بسیاری از بحث‌های مربوط به استقرار هوش مصنوعی (AI) در سازمان‌ها، از مدل‌ها، پلتفرم‌ها یا ابزارها شروع می‌شود. اما برای دستیابی به ارزش واقعی، نقطه شروع باید جای دیگری باشد: جریان کاری (Workflow).
تعیین نیاز واقعی پیش از انتخاب ابزار
پیش از به‌کارگیری تکنولوژی، باید به این سوالات پاسخ داد: کدام تصمیمات نیاز به بهبود دارند؟ کاربر در آن لحظه به چه اطلاعاتی نیاز دارد؟ چه موانعی در مسیر فعلی وجود دارد و در شرایطی که فرآیند استاندارد پاسخگو نیست، تکنولوژی باید چه واکنشی نشان دهد؟
ارزش هوش مصنوعی زمانی خلق می‌شود که در بافت (Context) جریان کاری قرار گیرد و در دل فرآیندها ادغام شود، نه صرفاً به دلیل اینکه در سازمان مستقر شده است.
نقش مدیر ارشد فناوری (CIO) در معماری AI
وظیفه CIO ایجاد معماری، استانداردها و مدل‌های عملیاتی است که اجازه دهد AI در محیط‌های مختلف (از کارکنان اداری تا خط مقدم عملیاتی) مفید واقع شود. سوال اول نباید این باشد که «کجا می‌توانیم AI را اضافه کنیم؟»، بلکه باید پرسید: «کجا دسترسی به اطلاعات بهتر یا اجرای سریع‌تر، نتیجه نهایی را تغییر می‌دهد؟»
نقشه‌برداری از جریان کاری و اتوماسیون
برای پیاده‌سازی موفق، متدولوژی زیر پیشنهاد می‌شود:
- نقشه‌برداری جامع: بررسی جریان کاری از ابتدا تا انتها.
- شناسایی نقاط کلیدی: تعیین تصمیمات، نقاط تحویل (Handoffs)، سیستم‌ها و استثنائات.
- دسته‌بندی اقدامات: تصمیم‌گیری درباره اینکه چه بخشی باید اتوماتیک شود (Automated)، چه بخشی توسط AI تقویت شود (Augmented) و چه بخشی باید صرفاً توسط انسان تصمیم‌گیری شود.
اگر فرآیند تغییر نکند، AI تنها به لایه جدیدی از اصطکاک در سیستم‌های موجود تبدیل می‌شود.
اهمیت لایه بافت (Context Layer)
هوش مصنوعی ابزاری نیست که صرفاً با نصب (Plug and Play) فعال شود. پاسخ‌های قابل اعتماد به بافت وابسته هستند، که شامل موارد زیر است:
- داده‌های صحیح و به‌روز.
- نقش و دسترسی‌های کاربر (Permissions).
- وضعیت عملیاتی جاری و تاریخچه مرتبط.
- سیاست‌های حاکم بر تصمیم‌گیری.
بازطراحی کار به‌جای تغییر رابط کاربری
بسیاری از برنامه‌های AI دچار شکاف بهره‌وری می‌شوند؛ زیرا سازمان ابزار را مستقر می‌کند اما نقش‌ها و حقوق تصمیم‌گیری را تغییر نمی‌دهد. تحول واقعی زمانی رخ می‌دهد که مشخص شود اگر سیستم AI ریسکی را شناسایی کرد، چه کسی مسئول اقدام است و چه زمانی موضوع باید ارجاع (Escalation) شود.
مدل تصمیم‌گیری 3T
برای ارزیابی موارد کاربرد (Use Cases)، می‌توان از مدل «3T» استفاده کرد:
- Talent (استعداد): آیا کار نیاز به قضاوت انسانی یا تخصص دارد؟
- Tools (ابزارها): آیا ابزارهای موجود می‌توانند این مسئله را به‌طور بهینه حل کنند؟
- Tokens (توکن‌ها): آیا استفاده از مدل‌های زبانی و توکن‌ها ارزش سرمایه‌گذاری را دارد؟
سنجش موفقیت: نتایج به‌جای فعالیت‌ها
مدیران نباید تعداد پرومپت‌ها (Prompts)، لایسنس‌ها یا دفعات ورود به سیستم را معیار موفقیت بدانند؛ این‌ها تنها نشانگر فعالیت هستند، نه ارزش. معیارهای واقعی عبارتند از:
- بهبود کیفیت تصمیمات.
- کاهش زمان چرخه (Cycle Time).
- کاهش نرخ خطا.
- افزایش زمان صرف شده کارکنان روی کارهای با ارزش بالا.
