این نوشتار بخش دوم از یک پیوستار منسجم است.
بخش اول را از اینجا مطالعه فرمایید.
هوش مصنوعی تقریباً همهجا حضور دارد؛ اما ارزش اقتصادی آن هنوز همهجا دیده نمیشود.
حدود ۸۸ درصد سازمانها ابزارهای هوش مصنوعی را در بخشهایی از فعالیت خود مستقر کردهاند یا در حال آزمایش آن هستند. با این حال بیش از ۸۱ درصد هنوز تأثیر ملموس و قابلتوجهی بر EBIT یا برآمد مالی نهایی خود مشاهده نکردهاند. در سطح مدیریت ارشد نیز شکاف مشابهی وجود دارد: تنها ۱ درصد مدیران اجرایی استقرار هوش مصنوعی مولد در سازمان خود را «بالغ» توصیف میکنند و فقط ۱۹ درصد توانستهاند افزایش درآمد بیش از ۵ درصد متأثر از هوش مصنوعی را ثبت کنند.
این شکاف بیش از آنکه درباره توانایی فناوری باشد به نحوه استفاده سازمانها از آن مربوط است.
بخش بزرگی از تلاشهای فعلی بر موارد استفاده پراکنده و جزیرهای متمرکز شدهاند؛ کاربردهایی که عمدتاً بهرهوری فردی کارکنان را اندکی افزایش میدهند. تلاشهای پیشرفتهتر برای استفاده از «عاملهای هوش مصنوعی» (AI Agents) نیز با هدف افزایش بهرهوری فرآیندهای موجود اغلب در مرحله برنامهریزی یا پایلوت باقی ماندهاند اما بهبود فرآیندهای موجود فقط نقطه شروع است. آزادشدن ظرفیت مالی هوش مصنوعی به تغییری بنیادیتر نیاز دارد: سیمکشی دوباره سازمان و بازطراحی مدل عملیاتی حول هوش مصنوعی.
همینجا پارادوکس پذیرش آشکار میشود. ۸۶ درصد مدیران ارشد سازمان خود را برای استفاده روزمره از هوش مصنوعی در عملیات جاری آماده نمیدانند. از هر شش سازمان یک سازمان حتی متولی مشخصی در سطح مدیریت ارشد برای هدایت استقرار هوش مصنوعی ندارد و تنها ۱۴ درصد شاهد حمایت مستمر، فعال و برنامهریزیشده رهبران از پذیرش و آزمایش این فناوری هستند.بنابراین مسئله دیگر صرفاً «استقرار هوش مصنوعی» نیست، پرسش مهمتر این است: سازمان باید چگونه تغییر کند تا بتواند از هوش مصنوعی در مقیاس واقعی ارزش بسازد؟
پاسخ در یک «دگرگونی مضاعف» (Double Transformation) قرار دارد: دگرگونی همزمان فنی و سازمانی.
این تحول مستلزم بازتصور شیوه انجام کار، بازتعریف قلمروهای تخصصی و بازطراحی فرآیندهای انتهابهانتهاست. سازمانهایی که فرآیندهای کاری را از شالوده بازطراحی میکنند بیشترین سودآوری را از هوش مصنوعی به دست میآورند. چنین تغییری همچنین به سرمایهگذاری نامتقارن نیاز دارد: به ازای هر یک دلار سرمایهگذاری در خرید یا توسعه فناوری، پنج دلار باید صرف توانمندسازی، آموزش و تحول سازمانی نیروی انسانی شود.
چه چیزی یک سازمان عاملیتمحور را متفاوت میکند؟
عاملهای هوش مصنوعی صرفاً ابزارهایی برای انجام سریعتر وظایف نیستند آنها میتوانند اهداف چندمرحلهای و تطبیقی را با حداقل نظارت انسانی دنبال کنند: برنامهریزی کنند، تصمیم بگیرند، اجرا کنند و با تغییر شرایط سازگار شوند؛ رفتارهایی که پیشتر به هماهنگی و قضاوت مستمر انسانی نیاز داشتند.وقتی چند عامل در یک شبکه هماهنگ میشوند، ظرفیت تغییر عمیقتر میشود. آنها میتوانند تیمهای کاری خودکار تشکیل دهند و حتی جریانهای کاری اختصاصی خود را طراحی کنند.
یک شرکت مخابراتی پیشرو، برای نمونه، با ایجاد موتور هوشمند «بهترین تجربه بعدی»، رفتار و نیاز مشترکان را شناسایی میکند، پیامها و پیشنهادهای شخصیسازیشده را از طریق کانالهای ترجیحی ارائه میدهد و فقط در مواقع ضروری مداخله انسانی را فعال میکند. نتیجه، کاهش ریزش مشتری، بهبود حاشیه سود و افزایش ملموس تعامل مشتریان بوده است.
در چنین مدلی هوش مصنوعی دیگر لایهای افزودهشده بر سازمان موجود نیست. بخشی از منطق عملیاتی سازمان میشود.این تغییر همزمان با تحول انتظارات ذینفعان رخ میدهد. مشتریان هوش مصنوعی را بهتدریج بهعنوان استاندارد جدید خدمات میشناسند و کارکنان نیز انتظار دارند این فناوری انجام کار و دریافت پشتیبانی را آسانتر کند. در نتیجه تأخیر در این چرخش راهبردی میتواند فاصلهای ایجاد کند که جبران آن دشوارتر شود.تفاوت «پیشگامان هوش مصنوعی» اینجا معنا پیدا میکند این گروه ــ حدود ۲۳ درصد سازمانها ــ درک روشنی از نحوه بازآفرینی فعالیتهای خود دارند و هوش مصنوعی را در بیشتر بخشهای سازمان مستقر کردهاند.
۶۴ درصد این پیشگامان انتظار دارند تغییرات محیطی و اقتصادی تأثیری مثبت بر سازمانشان داشته باشد در مقابل، این نسبت در میان سازمانهای غیرپیشگام ۴۵ درصد است. همچنین ۵۶ درصد پیشگامان باور دارند کارکنانشان به اهداف بزرگتری دست خواهند یافت، در حالی که این رقم برای سایر سازمانها ۲۶ درصد است.یک تفاوت دیگر نیز اهمیت دارد: در سازمانهایی که چشمانداز روشنی برای آینده هوش مصنوعی دارند، نزدیک به ۹۰ درصد مدیران ارشد فعالانه از استقرار آن حمایت میکنند.
وضوح مقصد، همراهی رهبری را امکانپذیرتر میکند. اما داشتن مقصد روشن هنوز یک مسئله اساسی را حل نمیکند: سازمان برای رسیدن به آن باید از چه موانعی عبور کند؟
چرا موانع اصلی هوش مصنوعی فقط فنی نیستند؟
موانع استقرار گسترده هوش مصنوعی در سه حوزه اصلی ظاهر میشوند.
نخست، نگرانیهای ماهوی درباره خود هوش مصنوعی است که ۴۶ درصد سازمانها به آن اشاره میکنند: تعصب الگوریتمی، مالکیت فکری، امنیت دادهها و نگرانی درباره جایگزینی مشاغل انسانی.
دوم، مسائل حقوقی، اخلاقی و مقرراتی است که برای ۴۴ درصد سازمانها مانع محسوب میشود. این نگرانی در اروپا با ۴۸ درصد و بهویژه در آلمان با ۵۶ درصد، بیش از آمریکای شمالی با ۴۴ درصد و آسیا-پاسفیک با ۴۱ درصد دیده میشود.
سوم، چالشهای ساختاری و سازمانی است که ۳۹ درصد سازمانها با آن مواجهاند؛ از ضعف مدیریت تغییر و سیلوهای سازمانی گرفته تا صلبیت فرآیندها.در کنار این سه حوزه، نارسایی زیرساخت فناوری و سیستمهای قدیمی برای ۳۱ درصد، فقدان استراتژی روشن یا حمایت مدیریت ارشد برای ۳۰ درصد و محدودیتهای مالی و بودجهای برای ۲۷ درصد سازمانها مانع ایجاد میکند.
این الگو یک نکته اساسی را آشکار میکند: مسئله مقیاسپذیری هوش مصنوعی را نمیتوان فقط با نرمافزار، سختافزار یا مدلهای قدرتمندتر حل کرد.سازمان باید بتواند فرهنگ «آزمون، یادگیری و تطبیق مستمر» ایجاد کند و نقشها و مسئولیتها را در محیطی بازتعریف کند که ماشینها میتوانند برنامهریزی کنند، تصمیم بگیرند، ارکستراسیون انجام دهند و محتوا تولید کنند.در این نقطه، دگرگونی فنی و سازمانی دیگر دو پروژه جداگانه نیستند. آنها دو وجه یک تحول واحدند.
سازمان چگونه باید خود را سیمکشی دوباره کند؟
عبور از مجموعهای از پایلوتهای پراکنده به یک مدل عملیاتی یکپارچه و هوشمصنوعیمحور، به چهار تغییر وابسته و مکمل نیاز دارد: بازتنظیم استراتژی، ایجاد پلتفرم فناوری انعطافپذیر، سیمکشی دوباره انتهابهانتهای جریانهای کاری و توانمندسازی نیروی انسانی.این چهار جزء زمانی معنا پیدا میکنند که بهعنوان یک سیستم دیده شوند، نه چهار اقدام مستقل.
استراتژی و زیرساخت باید یکدیگر را تقویت کنند
تحول هوش مصنوعی نمیتواند یک پروژه منزوی فناوری باشد. این تحول به دستور کاری مشترک در سطح C-Suite نیاز دارد؛ با مشارکت مستقیم مدیرعامل (CEO)، مدیر مالی (CFO)، مدیر فناوری (CTO) و مدیر منابع انسانی (CHRO).شواهد نشان میدهد هنگامی که مدیران ارشد فناوری رهبری این دگرگونی را بر عهده میگیرند، سرعت و مقیاسپذیری استقرار هوش مصنوعی بسیار بیشتر از زمانی است که مدیرعامل بهتنهایی وارد عمل میشود.
اما استراتژی بدون زیرساخت مناسب در مقیاس متوقف خواهد شد.مقیاسپذیری به زیرساختی چابک و ترکیبپذیر نیاز دارد که در قالب «شبکه هوش مصنوعی» (AI Mesh) شکل میگیرد. این معماری مستقل از فروشنده، امکان همکاری عاملهای هوش مصنوعی در سراسر سیستمها، استفاده از کانتکست مشترک و تکامل تدریجی آنها را فراهم میکند و در عین حال بافت رابط لازم برای کنترل و امنیت سیستمها را شکل میدهد. در یک نمونه، بانکی بزرگ با ایجاد «کارخانههای دیجیتال ترکیبی»، کارکنان انسانی را به نقشهای نظارتی منتقل کرده است تا بر جوخههایی از عاملهای هوش مصنوعی نظارت کنند.
اما حتی زیرساخت مناسب نیز زمانی ارزش واقعی ایجاد میکند که خود جریان کار تغییر کند.
جریانهای کاری باید حول برآمدها بازطراحی شوند
مدل عملیاتی عاملیتمحور با افزودن عاملهای هوش مصنوعی به ساختارهای قدیمی شکل نمیگیرد.سازمانها باید از وظایف سنتی به مدلهای عملیاتی برآمدپایه (Outcome-Oriented) حرکت کنند؛ مدلهایی مسطحتر، سریعتر و سیالتر که قابلیتهای انسانی و ماشینی را به شکلی پویا در کنار یکدیگر قرار میدهند.
ساختار سازمانی نیز باید این منطق جدید را منعکس کند. ادغام برخی نقشهای مدیریتی در شرکتهای پیشرو ــ مانند ترکیب مدیریت منابع انسانی و فناوری اطلاعات در شرکت مدرنا ــ نشانهای از همین تغییر است: هوش مصنوعی دیگر صرفاً موضوع واحد فناوری نیست؛ به نیرویی برای بازشکلدهی نیروی کار تبدیل شده است اما بازطراحی ساختار بدون بازطراحی رابطه انسان و ماشین کامل نمیشود.
سرعت ماشین به مسئولیتپذیری انسانی نیاز دارد
تلفیق سرعت عاملهای هوش مصنوعی با مسئولیت انسانی، مستلزم بازطراحی مهارتها، ساختارهای قراردادی و الگوهای زمانی کار است.در این مرحله، نقش مدیران فقط تأمین فناوری نیست. آنها باید پذیرش هوش مصنوعی را تقویت کنند و فرهنگ یادگیری تکرارشونده و همکاری بینرشتهای را شکل دهند. سه عامل بیش از سایر عوامل به شتاب استقرار کمک میکنند: سهولت استفاده از فناوری با ۴۲ درصد، حمایت فعال مدیریت ارشد با ۳۶ درصد و وجود تیم اختصاصی برای هدایت استقرار با ۳۶ درصد.
اما پذیرش پایدار بدون اعتماد دشوار است.
ابهامزدایی از هوش مصنوعی، مدیریت نگرانی درباره از دست رفتن شغل و ساختن اعتماد سازمانی، بخش جداییناپذیر این تحولاند. مدیریت ارشد باید توجه را از «حذف شغل» به «گذار شغلی» (Occupational Transition) منتقل کند؛ یعنی شرایطی که در آن خودکارشدن وظایف تکراری با شکلگیری نقشهای جدید همراه میشود. ارتقای مهارتها (Upskilling)، بازآموزی (Reskilling) و برنامهریزی شفاف نیروی کار، ابزارهای اصلی مدیریت این گذارند.
تجربه آلیانز این منطق را در عمل نشان میدهد. این شرکت بیمه آلمانی با راهاندازی پلتفرم اختصاصی AllianzGPT ــ با بیش از ۶۰ هزار کاربر فعال ــ هوش مصنوعی را در صدور بیمهنامه، ارزیابی خسارت و طراحی محصول ادغام کرده است. مدیریت آلیانز مسئله را با پرسشی ملموس برای کارکنان صورتبندی کرد: «چگونه میتوانید از هوش مصنوعی برای کاهش حداقل چهار ساعت از بار کاری هفتگی خود در کارهای تکراری استفاده کنید؟»
این رویکرد، تمرکز را از خود فناوری به تجربه کاری کارکنان منتقل کرد.
تجربه آلیانز همچنین نشان میدهد که طی پنج سال آینده، دوسوم ــ ۶۶ درصد ــ مهارتهای مورد نیاز سازمان کاملاً متفاوت خواهند بود. پاسخ به این تغییر به یادگیری مستمر، از جمله میانگین ۶۰ ساعت آموزش سالانه برای هر کارمند، ایجاد شورای اخلاق هوش مصنوعی برای تعیین مرز حقوق تصمیمگیری انسان و ماشین و پیوند هوش مصنوعی با اهداف استراتژیک نیاز دارد.
در منطق آلیانز، «پذیرش گسترده هوش مصنوعی، کلید واقعی عبور از بهرهوری صرف و رسیدن به مرزهای نوآوری است.»
در نهایت، چه چیزی باید رهبری شود؟
ادغام هوش مصنوعی در سازمان، پروژه متصلکردن یک ابزار دیجیتال جدید نیست. مسئله، بازآفرینی عمیق تعامل میان انسان، فناوری، ساختار و جریان کار است به همین دلیل، مقیاسپذیری هوش مصنوعی بیش از آنکه صرفاً یک چالش فنی باشد، آزمونی برای رهبری و انضباط اجرایی سازمان است.
شفافیت استراتژیک بدون زیرساخت مناسب کافی نیست. زیرساخت بدون بازطراحی فرآیندها به مقیاس واقعی نمیرسد. بازطراحی فرآیندها بدون توانمندسازی نیروی انسانی پایدار نمیماند. و هیچیک بدون اعتماد و پاسخگویی روشن نمیتواند سازمان را به یک مدل عاملیتمحور منتقل کند.دگرگونی مضاعف دقیقاً از همین وابستگی متقابل معنا میگیرد: فناوری و سازمان باید همزمان تغییر کنند.در چنین مدلی، هوش مصنوعی نه صرفاً جایگزینی برای کار انسانی، بلکه بخشی از معماری جدید کار است؛ معماریای که سرعت و عاملیت ماشین را با قضاوت و مسئولیتپذیری انسان ترکیب میکند.
مرز واقعی تحول هوش مصنوعی نیز همینجاست: نه در تعداد ابزارهایی که سازمان به کار گرفته است، بلکه در میزان بازآفرینی سازمان برای کارکردن با آنها.
منبع اصلی:
این محتوا برداشتی آزاد اما پایبند به گزارش و مدل مفهومی مقاله زیر از mckinsey است.
The State of Organizations 2026
