوش مصنوعی حیاتی است یک بانک می‌تواند با هوش مصنوعی گزارش اعتباری را سریع‌تر تولید کند اما پرسش بزرگ‌تر این است که آیا می‌تواند تصمیم اعتباری دقیق‌تر و شخصی‌سازی‌شده‌تری بگیرد؟

یک شرکت بیمه می‌تواند رسیدگی به پرونده‌ها را سریع‌تر کند اما آیا می‌تواند ریسک را بهتر پیش‌بینی کند؟

یک خرده‌فروش می‌تواند محتوای تبلیغاتی بیشتری تولید کند اما آیا می‌تواند پیشنهاد مناسب را برای هر مشتری، در زمان مناسب و از کانال مناسب انتخاب کند؟

یک شرکت صنعتی می‌تواند گزارش نگهداری تجهیزات را خودکار کند اما آیا می‌تواند خرابی را قبل از وقوع پیش‌بینی کند؟

این‌ها دو سطح کاملاً متفاوت از ارزش هستند.

از خودکارسازی «کار» به بهبود «تصمیم»

موج نخست هوش مصنوعی مولد عمدتاً حول تولید محتوا و افزایش بهره‌وری شکل گرفت نوشتن متن، خلاصه‌سازی، برنامه‌نویسی، تهیه گزارش، پاسخ به مشتری، تولید تصویر و تحلیل اسناد  ؛ اما موج بعدی در حال حرکت به سمت واحد بسیار مهم‌تری است:

تصمیم.

در بسیاری از سازمان‌ها، بزرگ‌ترین هزینه پنهان نه زمان انجام کار، بلکه کیفیت پایین تصمیم‌هاست.

  • تصمیم دیرهنگام درباره قیمت.
  • تصمیم نادرست درباره موجودی.
  • تخصیص ضعیف بودجه بازاریابی.
  • انتخاب نامناسب مشتری هدف.
  • پیش‌بینی اشتباه تقاضا.
  • از دست دادن نشانه‌های اولیه ریزش مشتری.

اگر هوش مصنوعی بتواند کیفیت، سرعت و دقت این تصمیم‌ها را بهبود دهد، ارزش اقتصادی آن ممکن است چندین برابر صرفه‌جویی حاصل از خودکارسازی همان فرایند باشداینجاست که گفت‌وگوی هوش مصنوعی باید از دفتر مدیر فناوری به اتاق مدیرعامل منتقل شود.

مسئله دیگر تعداد ابزارهای هوش مصنوعی نیست

در بسیاری از جلسات مدیریتی هنوز سؤالاتی از این جنس شنیده می‌شود:

چند نفر از کارکنان از ابزارهای هوش مصنوعی استفاده می‌کنند؟

چند مجوز خریداری کرده‌ایم؟

چند دستیار هوشمند ساخته‌ایم؟

چند فرایند را خودکار کرده‌ایم؟

این اعداد برای سنجش پذیرش فناوری مفیدند، اما برای سنجش ارزش کافی نیستند.

ممکن است شرکتی هزاران کاربر فعال هوش مصنوعی داشته باشد و ارزش اقتصادی محدودی ایجاد کند در مقابل، ممکن است سازمانی فقط چند فرایند حیاتی را بازطراحی کرده باشد و ده‌ها میلیون دلار ارزش ایجاد کند.

بنابراین سؤال مدیریتی باید تغییر کند:

هوش مصنوعی در کدام نقاط از زنجیره ارزش، اقتصاد کسب‌وکار ما را تغییر داده است؟

این تغییر نگاه بسیار مهم است زیرا مدیرعامل را از «تعداد موارد استفاده» به سمت «تمرکز ارزش» می‌برد.

سرعت بیشتر همیشه به معنای عملکرد بهتر نیست

یکی از جالب‌ترین بخش‌های نمودار گارتنر همین است «سرعت تحویل» در میان شرکت‌های با عملکرد بالا کمتر از سایر شرکت‌ها به‌عنوان معیار اثربخشی خودکارسازی استفاده می‌شود.

این یافته ارزش تأمل دارد فرض کنید تیم بازاریابی قبلاً در یک ماه ۲۰ محتوای تبلیغاتی تولید می‌کرد و اکنون با هوش مصنوعی ۲۰۰ محتوا تولید می‌کند.

آیا عملکرد آن ده برابر بهتر شده است؟

نه لزوماً.

اگر محتوای بیشتر باعث افزایش فروش، تعامل، شناخت برند یا رضایت مشتری نشود، سازمان فقط توانایی خود را برای تولید سریع‌تر خروجی افزایش داده است.

این مسئله را می‌توان در تقریباً تمام واحدهای سازمان مشاهده کرد :

  • گزارش بیشتر الزاماً به معنای بینش بیشتر نیست.
  • کد بیشتر الزاماً به معنای محصول بهتر نیست.
  • پاسخ سریع‌تر الزاماً به معنای تجربه بهتر مشتری نیست.
  • و تصمیم سریع‌تر، اگر تصمیم ضعیفی باشد، حتی می‌تواند ارزش را تخریب کند.

بنابراین در عصر هوش مصنوعی باید میان «سرعت تولید خروجی» و «سرعت خلق نتیجه» تفاوت قائل شد.

مالی‌سازی ارزش هوش مصنوعی

یکی از چالش‌های مهم سال‌های آینده، تبدیل دستاوردهای فنی هوش مصنوعی به زبان مالی خواهد بود برای مدیرعامل و هیئت‌مدیره، جمله «ما ۳۰۰ هزار ساعت صرفه‌جویی کردیم» پایان تحلیل نیست؛ آغاز آن است.

زنجیره ارزش باید کامل شود:

خودکارسازی
←
آزادسازی ظرفیت
←
بازتخصیص ظرفیت
←
بهبود عملکرد
←
نتیجه کسب‌وکار
←
ارزش مالی

فرض کنید یک شرکت سالانه ۵۰۰ هزار ساعت ظرفیت انسانی را با هوش مصنوعی آزاد می‌کند عدد بزرگی است اما اگر نتواند نشان دهد این ظرفیت چگونه به درآمد بیشتر، حاشیه سود بهتر، کاهش ریسک، افزایش نگهداشت مشتری یا نوآوری سریع‌تر تبدیل شده است، هنوز نمی‌توان از تحقق کامل ارزش صحبت کرد.

این همان جایی است که بسیاری از برنامه‌های هوش مصنوعی در سال‌های آینده با پرسش سخت مدیران مالی روبه‌رو خواهند شد:

این سرمایه‌گذاری دقیقاً کجای صورت سود و زیان ما دیده می‌شود؟

مدیرعامل باید چه چیزی را اندازه بگیرد؟

برای سنجش بلوغ واقعی هوش مصنوعی، می‌توان شاخص‌ها را در پنج سطح دید :

  1. سطح نخست بهره‌وری است: زمان صرفه‌جویی‌شده، کاهش هزینه، سرعت انجام کار و حجم خروجی.
  2. سطح دوم اعتمادپذیری است: کیفیت، دقت، نرخ خطا، میزان بازبینی انسانی و ثبات خروجی.
  3. سطح سوم پذیرش و اهرم انسانی است: چه مقدار از فرایند واقعاً با هوش مصنوعی انجام می‌شود و ظرفیت آزادشده چگونه بازسرمایه‌گذاری می‌شود.
  4. سطح چهارم نتایج کسب‌وکار است: درآمد، حاشیه سود، نرخ تبدیل، حفظ مشتری، تجربه مشتری، هزینه جذب و سهم بازار.
  5. و سطح پنجم که شاید مهم‌ترین سطح باشد، ارزش تصمیم است: آیا سازمان تصمیم‌های بهتر، سریع‌تر و دقیق‌تری می‌گیرد؟

مشکل اینجاست که بسیاری از سازمان‌ها هنوز در سطح اول متوقف مانده‌اند.

دوران «افزودن هوش مصنوعی» رو به پایان است

مرحله بعدی تحول هوش مصنوعی احتمالاً درباره افزودن یک ابزار دیگر به فرایندهای موجود نخواهد بود درباره بازطراحی خود فرایند خواهد بود تفاوت بزرگی میان این دو وجود دارد.

در رویکرد نخست می‌پرسیم:

«چگونه هوش مصنوعی را به این فرایند اضافه کنیم؟»

در رویکرد دوم می‌پرسیم:

«اگر این فرایند امروز و با قابلیت‌های هوش مصنوعی طراحی می‌شد، اصلاً چه شکلی داشت؟»

این سؤال می‌تواند ساختار سازمانی، نقش انسان، جریان تصمیم، معماری داده و حتی مدل درآمدی را تغییر دهد ظهور عامل‌های هوشمند این تحول را عمیق‌تر خواهد کرد.

سیستم‌هایی که فقط پاسخ تولید نمی‌کنند، بلکه می‌توانند هدف دریافت کنند، برنامه‌ریزی کنند، از چند سامانه اطلاعات جمع کنند، اقدام انجام دهند، نتیجه را ارزیابی کنند و مرحله بعدی را انتخاب کنند.

در چنین محیطی، معیارهایی مانند «تعداد ساعت صرفه‌جویی‌شده» به‌تنهایی حتی محدودتر خواهند شد.

شاید سؤال مدیرعامل باید عوض شود

برای چند سال، یکی از رایج‌ترین پرسش‌ها این بود:

«با هوش مصنوعی چقدر می‌توانیم هزینه را کاهش دهیم؟»

اکنون زمان پرسش بزرگ‌تری رسیده است:

«با هوش مصنوعی چه ارزشی می‌توانیم ایجاد کنیم که بدون آن امکان‌پذیر نبود؟»

این تغییر ظاهراً فقط تغییر یک جمله است، اما می‌تواند کل راهبرد هوش مصنوعی شرکت را تغییر دهد اولی سازمان را به سمت خودکارسازی فعالیت‌های موجود هدایت می‌کند دومی سازمان را مجبور می‌کند زنجیره ارزش، تجربه مشتری، تصمیم‌گیری، محصولات، خدمات و حتی مدل کسب‌وکار خود را دوباره بررسی کند.

و شاید مهم‌ترین پیام این نمودار گارتنر نیز همین باشد:

شرکت‌های پیشرو الزاماً کسانی نیستند که بیشترین ساعت را با هوش مصنوعی ذخیره می‌کنند؛ مزیت واقعی زمانی شکل می‌گیرد که ظرفیت آزادشده به تصمیم بهتر، تجربه بهتر و در نهایت ارزش اقتصادی بیشتر تبدیل شود.

در عصر هوش مصنوعی، سرعت مهم است بهره‌وری مهم است کاهش هزینه هم مهم است اما هیچ‌کدام به‌تنهایی مقصد نیستند.

مسئله نهایی، خلق ارزش است.

آینده هوش مصنوعی در پرتو فلسفه فناوری

مسلم تقی زاده

مشاور استراتژی هوش مصنوعی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *