فرهنگ سازمانی را با شعار «نوآور باشید» نمی توان تغییر داد

روی دیوار شرکت نوشته ایم «ما از نوآوری استقبال می کنیم»، اما وقتی کسی یک روش تازه پیشنهاد می دهد، از او می پرسیم چه کسی مسئول می شود اگر شکست خورد. کارکنان پیام واقعی را از روی دیوار نمی خوانند؛ از روی واکنش مدیران می فهمند.

هوش مصنوعی همین تناقض را آشکارتر می کند. سازمان می گوید کارکنان ابزارهای تازه را امتحان کنند، ولی در ارزیابی عملکرد جایی برای یادگیری و خطای کنترل شده نمی گذارد. نتیجه قابل پیش بینی است: چند نفر پرانرژی به صورت شخصی آزمایش می کنند و بقیه منتظر می مانند.

فرهنگ یعنی رفتارهایی که تکرار می شوند

اگر می خواهید استفاده سنجیده از هوش مصنوعی در شرکت شکل بگیرد، باید مشخص کنید رفتار مطلوب چیست. مثلا کارمند اجازه دارد برای خلاصه کردن سند عمومی از ابزار تایید شده استفاده کند، باید پاسخ را قبل از ارسال بررسی کند و اگر خطای مهمی دید آن را گزارش دهد. وقتی این قاعده روشن و قابل اجراست، شعار دیگر لازم نیست.

به همان اندازه باید درباره خط قرمزها شفاف بود: اطلاعات محرمانه را نباید بدون مجوز وارد ابزار عمومی کرد؛ تصمیم حساس نباید بدون تایید مسئول اجرا شود؛ و ارائه خروجی مدل به عنوان واقعیت تایید شده پذیرفتنی نیست.

گفت و گوی میان واحدها را آسان کنید

بسیاری از پروژه های هوش مصنوعی نه به دلیل مشکل الگوریتم، بلکه به خاطر فاصله میان واحدها متوقف می شوند. واحد کسب و کار نیاز را بیان می کند، تیم داده دنبال منبع اطلاعات می گردد و امنیت در مرحله آخر با محدودیتی تازه وارد می شود.

راه بهتر، تشکیل گروه کوچک کاری از ابتداست: کسی که مسئله را می شناسد، کسی که داده را می فهمد، کسی که راه حل را می سازد و کسی که مسئول ریسک و استفاده عملیاتی است. این افراد لازم نیست در تمام جلسه ها حضور داشته باشند، اما تصمیم های کلیدی نباید بدون شنیدن صدای آنها گرفته شود.

خطای خوب با بی دقتی فرق دارد

سازمان نوآور اجازه می دهد یک فرضیه در آزمایش محدود رد شود. اما این به معنای پذیرفتن بی دقتی نیست. اگر تیم از پیش معیار نوشته، خطا را ثبت کرده و از نتیجه درس گرفته است، شکست آزمایش می تواند مفید باشد. اگر بدون کنترل داده محرمانه را در معرض خطر گذاشته یا نتیجه نامعتبر را منتشر کرده، نمی توان اسم آن را یادگیری گذاشت.

این مرز را باید صریح بیان کرد؛ وگرنه یا کارکنان از هر آزمایشی می ترسند یا مسئولیت پذیری قربانی هیجان نوآوری می شود.

مرزهای آزمایش را مدیر روشن می کند

کارکنان باید بدانند کجا می توانند ایده را در محیط کم خطر بیازمایند و کجا پیش از استفاده از داده یا ارسال نتیجه به مشتری، تایید لازم است. مدیر در جلسه هفتگی می تواند به جای نمایش ابزار تازه بپرسد چه فرضی آزموده شده، چه چیزی آموخته اند و چه تصمیمی تغییر کرده است. مرز روشن، هم کنجکاوی را ممکن می کند و هم مسئولیت را حفظ می کند.

فرهنگ را در جلسه های روزمره می توان دید

اگر مدیران در جلسه از کارکنان می خواهند با شواهد حرف بزنند اما خودشان تصمیم ها را فقط بر اساس مقام سازمانی می گیرند، شعار «تصمیم داده محور» چندان جدی گرفته نمی شود. اگر اشتباه کوچک در یک آزمایش به سرزنش عمومی منجر شود، افراد به زودی فقط پروژه های بی خطر و نمایشی پیشنهاد می دهند. فرهنگ چیزی جدا از عملیات نیست؛ مجموعه رفتارهایی است که سازمان آنها را تشویق یا تنبیه می کند.

ورود هوش مصنوعی این تضادها را آشکارتر می کند. کارکنان باید درباره خروجی مدل سوال کنند، خطاها را گزارش دهند و گاهی پیشنهاد سامانه را رد کنند. در محیطی که پرسیدن سوال از مدیر دشوار است، پرسیدن سوال از خروجی سامانه هم ممکن است تشویق نشود. برای همین تحول فناورانه بدون تغییر برخی عادت های مدیریتی، معمولا به سطح ابزار محدود می ماند.

کنجکاوی را از بی نظمی جدا کنیم

سازمان باید به افراد فرصت آزمایش بدهد، اما این به معنای استفاده بی حساب از داده مشتری یا ابزار ناشناس نیست. می توان محیط های آزمایشی کم خطر ایجاد کرد، داده مجاز در اختیار گذاشت و معیار توقف تعریف کرد. در این صورت کارکنان می دانند کجا اجازه تجربه کردن دارند و کجا باید تایید بگیرند. نوآوری مسئولانه به مرزهای روشن نیاز دارد، نه ممنوعیت کلی و نه آزادی بی قاعده.

برای مثال، یک واحد می تواند هفته ای یک ساعت به بررسی ایده های بهبود فرایند اختصاص دهد. هر گروه مسئله ای واقعی انتخاب کند، فرضیه بنویسد و نتیجه کوتاه ارائه دهد. لازم نیست هر پیشنهاد به محصول تبدیل شود. ارزش اصلی ممکن است یادگیری درباره فرایند یا شناسایی مشکل داده باشد. مدیر باید نشان دهد نتیجه منفیِ آزمایش خوب هم پذیرفتنی است، به شرط آنکه از آن درس بگیریم.

اختلاف نظر را در طول اجرا مدیریت کنید

توافق اولیه کافی نیست؛ با آشکار شدن خطاها ممکن است تیم داده، صاحب فرایند و مسئول ریسک درباره ادامه کار نظر متفاوتی داشته باشند. پیشاپیش مشخص کنید اختلاف درباره کیفیت یا ایمنی را چه کسی جمع بندی می کند و چه زمانی تصمیم به مدیر بالاتر می رسد. اختلاف را ثبت کنید و شواهد هر طرف را کنار آن بیاورید. تصمیم روشن، حتی اگر موقت باشد، از توافق ظاهری و توقف پنهان پروژه بهتر است.

تصمیم داده محور به معنای حذف قضاوت نیست

گاهی کارکنان تصور می کنند با گسترش هوش مصنوعی، هرچه سیستم بگوید باید پذیرفته شود. این تصور خطرناک است. داده می تواند تصویری از گذشته بدهد، اما تصمیم راهبردی نیازمند شناخت هدف، محدودیت و پیامد آینده است. مدل ممکن است یک گزینه را از نظر آماری مناسب بداند، در حالی که مدیر به دلیل تعهد اخلاقی یا ملاحظه بلندمدت انتخاب دیگری کند. مهم این است که دلیل تفاوت ثبت و قابل توضیح باشد.

فرهنگ بالغ نه شیفته عدد است و نه ضد آن. از شواهد استفاده می کند، محدودیتشان را می شناسد و به افراد اجازه می دهد فرض های تصمیم را به چالش بکشند. اگر مدل با تجربه متخصص تعارض دارد، نباید هیچ کدام را بی بررسی برنده اعلام کرد. همین تعارض می تواند سرنخ داده ناقص یا عادت قدیمی نادرست باشد.

برای یادگیری، ظرفیت واقعی فراهم کنید

اگر مدیر از کارکنان می خواهد روش کار را تغییر دهند، باید زمان تمرین و بازبینی را هم در برنامه بگنجاند. نمی توان همان حجم وظایف قبلی را حفظ کرد و انتظار داشت افراد پس از ساعت کاری مهارت تازه بسازند. استفاده از ابزار در یک کار واقعی، همراه با بررسی شخصی عددها و نتیجه گیری، الگویی عملی تر از یک سخنرانی درباره فناوری است.

چه چیزی را پاداش می دهیم؟

اگر سازمان برای هر پروژه راه اندازی شده پاداش بدهد، به تدریج تعداد پروژه ها مهم تر از اثر آنها می شود. تیم ها ممکن است کاربردهای کوچک و نمایشی بسازند تا گزارش پیشرفت پر شود. در مقابل، اگر برای شناسایی زودهنگام خطا یا متوقف کردن پروژه نامناسب ارزشی قائل باشیم، افراد انگیزه بیشتری برای صداقت پیدا می کنند. معیار پاداش باید با کیفیت یادگیری و نتیجه واقعی همسو باشد، نه صرفا با حجم فعالیت.

برای مثال می توان در ارزیابی تیم، به روشن بودن فرضیه، کیفیت شواهد، همکاری میان واحدها و اقدام اصلاحی امتیاز داد. این معیارها باید ساده و قابل مشاهده باشند. اگر نظام ارزیابی آن قدر پیچیده شود که افراد ندانند چه رفتاری مطلوب است، اثر خود را از دست می دهد. در فرهنگ سالم، کارکنان می دانند اعلام یک مشکل واقعی نشانه مسئولیت پذیری است.

همچنین مدیران باید وقت کافی برای یادگیری فراهم کنند. نمی توان از فرد انتظار داشت روش کار را تغییر دهد، اما همان حجم وظایف قبلی را بدون فرصت تمرین حفظ کرد. اگر همه دقیقه های روز صرف تحویل فوری شود، نوآوری به کاری بعد از ساعت اداری تبدیل می شود. ایجاد فضای محدود اما منظم برای آزمون و گفت و گو، از اعلام برنامه های بزرگ و بی پشتوانه موثرتر است.

برای این زمان، هدف و محدوده مشخص بگذارید تا تمرین به جلسه ای بی پایان تبدیل نشود. گروه می تواند در پایان هر نوبت یک مانع را انتخاب کند و روشن کند چه کسی تا جلسه بعد آن را پیگیری می کند.

در نهایت، فرهنگ از نحوه برخورد با اختلاف نظر معلوم می شود. وقتی کارشناس به یک خروجی ماشینی یا تصمیم مدیر ایراد مستدل می گیرد، آیا فرصت توضیح دارد؟ اگر پاسخ مثبت باشد، سازمان برای همکاری انسان و ماشین آماده تر است.

فرهنگ سازمانی در همین انتخاب های کوچک ساخته می شود. هوش مصنوعی می تواند ابزار قدرتمندی باشد، اما در محیطی که پرسیدن سوال سخت و پذیرفتن اشتباه خطرناک است، قدرت فناوری به تنهایی کافی نخواهد بود.