9 ژوئیه 2025 -نوشته باب استرنفلز و یووال اتسمون
ظهور سریع نسل جدید هوش مصنوعی، یک واقعیت در محل کار را برجسته می‌کند: خطوط مقدم اغلب فناوری‌های جدید را بسیار سریع‌تر از مدیران می‌پذیرند. در اینجا نحوه غلبه بر موانع سازمانی برای ایده‌های متحول‌کننده آمده است.
آینده از قبل اینجاست – فقط به طور مساوی توزیع نشده است.ویلیام گیبسون (مستند سایبرپانک، 1990)
سرعت سرسام‌آوری که فناوری هوش مصنوعی با آن در حال تکامل است، همگام شدن با روش‌های جدید بسیاری را که می‌تواند نحوه کار افراد را تغییر دهد، تقریباً غیرممکن می‌کند. با این حال، برای اکثر سازمان‌ها، شکاف بین آنچه ممکن است و آنچه اجرا می‌شود، به طور پیوسته در حال افزایش است. یک نظرسنجی جهانی مک‌کینزی در سال ۲۰۲۴ نشان داد که از هر ده کارمند، نه نفر از هوش مصنوعی نسل اول برای کار خود استفاده می‌کنند و ۲۱ درصد از آنها کاربران پرمصرف هستند. اما در حالی که اشتیاق کارمندان بالا بود، پذیرش رسمی ابزارهای هوش مصنوعی در اکثر سازمان‌ها عقب مانده بود: تنها ۱۳ درصد از کارمندان مورد بررسی، سازمان خود را از اولین پذیرندگان می‌دانستند.
پذیرش آهسته ابزارهای جدید توسط نهادها پدیده جدیدی نیست. این اتفاق زمانی رخ داد که بومیان دیجیتال سال‌ها قبل از اینکه کارفرمایانشان رسماً این فناوری‌ها را تأیید کنند، با استفاده از پلتفرم‌های مبتنی بر ابر همکاری می‌کردند و از طریق رسانه‌های اجتماعی با مشتریان ارتباط برقرار می‌کردند. اخیراً، بومیان موبایل شروع به انجام تجارت از طریق برنامه‌های پیام‌رسان و گردش‌های کاری مبتنی بر موبایل کردند، در حالی که بخش‌های فناوری اطلاعات شرکت‌ها هنوز در مورد سیاست‌های امنیتی گوشی‌های هوشمند بحث می‌کردند. اکنون جهان شاهد ظهور بومیان هوش مصنوعی – معمولاً کارمندان جوان‌تر – است که از قبل از ابزارهای هوش مصنوعی نسل اول برای تهیه پیش‌نویس ایمیل، نوشتن کد و تجزیه و تحلیل داده‌ها استفاده می‌کنند، در حالی که تصمیم‌گیرندگان و بودجه‌پردازان نگران هزینه‌های حاکمیتی و فناوری‌های اولیه هستند.
تفاوت‌ها این بار سرعت و مقیاس تغییر است. زمان بین تبدیل قابلیت‌های هوش مصنوعی نسل جدید به یک مزیت رقابتی و تبدیل شدن به یک ضرورت رقابتی، به طرز چشمگیری کوتاه‌تر از گذارهای فناوری اولیه است. سازمان‌هایی که در هنر پذیرش سریع مهارت دارند، قوانین جدید صنایع خود را تعیین خواهند کرد.
زمان بین تبدیل قابلیت‌های هوش مصنوعی نسل جدید به یک مزیت رقابتی و تبدیل شدن به یک ضرورت رقابتی، به طرز چشمگیری کوتاه‌تر از گذارهای فناوری اولیه است.
اما رهبران چگونه یادگیری را در کل یک سازمان بدون قربانی کردن کیفیت یا ایجاد هرج و مرج تسریع می‌کنند؟ چگونه آنها اطمینان حاصل می‌کنند که شرکت بیشترین ارزش را از بخش‌های پراکنده نوآوری به دست می‌آورد؟ ما در مورد چهار طرز فکر و شیوه‌ای که می‌توانند کمک کنند، بحث می‌کنیم.
آنچه را که در حال رشد است پرورش دهید
در کتاب «باغبان و نجار: آنچه علم جدید رشد کودک در مورد رابطه بین والدین و فرزندان به ما می‌گوید» (فارار، اشتراوس و ژیرو/انتشارات مک‌میلان، ۲۰۱۶)، آلیسون گوپنیک، روانشناس رشد، استدلال می‌کند که والدین باید به کودکان اجازه دهند تا بر اساس تمایلات طبیعی خود و نه بر اساس ساختارهای از پیش تعیین شده، رشد کنند. این مفهوم که او آن را «طرز فکر باغبان» می‌نامد، به همان اندازه که برای والدین مرتبط است، برای رهبران سازمانی نیز مرتبط است: رشدی را که می‌بینید پرورش دهید. موفق‌ترین مدیران بر شناسایی جوانه‌ها تمرکز می‌کنند – کارمندان، تیم‌ها یا بخش‌هایی که در حال آزمایش فناوری‌های جدید هستند و نتایج اولیه امیدوارکننده‌ای را نشان می‌دهند. آنها می‌پرسند: «نوآوری در کجا در حال وقوع است؟ چه کسی مشکلات را به روش‌های شگفت‌انگیز و مؤثر حل می‌کند؟»
با این حال، اکثر سازمان‌ها «طرز فکر نجار» را ترجیح می‌دهند: برنامه‌ریزی دقیق تک تک جزئیات تحول فناوری از بالا به پایین. این رویکرد نمی‌تواند با سرعت فعلی تغییر همگام باشد. رهبرانی که سعی می‌کنند دقیقاً مشخص کنند که هوش مصنوعی چگونه باید در سازمان‌هایشان پیاده‌سازی شود، اغلب خود را در حال ساختن راه‌حل‌های دیروز برای مشکلات فردا می‌بینند.
رهبرانی که سعی می‌کنند دقیقاً مشخص کنند که هوش مصنوعی چگونه باید در سازمان‌هایشان پیاده‌سازی شود، اغلب خود را در حال ساختن راه‌حل‌های دیروز برای مشکلات فردا می‌بینند.
تجربه یک شرکت خدمات مالی آسیایی را در نظر بگیرید که تیم‌هایش را به طور غیررسمی در حال استفاده از هوش مصنوعی برای ساده‌سازی توسعه برنامه یافت. مدیران از این نوآوری استقبال کردند و یک لایه داده مشترک ایجاد کردند که به تیم‌ها اجازه می‌داد مراحل وقت‌گیر، مانند برچسب‌گذاری داده‌ها را خودکار کنند، که زمان توسعه برنامه‌های هوش مصنوعی را به نصف کاهش می‌داد.
ما نمونه‌های مشابه زیادی دیده‌ایم، مانند تیم‌های خدمات مشتری که بی‌سروصدا از چت‌بات‌های هوش مصنوعی برای تهیه پاسخ‌ها استفاده می‌کنند و اغلب زمان پاسخ خود را به طرز چشمگیری کاهش می‌دهند. برخی از تیم‌های مدیریتی، نگران امنیت یا حاکمیت، چنین آزمایش‌هایی را متوقف می‌کنند، در حالی که برخی دیگر به مطالعه آنچه آنها را موفق می‌کند، اصلاح رویکردها و کمک به مقیاس‌بندی آنها می‌پردازند. شناخت و پرورش آنچه در حال رشد است، احتمال بیشتری برای پیشرفت نوآوری دارد تا تلاش برای کاشت بذر بر اساس نظریه‌ها. اما به کارگیری طرز فکر یک باغبان مستلزم آن است که رهبران زمان بیشتری را صرف مشاهده الگوها و زمان کمتری را صرف ایجاد برنامه‌های سفت و سخت کنند. این به معنای پذیرش این است که متحول‌کننده‌ترین ایده‌ها اغلب از مکان‌های غیرمنتظره در سازمان پدیدار می‌شوند.
ایجاد انگیزه برای پذیرش
همه می‌دانند که تغییر عادات کاری تثبیت‌شده و یادگیری ابزارهای جدید چقدر دشوار است. لایه میانی اکثر سازمان‌ها – مدیران و متخصصان ارشد که لحن فرهنگی را تعیین می‌کنند – اغلب به دلیل منافع شخصی منطقی، مقاوم‌ترین قشر در برابر تغییر هستند. آنها سرشان شلوغ است، روش‌های فعلی‌شان به طور معقولی خوب کار می‌کند و منحنی یادگیری برای فناوری‌های جدید می‌تواند دلهره‌آور به نظر برسد.
هم انگیزه‌های مالی و هم اجتماعی برای تشویق به پذیرش معنادار ضروری هستند. اما مؤثرترین پاداش‌ها بر یادگیری تمرکز دارند نه فقط استفاده. سازمان‌های موفق به جای ارائه پاداش برای پیاده‌سازی هوش مصنوعی، به کارمندان برای نشان دادن شایستگی‌های جدید، به اشتراک گذاشتن بینش با همکاران و کمک به دیگران در پیمایش منحنی یادگیری پاداش می‌دهند. قدردانی اجتماعی اغلب قدرتمندتر از پاداش‌های مالی است. وقتی رهبران محترم تیم، سفرهای یادگیری هوش مصنوعی خود را به اشتراک می‌گذارند و علناً اذعان می‌کنند که هنوز در حال یادگیری هستند، موانع روانی را برای دیگران کاهش می‌دهند.
سازمان‌های بزرگ متعددی (از جمله مک‌کینزی) مسابقات نوآوری برگزار می‌کنند که در آن همکاران با گروه‌های متنوعی از همکاران خود همکاری می‌کنند و ایده‌هایی را ارائه می‌دهند. تیم‌هایی که به دورهای بعدی راه پیدا می‌کنند، ممکن است منابع بیشتر، پشتیبانی تخصصی و رهبری بیشتری دریافت کنند. بهترین شرکت‌ها چنین مشوق‌هایی را نه تنها در طول رویدادهای سالانه، بلکه هر روز ارائه می‌دهند. یکی از مدیران اجرایی فناوری می‌گوید که آیین‌های نوآوری، از جمله روزهای نوآوری منظم که در طی آن «تیم‌ها علایق را بررسی می‌کنند و ایده‌هایی را کشف می‌کنند که ممکن است هنوز ترسیم نشده باشند»، در شرکت آنها فراگیر است. این جلسات اغلب منجر به کشف‌های غیرمنتظره‌ای می‌شوند که سازمان را به اولویت‌بندی مجدد موج بعدی پروژه‌های خود سوق می‌دهد.
تقویت یادگیری سریع
سازمان‌های موفق فقط بیشتر از همکاران خود آزمایش نمی‌کنند؛ آنها بهتر آزمایش می‌کنند. آنها اصول را از دنیای دقیق تست A/B وام می‌گیرند و آنها را در نوآوری سازمانی به کار می‌گیرند:
با فرضیه‌های روشن شروع کنید. به جای اهداف مبهم، مانند «بهبود بهره‌وری با هوش مصنوعی»، تیم‌های موفق با پیش‌بینی‌های خاص و قابل آزمایش شروع می‌کنند – برای مثال، «ما معتقدیم که استفاده از هوش مصنوعی برای خودکارسازی فرآیند گزارش‌دهی ماهانه ما، زمان صرف شده را 50 درصد کاهش می‌دهد و در عین حال دقت را بالای 95 درصد حفظ می‌کند.» اما ایده‌های جدید فقط به اندازه فرضیات اساسی خود خوب هستند و اغلب، تیم‌ها آن فرضیات را شناسایی نمی‌کنند یا آنها را به اندازه کافی دقیق آزمایش نمی‌کنند.
طراحی برای یادگیری، نه فقط موفقیت.
برنامه‌های آزمایشی اغلب نتایج موفقیت‌آمیز را به عنوان تنها اهداف خود دارند، بنابراین به ندرت بینش‌های ارزشمندی در مورد آنچه واقعاً کار می‌کند، ایجاد می‌کنند. آزمایش‌های بهتر برای شکست سریع طراحی می‌شوند و رویکردهایی را که کار نمی‌کنند مستند می‌کنند. و آنها عملکردها را در بر می‌گیرند. به عنوان مثال، یک تیم تحقیق و توسعه می‌تواند در اوایل فرآیند خود از فروشندگان بینش مشتری کسب کند. چنین آزمایش‌هایی همچنین شامل گروه‌های کنترل، در صورت امکان، می‌شوند و شاخص‌های پیشرو را اندازه‌گیری می‌کنند، نه فقط نتایج عقب‌مانده. برخی از شرکت‌ها از اینکه یک نتیجه موفق چه خواهد بود شروع می‌کنند، سپس فرضیاتی را که زیربنای آن هستند شناسایی می‌کنند. یک شرکت زیست‌فناوری کشاورزی از این رویکرد مبتنی بر فرضیه برای شناسایی بهترین مسیر برای راه‌اندازی یک محصول جدید استفاده کرد و زمان راه‌اندازی را 30 درصد کاهش داد.
قدرت نمونه‌های کوچک را بپذیرید.
سازمان‌ها برای ایجاد بینش‌های معنادار نیازی به راه‌اندازی‌های گسترده ندارند. برخی از ارزشمندترین آزمایش‌های سازمانی شامل پنج تا ده نفر در طول دو تا چهار هفته است. هدف تکرار سریع است، نه اهمیت آماری.
چرایی نتایج را مستند کنید.
چه یک آزمایش موفق شود و چه شکست بخورد، مهم‌ترین سوال “چه اتفاقی افتاد؟” نیست، بلکه “چرا این اتفاق افتاد؟” است. تیم‌هایی که به طور سیستماتیک این بینش‌ها را ثبت می‌کنند، دانش نهادی ایجاد می‌کنند که نوآوری‌های آینده را تسریع می‌کند.
تلاش‌های اولیه آمازون در زمینه پخش ویدئو، این اصول را در عمل نشان می‌دهد. پرایم ویدئو در ابتدا عملکرد ضعیفی داشت، اما آمازون به جای کنار گذاشتن این ایده، پرسید که چرا کاربران درگیر نمی‌شوند. این شرکت متوجه شد که مشتریان ارزش مستقلی در این سرویس نمی‌بینند و بیشتر به سمت پلتفرم‌هایی با محتوای اختصاصی جذب می‌شوند. در پاسخ، آمازون پرایم ویدئو را در عضویت گسترده‌تر پرایم قرار داد تا ارزش درک شده را افزایش دهد و سرمایه‌گذاری زیادی در محتوای اصلی انجام داد. این تغییر، یک طرح آزمایشیِ در حالِ شکست را به محرکی کلیدی برای اشتراک‌های پرایم و وفاداری به برند تبدیل کرد.
برای تحسین، استانداردهای بالایی را حفظ کنید
رهبران کسب‌وکار اغلب در اشتیاق برای تشویق نوآوری، در دامِ ستایش می‌افتند.
همه چیز را به طور مساوی مدیریت کنید.
وقتی هر آزمایش هوش مصنوعی مورد ستایش اغراق‌آمیز قرار می‌گیرد و گزارش‌های پیشرفت اجازه می‌دهند که نتایج را برای جستجوی بودجه بیشتر اغراق کنند، ایده‌های واقعاً نوآورانه در هیاهو گم می‌شوند. نوآورترین سازمان‌ها بین آزمایش‌های جالب (آن‌هایی که ارزش امتحان کردن دارند) و نوآوری‌های تغییر دهنده بازی (آن‌هایی که ارزش مقیاس‌بندی دارند) تمایز قائل می‌شوند. آنها به گزارش صادقانه شکست‌ها به همان اندازه که موفقیت‌ها را جشن می‌گیرند، پاداش می‌دهند.
این به معنای دلسرد کردن نیست؛ بلکه به معنای هدفمند بودن است. وقتی ستایش گزینشی و خاص باشد، وزن بیشتری دارد. وقتی رهبران دقیقاً بیان می‌کنند که چرا یک رویکرد خاص نشان‌دهنده یک پیشرفت است، تیم‌ها می‌فهمند که تعالی چگونه به نظر می‌رسد.
سازمان‌ها می‌توانند فرهنگ نوآوری خود را صرفاً با تغییر نحوه بحث در مورد برنامه‌های آزمایشی متحول کنند. به جای پرسیدن «پروژه هوش مصنوعی چگونه پیش می‌رود؟» آنها می‌پرسند «چه چیزی یاد گرفتید که شما را شگفت‌زده کرد؟» به جای جشن گرفتن اینکه کسی از هوش مصنوعی استفاده کرده است، آنها بینش‌های خاص در مورد روش‌های بهتر کار که از استفاده از آن پدیدار شده است را جشن می‌گیرند.
برای مثال، مدیرعامل یک شرکت چندملیتی، مالکیت گسترده پروژه‌ها و تمرکز بر نتایج ملموس را تشویق کرده است. آنها از ۱۰۰ رهبر کسب‌وکار پرسیدند که آیا هر کدام از آنها حاضرند از یک پروژه هوش مصنوعی با اهداف مشخص برای افزایش درآمد، کاهش هزینه یا بهبود رضایت مشتری حمایت مالی کنند. این هدف باید در بودجه سال بعد یا سال بعد از آن منعکس می‌شد.
سازمان‌هایی که بر این اصول تسلط دارند، نه تنها فناوری‌های جدید را سریع‌تر می‌پذیرند؛ بلکه یک مزیت رقابتی نیز ایجاد می‌کنند که با گذشت زمان افزایش می‌یابد. هر آزمایش موفق، اعتماد سازمانی را افزایش می‌دهد. هر شکست مستند، مانع از تکرار اشتباهات مشابه توسط دیگران می‌شود. هر رهبر با ذهنیت باغبانی، فضایی برای شکوفایی نوآوری بیشتر ایجاد می‌کند.
آینده فقط به طور ناهموار توزیع نشده است – بلکه دائماً در حال توزیع مجدد است. سازمان‌های یادگیرنده از مزایای تشخیص زودهنگام نوآوری، پرورش دقیق آن و مقیاس‌بندی عاقلانه آن بهره‌مند می‌شوند.
