یکی از اشتباهات رایج در استفاده از هوش مصنوعی که کمتر مورد توجه قرار میگیرد، تمرکز صرف بر خرید یا توسعه ابزار و نادیدهگرفتن آموزش و آمادهسازی کارکنان است. بسیاری از مدیران تصور میکنند همین که یک دستیار هوشمند یا ابزار اتوماسیون خریداری و نصب شود، نتیجه بهصورت خودکار حاصل میشود. اما تجربه نشان میدهد بخش بزرگی از پروژههای هوش مصنوعی نه بهدلیل ضعف فنی ابزار، بلکه بهدلیل ناآمادگی تیمهای انسانی برای استفاده درست از آن با شکست یا نتیجه ضعیف مواجه میشوند.
چرا این موضوع برای مدیران مهم است؟
وقتی یک دستیار هوش مصنوعی یا سامانه اتوماسیون وارد سازمان میشود، روش کار روزمره کارکنان نیز تغییر میکند؛ از نحوه ورود داده گرفته تا نوع تصمیماتی که باید بگیرند یا تأیید کنند. اگر کارکنان درک درستی از منطق کار ابزار، محدودیتهای آن و نحوه تفسیر خروجیها نداشته باشند، یا از آن استفاده نمیکنند یا به آن اعتماد بیشازحد میکنند. هر دو حالت برای سازمان پرهزینه است: حالت اول باعث میشود سرمایهگذاری روی ابزار بینتیجه بماند و حالت دوم میتواند به تصمیمهای اشتباه بر اساس خروجی ناقص یا اشتباه منجر شود. این یکی از اشتباهات رایج در استفاده از هوش مصنوعی است که معمولاً در مرحله بودجهبندی پروژه بهکلی نادیده گرفته میشود.
کاربرد عملی در کسبوکار
در یک نمونه رایج، یک شرکت پخش و توزیع کالا، دستیار هوش مصنوعی فروش را برای تیم فروش میدانی خود راهاندازی کرد تا فرصتهای فروش را اولویتبندی و پیگیریها را یادآوری کند. اما در مرحله اجرا، تنها یک جلسه آموزشی کوتاه برای کارکنان برگزار شد و مستندات کاربردی کافی در اختیار آنها قرار نگرفت. نتیجه این بود که بخش زیادی از تیم فروش همچنان از روشهای قبلی استفاده میکردند و دستیار هوشمند صرفاً به یک ابزار جانبی و کماستفاده تبدیل شد، نه بخشی از فرایند روزمره کار. در مقابل، شرکتی دیگر در همان حوزه، علاوه بر آموزش اولیه، برای هر بخش یک فرد رابط داخلی تعیین کرد که سؤالات روزمره کارکنان درباره ابزار را پاسخ میداد و بازخوردها را به تیم فنی منتقل میکرد. این تفاوت ساده در رویکرد آموزشی، نتیجه نهایی دو پروژه مشابه را بهطور کامل متفاوت کرد.
مسیر اجرای درست
آموزش مؤثر برای استفاده از ابزارهای هوش مصنوعی نباید به یک جلسه معرفی اولیه محدود شود. مسیر درست شامل آموزش گامبهگام بر اساس سناریوهای واقعی کار روزمره هر بخش، نه آموزش عمومی و یکسان برای کل سازمان است. تعیین یک یا چند نفر بهعنوان رابط داخلی پروژه که هم زبان فنی ابزار را میفهمند و هم با فرایندهای واقعی بخش خود آشنا هستند، نقش کلیدی در موفقیت دارد. همچنین لازم است در هفتهها و ماههای ابتدایی پس از راهاندازی، بازخورد کارکنان بهصورت منظم جمعآوری و در بهبود تنظیمات ابزار استفاده شود، زیرا کاربران واقعی معمولاً مشکلاتی را شناسایی میکنند که در مرحله طراحی دیده نشدهاند.
اشتباهات یا نکات کلیدی
اشتباه رایج شرکتها در این زمینه این است که آموزش را هزینه اضافی پروژه میبینند، نه بخشی جداییناپذیر از آن. نکته دیگر، نادیدهگرفتن مقاومت طبیعی کارکنان در برابر تغییر روش کار است؛ بدون توضیح شفاف اینکه ابزار جدید چگونه کار آنها را سادهتر میکند، احتمال مقاومت پنهان و عدم استفاده واقعی بسیار بالا میرود. همچنین بسیاری از سازمانها تنها روی آموزش فنی تمرکز میکنند و آموزش مربوط به تفسیر درست خروجیها و محدودیتهای هوش مصنوعی را نادیده میگیرند که خود میتواند منشأ تصمیمهای اشتباه شود.
چگونه میزان آمادگی کارکنان را بسنجیم؟
پیش از راهاندازی کامل هر ابزار هوش مصنوعی، بهتر است مدیران یک ارزیابی ساده از سطح آشنایی کارکنان با مفاهیم پایه هوش مصنوعی و میزان نگرانی یا مقاومت احتمالی آنها انجام دهند. این ارزیابی میتواند از طریق گفتوگوی مستقیم با سرپرستان هر واحد، یا یک پرسشنامه کوتاه درباره تجربه قبلی کارکنان با ابزارهای دیجیتال مشابه انجام شود. نتیجه این ارزیابی به تیم اجرایی کمک میکند برنامه آموزشی را متناسب با سطح واقعی دانش هر گروه طراحی کند، بهجای استفاده از یک محتوای آموزشی یکسان برای همه بخشها که معمولاً یا برای برخی افراد بسیار ابتدایی است یا برای برخی دیگر بسیار پیچیده. همچنین تعیین یک بازه زمانی مشخص، مثلاً شش تا هشت هفته، برای ارزیابی مجدد سطح استفاده واقعی کارکنان از ابزار، به مدیران امکان میدهد زودتر متوجه شوند کدام بخشها همچنان نیاز به پشتیبانی بیشتری دارند. تجربه نشان داده سازمانهایی که این ارزیابی را جدی میگیرند، معمولاً سریعتر به نقطهای میرسند که ابزار هوش مصنوعی واقعاً بخشی از کار روزمره کارکنان میشود، نه یک پروژه جانبی که فقط در گزارشهای مدیریتی دیده میشود.