در شرکت مدرن، اطلاعات سرمایه جدید است. از آنجایی که شرکتها منابع را به هوش مصنوعی میریزند، بسیاری متوجه میشوند که این فناوری، به تنهایی، فقط هزینه را ارائه میکند، نه تحول. موتور واقعی تغییر در الگوریتم نیست، بلکه در دستان و ذهن افرادی است که از آن استفاده می کنند. بزرگترین دارایی یک سازمان، تخصص متنوع و خاص حوزه است که توسط تیم های انسانی آن در اختیار است.
با اقتباس مستقیم از اصول پیتر دراکر، مسیر دستیابی به مزیت رقابتی یک رویکرد انسان محور است. دراکر تعلیم داد که مدیریت مؤثر مستلزم تمرکز بر نتایج قابل اندازهگیری است که از طریق همکاری و همسویی دقیق تلاشهای فردی با اهداف سازمانی ایجاد میشود. فناوری فقط یک ابزار است. هیچ هدفی را دنبال نمی کند مگر اینکه در خدمت افرادی باشد که از آن استفاده می کنند و ماموریتی که در تلاش برای به انجام رساندن آن هستند. این تنها راه قابل اعتماد برای ایجاد نوآوری واقعی و نتایج ملموس است.
واقعیت اجتماعی داده ها و خطر سیلوها
داده ها به عنوان یک شرکت جمعی
تجزیه و تحلیل داده ها اساساً یک تلاش جمعی است. ما نباید همه را به دانشمند داده تبدیل کنیم. در عوض، ما باید تیمها را قادر کنیم که به طور موثر با هوش مصنوعی و یکدیگر همکاری کنند. یک شرکت خرده فروشی بزرگ را در نظر بگیرید که به دنبال بهینه سازی زنجیره تامین خود است. این شرکت سرمایه گذاری هنگفتی را بر روی یک مدل پیشرفته هوش مصنوعی برای پیش بینی تقاضا و اتوماسیون موجودی انجام داده است. با این حال، مدل شکست می خورد. او توصیه می کند محصولاتی را که فروخته نشده اند، تهیه کنید، در حالی که اقلام حیاتی اغلب موجود نیستند.
مشکل تکنولوژی نیست. این یک شکست در به کارگیری هوش، تجربه و تخصص انسانی است. مدل هوش مصنوعی که توسط تیمی از دانشمندان داده ایجاد شده است، برای بهینه سازی هزینه واحد و سرعت تحویل طراحی شده است. این بینش عمیق افرادی که در واقع کسب و کار را اداره می کنند را در نظر نمی گرفت و نمی توانست توضیح دهد. تیم بازاریابی میداند که یک روند ناگهانی رسانههای اجتماعی باعث افزایش تقاضا برای یک کالای خاص میشود، در حالی که تیم فروش میداند که یک مشتری شرکتی کلیدی بهتازگی یک سفارش بزرگ و اعلامنشده ثبت کرده است. مدیر عملیات طبقه انبار میتواند پیشبینی کند که کدام تنگناهای لجستیکی، بدون توجه به پیشبینی مدل، ارسال را به تأخیر میاندازند. تشخیص هوش مصنوعی بر اساس داده های محدود است. مردم تصویر کامل را داشتند.
“هدف یک سازمان این است که انسان های عادی را قادر به انجام کارهای خارق العاده کند.”
پیتر دراکر
این افراد – یک رهبر بازاریابی، یک حرفه ای فروش، یک مدیر عملیات – دارای تخصص حوزه هستند که پتانسیل کامل هوش مصنوعی را باز می کند. هدف هوش مصنوعی افزایش و تقویت آن تجربه است نه جایگزین کردن آن.
چالش سیلوها
این تلاش جمعی اغلب به دلیل سیلوهای سازمانی با شکست مواجه می شود. اگرچه برخی از سیلوها به عنوان یک ضرورت عملی شروع شدند – به عنوان مثال، محافظت از داده های حساس مشتری – بسیاری از آنها مدت ها پس از محو شدن منطق اصلی خود ادامه می یابند. خطرناکتر اینکه سیلوها اغلب نتیجه پویاییهای سیاسی و ترس از دست دادن قدرت یا نفوذ هستند. مدیر ارشد بازاریابی (CMO) را در نظر بگیرید که تمایلی به به اشتراک گذاشتن یک مدل پیش بینی جدید از ارزش طول عمر مشتری با مدیر ارشد اطلاعات (CIO) ندارد. CMO این مدل را به عنوان یک دارایی رقابتی، ابزاری برای توجیه بودجه و نفوذ بخش خود می بیند. با حفظ آن، او مطمئن می شود که تیمش تنها منبع این بینش مهم باقی می ماند.
این تفکر سمی است. رقابت داخلی را جایگزین عملکرد جمعی می کند. سیستمی را ایجاد می کند که در آن بخش ها به جای نتایج، بر قلمرو تمرکز می کنند. همانطور که دراکر تعلیم داد، هدف یک سازمان این است که انسان های عادی را قادر به انجام کارهای خارق العاده کند. وقتی آنها محدود به حوزه های کوچک خود هستند، کارشان پیش پا افتاده می شود، صرف نظر از اینکه ابزارشان چقدر پیشرفته است.
ایجاد یک محیط مشارکتی
رفع این موانع فقط یک چالش ساختاری نیست. این یک ضرورت اساسی انسانی و فرهنگی است. رهبران باید بدانند که سیلوها نشانههای چالشهای انسانی هستند که نیازمند تغییر در طرز فکر هستند: اولویت دادن به همکاری بر رقابت. برای انجام این کار، آنها باید محیطی را ایجاد کنند که در آن دیدگاه های متنوع به طور فعال جستجو و پاداش داده شود.
این با یک زبان مشترک و یک دستور روشن شروع می شود. یک رهبر میتواند مجموعهای از کارگاههای بین بخشی را که بازاریابان، مهندسان و تحلیلگران مالی را گرد هم میآورد، نه برای «یادگیری هوش مصنوعی»، بلکه برای شناسایی مشکلات مشترک، تسهیل کند. سوالی مانند “چگونه می توانیم از داده های موجود برای کاهش حجم تماس خدمات مشتری استفاده کنیم؟” می تواند نقطه شروعی برای همکاری باشد که به طور ارگانیک موانع را از بین می برد. نتیجه یک الگوریتم جدید نیست، بلکه فرآیند جدیدی است که بر اساس درک متقابل ساخته شده است.
استراتژی: از کوچک شروع کنید، بزرگ برنده شوید
بسیاری از کسبوکارها با دنبال کردن پیادهسازی فناوریهای بلندپروازانه و در مقیاس بزرگ مانند سیستمهای برنامهریزی منابع سازمانی گسترده (ERP) اشتباه میکنند. قصد – ادغام و ساده سازی – خوب است، اما نتیجه اغلب ناامیدی، گرانی هزینه و سردرگمی جدید است. یک شرکت تولیدی را در نظر بگیرید که میلیون ها دلار در یک سیستم جدید سرمایه گذاری می کند تا کل خط تولید خود را خودکار کند. اجرای اولیه بی نظم بود. الزامات انعطاف ناپذیر سیستم ورود داده ها، مهندسان طبقه را که روش های عملی و تثبیت شده خود را داشتند، ناامید کرد. تولید برای هفتهها متوقف شد، زیرا کارگران خط مقدم با سیستمی دست و پنجه نرم میکردند که به جای سادهسازی کارشان را پیچیده میکرد. این یک داستان هشدار دهنده است: بدون رویکرد مردم محور، حتی پیشرفته ترین سیستم ها نیز شکست می خورند.
قدرت افزایش گرایی
مسیر موفقیت در هوش مصنوعی یک بازنگری کامل از بالا به پایین نیست. این در مورد پروژه های افزایشی است که تیم ها را برای مقابله با چالش های کوچک و مرتبط توانمند می کند. این یک عقب نشینی نیست. این یک انتخاب استراتژیک است. این یک تشخیص است که تغییر واقعی از طریق یک سری مراحل قابل مدیریت و موفق اتفاق می افتد.
- با یک پروژه استراتژیک کوچک شروع کنید: کل پلت فرم خدمات مشتری را به طور کامل بازنگری نکنید. روی یک مشکل تک و فوری تمرکز کنید. برای یک مرکز تماس، یک پروژه کوچک می تواند از یک مدل هوش مصنوعی ساده برای تجزیه و تحلیل رونوشت تماس ها و شناسایی پنج دلیل اصلی برای مدت زمان طولانی استفاده کند. قابل مدیریت است، بینش های فوری و عملی را ارائه می دهد و به تیم احساس موفقیت می دهد. پروژه کوچک است، اما پیروزی مهم است: ارزش رویکرد را ثابت می کند.
- اهداف روشنی را تعیین کنید: اگر هدف پروژه مرکز تماس کاهش زمان نگهداری است، موفقیت را با یک هدف واضح و قابل اندازه گیری تعریف کنید: کاهش متوسط زمان رسیدگی به تماس تا ۱۵ درصد در عرض سه ماه. این وضوح قابل بحث نیست. یک نقطه کانونی فراهم می کند و ابهام را از بین می برد.
- جلوگیری از خزش محدوده: این قاتل خاموش پروژه هاست. برای جلوگیری از این امر باید از ابتدا مرزهای مشخصی تعیین شود. تیم می تواند موافقت کند: “ما فقط تماس های Q3 را تجزیه و تحلیل خواهیم کرد و فقط بر روی پنج علت اصلی شناسایی شده تمرکز می کنیم. ما در این مرحله برای تجزیه و تحلیل بلیط های پشتیبانی ایمیل توسعه نمی دهیم.” این نظم و انضباط دقیق تضمین می کند که پروژه در مسیر خود باقی می ماند و نتیجه ملموسی را ارائه می دهد.
- همکاری متقابل کارکردی را تشویق کنید: موفقیت پروژه به عامل انسانی بستگی دارد. این تیم باید شامل یک نماینده مرکز تماس خط مقدم باشد که تفاوت های ظریف مکالمات مشتری را درک کند، یک تحلیلگر داده برای تفسیر خروجی هوش مصنوعی و یک مدیر محصول برای اجرای تغییرات توصیه شده. این کارگاه های متقابل، جایی است که بینش های واقعی با هم برخورد می کنند و نوآوری متولد می شود.
آموزش و مقیاس بندی
هر پروژه مرحله ای فرصتی برای یادگیری بی وقفه است. پس از تکمیل پروژه مرکز تماس و کاهش زمان نگهداری، تیم باید یک بررسی گذشته نگر کامل انجام دهد. آنها باید بپرسند: چه کار کرد؟ چه چیزی شکست خورد؟ اگر پروژه ای با موفقیت نرخ ریزش را کاهش می دهد، استراتژی هایی را که منجر به آن موفقیت شده است مستند کنید و آنها را به طور گسترده اعمال کنید. موفقیت پایان کار نیست؛ این آغاز یک روند جدید است. سپس تیم میتواند همان روش را برای پشتیبانی ایمیل و سپس در چت زنده خود اعمال کند. یک برد کوچک به یک برنامه تکرارپذیر برای پیشرفت تبدیل می شود.
ضرورت رهبری
نقش رهبر بدون تردید است: فرهنگ شفافیت، اعتماد و توانمندسازی را پرورش دهید.
یک استراتژی انسان محور به دلایل ریشهای پذیرش کند هوش مصنوعی و دادههای محو شده میپردازد. محیطی پایدار را تقویت می کند که در آن کنجکاوی در مورد داده ها در فرهنگ شرکت ریشه دوانده است. زمانی که رشته های مختلف به طور فعال با داده ها درگیر می شوند، زبان مشترک و ذهنیت جمعی داده محور را پرورش می دهند.
این سرمایه گذاری در مورد اتخاذ ابزار نیست. این در مورد حفظ محیطی است که در آن همکاری تنظیم پیش فرض است. این در مورد درک این است که یک سیلو یک سازه نیست. این رفتار انسانی است که باید مدیریت شود و به سمت یک هدف مشترک هدایت شود. شرکت ها با اولویت دادن به تجربه انسانی و به چالش کشیدن پیشگیرانه واقعیت های سیاسی زیربنای سیلوها، هوش مصنوعی را از هزینه فناوری به مزیت رقابتی تبدیل می کنند که نوآوری معنادار را به همراه دارد و موفقیت بلندمدت را تضمین می کند.
