چرا بودجهٔ هوش مصنوعی به سود تبدیل نمیشود
دو پژوهش تازهٔ MIT و مککینزی به یک نتیجه رسیدند: تفاوت سازمانهای موفق در فناوری نیست، در بازطراحی فرایند است — و سه برابر بیشتر آن را انجام دادهاند.
دو پژوهش تازه، از دو مؤسسهٔ مستقل، به یک نتیجهٔ مشترک رسیدهاند: تفاوت میان سازمانهایی که از هوش مصنوعی سود میبرند و آنهایی که نمیبرند، تقریباً هیچ ربطی به فناوری ندارد.
پاسخ کوتاه
بر پایهٔ نظرسنجی جهانی مؤسسهٔ مککینزی در سال ۲۰۲۶ — با ۱۷۱۹ پاسخدهنده از ۹۷ کشور — سازمانهایی که بیشترین اثر مالی را گزارش کردهاند، حدود سه برابر بیشتر از بقیه فرایند کاری خود را بازطراحی کردهاند. نزدیک به سهچهارم آنها میگویند فرایند را از پایه بازطراحی کردهاند، در برابر یکچهارم بقیه. یعنی متغیر تعیینکننده، بازطراحی کار است، نه انتخاب مدل.
دو عدد که کنار هم معنا پیدا میکنند
عدد اول از گزارش «شکاف هوش مصنوعی مولد» آزمایشگاه رسانهای MIT در چارچوب پروژهٔ NANDA میآید: در نمونهٔ بررسیشده، حدود ۹۵ درصد پروژههای هوش مصنوعی مولد سازمانی بازگشت مالی قابلاندازهگیری نداشتند.
عدد دوم از مککینزی: سهم سازمانهایی که میگویند هوش مصنوعی در سود عملیاتیشان اثر داشته، ۳۷ درصد است و نسبت به سال قبل تقریباً تغییری نکرده. تنها ۶ درصد سازمانها بیش از پنج درصد سود عملیاتی خود را به هوش مصنوعی نسبت میدهند.
انصاف حکم میکند بگوییم عدد ۹۵ درصد بیمناقشه نیست؛ روششناسیاش نقد شده و «بازگشت قابلاندازهگیری» تعریف سختگیرانهای است. ولی بخش ارزشمند این پژوهشها اصلاً آن عدد نیست — بلکه توضیح آنهاست دربارهٔ اینکه آن اقلیت موفق چه کاری متفاوت انجام دادهاند.
تفاوت واقعی: هوشمندی فردی در برابر هوشمندی سازمانی
الگویی که در هر دو پژوهش تکرار میشود این است: بیشتر سازمانها ابزاری خریدهاند که یک کارمند را در یک کار سریعتر میکند، و نامش را تحول گذاشتهاند.
این کار ارزش دارد، ولی ارزشش شخصی است و در صورت مالی سازمان دیده نمیشود. کارمند نامه را سریعتر مینویسد؛ اما تعداد نامهها، مسیر تأیید، زمان انتظار میان مراحل و ظرفیت کل واحد دستنخورده میماند.
هوشمندی سازمانی چیز دیگری است: دانشی که در فرایند مینشیند و با گذشت زمان انباشته میشود. وقتی یک نفر سازمان را ترک میکند، هوشمندی فردی با او میرود؛ هوشمندی سازمانی میماند.
چرا افزودن ابزار به فرایند قدیمی جواب نمیدهد
فرض کنید فرایندی هفت مرحله دارد و مرحلهٔ سوم سه روز طول میکشد چون منتظر تأیید است. اگر ابزار هوشمند را روی مرحلهٔ دوم بگذارید و آن را از دو ساعت به ده دقیقه برسانید، کل فرایند همچنان حدود همان مدت طول میکشد. گلوگاه جای دیگری بود.
این همان چیزی است که مککینزی «بازطراحی» مینامد: اول باید پرسید کدام مرحله واقعاً زمان و ظرفیت میبلعد، و آیا با اطلاعاتی که حالا در دسترس است، آن مرحله لازم است یا شکل دیگری از آن کافی است.
نکتهٔ مدیریتی اینجاست: این پرسش فنی نیست. کسی باید اختیار تغییر خودِ فرایند را داشته باشد. پروژهای که فقط به واحد فناوری اطلاعات سپرده شود، مجاز به تغییر فرایند نیست و ناگزیر به همان «افزودن ابزار» میرسد.
این برای یک سازمان در کرج یعنی چه
بیشتر سازمانهای کرج و البرز — کارخانه، مرکز آموزشی، شرکت خدماتی — بودجهٔ آزمونوخطای چندباره ندارند. همین محدودیت، مزیت هم هست: وقتی نمیتوان همهجا را همزمان هوشمند کرد، ناچار باید یک فرایند مشخص انتخاب شود، و همان انتخاب اجباری دقیقاً کاری است که پژوهشها توصیه میکنند.
توصیهٔ عملی ما این است: یک فرایند، یک سنجهٔ عددی، و یک دورهٔ زمانی کوتاه. اگر آن سنجه تکان نخورد، پروژه بزرگتر نمیشود. روش انتخاب آن فرایند را در اولین پروژهٔ هوش مصنوعی سازمان را چطور انتخاب کنیم نوشتهایم، و روش بازطراحی خودِ فرایند را در بازطراحی فرایند، نه افزودن ابزار.
تیم ما در پارک علم و فناوری البرز این جلسه را حضوری و روی فرایند واقعی سازمان برگزار میکند، چون تشخیص گلوگاه از روی نمودار ممکن نیست؛ باید کنار کسی نشست که کار را انجام میدهد.
پرسشهای متداول
آیا این یعنی هوش مصنوعی برای سازمانها نتیجه نمیدهد؟
نه. یعنی نتیجه از بازطراحی کار میآید نه از خرید ابزار. در همان نظرسنجی، سازمانهای موفق نزدیک سه برابر بیشتر فرایندشان را بازطراحی کردهاند؛ فناوریشان با بقیه تفاوت چندانی نداشت.
کوچکترین سازمانی که میتواند شروع کند چه اندازه است؟
اندازه تعیینکننده نیست؛ داشتن یک فرایند تکرارشونده و قابلاندازهگیری تعیینکننده است. سازمانی با ده کارمند که روزانه صد سفارش را دستی ثبت میکند، نامزد بهتری است از سازمانی با دویست کارمند و کارهای غیرتکراری.
چرا اثر مالی در آمار جهانی تغییر نکرده؟
چون سرمایهگذاری سریعتر از بازطراحی رشد کرده است. خرید ابزار چند هفته طول میکشد و تغییر یک فرایند سازمانی چند ماه؛ آمار سود عملیاتی دومی را نشان میدهد، نه اولی را.
از کجا بفهمیم پروژهمان در آن ۹۵ درصد قرار میگیرد؟
یک آزمون ساده: اگر نتوانید پیش از شروع بنویسید «کدام عدد باید تا چه تاریخی از x به y برسد»، پروژه سنجه ندارد و در پایان هم قابل ارزیابی نخواهد بود.
آیا باید منتظر مدلهای بهتر بمانیم؟
بر پایهٔ همین دو پژوهش، محدودیت اصلی مدل نیست. سازمانی که امروز فرایندش را بازطراحی کند، از مدلهای بهتر فردا هم بیشتر بهره میبرد؛ سازمانی که فرایندش دستنخورده بماند، از هیچ مدلی بهره نخواهد برد.
هزینهٔ شروع چقدر است؟
به دامنه بستگی دارد و پیش از تعریف دقیق مسئله نمیتوان عدد داد. روش ما شروع با یک نمونهٔ اولیه در دامنهٔ محدود است تا پیش از تعهد بزرگتر، اثر واقعی سنجیده شود.
خدمات مرتبط قطره
- مشاوره هوش مصنوعی در کسبوکار — امکانسنجی، انتخاب فرایند و نقشهٔ راه
- آموزش سازمانی — برنامهٔ درونسازمانی و مشاور هوش مصنوعی برای آموزش تیم
- اتوماسیون هوش مصنوعی — بازطراحی و خودکارسازی فرایند
- چتبات سازمانی — پاسخگویی خودکار روی دانش سازمان
- بینایی ماشین — استخراج عدد از تصویر دوربینها
- علم داده — پیشبینی و داشبورد تصمیم
- روباتیک — روباتیک آموزشی، خدماتی و صنعتی
- دوره آموزشی هوش مصنوعی — آموزش کاربردی برای تیمهای فنی
- هوش مصنوعی در کرج — همهٔ خدمات، حضوری در کرج و البرز