ارزش آفرینی هوش مصنوعی در سازمان؛ چرا مدل عملیاتی مهمتر از ابزار AI است؟
چرا هوش مصنوعی به‌تنهایی ارزش نمی‌سازد؟
نقش مدل عملیاتی در تبدیل AI به مزیت رقابتی و ارزش واقعی برای کسب‌وکار
ارزش آفرینی هوش مصنوعی در سازمان
مقدمه: مسئله اصلی دیگر دسترسی به هوش مصنوعی نیست
هوش مصنوعی با سرعت زیادی در حال تبدیل شدن به یک قابلیت عمومی در کسب‌وکارهاست. اما دسترسی گسترده به ابزارهای AI به این معنا نیست که همه سازمان‌ها به یک اندازه از آن ارزش می‌گیرند. بر اساس پژوهش تازه مک‌کینزی، تفاوت اصلی میان سازمان‌هایی که فقط از هوش مصنوعی استفاده می‌کنند و سازمان‌هایی که از آن نتیجه اقتصادی و عملیاتی می‌گیرند، در «مدل عملیاتی» آنهاست؛ یعنی نحوه سازمان‌دهی کار، تصمیم‌گیری، تخصیص منابع، توسعه مهارت‌ها، همکاری تیم‌ها و استفاده از فناوری.
به بیان ساده، اگر یک شرکت همان ساختار، همان فرایندها و همان روش‌های تصمیم‌گیری قدیمی را حفظ کند و فقط ابزار هوش مصنوعی را به آن اضافه کند، احتمالاً بخشی از کارها سریع‌تر می‌شود؛ اما الزاماً ارزش پایدار، رشد یا مزیت رقابتی ایجاد نمی‌شود. مزیت واقعی زمانی شکل می‌گیرد که سازمان، شیوه انجام کار را با قابلیت‌های جدید هوش مصنوعی بازطراحی کند.
سه سطح بلوغ سازمان‌ها در استفاده از هوش مصنوعی
مک‌کینزی سازمان‌ها را از نظر میزان ادغام هوش مصنوعی در کار روزمره در سه سطح اصلی بررسی می‌کند. این سه سطح نشان می‌دهند که فاصله زیادی میان «داشتن AI» و «بازآفرینی سازمان با AI» وجود دارد.
- سطح اول ـ توانمندسازی: کارکنان به ابزارهای عمومی هوش مصنوعی دسترسی دارند و از آنها برای بخشی از وظایف شغلی خود استفاده می‌کنند.
- سطح دوم ـ اتوماسیون: سازمان از AI برای بهبود و خودکارسازی فرایندها و جریان‌های کاری موجود در مقیاس وسیع‌تر استفاده می‌کند.
- سطح سوم ـ بازآفرینی: نقش‌ها، فرایندها، تیم‌ها و مدل عملیاتی از نو طراحی می‌شوند تا سازمان بتواند از تمام ظرفیت هوش مصنوعی استفاده کند.
نکته کلیدی این است که سازمان‌های سطح سوم صرفاً فرایند قدیمی را سریع‌تر نمی‌کنند؛ آنها می‌پرسند اگر امروز این کار را از صفر و با در نظر گرفتن AI طراحی می‌کردیم، فرایند، مسئولیت‌ها و تصمیم‌ها چگونه باید تعریف می‌شد؟
اعداد چه می‌گویند؟
پژوهش مک‌کینزی بر پایه نظرسنجی از بیش از ۷۰۰ مدیر و رهبر ارشد در صنایع و مناطق مختلف انجام شده است. در بخشی از نمونه که سطح بلوغ AI آنها به‌طور مشخص طبقه‌بندی شد، تنها ۱۳ درصد در گروه «بازآفرینان» قرار گرفتند. با این حال، همین گروه در شاخص‌های عملکرد مدل عملیاتی و خلق ارزش، وضعیت بهتری گزارش کرده‌اند.
- ۴۸ درصد از مدیران سازمان‌های بازآفرین گزارش کرده‌اند که از AI ارزش معنادار در سطح بنگاه به دست آورده‌اند.
- این رقم در سازمان‌های سطح توانمندسازی ۱۳ درصد و در سطح اتوماسیون ۲۴ درصد بوده است.
- بازآفرینان در شاخص‌هایی مانند سرعت، وضوح جهت‌گیری، مهارت‌ها و تعهد سازمانی عملکرد بالاتری گزارش کرده‌اند.
- در پژوهش‌های مرتبط مک‌کینزی، نزدیک به سه‌چهارم سازمان‌های با عملکرد بالای AI گفته‌اند که جریان‌های کاری خود را به‌طور اساسی به دلیل استفاده از هوش مصنوعی بازطراحی کرده‌اند.
این داده‌ها یک پیام مهم دارند: ارزش آفرینی از AI بیش از آنکه به تعداد ابزارهای خریداری‌شده وابسته باشد، به توان سازمان برای تغییر شیوه کار وابسته است.
مدل عملیاتی چیست و چرا برای هوش مصنوعی تعیین‌کننده است؟
مدل عملیاتی را می‌توان سازوکاری دانست که استراتژی را به کار روزمره تبدیل می‌کند. این مدل مشخص می‌کند چه کسی تصمیم می‌گیرد، تیم‌ها چگونه سازمان‌دهی می‌شوند، منابع چگونه تخصیص می‌یابند، فرایندها چگونه اجرا می‌شوند و کارکنان بر چه اساسی توسعه می‌یابند و پاداش می‌گیرند.
مک‌کینزی برای بررسی مدل عملیاتی ۱۲ عنصر را در نظر می‌گیرد. نکته مهم این است که هیچ نسخه واحد و یکسانی برای همه سازمان‌ها وجود ندارد؛ مزیت زمانی ایجاد می‌شود که این عناصر با استراتژی شرکت هماهنگ باشند و به‌صورت یک سیستم منسجم عمل کنند.
| عنصر مدل عملیاتی | معنای ساده و کاربردی |
| دستورکار ارزش | سازمان دقیقاً از کجا و چگونه ارزش اقتصادی و مشتری ایجاد می‌کند؟ |
| ساختار | تیم‌ها و واحدها چگونه شکل می‌گیرند و مسئولیت‌ها کجا قرار دارند؟ |
| اکوسیستم | کدام توانمندی‌ها در داخل ساخته می‌شوند و کدام از شرکا تأمین می‌شوند؟ |
| حاکمیت | اولویت‌ها، منابع و عملکرد چگونه مدیریت می‌شوند؟ |
| فرایندها | کار از ابتدا تا انتها چگونه انجام می‌شود؟ |
| فناوری | داده، دیجیتال و AI چگونه در خلق ارزش نقش می‌گیرند؟ |
| رهبری | تصمیم‌ها چگونه گرفته می‌شوند و مدیران چگونه اقدام را تسریع می‌کنند؟ |
| استعداد | سازمان چگونه افراد مناسب را جذب و مهارت‌های لازم را توسعه می‌دهد؟ |
| استقرار نیروی انسانی | مهارت‌ها در کجا و برای کدام نیازهای کسب‌وکار به‌کار گرفته می‌شوند؟ |
| هدف | چرایی و جهت کلی سازمان چیست؟ |
| رفتارها | چه فرهنگ و رفتارهایی در سازمان تقویت می‌شوند؟ |
| پاداش | چه نوع عملکرد و همکاری‌ای مورد تشویق قرار می‌گیرد؟ |
پنج کاری که سازمان‌های موفق‌تر با AI متفاوت انجام می‌دهند
۱. سازمان‌دهی حول ارزش، نه صرفاً سلسله‌مراتب
سازمان‌های بازآفرین بیشتر تمایل دارند تیم‌های بین‌وظیفه‌ای را حول محصول، سفر مشتری یا فرایندهای انتهابه‌انتها شکل دهند. در چنین ساختاری، مسئولیت نتیجه در یک نقطه مشخص قرار می‌گیرد و تیم برای تحقق آن نتیجه، اختیار بیشتری دارد. این رویکرد تعداد تحویل‌دادن‌های غیرضروری بین واحدها را کاهش می‌دهد و سرعت تصمیم‌گیری را بالا می‌برد.
۲. بازطراحی فرایند، نه افزودن AI به همان فرایند قبلی
یکی از اشتباه‌های رایج این است که شرکت‌ها AI را روی یک فرایند ناکارآمد سوار می‌کنند. در مقابل، سازمان‌های پیشرو ابتدا جریان کاری را از ابتدا تا انتها بررسی می‌کنند و سپس مشخص می‌کنند کدام بخش باید توسط انسان، کدام بخش توسط AI و کدام بخش به‌صورت مشترک انجام شود. نتیجه، فرایندی است که از ابتدا برای سرعت، شفافیت و خلق ارزش طراحی شده است.
۳. تصمیم‌گیری سریع‌تر و تخصیص منعطف منابع
فناوری AI با سرعت زیادی تغییر می‌کند؛ بنابراین برنامه‌های ثابت چندساله به‌تنهایی کافی نیستند. سازمان‌های بازآفرین معمولاً سازوکارهایی دارند که بتوانند منابع را سریع‌تر به پروژه‌های موفق منتقل کنند و ابتکارهایی را که نتیجه نمی‌دهند متوقف کنند. به این ترتیب، جهت استراتژیک ثابت می‌ماند، اما مسیر رسیدن به آن بر اساس شواهد و نتایج به‌روز می‌شود.
۴. مدیریت استعداد بر اساس مهارت، نه فقط عنوان شغلی
با تغییر کارها در اثر هوش مصنوعی، مرز ثابت میان مشاغل کم‌رنگ‌تر می‌شود. به همین دلیل، سازمان‌های پیشرو بیشتر به سمت مدل‌های مهارت‌محور حرکت می‌کنند؛ یعنی افراد بر اساس مهارت‌های واقعی، ظرفیت یادگیری و نتایج قابل اندازه‌گیری توسعه می‌یابند و در پروژه‌ها به‌کار گرفته می‌شوند. در این مدل، سؤال اصلی این نیست که «این فرد چه عنوان شغلی دارد؟» بلکه این است که «برای این جریان کاری چه مهارتی لازم است و چه کسی آن مهارت را دارد؟»
۵. پاداش دادن به نتیجه مشترک، نه موفقیت جزیره‌ای
وقتی خلق ارزش به همکاری چند واحد وابسته است، سیستم پاداشی که صرفاً عملکرد فرد یا یک واحد را بسنجد می‌تواند مانع تحول شود. سازمان‌های بازآفرین بیشتر از الگوهای ترکیبی استفاده می‌کنند که هم سهم فرد و هم نتیجه تیم را در نظر می‌گیرد. این کار باعث می‌شود رقابت و انگیزه فردی به سمت نتیجه‌ای هدایت شود که برای کل سازمان ارزش می‌سازد.
چرا سرعت به یک مزیت رقابتی تبدیل شده است؟
زمانی دسترسی به فناوری پیشرفته خود می‌توانست یک مزیت باشد؛ اما وقتی رقبا به مدل‌ها، ابزارها و زیرساخت‌های مشابه دسترسی دارند، مزیت به سمت «سرعت تبدیل فناوری به نتیجه کسب‌وکار» حرکت می‌کند. سازمانی موفق‌تر است که بتواند مسئله مهم را سریع‌تر انتخاب کند، تیم مناسب را تشکیل دهد، داده و فناوری لازم را متصل کند، تصمیم بگیرد و نتیجه را در مقیاس اجرا کند.
در تحقیق مک‌کینزی، سازمان‌های بازآفرین در شاخص سرعت فاصله محسوسی با مراحل پایین‌تر بلوغ AI داشتند. این یافته نشان می‌دهد که سرعت صرفاً یک موضوع فنی نیست؛ بلکه حاصل ساختار، اختیارات، حاکمیت، فرایند و کیفیت رهبری است.
نقش منابع انسانی در ارزش آفرینی هوش مصنوعی
اگر AI باعث تغییر نقش‌ها، مهارت‌ها، فرایندها و نحوه همکاری تیم‌ها می‌شود، منابع انسانی یکی از بازیگران اصلی تحول خواهد بود. نقش منابع انسانی در این مسیر صرفاً برگزاری دوره آموزشی درباره ابزارهای AI نیست؛ بلکه باید طراحی شغل، معماری مهارت، مدیریت عملکرد، توسعه رهبران و نظام پاداش را نیز متناسب با مدل عملیاتی جدید بازنگری کند.
- شناسایی مهارت‌های موردنیاز در جریان‌های کاری جدید و تعیین شکاف مهارتی کارکنان.
- بازطراحی شرح شغل‌ها از فهرست وظایف ثابت به مجموعه‌ای از مسئولیت‌ها و مهارت‌های قابل تغییر.
- تعریف نقش انسان در کنار عامل‌های هوش مصنوعی؛ به‌ویژه در تصمیم‌های حساس، قضاوتی و نیازمند مسئولیت‌پذیری.
- تغییر شاخص‌های عملکرد از حجم فعالیت به نتیجه و ارزش ایجادشده.
- بازنگری نظام پاداش برای تقویت همکاری بین واحدی و نتایج تیمی.
- توانمندسازی مدیران برای تصمیم‌گیری سریع، مدیریت ابهام و هدایت تیم‌های انسان–هوش مصنوعی.
یک نقشه اجرایی ساده برای مدیران
برای شروع، لازم نیست سازمان ده‌ها پروژه AI را هم‌زمان اجرا کند. رویکردی متمرکز و مرحله‌ای می‌تواند اثربخش‌تر باشد:
- یک حوزه یا فرایند با ارزش اقتصادی یا مشتری بالا را انتخاب کنید؛ نه صرفاً جذاب‌ترین ابزار AI را.
- جریان کار موجود را از ابتدا تا انتها ترسیم کنید و نقاط اتلاف، تأخیر و دوباره‌کاری را مشخص کنید.
- برای هر مرحله تعیین کنید نقش مناسب انسان، AI و همکاری مشترک چیست.
- حقوق تصمیم‌گیری، مسئولیت نتیجه و شاخص‌های عملکرد را روشن کنید.
- مهارت‌های موردنیاز را مشخص و تیمی بین‌وظیفه‌ای برای اجرای آزمایشی تشکیل دهید.
- نتیجه را با معیارهای واقعی کسب‌وکار مانند زمان چرخه، هزینه، رضایت مشتری، کیفیت یا درآمد اندازه‌گیری کنید.
- ابتکارهای موفق را گسترش دهید و پروژه‌هایی را که ارزش نمی‌سازند متوقف کنید؛ حتی اگر از نظر فناوری جذاب باشند.
اشتباه‌هایی که می‌توانند سرمایه‌گذاری AI را بی‌اثر کنند
- خرید ابزار قبل از تعریف مسئله کسب‌وکار.
- اتوماسیون فرایندی که اساساً بد طراحی شده است.
- وابسته کردن تحول AI به واحد فناوری و کنار گذاشتن مدیران کسب‌وکار و منابع انسانی.
- تعداد زیاد پایلوت‌های پراکنده بدون مالک نتیجه و معیار اقتصادی روشن.
- حفظ شرح شغل، نظام ارزیابی و پاداش قدیمی در حالی که ماهیت کار تغییر کرده است.
- تمرکز صرف بر بهره‌وری فردی و بی‌توجهی به ارزش ایجادشده در سطح کل سازمان.
جمع‌بندی
پیام اصلی پژوهش مک‌کینزی روشن است: هوش مصنوعی به‌خودی‌خود مزیت رقابتی پایدار ایجاد نمی‌کند، زیرا دسترسی به فناوری به‌تدریج عمومی‌تر می‌شود. آنچه سازمان‌ها را از یکدیگر متمایز می‌کند، توان آنها در بازطراحی مدل عملیاتی و تبدیل AI به شیوه جدیدی برای انجام کار است.
سازمان‌هایی که کار را حول ارزش سازمان‌دهی می‌کنند، فرایندها را از نو می‌سازند، تصمیم‌گیری را سریع‌تر می‌کنند، استعداد را بر اساس مهارت مدیریت می‌کنند و پاداش را به نتایج مشترک پیوند می‌دهند، شانس بیشتری برای تبدیل سرمایه‌گذاری هوش مصنوعی به عملکرد واقعی دارند. بنابراین سؤال کلیدی مدیران دیگر این نیست که «کدام ابزار AI را بخریم؟»؛ بلکه این است که «برای گرفتن ارزش از AI، چه چیزی را در نحوه اداره سازمان باید تغییر دهیم؟»
منبع
McKinsey & Company — The key to AI value is hiding in plain sight: Your operating model
https://www.mckinsey.com/capabilities/people-and-organization/our-insights/the-key-to-ai-value-is-hiding-in-plain-sight-your-operating-model
تاریخ انتشار منبع: ۹ سپتامبر ۲۰۲۶
لینک کوتاه ارسال‌شده توسط شما: https://mck.co/4dpR0Qc
