بسیاری از سازمان‌ها در حال حاضر فهرستی جامع از سیستم‌های هوش مصنوعی (AI Inventory) خود دارند؛ لیستی که در آن هر سیستم، مالک آن و رتبه‌بندی ریسک مشخص شده است. اما یک شکاف عمیق در این رویکرد وجود دارد: این فهرست‌ها می‌گویند چه کسی مالک سیستم است، اما نمی‌گویند چه کسی اجازه دارد به تصمیمات آن سیستم «نه» بگوید.
۱. سیگنال: ورود هوش مصنوعی به مدل عملیاتی
هوش مصنوعی دیگر تنها ابزاری برای کمک به انسان در انجام وظایف نیست، بلکه به درون مدل عملیاتی (Operating Model) سازمان‌ها نفوذ کرده است. این سیستم‌ها اکنون تعیین می‌کنند کدام پرونده به کدام صف ارجاع شود، قیمت‌ها چگونه تغییر کنند و کدام هشدارها توسط انسان دیده شوند. طبق گزارش State of the CIO 2026، حدود ۷۵٪ از مدیران معتقدند AI در حال بازتعریف نحوه اجرای عملیات آن‌هاست و تمایل به استفاده از سیستم‌های عامل یا ایجنتی (Agentic Systems) در حال افزایش است.
نکته کلیدی این است که هیئت مدیره نباید تنها به درصد پذیرش AI نگاه کند، بلکه باید بپرسد: «کدام تصمیمات اکنون تغییر مالک داده‌اند؟»
۲. پیامد: سرعت بیشتر اختیارات نسبت به مسئولیت
در مدل‌های سنتی، زنجیره مسئولیت شفاف بود: شخص، نقش، اختیار و تصمیم. اما اکنون این زنجیره به شکل زیر درآمده است: انسان، مدل، ایجنت، سیستم، تامین‌کننده و در نهایت نتیجه. در این میان، خودِ «تصمیم» اغلب نه مالکی دارد و نه بودجه‌ای.
این پدیده را می‌توان «رانش اختیارات» (Authority Drift) نامید؛ وضعیتی که در آن قدرت تصمیم‌گیری واقعی به تدریج به سمت ابزارها منتقل می‌شود، در حالی که مسئولیت رسمی (Accountability) همچنان در جایی باقی می‌ماند که سال‌ها پیش روی کاغذ ثبت شده است.
۳. تصمیم: اجازه دسترسی ماشین به چه چیزی است؟
مدیریت نباید سعی کند هر اقدام AI را کنترل کند، بلکه باید «تصمیمات کلیدی» (Material Decisions) را شناسایی کند. تصمیمات کلیدی مواردی هستند که بر مشتریان، سرمایه، کارکنان، جایگاه رگولاتوری یا تاب‌آوری سازمان اثر می‌گذارند. برای مثال، سیستمی که یادداشت جلسات را می‌نویسد کلیدی نیست، اما سیستمی که در مورد اعتبارسنجی، قیمت‌گذاری یا پاسخ به حوادث سایبری (Cyber Response) تصمیم می‌گیرد، حیاتی است.
هدف باید ترسیم یک «محدوده اختیارات» (Authority Envelope) باشد: این سیستم چه چیزی را توصیه می‌کند، چه چیزی را تصمیم می‌گیرد و چه چیزی را اجرا می‌کند؟ در کجا یک انسان باید رشته امور را به دست بگیرد و نام چه کسی روی نتیجه نهایی باشد؟
۴. شواهد: نقطه توقف اختیارات کجاست؟
برای اطمینان از اینکه محدوده اختیارات رعایت می‌شود، باید سوالات سخت‌گیرانه‌ای پرسید:
- پیاده‌سازی فنی: آیا محدودیت‌های تصمیم‌گیری (مثلاً سقف تایید مبلغ) در جریان کاری (Workflow) کدنویسی شده است یا فقط در یک سند سیاستی (Policy) نوشته شده؟
- استثنائات: چه کسانی استثنائات را تایید کرده‌اند و تاریخ انقضای این استثنائات چه زمانی است؟
- وابستگی‌ها: چند تصمیم مهم بر روی یک مدل، یک ابر (Cloud) یا یک تامین‌کننده واحد متکی هستند؟
- قابلیت بازگشت: اگر سرویس AI ناپدید شود، آیا سازمان هنوز می‌تواند تصمیمات را به صورت دستی بگیرد؟
- محرک‌های بازگشت: چه اتفاقی (مثلاً کاهش سطح اطمینان مدل) باعث می‌شود اختیار تصمیم‌گیری دوباره به انسان بازگردد؟
۵. چالش: دنبال کردن تصمیم، نه موجودی
مدیران ارشد برای نظارت بر ریسک AI نیازی به مهندس شدن ندارند، بلکه باید این ۵ سوال را بپرسند:
- کدام تصمیمات کلیدی اکنون به AI وابسته هستند؟
- صاحب اختیار (Authority Owner) برای هر یک از این تصمیمات کیست؟ (نه مالک مدل، بلکه کسی که اجازه تصمیم‌گیری داده است).
- این اختیار تا کجا پیش رفته است: توصیه، تصمیم یا اجرا؟
- چه چیزی باعث بازگشت اختیار به انسان می‌شود؟
- چه شواهدی ثابت می‌کند سیستم در محدوده تعیین شده باقی مانده است؟
۶. افق: انقضای خاموش تاییدیه ها
بزرگترین ریسک، شکست‌های دراماتیک نیست، بلکه «گسترش بدون تایید مجدد» است. زمانی که تامین‌کننده مدل پایه را تغییر می‌دهد یا یک ایجنت دسترسی‌های جدیدی پیدا می‌کند، تاییدیه سال گذشته اکنون چیزی را پوشش می‌دهد که هرگز مورد بررسی قرار نگرفته بود. در سیستم‌های ایجنتی، این مشکل شدیدتر است زیرا ارزش آن‌ها در انجام کارهای بیشتر بدون درخواست مجدد است.
۷. اقدام: نقشه‌برداری از تصمیمات
به جای چارچوب‌های پیچیده، یک نقشه ساده از ۱۰ تا ۲۰ تصمیم کلیدی AI تهیه کنید که شامل ستون‌های زیر باشد:
- مالک کسب‌وکار (Business Owner)
- نقش دقیق AI (توصیه، تصمیم یا اجرا)
- محدودیت اختیارات (به صورت عددی یا کمی)
- تاییدکننده استثنائات و تاریخ انقضا
- وابستگی اصلی (تامین‌کننده/مدل)
- روش جایگزین (Fallback) و اجراکننده آن
- محرک‌های ارجاع به انسان (Escalation)
- محل ذخیره شواهد و مستندات
نتیجه نهایی: هوش مصنوعی می‌تواند «اختیارات» را به ارث ببرد، اما هرگز نمی‌تواند «مسئولیت» (Accountability) را به ارث ببرد.
