نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

29 تیر 1403 1:00 ق.ظ

مورد کاوی وضعیت هوش مصنوعی در کشورهای شورای همکاری خلیج فارس از دید مکینزی

وینی چاندران، آنکیت فادیا، تام ایشروود، نیکیل شاه، کاران سونی

هوش مصنوعی (AI) این پتانسیل را دارد که ارزش واقعی را در کشورهای شورای همکاری خلیج فارس (GCC) خاورمیانه به ارمغان بیاورد – که طبق تحقیقات مک کینزی، 150 میلیارد دلار است. اگرچه سرعت توسعه فناوری های هوش مصنوعی مانند هوش مصنوعی مولد نشان می دهد که می توان به سرعت از این رقم فراتر رفت.

نمونه‌هایی از اینکه چگونه سازمان‌های منطقه در حال حرکت برای گرفتن ارزش هوش مصنوعی هستند، به خوبی منتشر شده است. Careem، یک شرکت مستقر در دبی که در سراسر منطقه فعالیت می کند، می گوید از هوش مصنوعی برای مسدود کردن 35000 کاربر متقلب در بستر تحویل غذا، پرداخت و حمل و نقل خود استفاده کرده است. 3 دستیار مجازی مبتنی بر هوش مصنوعی که توسط اداره برق و آب دبی مستقر شده است از زمان راه اندازی آن در سال 2017، به حدود 6.8 میلیون درخواست پاسخ داده است. و مرکز انقلاب صنعتی چهارم در آرامکو عربستان سعودی می گوید که از سال 2010 با استفاده از داده ها و هوش مصنوعی برای نظارت بر شرایط و انجام اقدامات پیشگیرانه، انتشار شعله های آتش را 50 درصد کاهش داده است.

اما آیا چنین نمونه‌هایی نشان‌دهنده پذیرش گسترده و سریع هوش مصنوعی در سراسر منطقه هستند یا دقیقاً به این دلیل برجسته می‌شوند که جذب آن کند است؟ برای ارزیابی بهتر وضعیت، با موسسه مدیران شورای همکاری خلیج فارس یک نظرسنجی آنلاین از 119 مدیر ارشد و مدیران هیئت مدیره و 21 مصاحبه با پاسخ دهندگان و کارشناسان صنعت در پنج بخش اصلی در هر شش کشور شورای همکاری خلیج فارس انجام دادیم

ما معتقدیم نتایج نشان دهنده وضعیت گسترده تر بازی در شورای همکاری خلیج فارس است.

در نگاه اول، وضعیت نسبتاً دلگرم کننده است. شصت و دو درصد از پاسخ دهندگان می گویند که هوش مصنوعی حداقل در یک کارکرد تجاری در سازمانشان استفاده می شود، که تقریباً با آمریکای شمالی برابری می کند، همانطور که در تحقیقات جهانی قبلی ما (شکل 1) نشان داده شد. .

این مقاله مشخص می‌کند که شرکت‌های حاضر در نظرسنجی ما در حال حاضر تلاش‌های خود را برای استقرار هوش مصنوعی متمرکز کرده‌اند و برخی از دلایل این تمرکز را نشان می‌دهد. همچنین به جایی که ارزش استفاده نشده و بزرگی آن نهفته است اشاره می‌کند و بیشتر نشان می‌دهد که چگونه شرکت‌های شورای همکاری خلیج فارس می‌توانند بر موانعی غلبه کنند که ممکن است گرفتن آن را به تاخیر بیندازند.

وضعیت بازی

بخش‌های مختلف هوش مصنوعی را با سرعت‌های متفاوتی در کشورهای شورای همکاری خلیج فارس اتخاذ می‌کنند. طبق نظرسنجی ما، شرکت‌های خرده‌فروشی بیشترین پیشرفت را داشته‌اند، به طوری که 75 درصد از پاسخ‌دهندگان از آن بخش گفته‌اند شرکت‌های آنها حداقل در یک کار تجاری از هوش مصنوعی استفاده کرده‌اند. پاسخ دهندگان در بخش خدمات مالی و پروژه های سرمایه ای و زیرساخت (CP&I) می گویند که شرکت های آنها در همین معیار پیشرفت کمتری داشته اند (شکل 2).

عوامل مختلف به احتمال زیاد باعث افزایش سرعت پذیرش در بخش‌های مختلف می‌شوند. به عنوان مثال، بسیاری از شرکت‌های انرژی و مواد اولیه سرمایه‌گذاران هوش مصنوعی بوده‌اند، زیرا در بازار رقابتی بین‌المللی فعالیت می‌کنند و مشتاق هستند فرصت‌هایی را که هوش مصنوعی برای افزایش کارایی در تولید، توزیع و نگهداری ارائه می‌دهد، به دست آورند. یکی از مصاحبه‌شوندگان می‌گوید: «شما خواهید دید که بسیاری از شرکت‌ها در این بخش به سرعت از هوش مصنوعی برای رقابت در صحنه جهانی استفاده می‌کنند.

شرکت‌های خرده‌فروشی، سریع‌ترین پذیرندگان هوش مصنوعی در میان شرکت‌کنندگان در نظرسنجی ما، داده‌های زیادی دارند که مدت‌هاست برای به دست آوردن بینش مصرف‌کننده و اطلاع‌رسانی قیمت‌گذاری و تبلیغات استخراج کرده‌اند. مصاحبه‌شوندگان نشان می‌دهند که شرکت‌های خرده‌فروشی اکنون از همان داده‌ها برای شروع سریع استقرار هوش مصنوعی استفاده می‌کنند. از سوی دیگر، بسیاری از شرکت‌ها در صنعت ساخت‌وساز خاورمیانه یا هنوز نمی‌توانند داده‌های مورد نیاز برای آموزش مدل‌های هوش مصنوعی را جمع‌آوری کنند یا قابلیت‌های لازم برای دوختن آنچه را که دارند را ندارند.

اندازه نیز یک مسئله است. صنعت ساخت و ساز عمدتاً از پیمانکاران فرعی و شرکت های کوچکتر تشکیل شده است که بسیاری از آنها از فناوری اینترنت اشیا (IoT) برای جمع آوری داده های مورد نیاز هوش مصنوعی استفاده نمی کنند. به گفته کارشناسان این صنعت نه تنها گرفتن داده ها را دشوار می کند، بلکه هزینه های اولیه هوش مصنوعی را نیز غیرقابل تحمل می کند. شرکت های کوچکتر در خدمات مالی با مشکل مشابهی روبرو هستند. تعدادی از پاسخ دهندگان می گویند که هوش مصنوعی را سرمایه گذاری گران قیمتی می دانند که شرکت هایشان هنوز مایل به انجام آن نیستند.

در خدمات مالی، مصاحبه شوندگان می گویند که موانع نظارتی نیز وجود دارد. در برخی از کشورها، تنظیم‌کننده‌ها اجازه نمی‌دهند داده‌های خاصی در خارج از کشور در ابر عمومی ذخیره شوند. و پاسخ دهندگان می گویند که در حالی که ارزش بالقوه مدل های هوش مصنوعی مرتبط با ریسک را می بینند، تنظیم کننده های مالی هنوز چارچوب ریسک مربوطه را ایجاد نکرده اند، که گرفتن تاییدیه نظارتی برای استقرار هوش مصنوعی را دشوار می کند.

با این حال، این تحقیق همچنین نشان می‌دهد که شرکت‌هایی که اکنون هوش مصنوعی را به کار می‌گیرند، به سختی سطح آنچه را که می‌تواند ارائه دهد، یافته اند. به گفته کارشناسان صنعت، برای شروع، تعداد کمی از شرکت ها از مدل های پیشرفته تر، تجزیه و تحلیل یادگیری ماشین و هوش مصنوعی استفاده می کنند. برای مثال، شرکت‌های بخش انرژی و مواد معمولاً از تکنیک‌های تحلیل خطی مبتنی بر رگرسیون برای فرآیندهای کنترلی استفاده می‌کنند. یک کارشناس صنعت می‌گوید تنها تعداد کمی از پالایشگاه‌های پایین‌دستی اکنون از مدل‌های یادگیری ماشینی برای بهینه‌سازی فرآیندهای انتها به انتها استفاده می‌کنند و به صرفه‌جویی تا 1 دلار در هر بشکه دست می‌یابند. همچنین هوش مصنوعی در بسیاری از عملیات های تجاری استفاده نمی شود (شکل 3). بالاترین حوزه کاربردی در نظرسنجی ما در بازاریابی و فروش است، اگرچه تنها یک سوم پاسخ دهندگان گزارش کرده اند که از هوش مصنوعی در این عملکرد استفاده می کنند. این رقم در سایر عملکردها به سرعت پایین می‌آید و ارزش قابل توجهی و اغلب ناشناخته را در جدول باقی می‌گذارد.

درس هایی از موارد با عملکرد بالا در مورد استفاده از ارزش هوش مصنوعی

تجزیه و تحلیل قبلی McKinsey ارزش طیف وسیعی از موارد استفاده از هوش مصنوعی را در صنایع مختلف در صورت استفاده در سطح جهانی ارزیابی کرد و چگونه این ارزش بر اساس فعالیت تجاری تقسیم شد.

به عنوان مثال، در کالاهای بسته‌بندی خرده‌فروشی و مصرف‌کننده، مدیریت زنجیره تامین و موارد استفاده تولیدی که مورد تجزیه و تحلیل قرار گرفت، پتانسیل تولید ارزشی به ارزش 2.6 درصد و 1.8 درصد از فروش جهانی صنعت را داشت. در خدمات مالی، فرصت بزرگی در موارد استفاده از ریسک مانند کشف تقلب و مدیریت بدهی وجود دارد. شکل 4 اندازه فرصت در بخش های خاص را بر اساس فعالیت تجاری نسبت به سطح فعلی پذیرش توسط شرکت های مورد نظر ما نشان می دهد.

به عنوان مثال، این نمودار نشان می‌دهد که در بخش خرده‌فروشی، ارزش قابل‌توجهی در مدیریت زنجیره تامین و موارد استفاده در تولید نهفته است، اگرچه طبق پاسخ‌دهندگان نظرسنجی ما، پذیرش در این فعالیت‌ها کم است. همین امر در مورد ریسک در خدمات مالی یا بازاریابی و فروش انرژی و مواد نیز صادق است.

به دست آوردن این پتانسیل هرگز آسان نخواهد بود، زیرا به سطح بالایی از تغییرات سازمانی برای تعبیه فناوری هوش مصنوعی و روش‌های جدید کار نیاز دارد. اما کار و تحقیقات جهانی ما در طول پنج سال گذشته مشخص کرده است که چه چیزی شرکت‌های با عملکرد بالا – آنهایی که 20 درصد یا بیشتر از درآمد خود را از هوش مصنوعی به دست می‌آورند – از سایرین متمایز می‌کند.

در شکل 5 اقداماتی که افراد با عملکرد بالا برای ایجاد قابلیت های هوش مصنوعی خود در چهار زمینه انجام می دهند را فهرست می کند: استراتژی، سازمان و استعداد، داده و فناوری، و پذیرش و مقیاس. همچنین نشان می دهد که پاسخ دهندگان نظرسنجی GCC چگونه عملکرد شرکت خود را در همان زمینه ها می بینند. برای مثال، تنها 30 درصد می‌گویند که شرکت‌هایشان استراتژی هوش مصنوعی مشخصی دارند یا شرکت‌هایشان استعداد مناسبی دارند. در زمینه داده و فناوری، تنها 35 درصد احساس می‌کنند که شرکت‌هایشان زیرساخت‌های فناوری و معماری برای پشتیبانی از هوش مصنوعی را دارند، در حالی که تنها 25 درصد می‌گویند که یک برنامه مدیریت تغییر موثر وجود دارد. در هیچ معیاری بیش از 50 درصد از پاسخ دهندگان نگفتند که شرکت های آنها در موقعیت خوبی قرار دارند.

این میانگین ها، البته، تفاوت های قابل توجهی بین بخش ها را پنهان می کند. در گروه نظرسنجی ما، پاسخ‌دهندگان نشان می‌دهند که شرکت‌های انرژی و مواد تقریباً در همه زمینه‌ها جلوتر از منحنی هستند. پذیرش ابر، کلید تقویت هوش مصنوعی، در خرده‌فروشی بالاترین سطح را دارد، اما حتی در اینجا، آگاهی از استراتژی هوش مصنوعی این شرکت کم است، که نشان‌دهنده رویکردی جزئی برای استفاده از هوش مصنوعی به جای یک استراتژی تلفیقی و گسترده سازمانی است. با این حال، جدای از تفاوت‌های بخش، نکته مهم این است که همه شرکت‌های حاضر در نظرسنجی ما کار قابل توجهی برای ایجاد شرایطی دارند که پذیرش هوش مصنوعی را تسریع می‌کند و پتانسیل آن را درک می‌کند.

یک طرح شتاب

ما از پاسخ‌دهندگان نظرسنجی خواستیم که مشخص کنند کدام یک از چهار حوزه (استراتژی، سازمان و استعداد، داده‌ها و فناوری، و پذیرش و مقیاس‌بندی) بزرگ‌ترین چالش را برای شرکت‌هایشان در ساختن اعضای هوش مصنوعی ضروری ایجاد می‌کند. سازمان و استعداد در صدر فهرست قرار گرفتند. سی و هفت درصد از پاسخ دهندگان می گویند این منطقه بیشترین نگرانی را دارد و پس از آن داده ها و فناوری (26 درصد)، پذیرش و مقیاس بندی (21 درصد) و استراتژی (15 درصد) قرار دارند.

با در نظر گرفتن این موضوع، ما با مصاحبه‌شوندگان خود برخی از چالش‌های دقیقی را که شرکت‌های GCC در هر یک از چهار حوزه با آن‌ها روبرو هستند و چگونگی غلبه بر آنها بررسی کردیم. اقدامات متعددی ظاهر شد که می‌تواند به تسریع پذیرش هوش مصنوعی توسط شرکت‌های منطقه کمک کند (جدول را ببینید).

سازمان‌های کشورهای شورای همکاری خلیج فارس می‌توانند با مقابله با چالش‌ها در چهار حوزه کلیدی، پذیرش هوش مصنوعی را تسریع بخشند.

استراتژی

شرکت‌هایی که بیشترین ارزش را از هوش مصنوعی تولید می‌کنند، استراتژی‌ای دارند که هوش مصنوعی را به استراتژی سازمانی خود پیوند می‌دهد، که به معنای استقرار هوش مصنوعی برای بهبود بخش‌های حیاتی کسب‌وکار است. برای کمک به تحقق آن، شرکت ها می توانند مراحل زیر را انجام دهند.

با ایجاد آگاهی، از جذب رهبری ارشد اطمینان حاصل کنید.

 احتمالاً مهمترین عامل اساسی یک استراتژی قوی هوش مصنوعی، تعهد قوی از سوی رهبری ارشد است. بدون آن، ممکن است بودجه هوش مصنوعی وجود نداشته باشد – مشکلی که توسط 60 درصد پاسخ دهندگان در نظرسنجی شناسایی شده است، حتی اگر استقرار هوش مصنوعی ناگزیر نیاز به هزینه برای داده ها، فناوری، استعدادهای تجزیه و تحلیل و تعبیه تجزیه و تحلیل در جریان های کاری فرآیند کسب و کار دارد. افراد با عملکرد بالا در تحقیقات جهانی ما تقریباً دو برابر بیشتر از سایرین احتمال دارد که تعهد رهبری قوی به هوش مصنوعی داشته باشند و هشت برابر بیشتر احتمال دارد که بیش از 20 درصد از بودجه فناوری دیجیتال خود را صرف فناوری‌های مرتبط با هوش مصنوعی کنند.

با این حال، بعید به نظر می رسد که تعهد رهبری در آینده باشد، مگر اینکه رهبران مدل های هوش مصنوعی و موارد استفاده بالقوه و در نهایت، قدرت تحول آفرین هوش مصنوعی را درک کنند. اما اغلب این‌طور نیست: یکی از مصاحبه‌شوندگان از بخش خدمات مالی می‌گوید: «رهبران ارشد از اینکه چگونه می‌توان از هوش مصنوعی در عملیات تجاری استفاده کرد، و برای پذیرش آن چه باید کرد، آگاهی ندارند. یکی دیگر می‌گوید: «هوش مصنوعی برای بخش CP&I به‌عنوان زمان‌بر، پرهزینه و مستعد خطا در نظر گرفته می‌شود،» که نشان می‌دهد خطرات درک شده بیشتر از مزایای آن است.یکی از راه‌های ارتقای آگاهی بیشتر می‌تواند این باشد که مطمئن شویم هیئت‌مدیره‌های شرکت دارای کارشناسانی در زمینه فناوری‌های دیجیتال هستند که ارزش آن‌ها را درک می‌کنند. بدون آنها، هیئت مدیره ممکن است تمایلی به سرمایه گذاری بزرگ در مناطقی با تأثیر نامشخص نداشته باشند. یکی از مصاحبه‌شوندگان می‌گوید: «اعضای هیئت‌مدیره، نه به‌طور غیرطبیعی، در برخورد با مسائل تجاری که با آن‌ها آشنا هستند، احساس راحتی بیشتری می‌کنند تا اینکه به ناشناخته‌ها بپردازند».

یک نقشه راه مورد استفاده به رهبری کسب و کار تهیه کنید.

چندین مصاحبه‌شونده به ما گفتند که سازمان‌هایشان رویکردی جزئی برای پذیرش هوش مصنوعی دارند، و موارد استفاده از هوش مصنوعی را بدون چشم‌انداز بلندمدت تلفیقی اجرا می‌کنند. یک نقشه راه – نقشه ای که به وضوح موارد استفاده را که در سال های اول و دوم تحول هوش مصنوعی ایجاد می شود و به چه ترتیبی مشخص می کند – کمک خواهد کرد. در کوتاه مدت، اولویت باید به موارد استفاده ای داده شود که بیشترین تأثیر را دارند، هدف این است که به سرعت ارزش هوش مصنوعی را نشان داده و اشتیاق ایجاد کند. با در نظر گرفتن تأثیر تجاری، همچنین مهم است که تیم‌های تجاری در هنگام شناسایی و اولویت‌بندی موارد استفاده از نزدیک با آن‌هایی که در فناوری اطلاعات هستند همکاری کنند. و برای هر مورد استفاده، یک فرد واحد، در حالت ایده آل از کسب و کار، باید پاسخگوی توسعه و استقرار باشد تا از ارتباط آنها با کسب و کار اطمینان حاصل شود.

استراتژی را به اشتراک بگذارید و مدیریت را پاسخگو کنید.

 هنگامی که متعهد شدند، رهبران ارشد باید با اطمینان از اینکه مردم ارزش مورد نظر را درک می‌کنند و با فناوری‌های هوش مصنوعی و موارد استفاده آشنا هستند – و با مسئول ساختن مدیران ارشد و میانی برای اجرای استراتژی هوش مصنوعی، مطمئن شوند که استراتژی در کل سازمان فیلتر می‌شود.

سازمان و استعداد

قدرت یک استراتژی هوش مصنوعی به خوبی ساخته شده به افرادی بستگی دارد که آن را اجرا می کنند، به همین دلیل است که رقابت بین شرکت ها برای جذب افراد با مهارت های مناسب بسیار شدید است و چرا کارمندان عالی در تحقیقات جهانی ما بسیار سخت تلاش می کنند تا آنها را نیز بسازند. مهارت های خود آنها سه برابر بیشتر از دیگران برنامه های آموزشی داخلی تعریف شده ای دارند.

تقاضای بالا فقط برای استعدادهای فنی نیست، بلکه برای دانشمندان داده و مهندسان هوش مصنوعی نیز وجود دارد. اجرای موارد استفاده از هوش مصنوعی به تیم‌های چندکاره‌ای بستگی دارد که شامل مهندسان داده، معماران داده، متخصصان تجسم داده‌ها، و از اهمیت حیاتی آن‌هایی است که کمک می‌کنند تا اطمینان حاصل شود که بینش‌های تولید شده از تجزیه و تحلیل به تأثیر تبدیل می‌شوند. اینها شامل مدیران محصولی است که بر توسعه و پذیرش برنامه‌های هوش مصنوعی نظارت می‌کنند و مترجمان تحلیلی که پلی بین رهبران کسب‌وکار و کارشناسان فنی ایجاد می‌کنند.

چند نفر از مصاحبه شوندگان ما می گویند بزرگترین چالش استعدادشان این است که این نقش ها را ایفا کنند. یکی از بانک‌های منطقه‌ای، می‌گوید که شرکتش دیر متوجه اهمیت آن‌ها شد و در نتیجه، با مقاومت تیم‌های تجاری برای اتخاذ موارد استفاده از هوش مصنوعی مواجه شد، زیرا احساس می‌کرد که آنها بی‌ربط هستند.

سایر مصاحبه شوندگان می دانند که جذب استعدادها در یک بازار رقابتی جهانی ممکن است برای شرکت های شورای همکاری خلیج فارس با توجه به عدم بلوغ نسبی آنها در هوش مصنوعی دشوارتر باشد. آنها ممکن است بتوانند بسته‌های جبرانی جذابی را ارائه دهند، اما در زمینه‌ای که فناوری دائماً در حال پیشرفت است، استعدادها نه تنها از طریق جبران، بلکه با فرصت‌هایی برای رشد و یادگیری جذب می‌شوند و توضیح می‌دهند که چرا استعدادها اغلب به سمت خوشه‌های فناوری مانند سیلیکون جذب می‌شوند. دره، که کارگران را در معرض جدیدترین ایده ها و پیشرفت ها قرار می دهد.

برای غلبه بر چنین چالش‌هایی – و به یاد داشته باشید، 70 درصد از پاسخ‌دهندگان به نظرسنجی می‌گویند که شرکت‌هایشان ترکیب مناسبی از استعدادهای هوش مصنوعی امروزی ندارند – شرکت‌های GCC احتمالاً به یک استراتژی جذب و حفظ استعداد قوی نیاز دارند. اقدامات زیر می تواند به ایجاد یک کمک کند.

یک پیشنهاد ارزش جذاب بسازید.

بهترین کارکنان هوش مصنوعی می‌خواهند روی جالب‌ترین مشکلات با درجه بالایی از استقلال کار کنند و مسیرهای شغلی می‌خواهند که به آنها کمک کند ارزشمندترین دارایی خود را توسعه دهند: مهارت‌هایشان. بنابراین، شرکت‌های شورای همکاری خلیج فارس ممکن است نیاز داشته باشند که یک رویکرد تمیز برای استخدام اتخاذ کنند. یکی از مصاحبه‌شوندگان می‌گوید که شرکت او از زمانی که نقش‌های جدید و کاملاً تعریف شده و مسیرهای شغلی را برای متخصصان تحلیلی مطابق با معیارهای جهانی تعیین کرده است، به جای تلاش برای تغییر نقش‌های قدیمی، در جذب استعدادها موفق‌تر بوده و یک پیشنهاد هدفمند ایجاد کرده است. او می‌گوید: «ما متوجه شدیم که باید نقش‌ها و فرصت‌هایی برای استعدادها ایجاد کنیم که برای مردم چالش‌برانگیز و هیجان‌انگیز باشد.

خدمات فراساحلی را در نظر بگیرید. برخی از شرکت‌های شورای همکاری خلیج فارس از خدمات فراساحلی برای تقویت منابع هوش مصنوعی خود استفاده می‌کنند و به آنها کمک می‌کند تا یک استراتژی هوش مصنوعی را شروع کنند و موارد استفاده پیشرفته را توسعه دهند. یکی از پاسخ‌دهندگان می‌گوید: «ما شرکت‌ها را با بهره‌گیری از استعدادهای موجود در مکان‌هایی مانند هند مشاهده کرده‌ایم.

سرمایه گذاری در ایجاد قابلیت خدمات فراساحلی، اگرچه مفید هستند، نمی توانند جایگزین برنامه هایی برای ارتقای مهارت نیروی کار فعلی شوند. اینها ابزاری برای ایجاد آگاهی عمومی از اهمیت فناوری‌های هوش مصنوعی و موارد استفاده – یک ذهنیت اولیه هوش مصنوعی – و پر کردن نقش‌های تحلیلی حیاتی هستند. افرادی که به کسب و کار نزدیک هستند و اولویت های آن را درک می کنند، اغلب می توانند آموزش فنی ببینند تا مترجمان و مدیران محصول مورد نیاز هوش مصنوعی شوند. یکی از پاسخ‌دهندگان بخش بانکی می‌گوید که شرکت او نتایج چشمگیری را در آموزش مدیران به این روش دیده است.

با دانشگاه همکاری کنید.

 برخی از مصاحبه شوندگان می گویند که شرکت های شورای همکاری خلیج فارس فرصتی را برای جذب دانشجویان از دانشگاه ها و موسسات تحقیقاتی محلی که اغلب هدفشان پیوستن به شرکت های بزرگ فناوری بین المللی است، از دست می دهند. ایجاد روابط بهتر با این مؤسسات از طریق تأمین مالی تحقیقات یا همکاری در پروژه‌های خاص می‌تواند آگاهی دانش‌آموزان را نسبت به کاری که شرکت‌های GCC انجام می‌دهند و فرهنگ آنها افزایش دهد.

داده ها و فناوری

سازمان‌هایی با داده‌های قابل اعتماد و قابل دسترسی آسان می‌توانند راه‌حل‌ها را سریع و با دقت بیشتری ارائه دهند. افراد با عملکرد بالا در تحقیقات جهانی ما تقریباً چهار برابر بیشتر از دیگران احتمال دارند که بتوانند داده ها را به سرعت در مدل های هوش مصنوعی ادغام کنند. اما مصاحبه شوندگان به ما می گویند که ایجاد داده های با کیفیت بالا می تواند مانند یک چالش بی پایان به نظر برسد. یکی آن را به‌عنوان یک تله داده توصیف می‌کند – تلاشی مداوم برای درست کردن محصول داده که تولید هر گونه ارزشی از آن را برای همیشه به تأخیر می‌اندازد. همچنین احتمال بیشتری وجود دارد که افراد با عملکرد بالا از فناوری مدرنی برخوردار باشند که قادر به استفاده کارآمد از داده های آنها باشد. اما در اغلب موارد، ابتکارات فناوری از هم گسیخته شرکت‌ها منجر به تلاش‌های مضاعف و پیچیدگی معماری‌های فناوری سفارشی می‌شود که ساخت، مدیریت و نگهداری آنها پرهزینه است. بنابراین تعجب آور نیست که 50 درصد از پاسخ دهندگان به این نظرسنجی می گویند که شرکت های آنها استراتژی داده ای واضحی ندارند و 65 درصد می گویند که زیرساخت های فناوری و معماری برای ایجاد نتایج قوی هوش مصنوعی را ندارند. طیف وسیعی از فرصت ها برای کمک به بهبود امور وجود دارد، از جمله موارد زیر.

مدیریت داده ها به عنوان یک محصول برای ارائه ارزش کوتاه مدت و بلند مدت.

یک محصول داده خوب محصولی است که دسترسی به آن آسان باشد و بتوان آن را برای چالش های مختلف تجاری اعمال کرد. اما ساخت چنین محصولی اغلب می تواند یک تلاش طولانی باشد. برای به دست آوردن ارزش سریعتر از سرمایه گذاری داده ها، برخی از شرکت ها محصولات داده را به همان روشی که ممکن است در مورد توسعه یک محصول مصرفی انجام دهند، توسعه می دهند. همانطور که خودروسازان یک مدل استاندارد طراحی می کنند که می تواند برای کاربران مختلف سفارشی شود تا فروش را به حداکثر برسانند، شرکت ها نیز می توانند یک محصول داده پایه طراحی کنند که می تواند سفارشی شود. این می تواند به آنها کمک کند تا ارزش امروز را ارائه دهند و در عین حال راه را برای ارزش بیشتر با افزودن قابلیت ها و تکامل محصول هموار کند.10 هنوز بیشتر به مدیریت داده های خوب بستگی دارد که به دلیل نیازهای کسب و کار هدایت می شود تا استفاده از یک رویکرد یکسان برای همه. کل داده های یک سازمان در واقع، برخی از سازمان‌ها در منطقه می‌گویند که تلاش‌های آنها برای اطمینان از استانداردهای داده‌های با کیفیت، پشتوانه بسیاری از موفقیت‌های آنها در هوش مصنوعی تا به امروز بوده است.

یک معماری فن‌آوری مدرن و انعطاف‌پذیر بسازید. همانطور که بسیاری از سازمان‌ها راه سختی را آموخته‌اند، فناوری‌های قدیمی به ندرت برای هدف در دنیای مبتنی بر هوش مصنوعی مناسب هستند و تطبیق آنها پرهزینه و زمان‌بر است. علاوه بر این، با پیشرفت فناوری های هوش مصنوعی، خطر افزایش بدهی فنی و پیچیدگی نیز افزایش می یابد. بنابراین، شرکت‌ها باید فراتر از آنچه امروز برای هدف مناسب است فکر کنند، و در عوض یک زیرساخت ماژولار و ترکیبی را در نظر بگیرند – زیرساختی که در آن بهترین فناوری‌های موجود را می‌توان به راحتی در فرآیندهای انتها به انتها ادغام کرد و به راحتی با موارد جدیدتر جایگزین کرد بدون اینکه کل آن شکسته شود. سیستم، و سیستمی که شامل ذخیره سازی داخلی و ابری و توان محاسباتی است. افراد با عملکرد بالا در تحقیقات جهانی ما 2.5 برابر بیشتر از سایر شرکت ها دارای معماری داده ماژولار هستند که می تواند به سرعت موارد استفاده جدید از هوش مصنوعی را در خود جای دهد.

پذیرش و مقیاس بندی

این واقعیت که افراد با عملکرد بالا تقریباً 1.5 برابر بیشتر احتمال دارد که فناوری ها را در فرآیندهای تجاری روزمره ادغام کنند، نشان دهنده موفقیت آنها است. «سازمان‌ها موفقیت‌های کوچک را تبلیغ می‌کنند. یکی از مصاحبه شوندگان با تاکید بر چالش ادغام هوش مصنوعی در شرکتشان می گوید: باید یک تغییر اساسی به سمت یک ذهنیت دیجیتالی و مبتنی بر داده برای سازمان ها ایجاد شود تا واقعاً هوش مصنوعی را بپذیرند. و یکی از مدیران یک شرکت خرده‌فروشی مستقر در امارات می‌گوید: «ما در چند سال گذشته آزمایش‌های زیادی انجام داده‌ایم، اما می‌توانم بگویم که هرگز واقعاً هوش مصنوعی را قبول نکرده‌ایم».

به گفته مصاحبه‌شوندگان، حتی شرکت‌هایی که جاه‌طلبی‌های هوش مصنوعی بالایی دارند، می‌توانند زمانی که پایلوت‌ها را در عملیات‌های تجاری گسترده‌تر قرار دهند، با مقاومت مواجه شوند. بخشی از مشکل این است که توضیح اینکه مدل‌های هوش مصنوعی چگونه کار می‌کنند، می‌تواند سخت باشد، و پذیرفتن اینکه آنها ارزش ارائه می‌دهند بسیار سخت است. دیگری ترس در میان کارمندان است که کارشان تغییر کند یا مهارت های لازم برای استقرار هوش مصنوعی را ندارند. اقدامات زیر می تواند به غلبه بر مقاومت کمک کند و پذیرش هوش مصنوعی در عملیات روزمره را به یک ماموریت مشترک تبدیل کند.

تجزیه و تحلیل را کاربر پسند کنید.

 برای غلبه بر مقاومت، شرکت ها به ترکیب مناسبی از ابزارهای فنی مانند میان افزارهای دارای API و ابزارهای پشتیبانی مانند داشبوردهای بصری، موتورهای توصیه و برنامه های تلفن همراه نیاز دارند. هدف این است که تجزیه و تحلیل را برای کسانی که تصمیم می‌گیرند، چه مدیران فروشگاه و چه متخصصان آزمایشگاه بالینی، کاربرپسند و مرتبط کنند.

ایجاد همکاری بین IT و تیم های تجاری. همانطور که بحث شد، تیم‌های تجاری باید با فناوری اطلاعات کار کنند تا یک نقشه راه برای معرفی موارد استفاده از هوش مصنوعی ایجاد کنند تا مطمئن شوند که تأثیر تجاری دارند. با این حال، چنین همکاری هایی همچنین به پذیرش پذیرش از طریق احساس یک مأموریت مشترک کمک می کند. احتمال دارد شرکت‌های با عملکرد بالا دو برابر سایرین فرآیندی مشترک بین تیم‌های تجاری و فنی برای ساخت و بهبود برنامه‌های هوش مصنوعی داشته باشند.

برنامه مدیریت تغییر را آغاز کنید.

 شرکت‌ها اغلب درک نمی‌کنند که مدیریت تغییر چقدر برای مقیاس‌بندی استفاده از هوش مصنوعی اهمیت دارد. به یاد بیاورید که در نظرسنجی ما، 75 درصد از پاسخ دهندگان می گویند که شرکت آنها برنامه مدیریت تغییر هوش مصنوعی موثری ندارد. در عوض، آن‌ها بر روی مسائل فوری‌تر مانند کسب داده‌ها و استعدادهای مناسب تمرکز می‌کنند. اما اگر کارمندان از هوش مصنوعی در کارهای روزمره خود استفاده نمی کنند، هر گونه بینش پیشتاز به هدر می رود. از سوی دیگر، افراد با عملکرد بالا، 1.5 برابر بیشتر احتمال دارد که برنامه های مدیریت تغییر را اجرا کنند تا پذیرش هوش مصنوعی به یک ماموریت مشترک در سراسر شرکت تبدیل شود.

یک برنامه مدیریت تغییر قدرتمند باید شامل یک برنامه ارتباطی باشد که اهمیت هوش مصنوعی را به همه منتقل کند، فرصت‌های مهارت‌سازی را ارائه دهد و اطمینان حاصل کند که مدل‌های نقش روش‌های جدید کار را نشان می‌دهند. یکی از شرکت‌های مستقر در امارات متحده عربی که در نظرسنجی ما نمایندگی می‌کند، یک برنامه مدیریت تغییر دارد که توسط رهبری ارشد حمایت می‌شود، آگاهی از موارد استفاده از هوش مصنوعی و پتانسیل ارزش آن‌ها را افزایش می‌دهد، تأثیر به‌دست‌آمده را عمومی می‌کند، و به پذیرش هوش مصنوعی در سراسر سازمان پاداش می‌دهد.

هوش مصنوعی این قدرت را دارد که نحوه عملکرد شرکت‌ها در شورای همکاری خلیج فارس را تغییر دهد و برای خود و اقتصادهایی که در آن فعالیت می‌کنند ارزش ایجاد کند. با این وجود، نظرسنجی ما نشان می‌دهد که بسیاری از شرکت‌ها در پذیرش این فناوری کند بوده‌اند.

مراحل توصیه شده در این مقاله می تواند به تغییر آن کمک کند، زیرا هدف آنها مقابله با چالش های ظاهر شده در تحقیق ما است که می تواند پذیرش را به تاخیر بیندازد. مسائل دیگری نیز نیاز به توجه دارند، مانند مدیریت ریسک هوش مصنوعی. و شرکت ها تنها سازمان هایی نیستند که می توانند پذیرش هوش مصنوعی را در اقتصاد افزایش دهند. دولت‌ها نیز باید نقشی ایفا کنند. با این حال، آگاهی از اینکه چقدر ارزش توسط شرکت‌های شورای همکاری خلیج فارس استفاده نشده است، باید آن‌ها را تشویق کند که قاطعانه و بدون تأخیر اقدام کنند. پذیرش هوش مصنوعی ممکن است اغلب یک فرآیند کند و چالش برانگیز باشد، اما این جایزه می تواند ارزشمند باشد.

درباره نویسنده (نویسندگان)

وینی چاندران شریک دفتر مک کینزی در دبی است، جایی که آنکیت فادیا شریک همکار، تام ایشروود شریک ارشد و کاران سونی مشاور است. نیکیل شاه مشاور دفتر ریاض است.

نویسندگان مایلند از سعدی عظیم، آنکیت بیشت، دیوید دلالو، جیگر پاتل، اردم سنول، هانس مارتین استوکمایر و نیتاشا ولیا به خاطر مشارکت در این مقاله تشکر کنند. آنها همچنین می خواهند از جین والس و نیلم باتیا از موسسه مدیران شورای همکاری خلیج فارس تشکر کنند.

https://www.mckinsey.com/

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

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