هوش مصنوعی و سیستم سازی کسب و کار؛ چگونه AI مدل مدیریت کسب و کار را تغییر میدهد؟
تا همین چند سال قبل، وقتی درباره سیستم سازی کسب و کار صحبت میکردیم، معمولاً موضوعاتی مثل فرایندها، دستورالعملهای اجرایی، چکلیستها، نمودارهای سازمانی، نرمافزارهای مدیریتی و استانداردسازی فعالیتها مطرح بود.
از طرف دیگر، وقتی درباره هوش مصنوعی صحبت میکردیم، بیشتر منظورمان ابزارهایی برای جستوجو، ترجمه، تولید محتوا، تحلیل اطلاعات یا انجام بعضی کارهای روزمره بود.
اما شرایط تغییر کرده است.
هوش مصنوعی دیگر فقط یک ابزار جانبی برای انجام سریعتر چند کار نیست. از طرف دیگر، سیستم سازی هم دیگر نمیتواند بدون توجه به قابلیتهای جدید فناوری طراحی شود.
امروز یک سؤال مهم برای مدیران و صاحبان کسب و کار مطرح است:
چگونه میتوان هوش مصنوعی را به سیستمهای واقعی کسب و کار متصل کرد؟
پاسخ به این سؤال میتواند مسیر استفاده از AI در یک سازمان را کاملاً تغییر دهد.
چون تفاوت زیادی وجود دارد بین اینکه یک کارمند از ChatGPT برای انجام یک کار استفاده کند و اینکه خود کسب و کار، فرایندهایی داشته باشد که در آنها هوش مصنوعی به شکل هدفمند و کنترلشده به کار گرفته شده است.
در حالت اول، شما یک ابزار دارید. در حالت دوم، شما یک سیستم دارید.
و این تفاوت، موضوع اصلی این مقاله است.
سیستم سازی یعنی کسب و کار را طوری طراحی کنیم که انجام فعالیتهای مهم فقط به حافظه، تجربه و حضور دائمی افراد وابسته نباشد.
در یک کسب و کار سیستماتیک مشخص است:
چه کاری باید انجام شود؟
چه کسی مسئول انجام آن است؟
چه زمانی باید انجام شود؟
با چه روشی باید انجام شود؟
چه اطلاعاتی برای انجام آن لازم است؟
خروجی مورد انتظار چیست؟
و کیفیت کار چگونه باید کنترل شود؟
برای مثال، اگر فقط یک فروشنده قدیمی شرکت بداند چگونه مشتریان مهم را تشخیص دهد و چگونه با آنها مذاکره کند، بخش مهمی از دانش کسب و کار در ذهن یک فرد قرار دارد.
اما اگر معیارهای تشخیص مشتری، مراحل مذاکره، روش پیگیری، نحوه ثبت اطلاعات و معیارهای ارزیابی مشخص شوند، این دانش به تدریج به یک دارایی سازمانی تبدیل میشود.
این یکی از اهداف اصلی سیستم سازی است.
تبدیل تجربه و دانش افراد به فرایندهایی که بتوان آنها را مستند، تکرار، آموزش و کنترل کرد.
سیستم سازی به کسب و کار ساختار میدهد.
هوش مصنوعی میتواند به این ساختار، قابلیت پردازش و تحلیل اضافه کند.
یک فرایند مشخص میکند چه کاری باید انجام شود.
داده اطلاعات موردنیاز را فراهم میکند.
هوش مصنوعی میتواند اطلاعات را تحلیل کند، دستهبندی کند، خلاصه کند، الگوها را پیدا کند و در بعضی شرایط پیشنهاد ارائه دهد.
انسان نیز همچنان مسئول تصمیمهای مهم و نظارت بر فرایند است.
به زبان ساده:
سیستم مشخص میکند «کار چگونه انجام شود».
AI میتواند کمک کند «با اطلاعات موجود چگونه بهتر کار کنیم».
این ترکیب میتواند مدل مدیریت کسب و کار را تغییر دهد.
فرض کنید مدیر فروش هر روز اطلاعات مشتری را در ChatGPT وارد میکند و از آن میخواهد یک پیام مناسب برای مشتری بنویسد.
این کار میتواند مفید باشد.
اما هنوز AI بخشی از سیستم فروش سازمان نیست.
حالا تصور کنید شرکت یک فرایند مشخص برای مدیریت سرنخهای فروش دارد.
اطلاعات مشتری به شکل استاندارد ثبت میشود.
مرحله فروش مشخص است.آخرین تماس ثبت شده است.اقدام بعدی مشخص است.مشتریان بر اساس معیارهای مشخص دستهبندی میشوند.
در این ساختار، AI میتواند اطلاعات مشتری را تحلیل کند، پیگیریهای عقبافتاده را پیدا کند، مکالمات فروش را خلاصه کند، فرصتهای مهم را شناسایی کند و برای اقدام بعدی پیشنهاد ارائه دهد.
در این حالت، AI وارد سیستم فروش شده است.
تفاوت این دو مدل بسیار مهم است.
در مدل اول:فرد از AI استفاده میکند.
در مدل دوم:فرایند سازمان از AI استفاده میکند.
این همان تغییری است که مدیران باید به آن توجه کنند.
کسب و کارها با حجم بسیار زیادی از اطلاعات و فعالیتهای روزمره روبهرو هستند.
مشتریان بیشتر سؤال میپرسند.
داده بیشتری تولید میشود.
رقابت سریعتر شده است.
نیاز به پاسخگویی سریعتر افزایش پیدا کرده است.
هزینه نیروی انسانی در بسیاری از کسب و کارها افزایش یافته است.
و بسیاری از سازمانها همچنان به چند نیروی کلیدی وابستهاند.
سیستم سازی میتواند بخشی از این وابستگی را کاهش دهد.
هوش مصنوعی نیز میتواند ظرفیت پردازش اطلاعات و انجام برخی فعالیتها را افزایش دهد.
ترکیب این دو میتواند به کسب و کار کمک کند با همان منابع، ظرفیت بیشتری برای اجرا و تصمیمگیری داشته باشد.
به همین دلیل، موضوع فقط کاهش هزینه نیست.
موضوع مهمتر، افزایش ظرفیت سازمان است.
میتوان یک کسب و کار را از چهار لایه اصلی بررسی کرد:
چه کاری باید انجام شود و ترتیب انجام آن چیست؟
برای انجام این کار چه اطلاعاتی لازم است و این اطلاعات کجا قرار دارد؟
AI در کدام قسمت میتواند تحلیل، طبقهبندی، تولید، خلاصهسازی یا تصمیمیار باشد؟
چه کسی مسئول نظارت، تصمیمگیری و پاسخگویی است؟
این چهار لایه باید با یکدیگر هماهنگ باشند.
اگر فرایند مشخص نباشد، AI نمیداند در چه چارچوبی فعالیت کند.
اگر دادهها ناقص یا پراکنده باشند، خروجی AI نیز محدود خواهد بود.
اگر مسئولیت انسانی مشخص نباشد، کنترل سیستم دشوار میشود.
و اگر هدف کسب و کار مشخص نباشد، ممکن است پروژه AI فقط به خرید چند ابزار و تولید چند خروجی جذاب محدود شود.
فروش یکی از حوزههایی است که ترکیب سیستم سازی و هوش مصنوعی میتواند در آن بسیار کاربردی باشد.
فرض کنید روزانه تعداد زیادی سرنخ فروش وارد شرکت میشود.
در روش سنتی، هر فروشنده ممکن است روش متفاوتی برای پیگیری داشته باشد. یکی سریع پیگیری میکند.
یکی دیر.
یکی اطلاعات مشتری را کامل ثبت میکند.دیگری بخشی از اطلاعات را در ذهن خود نگه میدارد.
نتیجه این است که مدیر فروش تصویر دقیقی از وضعیت واقعی فروش ندارد.
سیستم سازی ابتدا فرایند را مشخص میکند.
برای هر مشتری اطلاعات مشخصی ثبت میشود:
منبع ورود مشتری ،نیاز مشتری،ارزش احتمالی معامله،مرحله فروش،آخرین تماس،اقدام بعدی،مسئول پیگیری،زمان پیگیری حالا AI میتواند روی این ساختار کار کند.
مثلاً:
مشتریان را دستهبندی کند.فرصتهای مهم را شناسایی کند.پیگیریهای عقبافتاده را پیدا کند.مکالمات فروش را خلاصه کند.
الگوهای موجود در معاملات موفق را بررسی کند.
گزارش مدیریتی تهیه کند.و برای ارتباط بعدی پیشنهاد ارائه دهد.در این مدل، AI جای فروشنده را نمیگیرد.
بلکه فروشنده را از بخشی از کارهای تکراری آزاد میکند و اطلاعات بیشتری برای تصمیمگیری در اختیار او قرار میدهد.
در منابع انسانی نیز فعالیتهای تکراری زیادی وجود دارد.
تهیه شرح شغل ،تنظیم آگهی استخدام،بررسی رزومه،طراحی سؤالات مصاحبه،هماهنگی مصاحبه،تهیه گزارش
پاسخ به سؤالات کارکنان،و مستندسازی.
ابتدا باید فرایند استخدام سیستمسازی شود.
مثلاً:
نیاز استخدام ثبت شود.شرح شغل مشخص شود.معیارهای ارزیابی تعیین شود.رزومهها دریافت شوند.غربالگری انجام شود.
مصاحبه ساختاریافته باشد.نتایج ثبت شود.و تصمیم نهایی گرفته شود.بعد میتوان AI را در قسمتهایی از این فرایند وارد کرد.
برای مثال:
استخراج اطلاعات رزومه ،دستهبندی اولیه،تهیه پیشنویس شرح شغل،طراحی سؤالات مصاحبه،خلاصهسازی اطلاعات،و تهیه گزارش اولیه.
اما تصمیمهای مهم درباره افراد باید با توجه به سیاست سازمان، الزامات قانونی و سطح مناسب نظارت انسانی انجام شوند.
AI باید ابزار تصمیمیار باشد، نه اینکه بدون کنترل به تصمیمگیرنده نهایی تبدیل شود.
یکی از رایجترین کاربردهای AI در کسب و کار، تولید محتوا است.
اما بین «تولید محتوا» و «سیستم بازاریابی» تفاوت زیادی وجود دارد.
اگر فقط از AI بخواهیم:
«برای اینستاگرام ۱۰ پست بنویس» ،هنوز سیستم بازاریابی نداریم.یک سیستم بازاریابی باید مشخص کند:
مخاطب چه کسی است؟پرسونا چیست؟هدف محتوا چیست؟چه موضوعاتی باید پوشش داده شوند؟لحن برند چیست؟
فرایند تولید و تأیید چگونه است؟چه زمانی منتشر شود؟و موفقیت آن با چه شاخصی سنجیده شود؟پس از طراحی این سیستم، AI میتواند در بخشهای مختلف آن قرار بگیرد.
تحقیق موضوع ،تحلیل رقبا،ایدهپردازی،طراحی تقویم محتوا،تهیه پیشنویس،بازنویسی،تبدیل مقاله به محتوای شبکههای ،اجتماعی تحلیل عملکرد محتواو پیشنهاد موضوعات بعدی.در این حالت، AI دیگر فقط یک تولیدکننده محتوا نیست.بخشی از سیستم بازاریابی سازمان است.
یکی از مهمترین داراییهای هر سازمان، دانش آن است.اما بخش زیادی از دانش سازمانی در ذهن افراد قرار دارد.
یک مدیر میداند چگونه با مشتری خاص مذاکره کند.یک کارشناس میداند مشکل خاصی را چگونه حل کند.
یک مدیر منابع انسانی تجربه کرده است که در استخدام چه اشتباهاتی نباید تکرار شوند.
یک فروشنده قدیمی میداند کدام نوع مشتری احتمال خرید بیشتری دارد.اگر این دانش مستند نشود، با خروج افراد بخشی از آن نیز از سازمان خارج میشود.
سیستم سازی میتواند این دانش را به دستورالعمل، فرایند، FAQ، مستندات و پایگاه دانش تبدیل کند.
بعد AI میتواند دسترسی به این دانش را سادهتر کند.به جای اینکه کارمند برای پیدا کردن پاسخ، چندین فایل و پوشه را جستوجو کند، میتواند سؤال خود را مطرح کند و پاسخ اولیه را بر اساس دانش سازمان دریافت کند.
در اینجا AI تبدیل به یک لایه هوشمند برای دسترسی به دانش سازمانی میشود.
یکی از تغییرات مهم در مسیر تحول کسب و کار، حرکت از دستورالعملهای ثابت به سمت دستیارها و Agentهای هوشمند است.
SOP به ما میگوید:
این کار چگونه انجام شود.
اما یک Agent میتواند در یک چارچوب مشخص:
اطلاعات دریافت کند.شرایط را بررسی کند.اطلاعات را تحلیل کند.فرایند را دنبال کند.خروجی تولید کند.و اقدام بعدی را پیشنهاد دهد یا در صورت داشتن مجوز لازم اجرا کند.
اما یک نکته بسیار مهم وجود دارد.
Agent جای سیستم سازی را نمیگیرد.Agent روی سیستم سازی سوار میشود.اگر فرایند مشخص نباشد، ساختن Agent الزاماً مشکلی را حل نمیکند.
حتی ممکن است پیچیدگی بیشتری به سازمان اضافه کند.
بنابراین ترتیب منطقی بهتر است این باشد:
فرایند ،سادهسازی،استانداردسازی،داده،هوش مصنوعی،Agent،کنترل،اندازهگیری
همه فرایندهای کسب و کار ارزش یکسانی برای هوشمندسازی ندارند.
برای شروع، فرایندهایی را بررسی کنید که یکی یا چند ویژگی زیر را دارند:
تکرار زیاد،زمان مصرفی بالا،هزینه بالا،خطای انسانی زیاد،وابستگی به یک فرد خاص،حجم بالای اطلاعات،تأثیر مستقیم بر مشتری،تأثیر مستقیم بر درآمد،یا نیاز زیاد به تحلیل اطلاعات.
برای مثال:
گزارشسازی ،پاسخگویی به سؤالات تکراری،تحلیل داده،دستهبندی اطلاعات،پیگیری مشتری ،تولید محتوا،مستندسازی، مدیریت دانش و تحلیل مکالمات میتوانند گزینههای مناسبی برای بررسی باشند.
برای هر فرایند از ۱ تا ۵ امتیاز بدهید.
| معیار | امتیاز ۱ تا ۵ |
|---|---|
| میزان تکرار | |
| زمان مصرفی | |
| هزینه | |
| میزان خطا | |
| وابستگی به افراد | |
| تأثیر بر مشتری | |
| تأثیر بر درآمد | |
| ظرفیت استفاده از AI |
فرایندهایی که مجموع امتیاز بالاتری دارند، میتوانند گزینههای مناسبتری برای بررسی باشند.
این امتیازدهی یک قانون قطعی نیست.
هدف آن این است که مدیر به جای انتخاب کاملاً شهودی، بتواند گزینهها را با یک معیار مشترک مقایسه کند.
از کل سازمان شروع نکنید.
یک فرایند مهم را انتخاب کنید.
مثلاً فروش، استخدام، گزارشگیری، پشتیبانی مشتری یا تولید محتوا.
قبل از تغییر، ببینید امروز دقیقاً چه اتفاقی میافتد.
کار از کجا شروع میشود؟
چه کسی آن را انجام میدهد؟
چه اطلاعاتی لازم است؟
چه تصمیمهایی گرفته میشود؟
خروجی چیست؟
کار به چه کسی تحویل داده میشود؟
کجا معمولاً کار متوقف میشود؟
کجا خطا ایجاد میشود؟
هر چیزی که امروز انجام میشود الزاماً نباید در فرایند باقی بماند.
مراحل زائد را حذف کنید.
کارهای مشابه را ترکیب کنید.
مسئولیتها را مشخص کنید.
ورودی و خروجی هر مرحله را مشخص کنید.
اکنون بررسی کنید AI کجا میتواند ارزش ایجاد کند.
مثلاً در:
تحلیل، طبقهبندی،خلاصهسازی،تولید پیشنویس،مقایسه،استخراج اطلاعات،شناسایی الگو،گزارشسازی،و پیشنهاد اقدام.
برای خروجیهای مهم مشخص کنید:
چه کسی آن را بررسی میکند؟
معیار کیفیت چیست؟
در چه شرایطی تصمیم باید به انسان ارجاع شود؟
خطا چگونه ثبت میشود؟
و موفقیت با چه شاخصی سنجیده میشود؟
این مرحله را نباید حذف کرد.
اتوماسیون بدون کنترل، الزاماً به معنی مدیریت بهتر نیست.
یکی از اشتباهات رایج در پروژههای AI این است که مدیر ابتدا ابزار را انتخاب میکند و بعد دنبال کاربرد میگردد.
مثلاً:
«ما ChatGPT داریم. حالا کجا از آن استفاده کنیم؟»
یا:
«یک Agent بسازیم. چه کاری انجام دهد؟»
رویکرد بهتر این است:ابتدا مسئله را پیدا کنید.بعد فرایند را بررسی کنید.سپس فرایند را ساده و استاندارد کنید.
بعد مشخص کنید AI کجا میتواند ارزش ایجاد کند.و در نهایت ابزار مناسب را انتخاب کنید.فناوری باید در خدمت مسئله کسب و کار باشد.نه اینکه برای فناوری، مسئله مصنوعی ایجاد کنیم.
خیر.
هدف، حداکثر اتوماسیون نیست.
هدف، ایجاد ارزش بیشتر با سطح مناسبی از اتوماسیون و کنترل است.در بعضی فرایندها AI میتواند تقریباً تمام کارهای تکراری را انجام دهد.
در بعضی دیگر بهتر است فقط پیشنهاد بدهد.در بعضی فرایندهای حساس نیز نقش AI باید محدود و تحت نظارت باشد.
این موضوع به نوع فرایند، اهمیت تصمیم و پیامد خطا بستگی دارد.به همین دلیل، «کجا نباید از AI استفاده کنیم؟» به اندازه «کجا میتوانیم از AI استفاده کنیم؟» اهمیت دارد.
برای ارزیابی وضعیت فعلی کسب و کارتان به سؤالهای زیر پاسخ دهید.
آیا فرایندهای اصلی کسب و کارتان مشخص هستند؟
آیا مسئول هر فرایند مشخص است؟
آیا خروجی مورد انتظار هر فرایند تعریف شده است؟
آیا فعالیتهای تکراری مستند شدهاند؟
آیا دادههای موردنیاز در دسترس هستند؟
آیا میدانید کدام فعالیتها بیشترین زمان را مصرف میکنند؟
آیا میدانید کدام فعالیتها بیشترین خطا را ایجاد میکنند؟
آیا وابستگی سازمان به افراد کلیدی را میشناسید؟
آیا برای استفاده از AI در سازمان قواعد مشخص دارید؟
آیا کارکنان میدانند چه اطلاعاتی نباید وارد ابزارهای عمومی AI شود؟
آیا برای خروجیهای مهم AI نظارت انسانی دارید؟
آیا عملکرد استفاده از AI را اندازهگیری میکنید؟
اگر پاسخ بیشتر سؤالها «خیر» است، احتمالاً بهتر است ابتدا روی سیستم سازی، داده و فرایندها کار کنید.
اگر پاسخ بیشتر سؤالها «بله» است، سازمان شما پایه مناسبتری برای ورود جدیتر AI به فرایندهای عملیاتی دارد.
هرچه هوش مصنوعی بیشتر وارد سازمان شود، موضوعاتی مانند امنیت اطلاعات، حریم خصوصی، کیفیت داده، مسئولیتپذیری و کنترل نیز اهمیت بیشتری پیدا میکنند.
قبل از ورود AI به یک فرایند باید مشخص شود:
چه اطلاعاتی وارد سیستم میشود؟
چه کسی به اطلاعات دسترسی دارد؟
کدام اطلاعات حساس هستند؟
خروجی AI چگونه کنترل میشود؟
چه تصمیمهایی حتماً باید توسط انسان گرفته شوند؟
در صورت بروز خطا چه کسی مسئول رسیدگی است؟
چارچوب مدیریت ریسک هوش مصنوعی NIST نیز بر حکمرانی، شناسایی ریسک، اندازهگیری و مدیریت مستمر ریسکهای مرتبط با AI تأکید میکند.
بنابراین استفاده حرفهای از هوش مصنوعی فقط انتخاب یک مدل قدرتمند نیست.
موضوع، طراحی یک سیستم قابل اعتماد است.
شاید تصور شود که هدف سیستم سازی و هوش مصنوعی این است که نقش مدیر یا کارکنان کمتر شود.
اما مسئله اصلی چیز دیگری است.
هدف این است که انسان کمتر درگیر کارهایی شود که میتوان آنها را استاندارد، خودکار یا هوشمند کرد.
اگر مدیر بخش زیادی از روز خود را صرف گرفتن گزارش، پیگیری کارهای تکراری، پاسخ دادن به سؤالات مشابه و حل مشکلات تکراری کند، زمان کمی برای تصمیمهای مهم باقی میماند.
سیستم سازی و AI میتوانند بخشی از این بار را کاهش دهند.
در نتیجه مدیر فرصت بیشتری برای موضوعاتی مانند:
استراتژی ،رشد،توسعه بازار،مشتریان کلیدی،توسعه افراد،نوآوری،و تصمیمهای مهم خواهد داشت.
پس هدف نهایی سیستم سازی، حذف انسان نیست.هدف، آزاد کردن ظرفیت انسان برای کارهای باارزشتر است.
کسب و کار آماده برای AI الزاماً شرکتی نیست که دهها ابزار هوش مصنوعی خریداری کرده باشد.
ممکن است یک کسب و کار کوچک با پنج فرایند مشخص و دادههای منظم، آمادگی بیشتری نسبت به سازمانی بزرگ با دهها ابزار AI داشته باشد.
یک کسب و کار AI-ready معمولاً:
فرایندهای اصلی خود را میشناسد.
دادههای مهم خود را مدیریت میکند.
دانش سازمانی را مستند میکند.
مسئولیتها را مشخص میکند.
فرایندهای مناسب برای اتوماسیون را شناسایی میکند.
قواعد استفاده از AI را مشخص کرده است.
عملکرد AI را اندازهگیری میکند.
و برای تصمیمهای حساس، نظارت انسانی دارد.
تعداد ابزارهای AI معیار موفقیت نیست.
تعداد پرامپتها هم معیار موفقیت نیست.
حتی تعداد Agentهایی که ساختهاید نیز بهتنهایی معیار مناسبی نیست.
معیارهای واقعیتر عبارتاند از:
آیا زمان انجام کار کاهش پیدا کرده است؟
آیا هزینه کمتر شده است؟
آیا خطا کاهش پیدا کرده است؟
آیا سرعت پاسخگویی بیشتر شده است؟
آیا کیفیت تصمیمگیری بهتر شده است؟
آیا تجربه مشتری بهتر شده است؟
آیا وابستگی به افراد کلیدی کاهش یافته است؟
آیا دانش سازمانی بهتر حفظ شده است؟
و مهمتر از همه:
آیا این تغییر نتیجه واقعی برای کسب و کار ایجاد کرده است؟
اگر پاسخ مثبت باشد، AI در حال ایجاد ارزش است.
اگر بخواهید این موضوع را از مرحله مطالعه به اجرا برسانید، یک برنامه ساده ۳۰ روزه میتواند نقطه شروع خوبی باشد.
۱۰ فرایند اصلی کسب و کارتان را فهرست کنید.
برای هرکدام زمان، هزینه، میزان خطا، وابستگی به افراد و تأثیر بر مشتری را بررسی کنید.
دو یا سه فرایند مهمتر را انتخاب کنید.
روش فعلی انجام آنها را مستند کنید.
مراحل زائد را حذف کنید.
مسئولیتها و خروجیها را مشخص کنید.
برای هر فرایند مشخص کنید:
کدام کار باید توسط انسان انجام شود؟
کدام کار قابل اتوماسیون است؟
AI در کدام قسمت میتواند ارزش ایجاد کند؟
چه دادههایی لازم است؟
کجا باید تأیید انسانی وجود داشته باشد؟
یک فرایند را اجرا کنید.
قبل و بعد را مقایسه کنید.
زمان انجام کار را اندازه بگیرید.
خطاها را ثبت کنید.
بازخورد کارکنان را بگیرید.
بازخورد مشتری را بررسی کنید.
و سپس تصمیم بگیرید که آیا این مدل ارزش توسعه به فرایندهای دیگر را دارد یا خیر.
وقتی درباره ترکیب هوش مصنوعی و سیستم سازی صحبت میکنیم، یک مسئله مهم وجود دارد.
مدیر نباید مجبور باشد برای هر بخش کسب و کار، مجموعهای از ابزارهای جداگانه، فایلهای پراکنده و فرایندهای نامرتبط ایجاد کند.
ارزش واقعی زمانی ایجاد میشود که برنامهریزی، اجرا، بازاریابی و فروش، کنترل و داشبوردهای مدیریتی و اطلاعات کسب و کار در یک ساختار منسجمتر قرار بگیرند.
در این مسیر، سامر میتواند یکی از ابزارهایی باشد که مدیران برای سیستمسازی و مدیریت ساختاریافته کسب و کار بررسی میکنند.
برای آشنایی بیشتر با سامر ، سامانه مدیریت یکپارچه و هوشمند سیستم سازی کسب و کار میتوانید به سایت آن مراجعه کنید:saamer.ir
البته انتخاب ابزار باید بعد از شناخت مسئله و نیازهای واقعی کسب و کار انجام شود.
فناوری زمانی ارزشمند است که در خدمت یک فرایند درست قرار بگیرد.
هوش مصنوعی بهتنهایی سیستم نیست.سیستم سازی نیز بهتنهایی هوشمند نیست.اما ترکیب این دو میتواند مدل جدیدی از مدیریت و اجرای کسب و کار ایجاد کند.
سیستم سازی، ساختار ایجاد میکند.داده، اطلاعات لازم را فراهم میکند.هوش مصنوعی، قابلیت تحلیل، تولید، طبقهبندی و تصمیمیار را اضافه میکند.
انسان، مسئولیت، قضاوت و نظارت را بر عهده دارد.و مدیر، این اجزا را در جهت اهداف کسب و کار هماهنگ میکند.
بنابراین اگر امروز میخواهید از هوش مصنوعی در کسب و کارتان استفاده کنید، از خرید ابزار شروع نکنید.
از یک مسئله واقعی شروع کنید.
یک فرایند مهم را انتخاب کنید.
آن را مستند کنید.
ساده کنید.
نقاط مناسب AI را پیدا کنید.
کنترل انسانی را طراحی کنید.
نتیجه را اندازهگیری کنید.
و سپس همین تجربه را به فرایندهای دیگر توسعه دهید.
آینده کسب و کار فقط متعلق به شرکتهایی نیست که ابزارهای بیشتری در اختیار دارند.
اهمیت بیشتری خواهد داشت که یک سازمان بتواند ابزارهای هوش مصنوعی را در فرایندهای واقعی خود بهدرستی قرار دهد.
تفاوت بزرگی وجود دارد بین:
«AI را به کسب و کارمان اضافه کنیم»
و:
«کسب و کارمان را برای کار کردن با AI بازطراحی کنیم.»
اولی یک تصمیم تکنولوژیک است.دومی یک تصمیم مدیریتی.
و شاید مهمترین سؤال مدیران امروز همین باشد:
کدام بخش از کسب و کار من هنوز به شکل دستی، فردمحور و غیرسیستماتیک اداره میشود و میتواند با ترکیب سیستم سازی و هوش مصنوعی بهتر عمل کند؟
پاسخ به همین سؤال میتواند نقطه شروع تحول باشد.
خیر. هوش مصنوعی و سیستم سازی دو مفهوم متفاوت اما مکمل هستند. سیستم سازی فرایند، مسئولیت و روش انجام کار را مشخص میکند و AI میتواند در بخشهایی از این فرایند تحلیل، تولید، طبقهبندی یا تصمیمیار باشد.
از یک فرایند واقعی و مهم شروع کنید. فرایندی را انتخاب کنید که تکراری، زمانبر، پرخطا یا وابسته به افراد کلیدی است. سپس آن را مستند و ساده کنید و نقاط مناسب استفاده از AI را پیدا کنید.
خیر. هدف، حداکثر اتوماسیون نیست. هدف، ایجاد بیشترین ارزش با سطح مناسبی از اتوماسیون و کنترل است.
سیستم سازی باعث میشود نقش AI مشخص باشد. وقتی ورودی، فرایند، خروجی، مسئولیت و معیار کنترل مشخص باشند، AI میتواند در جای مناسب وارد شود.
یک چتبات معمولاً به سؤال کاربر پاسخ میدهد. یک Agent میتواند در چارچوب مشخص اطلاعات دریافت کند، وضعیت را بررسی کند، مراحل یک فرایند را دنبال کند و در محدوده مجاز اقدام یا پیشنهاد اقدام ارائه دهد.
بله، اما سطح پیچیدگی باید متناسب با اندازه و نیاز کسب و کار باشد. یک کسب و کار کوچک لازم نیست از ابتدا یک معماری پیچیده AI ایجاد کند. حتی سیستماتیک کردن یک فرایند مهم مانند فروش، پیگیری مشتری یا مدیریت محتوا میتواند نقطه شروع مناسبی باشد.
شروع از ابزار به جای مسئله. بهتر است ابتدا مسئله و فرایند مشخص شود، سپس ابزار و فناوری مناسب انتخاب شود.
قبل از اجرا باید شاخص مشخص داشته باشید. زمان انجام کار، هزینه، تعداد خطا، سرعت پاسخگویی، کیفیت خروجی، رضایت مشتری یا درآمد میتوانند بسته به نوع فرایند معیارهای مناسبی باشند.
برای بسیاری از کاربردهای مهم، تعیین نقش و مسئولیت انسانی ضروری است. سطح نظارت باید متناسب با نوع کاربرد، ریسک و پیامد تصمیم تعیین شود.
سامر بستری برای مدیریت و سیستمسازی کسب و کار است که میتواند در مسیر ساختارمند کردن برنامهریزی، اجرا، بازاریابی و فروش و کنترل کسب و کار مورد بررسی قرار گیرد. برای آشنایی بیشتر با قابلیتهای سامر میتوانید به saamer.ir مراجعه کنید.
نکات کوتاه و کاربردی
در کانال «بله» مدیران ایران
آموزش پیشنهادی