أحد صفحات التقدم العلمي للنشر
أعمالإدارةابتكاراخترنا لكاستثماربحثذكاء اصطناعيرقمنةعملاء

الموظفون والآلات: شركاء في الابتكار

لن يكون الأثر الأكبر للتكنولوجيات الذكية إلغاء الوظائف بل تغيير ما يفعله الموظفون ودفع الابتكار عميقاً في الأعمال.

سيكون التبني الرصين للتكنولوجيات الذكية ضروريّاً لبقاء العديد من الشركات. ولكن مجرد تطبيق أحدث التكنولوجيات وأدوات الأتمتة لن يكون كافياً، فالنجاح يعتمد على ما إذا كانت المؤسسات تستخدمها للابتكار في عملياتها ومنتجاتها وخدماتها – وما إذا كانت تكتسب رأس المال البشري اللازم لأداء ذلك وتٌطِّوره.

في استطلاع أجرته شركة ديلويت Deloitte أخيراً لـ250 مسؤولاً تنفيذيّاً على دراية بكيفية تفكير شركاتهم في التكنولوجيات الذكية، قال نحو ثلاثة من كل أربعة إنهم يتوقعون أن يُحوِّل الذكاء الاصطناعي شركاتهم تحولا كبيرا خلال ثلاث سنوات.1T.H. Davenport, J. Loucks, and D. Schatsky, “Bullish on the Business Value of Cognitive: Leaders in Cognitive and AI Weigh In on What’s Working and What’s Next,” Deloitte, 2017, www2.deloitte.com. وبالطبع، ستتأثر القوى العاملة بهذا التغيير كله. وعلى الرغم من أن الذكاء الاصطناعي سيلغي بعض الوظائف في العقد المقبل (سيقوم بذلك بشكل شبه مؤكد)، فهو قد ينشئ من الوظائف عدداً مماثلاً لتلك التي يلغيها ويتيح فرصاً جديدة هائلة للتعاون بين البشر والآلات. وخفّت إلى حدٍّ ما حدةُ الحديثِ السابق عن فقدان الوظائف على نطاق واسع.2C.B. Frey and M.A. Osborne, “The Future of Employment: How Susceptible Are Jobs to Computerisation?” Technological Forecasting and Social Change 114 (January 2013): 254-280. ففي استطلاع شركة ديلويت، مثلاً، كان تقليل عدد الموظفين من خلال الأتمتة هو الهدف الأقل تصنيفاً من بين أهداف الذكاء الاصطناعي – إذ اختار %7 فقط من المستجيبين ذلك كأولوية أولى لهم. وفي الواقع، يحوّل العديد من المراقبين توقعاتهم بعيداً عن فقدان الوظائف إلى تغيير الوظائف، إذ يجد البشر طرقاً للعمل عن كثب مع الآلات.

وبالنظر إلى احتمال تغير العديد من الوظائف بدلاً من اختفائها، تحتاج المؤسسات إلى فهم المهارات الجديدة المطلوبة. وفي استطلاع أجرته شركة ماكنزي McKinsey أخيراً للمسؤولين التنفيذيين في الشركات التي تزيد إيراداتها على 100 مليون دولار، قال %66 من المستجيبين إن «سد الثغرات في المهارات المحتملة المتعلقة بالأتمتة/الرقمنة» في القوى العاملة لديهم يندرج في «الأولويات العشر الأولى»؛ وقال %64 من المستجيبين في الولايات المتحدة و%70 من المستجيبين الأوروبيين إنهم بحاجة إلى إعادة تدريب ربع القوى العاملة الحالية على الأقل أو استبدالها.3P. Illanes, S. Lund, M. Mourshed, et al., “Retraining and Reskilling Workers in the Age of Automation,” McKinsey Global Institute, January 2018, www.mckinsey.com. وبشكل ملحوظ، أجاب %16 فقط من قادة الأعمال بالقول إنهم «مستعدون جدّاً» لمعالجة الفجوات المحتملة في المهارات، مما أثار أسئلة جدية حول استعدادهم للمنافسة. وتشير استطلاعات حديثة أخرى إلى أن التوقعات العالية لدى المـسـؤولين الـتـنـفـيذيين في شـأن الـتـكنـولوجيـات الـذكـيـة تتجاوز مهاراتهم وخبراتهم في تطوير تكنولوجيات كهذه في شركاتهم.4“Avoiding Setbacks in the Intelligent Automation Race,” KPMG, accessed April 3, 2019, https://advisory.kpmg.us.

وعلى الرغم من أننا رصدنا وعملنا مع العديد من الشركات الكبيرة والشركات الناشئة في مسائل الذكاء الاصطناعي، فلم يطلق إلا عدد قليل منها برامج لإعادة تصميم الوظائف أو إعادة تحديد المهارات أو إعادة التدريب. إضافة إلى ذلك، لا يُعاد تحديد مهارات معظم الأفراد أو تدريبهم على نحو مناسب للعمل الممكّن بالأتمتة.5T.H. Davenport, “The Business Value of Digital Workflows,” Workflow Quarterly (spring 2019), https://workflow.servicenow.com. (انظر: حول التحليل). وستتخذ المؤسسات الذكية خطوات ليس فقط لتبني التكنولوجيات الذكية بل أيضاً لتوظيف أشخاص وإعادة تدريب الموظفين على أداء الأدوار الماهرة، وإعادة تصميم المهام والوظائف، واستخدام الذكاء الاصطناعي كعامل تمكين للابتكار في المنتجات والعمليات ونمذجات الأعمال فيما نسميه الابتكار على أساس الأتمتة الذكية Innovation based on intelligent automation. وسيكون هذا تحوّلاً لكل وظيفة ومهمة على حدة، لكن يمكننا أن نرى بالفعل أماكن تكون فيها أوجه التقدم الرئيسية في التكنولوجيا مقيدة بسبب عدم كفاية الاهتمام بالتكامل ورأس المال البشري. مثلاً، يستخدم الجراحون بشكل متزايد التكنولوجيا الروبوتية لمساعدتهم على الجراحة الروتينية؛ فالتكنولوجيا الجديدة تقدم رؤية أفضل وقطعاً أدق وخياطة أفضل. ولكن فقط مستشفيات وكليات طبية قليلة قد طورت نهجا فاعلا لتدريب الجراحين المقيمين على التكنولوجيا؛ فالجراحون قيد التدريب لا يحصلون على خبرة عملية.6M. Beane, “Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail,” Administrative Science Quarterly 64, no. 1 (March 2019): 87-123.

وعلى الرغم من أن إمكانات الابتكار الممكّن بالذكاء الاصطناعي موجودة فعليّاً في كل جانب من جوانب الأعمال والمجتمع، فهي غير محققة إلى حد كبير. مثلاً، كشفت دراسة لشركات تعمل في التدقيق الداخلي أن أقل من ثلث فرق التدقيق تمتلك خرائط طريق لدمج التكنولوجيات الجديدة.7M. Cohn, “For Internal Auditors, Innovation Is a Work in Progress,” Accounting Today, March 12, 2019, www.accountingtoday.com. فبائعو التكنولوجيا يخططون لابتكارات تتراوح بين السيارات والشاحنات الذاتية القيادة و«المؤسسة الذاتية القيادة» وينتجونها،8S. Lauchlan, “After the Self-Driving Car, Welcome the Self-Driving Enterprise – and All Its Pyramid Organization Implications,” Diginomica, May 2, 2018, https://diginomica.com. لكن عدداً قليلاً جدّاً من الجهات التي تبنتها بدأت بتصور الكيفية التي سيغير بها الذكاء الاصطناعي الوظائف في شركاتها والمهارات الجديدة التي يجب تطويرها. وبالنظر إلى أن العديد من تكنولوجيات الذكاء الاصطناعي الجديدة تظهر الآن أو ستظهر في المستقبل القريب، فليس لدى المؤسسات وقت تضيعه في التخطيط لها وإنشاء ابتكارات في تصميم العمل موازية للابتكارات التكنولوجية.

سؤال أساسي

كيف يمكن للشركات استخدام التكنولوجيات الذكية للابتكار؟

* يمكنها إعادة تصميم المهام والوظائف لتسهيل التعاون بين الإنسان والآلة في العمل.

* يمكنها أتمتة المنتجات والعمليات ونمذجات الأعمال لدعم احتياجات المستخدمين.

* يمكنها دمج التكنولوجيات الذكية في مؤسساتها.

طيف من الأتمتة الذكية

وعندما تدعم التكنولوجيات الذكية العاملين الأفراد، مما يسمح لهم بأداء وظائفهم بشكل أفضل أو أكثر كفاءة، يكون ما نتحدث عنه حقّاً أدوات وليس أتمتة. ومن الأمثلة الجيدة على ذلك سائق التاكسي الذي يستخدم نظام تحديد المواقع GPS لتحديد اتجاهات القيادة. أما الأتمتة؛ فتمضي إلى أبعد من ذلك: هي تسمح بتنفيذ المهام أو العمليات من دون مساعدة أو مشاركة بشرية، لكن البشر قد يشرفون على العمل أو يؤدون مهام موازية أو تكميلية. مثلاً، يمكن لأنظمة التشخيص الذكية قراءة صور الأشعة السينية، لكن لا يزال يتعين على أطباء الأشعة تحديد التصوير المطلوب إجراؤه، وربط نتائج التصوير بسجلات واختبارات طبية أخرى، ومناقشة النتائج مع المرضى، وتنفيذ مهام أخرى.9T.H. Davenport and K.J. Dreyer, “AI Will Change Radiology, but It Won’t Replace Radiologists,” Harvard Business Review, March 27, 2018, https://hbr.org.

وعلى الرغم من أن التطبيقات الأولى كانت تتضمن مهام مهام معرفية يدوية ومنهجية (مهيكلة وقابلة للتكرار)، فإننا نتحرك نحو المهام المعرفية غير المنهجية التي تشمل الإبداع وتغير الوظائف، والتي بدت حتى وقت قريب خارج نطاق الأتمتة. ونضيف تدريجيّاً مزيداً من الاستقلالية إلى المنتجات والخدمات. (انظر الجدول: الذكاء الاصطناعي خلال العمل).

وفي الواقع، بدأنا برؤية أنظمة مستقلة يمكنها أداء المهام من دون أي تدخل بشري، باستخدام قواعد إرشادية محددة بعناية. انظروا في التداول المالي المؤتمت Automated financial trading. فبالنظر إلى أنه يعتمد تماماً على الخوارزميات، يمكن للشركات إكمال المعاملات بشكل أسرع بواسطته مقارنة بالأنظمة التي تعتمد على البشر. وبطريقة مماثلة تؤدي الروبوتات مهام ضيقة في شكل مستقل في إعدادات التصنيع. ففي عام 2015، مثلاً، استعاضت شركة شانغيانغ للدقة التكنولوجية Changying Precision Technology، وهي شركة صينية تشارك في إنتاج الهواتف المحمولة، عن %90 من العاملين في أحد مصانعها بروبوتات. ومن خلال القيام بذلك، تقول الشركة إنها كانت قادرة على مضاعفة إنتاجها وتخفيض العيوب بنسبة 80 %.10A. Prakash, “Forget the Markets, Robots Are China’s New Worry,” Forbes, Jan. 28, 2016, www.forbes.com. ولكن الأكثر شيوعاً هو أن الذكاء الاصطناعي والروبوتات تغير الوظائف بدلاً من القضاء عليها. مثلاً، وظفت أمازون Amazon أكثر من 300 ألف شخص منذ شرائها في عام 2018 لأنظمة كيفيا Kiva Systems، وهي شركة لتصنيع الروبوتات الخاصة بالمستودعات. وعلقت إحدى موظفات مركز التوزيع، الذي «يعتني» بالعديد من الروبوتات ويضمن تحميلها المستمر بصناديق، على وظيفتها قائلة، «بالنسبة إليّ، إنها أكثر التحديات العقلية التي نواجهها هنا. فهي لا تتضمن تكراراً».11N. Wingfield, “As Amazon Pushes Forward With Robots, Workers Find New Roles,” The New York Times, Sept. 10, 2017.

وبينما تعمل معظم أنظمة الذكاء الاصطناعي حاليا فقط على تعزيز مهام العاملين الحاليين، يعتقد أشخاص كثيرون أن الأمر مجرد مسألة وقت قبل أن تتمكن الأنظمة المعقدة من العمل بنفسها في بيئات ديناميكية وغير مهيكلة. مثلاً، في السنتين المقبلتين أو السنوات الثلاث المقبلة، ستكون لدينا مركبات ذاتية القيادة تعمل في مناطق محدودة أو في ظروف خاصة (تصنفها جمعية مهندسي السيارات Society of Automotive Engineers بأنها من المستوى الرابع Level)؛ وبحلول عام 2030 أو نحو ذلك، يتوقع عدد كبير من الأشخاص وجود مركبات تعمل من دون أي تدخل بشري (تُصنَّف بأنها من المستوى 5).12“Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles,” SAE International, J3016_201806, revised June 15, 2018, www.sae.org.

إضافة إلى ذلك، يتزايد احتمال بأننا في المستقبل غير البعيد سيكون لدينا العديد من الآلات التي تعمل وفق أهدافها هي. وهناك مثال على ذلك فوري بقدر ما هو مخيف، وهو وجود أسلحة مستقلة يمكنها أن تقرر أين تستخدم قدرتها على التدمير ومتى وضد من. ويمثل هذا التطبيق الجانب السلبي (السيد هايد) من الأنظمة المستقلة بالكامل. ولكن في النهاية، يمكننا أن نتوقع أيضاً رؤية الجانب الإيجابي (الدكتور جيكل)، مع تطبيقات تستطيع تحسين الحياة.

العقول العاملة مع الآلات

ومثلما مكنتنا أشباه الموصلات Semiconductors من تخفيض تكلفة الحسابات وتطبيق علم الحساب في مجالات جديدة – أولاً، في التطبيقات العلمية والعسكرية، وبعد ذلك في كل المجالات المهنية والاجتماعية – سيطلق الابتكار المستند إلى الذكاء الاصطناعي مجموعة من المنتجات والخدمات المحسنة والجديدة بالكامل. وسيكون الأثر في عالم العمل غير مسبوق.

وتبين تنافسات البشر في مقابل الآلات في لعبة الشطرنج الكيفية التي سيحتاج بها البشر إلى تغيير أدوارهم إزاء الأجهزة الذكية بشكل مستمر. ففي عامي 1996 و1997، تنافس حاسوب ديب بلو Deep Blue من آي بي إم IBM مع بطل العالم غاري كاسباروف Garry Kasparov، وصار أول حاسوب يتفوق على أحد أبطال العالم في مباراة من ست جولات. وكما هي الحال مع برامج الشطرنج الأخرى، فقد مزجت استراتيجية ديب بلو بين قوة الحوسبة والمعرفة الاستراتيجية باللعبة التي يقدمها خبراء بشريون. وأمكن للأفراد شحذ مهاراتهم باللعب ضدها ودراسة تحركاتها، لكنهم لم يتعلموا أي شيء جديد في حد ذاته. أما الآن؛ فقد ارتفعت كفاءة برامج الشطرنج إلى حد بات معه العديد من أساتذة الشطرنج يستخدمونها لتحسين مستوى لعبهم. وفي نهاية عام 2017 تحقِّق مَعْلَم جديد في الشطرنج عندما تعلمت برمجية ألفا زيرو AlphaZero التي طورتها ديب مايند DeepMind التابعة لألفابت Alphabet، كيفية اللعب على أساس معرفتها بالقواعد فقط.13D. Silver, T. Hubert, J. Schrittwieser, et al., “A General Reinforcement Learning Algorithm That Masters Chess, Shogi, and Go Through Self-Play,” Science 362, no. 6419 (Dec. 7, 2018): 1140-1144. وفي أقل من يوم واحد من اللعب ضد نفسها، تعلمت ألفا زيرو ما يكفي لسحق ستوكفيش Stockfish، الذي كان في السابق البرنامج الرائد للشطرنج.14AlphaZero learns through complex deep-learning algorithms, and it uses a so-called reinforcement learning approach similar to the way humans and other living beings learn. If a decision is made that is shown to be appropriate over time, a positive reinforcement is obtained that reaffirms that decision for the future; decisions that don’t work are penalized. وفي صفوف خبراء الشطرنج كان أحد أكثر الأمور إثارة للدهشة حول ألفا زيرو هو أنها تعلمت الاستراتيجيات التي تتجاوز لعب البشر. فقد علم الإنسان ديب بلو لعب الشطرنج، لكن ألفا زيرو طورت منهجها الخاص – الذي يمكن للبشر أن يتعلموا منه.

وستظهر تغيرات كهذه في العلاقة بين الإنسان والآلة في مكان العمل أيضاً، إذ يصبح الذكاء الاصطناعي أذكى. ولن تكون العملية تلقائية، بل سيحفزها مصممو التكنولوجيات الذكية ومستخدموها، وبالطبع الشركات التي تبتكر على أساس هذه التكنولوجيات وتمتلك الموارد البشرية المناسبة لتحقيق ذلك. ولكن التغييرات الرئيسية في الوظائف والمهارات لا تندمج بين عشية وضحاها، حتى عندما يتضمن النهج تعيين موظفين جدد بدلاً من إعادة تدريب الموظفين الحاليين. وبمجرد أن تحدد الشركات التغييرات المطلوبة، سيستغرق تنفيذها بعض الوقت.

وفي المستقبل ستحتاج المؤسسات إلى وضع تبني التكنولوجيا وتنمية رأس المال البشري في قلب استراتيجيات الابتكار الخاصة بها. ومع مرور الوقت، سيكون لكيفية نشر الشركات للتكنولوجيا ورأس المال البشري أثر هائل في قدرتها التنافسية وبقائها. ونرى أربعة سيناريوهات أساسية تظهر في المؤسسات التي عملنا معها:

1. الحد الأدنى من الاستثمار في تكنولوجيا الأتمتة والموظفين. لمجموعة متنوعة من الأسباب – بما في ذلك التكلفة وعدم وجود رؤية أو معرفة اللازمتين، ولاسيما بين المسؤولين التنفيذيين – تؤخر بعض الشركات اتخاذ أنواع القرارات والالتزامات الأساسية التي ستجعلها مبتكرة في مجال الذكاء الاصطناعي وقابلة للاستمرار في المستقبل. وفي هذا السيناريو لا تستثمر الشركات بصورة كافية في التكنولوجيات ورأس المال البشري الضرورين. وسيؤدي هذا الإحجام عن سن التغييرات إلى فقدان القدرة التنافسية وعدم القدرة على الحفاظ على أعمال مستدامة. وستكون لهذه الشركات تكاليف أعلى على صعيد العمالة، ومنتجات وخدمات ذكية أقل، ومستويات أدنى في مجال خدمة العملاء من منافسيها. وفي إدارة الثروات، مثلاً، تفقد بالفعل الشركات التي ليس لديها استشاريون روبوتيون أذكياء أعمالها لصالح جهات منافسة مثل فانغارد Vanguard وتشارلز شواب Charles Schwab التي تقدم مشورة منخفضة التكلفة أو من دون تكلفة.

2. الاستثمار المكثف في تكنولوجيا الأتمتة لكن القليل من الاستثمار في رأس المال البشري. أبدت بعض الشركات التي عملنا معها استعداداً لضخ استثمارات كبيرة في الأتمتة، لكنها لم تكن مستعدة إلا لإجراء تغييرات تدريجية في التصميم والتدريب الوظيفيين، وتتوقع أن التكنولوجيا نفسها ستحدث تحولاً تنظيميّاً إلى حد كبير من خلال تحسينات في الكفاءة والإنتاجية.

خذوا بوتات الدردشة، التي يستخدمها العديد من الشركات للتعامل مع المهام البسيطة نسبيّاً لخدمة العملاء. وتستخدم ستاربكس Starbucks، مثلاً، بوتات الدردشة لإخطار العملاء عندما تكون طلباتهم جاهزة؛ وتستخدمها ماستركارد MasterCard لتسهيل حصول العملاء على معلومات حول معاملاتهم. (فيما يتعلق بالمشكلات الأكثر تعقيداً، يتولى الأمر الوكلاء البشريون عادةً). وإلى الحد الذي تعيد فيه هذه الشركات تكوين الوظائف أو العمليات وتساعد العاملين على تعلم كيفية العمل مع التكنولوجيا، قد توفر بوتات الدردشة Chatbots تضافراً أو على الأقل توزيعاً أفضل للمهام. ومع الأسف، لا تعمل الأتمتة دائماً بهذه الطريقة. مثلاً، في عام 2017، استثمرت تسلا Tesla بكثافة في الروبوتات من أجل التصنيع ولم تستثمر كفاية في تنمية مهارات العاملين البشريين. وعندما أدركت الإدارة أن الروبوتات لا تفعل ما يكفي لمساعدة الشركة في تحقيق الأهداف الإنتاجية الطموحة الخاصة بسياراتها من الطراز 3، تراجعت عن اعتمادها على الروبوتات وعينت بشراً ودربتهم لأداء المهام الضرورية.15H. Edwards and D. Edwards, “How Tesla ‘Shot Itself in the Foot’ by Trying to Hyper-Automate Its Factory,” Quartz, May 1, 2018, https://qz.com. ولكن بالنسبة إلى التجميع النهائي للمركبات، اتبعت تسلا أسلوباً أكثر دقة وتكاملاً، إذ كلفت البشر بالمهام المعقدة واستخدمت الروبوتات في مهام متخصصة مثل نقل البضائع نحو المصنع ورفع المكونات الثقيلة واختبار المقاعد. وكانت النتيجة، كما قال أحد المراقبين، «رقصة دقيقة للعاملين البشريين والروبوتات على خط الإنتاج».16S. Schrader, “This Time Lapse of a Tesla Model 3 Getting Built Is Weirdly Soothing,” The Drive, Jan. 5, 2019, www.thedrive.com.

3. تغييرات تدريجية في الوظائف والمهارات مع القليل من الاستثمار في التكنولوجيات الذكية. لا يستثمر العديد من الشركات التي تعطي الأولوية للتحسين التدريجي للعمليات (مثلاً، باستخدام منهج Six Sigma أو Lean) ما يكفي في التكنولوجيا الجديدة – لأسباب منها أن هذه المناهج لا تتضمن دوراً للتكنولوجيا. إضافة إلى ذلك، قد يكون من الصعب تبني تغييرات واسعة شاملة للمؤسسات في الوظائف والتكنولوجيات في الوقت نفسه؛ لأن أثر الذكاء الاصطناعي والتكنولوجيات الأخرى في الوظائف يميل إلى أن يكون مقصوراً على وظائف معينة. وعلى الرغم من صحة أن توظيف العاملين المهرة وإعادة تدريبهم قد يولّدان تحسينات في الأجل القريب، فلن يؤدي هذا النهج وحده إلى تغيير حقيقي. وفي الواقع، وجدنا أن الشركات إذا لم تكن مستعدة لتخصيص موارد لتكنولوجيات الذكاء الاصطناعي، فهي تخاطر بالتخلف عن المنافسين في الإنتاجية والجودة. وفي نهاية المطاف، إضافة إلى ذلك، فهي تضر بقدرتها على توظيف العاملين ذوي المعرفة الجيدة واستبقائهم، فهم قد يرون فرصاً أفضل في أماكن أخرى. وبالطبع، هناك ظروف معينة يكون فيها التركيز على الاستراتيجيات الموجهة إلى البشر منطقيّاً. فالمطاعم الراقية، مثلاً، أقل اعتماداً على الأتمتة مقارنة بمطاعم الوجبات السريعة. وينطبق الشيء نفسه على شركات الأزياء وغيرها من شركات الكماليات الفاخرة. ولكن حتى في هذه الحالات، ينبغي أن يكون للأتمتة الذكية وجود متزايد في الوظائف والعمليات الخلفية مثل إدارة سلسلة التوريد ودعم العملاء.

4. الاستثمار الكبير في كل من التكنولوجيا الذكية والابتكار في رأس المال البشري. المؤسسات التي تمتلك نهجاً استثماريّاً واسع النطاق مجهزة تجهيزاً أفضل للسعي إلى الابتكار في تطبيق الذكاء الاصطناعي وتطوير رأس المال البشري. وبدلاً من مجرد النظر إلى الأتمتة كوسيلة لتخفيض التكاليف، تنشئ هذه الشركات منتجات وخدمات وعمليات ونمذجات أعمال مبتكرة من خلال تطبيق التكنولوجيات الذكية وإعادة تصميم الوظائف واكتساب مهارات جديدة من خلال التوظيف وتدريب العاملين الحاليين. وهذا النهج أمر حيوي خصوصا للشركات التي تتنافس في الأسواق حيث تهيمن الشركات العملاقة العالمية.

مثلاً، تحاول جنرال إلكتريك General Electric (اختصارا: الشركة GE)  – على الرغم من الصعوبات الحالية التي تواجهها مع وحدتي الأعمال التابعتين لها: الشركة GE للطاقة GE Power وجنوارث فاينانشيال Genworth Financial – استخدام تطبيقات الذكاء الاصطناعي ورأس المال البشري لدفع الابتكار. وتتمثل طريقتها لفعل ذلك في دراسة احتياجات أنواع مختلفة من المستخدمين الموظفين، أو الشخصيات Personas، ثم النظر في كيف يمكن دعمهم بالتكنولوجيا. والشخصيات جزءاً من النهج المستخدم على نطاق واسع لفهم احتياجات العملاء في التسويق وتطوير المنتجات، لكن نادراً ما تُستخدَم لتطوير الأنظمة الداخلية وتُستخدَم استخداماً أقل في توليد أنظمة الذكاء الاصطناعي.

وتتكون واحدة من شخصيات الشركة GE من موظفين معنيين بشراء مواد صناعية أو البحث عنها. وتتمثل المهمة الأساسية لهؤلاء الموظفين بالتأكد من توفر المواد اللازمة على خط التصنيع في الوقت المناسب. وتاريخيّاً، اعتمدوا على حدسهم لإدارة الجداول الزمنية للإنجاز، لكن نمذجات تعلم الآلة تمتلك القدرة على التعلم من عمليات الإنجاز السابقة وتقديم تقديرات تستند إلى النمذجات. ويُدرَّب المستخدمون على فهم كيفية عمل النمذجات وكيفية تحسينها. وحاليا، تساعد النمذجات مدير البحث عن مواد صناعية الذي يتخذ القرار النهائي في شأن وقت الطلب. وفي نهاية المطاف تتوقع الشركة GE أن تتمكن أنظمة الذكاء الاصطناعي من اتخاذ القرارات من تلقاء نفسها لتحسين الأشياء مثل جداول الإنجاز والمخزون قيد المعالجة. وسيكون دور البشر هو تشذيب العمليات ومعالجة المشكلات التي تحدث.17T.H. Davenport interview of D. Burns, chief information officer of GE Aviation, Feb. 5, 2018.

وعلى الرغم من قوة الذكاء الاصطناعي وغيره من التكنولوجيات الجديدة، فإن احتمال أن تحل محل المديرين والمهنيين في الأجل القريب هو احتمال متدنٍ جدا. وبدلاً من ذلك، يعتقد عدد كبير من المراقبين، بمن فيهم إريك برينجولفسون Erik Brynjolfsson وأندرو مكافي Andrew McAfee، مديرا مبادرة معهد ماساتشوستس للتكنولوجيا للاقتصاد الرقمي MIT Initiative on the Digital Economy، أن التغيير سيكون أكثر تدريجية – أي «إن أولئك الذين يستخدمون الذكاء الاصطناعي سيحلون محل أولئك الذين لا يفعلون».18E. Brynjolfsson and A. McAfee, “The Business of Artificial Intelligence: What It Can – and Cannot – Do for Your Organization,” Harvard Business Review, July 7, 2017, https://hbr.org. ويتمثل التحدي الذي تواجهه الشركات في إيجاد طرق للاعتماد السهل للتكنولوجيات الذكية في مؤسساتها، وفي الوقت نفسه تحديد كيفية الاستفادة مما يقدمه البشر الأذكياء.

التفكير قبل الأتمتة

لا توجد وصفة بسيطة للابتكار الناجح على أساس الأتمتة. وستُتَاح لشركات مختلفة فرص متنوعة لتفعيل تكنولوجيات ذكية. ولكننا، في البحث في نقل المعرفة والتكنولوجيا داخل الشركات ونصح المؤسسات حول تبني الذكاء الاصطناعي، طورنا مجموعة من الإرشادات:

البدء بالتعليم الإداري. إن أفضل نقطة بداية هي الاستثمار في التدريب المخصص للمسؤولين التنفيذيين المكلفين باتخاذ القرارات الاســتـراتيـجـيـة المـتـعلـقـة بالتكـنـولوجيـات الــذكيــة. واستناداً إلى خبرتنا يؤدي جهل المسؤولين التنفيذيين في الأغلب إلى سلوكين متعاكسين لكن سلبيين على حد سواء: إذا قلل الـقادة من تقـدير إمـكـانـات هـذه التـكـنـولــوجيــات؛ فستفقد شركاتهم فرصاً للاستفادة منها. ومن جهة أخرى، إذا بالغوا في تقديرها وشرعوا في مشاريع طموحة ومكلفة جدا؛ فسيهدرون الموارد وربما يولّدون تحيزاً داخل الشركة ضد المشاريع الجديدة، حتى تلك المعقولة منها. ولإعداد القادة لاتخاذ القرارات المستقبلية، عقدت شركة رائدة في مجال التأمين على الممتلكات وضد الإصابات، مثلاً، جلسات لمدة يوم لكبار المسؤولين التنفيذيين حول ماهية الذكاء الاصطناعي، وأفضل السبل لإدارتها، وما قد يعنيه ذلك بالنسبة إلى الموظفين. ونظمت شركات أنثم للتأمين Anthem Insurance Companies، وهـي شـركة كـبـيـــرة لـلـتـأمـيــن الصحـي، وبـنك أوف أمـريكــا Bank of America جلـســــات مماثلة لقادتهما وأعضاء مجلسي إدارتهما.

ووُضِعت خريطة طريق للمبادرات المستقبلية التي تنطوي على التكنولوجيا والأشخاص. وكما هي الحال مع أي مشروع يتطلب تنفيذ مبادرة الأتمتة الذكية وجود خريطة طريق تصف الأهداف والموارد اللازمة وجدول مواعيد التنفيذ. ويجب أن تساعد خريطة الطريق الجيدة المؤسسة على توقع المنافع المحتملة التي تتجاوز المنافع الأكثر وضوحاً، ويجب أن تتضمن استراتيجية للتواصل الداخلي والخارجي، ولاسيما عندما يُحتمَل أن تخفض مشاريع الأتمتة الذكية الوظائف. مثلاً، طورت شركة سيتوم للتكنولوجيات Situm Technologies، وهي شركة ناشئة إسبانية (أحدنا، سينين بارو، من مؤسسيها)، تقنية متابعة موقع الأشخاص والأصول بدقة عبر الهواتف الذكية الموجودة في المنشآت مثل المستشفيات والمطارات والمصانع. وكانت التطبيقات الأولية محدودة إلى حد ما – أراد عميل يعمل في مجال أمن المباني متابعة مسارات حراس الأمن. وفي النهاية، وضعت الشركة خريطة طريق لاستخدام تكنولوجيا شركة سيتوم في المنشآت بطرق أخرى – مثلاً، لإدارة الأشخاص أثناء المواقف الطارئة مثل الحرائق أو الاعتداءات. وهذا مكّن الشركة من تقديم مجموعة من الحلول التي واءمت بين الاستفادة من تحسين الموارد البشرية والسلامة.

في أمازون، يقول الرئيس التنفيذي جيف بيزوس إن العديد من استثمـارات الشركة في تعلم الآلـة تـركـز على «تحسين العمليات الأساسية بهدوء لكن بمعنى».

التركيز على المشاريع ذات القيمة على الفور والحذر من المبادرات الطموحة جدا. يجب على الشركات التي تفتقر إلى خبرة كبيرة في الذكاء الاصطناعي أن تركز في البداية على المشاريع ذات النتائج السهلة التحقيق التي ستمكنها من اكتساب الخبرة. فالمشاريع الطموحة جدا لعلاج السرطان، وتزويد المستثمرين الأفراد بتوصيات استثمارية تفصيلية، أو إلغاء الحاجة إلى سائقين كلها مشاريع إما فشلت أو استغرقت وقتاً أطول مما توقعه الباحثون. حتى أمازون واجهت تحديات مع متاجر أمازون غو Amazon Go، ويستغرق تبلور مشروع التسليم بطائرات من دون طيار (الدرونات) وقتاً طويلاً.

وفي الأغلب يكون للجمع بين العديد من المشاريع التي يمكن التحكم فيها بمنطقة واحدة للأعمال فرصةٌ أفضل لتحقيق نتائج مهمة مقارنة بمحاولة السعي إلى مشروع واحد كبير. ففي أمازون، مثلاً، يقول الرئيس التنفيذي جيف بيزوس Jeff Bezos إن العديد من استثمارات الشركة في تعلم الآلة تركز على «تحسين العمليات الأساسية بهدوء لكن بمعنى».19K. Leswing, “Jeff Bezos Just Perfectly Summed Up What You Need to Know About Artificial Intelligence,” Business Insider, April 12, 2017, www.businessinsider.in. i. Loucks, D. Schatsky, and T. Davenport, “State of AI in the Enterprise, 2nd Edition: Early Adopters Combine Bullish Enthusiasm With Strategic Investments,” Deloitte Insights, Oct. 22, 2018, www2.deloitte.com. ii. Davenport, “The Business Value of Digital Workflows.”

وإذا كان التركيز القوي للشركة يتناول استخدام الذكاء الاصطناعي لتعزيز علاقات العملاء، مثلاً؛ فقد تتضمن المشاريع بوتات الدردشة أو وكلاء أذكياء للإجابة عن الأسئلة بسرعة على مدار اليوم والأسبوع، ونمذجات تعلم الآلة لالتقاط «صوت العميل» من عمليات مركز الاتصال، ومحركات توصية لإرسال العروض الترويجية فقط إلى العملاء ذوي الاهتمام الكبير، وهكذا. وينشئ هذا النهج التدريجي أيضاً مزيداً من الوقت لإعادة تصميم العمل وإعادة تحديد مهارات العاملين، لأن كل مهمة مدعومة من الذكاء الاصطناعي تتطلب عادةً تغييراً تدريجيّاً في الوظائف. ويجب أن يكون الهدف واضحاً؛ حتى في الحالات التي يكون فيها الهدف هو أتمتة المهام التي كان العاملون يؤدونها سابقاً، يجب تصميم أو إعادة تصميم التدفقات الرئيسية للعمل، مع التركيز على تقسيم العمل بين البشر والآلات الذكية. ويجب أن يكون الهدف طوال الوقت هو التصميم المبتكر والفاعل للعمل، وليس فقط تخفيض التكلفة.

الاستثمار في بناء قدرات الموظفين الداخليين. حددوا العاملين الذين سيتبنون الحل ودربوا الموظفين على استخدامه. ويُفضَّل أن يشارك بعض الأشخاص في تطوير نظام الذكاء الاصطناعي – ربما كخبراء في العملية أو الموضوع. وبالنظر إلى خبرتهم، قد يكونون مستخدمين رئيسيين للإصدارات المبكرة من أنظمة الذكاء الاصطناعي ويقدمون ملاحظات على ما يصلح وما لا يصلح. وقد تشارك إدارتا الموارد البشرية والتعلم المؤسسي مع هؤلاء الأفراد في هيكلة برامج تدريب للعاملين الآخرين المتأثرين بالأنظمة.

وللابتكار حول الأتمتة الذكية، يجب أن تخططوا لتطوير موظفيكم أو توظيفهم بدلاً من مجرد الاستعانة بهم من الشركات الاستشارية أو البائعين. مثلاً، يتطلب تدريب بوتات الدردشة فهماً عميقاً للأعمال والمتطلبات الحالية والمتطورة للعملاء والمستخدمين الداخليين، وهي أشياء قد يوفرها الموظفون المتمرسون داخل الشركة.

التخطيط لإجراء تحسينات مع مرور الوقت. من الواضح أن التكنولوجيات التي تستخدمونها يجب أن تكون مناسبة للمشاريع قيد البحث. ولكن التكنولوجيات الذكية تتحسن بسرعة، مما يعني أن الابتكار المستند إلى التشغيل الآلي يجب أن يكون مستمراً بدلاً من كونه عرضيّاً. مثلاً، تُمكّن التطورات الحديثة في توليد اللغات الطبيعية المؤسساتِ من دمج التقارير المسرودة في تطبيقاتها لذكاء الأعمال. وقد تؤدي هذه القدرة الجديدة إلى زيادة كبيرة في قدرة غير المهرة على فهم التقارير التقنية والمالية؛ ما قد يقلل من الحاجة إلى خدمة للعملاء تعتمد على البشر أو الذكاء الاصطناعي. وتعمل شركات رائدة مثل الشركة يو إس إيه إيه USAA، وهي شركة للتأمين والخدمات المالية، على خطوط متعددة  – بوتات الدردشة، والمساعدون الافتراضيون، وتوليد السرد Narrative generation – لتسهيل تواصل أفضل مع العملاء، ومن ثمَّ يجب عليها مراقبة العلاقات بين الأدوات المختلفة باستمرار.

يحتاج المديرون إلى إدراك أن التكنولوجيات الذكية ستجد طريقها إلى مزيد من القطاعات الصناعية والمهن في السنوات المقبلة. وستقلل حلول الأعمال التي تعمل بنظام الذكاء الاصطناعي التكاليف وتحسن الإنتاجية. ومع ذلك، نتوقع أن يكون الأثر الأكبر في دفع الابتكار في الأعمال بنحو أعمق – ولكي يحدث ذلك، يجب أن يكون الأشخاص والآلات شركاء في عملية الابتكار. إن الاستثمار في التكنولوجيات الذكية وفي الموارد البشرية القادرة على استخدامها، والتعاون معها، والابتكار منها ربما يكون مكلفاً. لكن الفشل في القيام بذلك سيكون أكثر تكلفة بكثير.

سينين بارو. senenbarro Senén Barro@

سينين بارو. senenbarro Senén Barro@

هو المدير العلمي لمركز الأبحاث الفردية حول التكنولوجيات الذكية Singular Research Center on Intelligent Technologies التابع لجامعة سانتياغو دي كومبوستيلا University of Santiago de Compostela في غاليسيا، إسبانيا، وباحث زائر في كلية بابسون Babson College في ويليسلي بماساتشوستس.

وتوماس إتش دافنبورت  Thomas H. Davenport tdav@

وتوماس إتش دافنبورت Thomas H. Davenport tdav@

هو الأستاذ المتميز لكرسي الرئيس لتكنولوجيا المعلومات والإدارة في بابسون، وهو زميل في معهد ماساتشوستس للتكنولوجيا في علم الاقتصاد الرقمي، وكبير استشاريي الممارسات المعرفية والتحليلية في شركة ديلويت. وأحدث مؤلفاته كتاب بعنوان ميزة الذكاء الاصطناعي: كيف ننجح في ثورة الذكاء الاصطناعي The AI Advantage: How to Put the Artificial Intelligence Revolution to Work (مطبعة معهد ماساتشوستس للتكنولوجيا MIT Press، 2018). للتعليق على هذا الموضوع http://sloanreview.mit.edu/x/60407.

المراجع

المراجع
1 T.H. Davenport, J. Loucks, and D. Schatsky, “Bullish on the Business Value of Cognitive: Leaders in Cognitive and AI Weigh In on What’s Working and What’s Next,” Deloitte, 2017, www2.deloitte.com.
2 C.B. Frey and M.A. Osborne, “The Future of Employment: How Susceptible Are Jobs to Computerisation?” Technological Forecasting and Social Change 114 (January 2013): 254-280.
3 P. Illanes, S. Lund, M. Mourshed, et al., “Retraining and Reskilling Workers in the Age of Automation,” McKinsey Global Institute, January 2018, www.mckinsey.com.
4 “Avoiding Setbacks in the Intelligent Automation Race,” KPMG, accessed April 3, 2019, https://advisory.kpmg.us.
5 T.H. Davenport, “The Business Value of Digital Workflows,” Workflow Quarterly (spring 2019), https://workflow.servicenow.com.
6 M. Beane, “Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail,” Administrative Science Quarterly 64, no. 1 (March 2019): 87-123.
7 M. Cohn, “For Internal Auditors, Innovation Is a Work in Progress,” Accounting Today, March 12, 2019, www.accountingtoday.com.
8 S. Lauchlan, “After the Self-Driving Car, Welcome the Self-Driving Enterprise – and All Its Pyramid Organization Implications,” Diginomica, May 2, 2018, https://diginomica.com.
9 T.H. Davenport and K.J. Dreyer, “AI Will Change Radiology, but It Won’t Replace Radiologists,” Harvard Business Review, March 27, 2018, https://hbr.org.
10 A. Prakash, “Forget the Markets, Robots Are China’s New Worry,” Forbes, Jan. 28, 2016, www.forbes.com.
11 N. Wingfield, “As Amazon Pushes Forward With Robots, Workers Find New Roles,” The New York Times, Sept. 10, 2017.
12 “Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles,” SAE International, J3016_201806, revised June 15, 2018, www.sae.org.
13 D. Silver, T. Hubert, J. Schrittwieser, et al., “A General Reinforcement Learning Algorithm That Masters Chess, Shogi, and Go Through Self-Play,” Science 362, no. 6419 (Dec. 7, 2018): 1140-1144.
14 AlphaZero learns through complex deep-learning algorithms, and it uses a so-called reinforcement learning approach similar to the way humans and other living beings learn. If a decision is made that is shown to be appropriate over time, a positive reinforcement is obtained that reaffirms that decision for the future; decisions that don’t work are penalized.
15 H. Edwards and D. Edwards, “How Tesla ‘Shot Itself in the Foot’ by Trying to Hyper-Automate Its Factory,” Quartz, May 1, 2018, https://qz.com.
16 S. Schrader, “This Time Lapse of a Tesla Model 3 Getting Built Is Weirdly Soothing,” The Drive, Jan. 5, 2019, www.thedrive.com.
17 T.H. Davenport interview of D. Burns, chief information officer of GE Aviation, Feb. 5, 2018.
18 E. Brynjolfsson and A. McAfee, “The Business of Artificial Intelligence: What It Can – and Cannot – Do for Your Organization,” Harvard Business Review, July 7, 2017, https://hbr.org.
19 K. Leswing, “Jeff Bezos Just Perfectly Summed Up What You Need to Know About Artificial Intelligence,” Business Insider, April 12, 2017, www.businessinsider.in. i. Loucks, D. Schatsky, and T. Davenport, “State of AI in the Enterprise, 2nd Edition: Early Adopters Combine Bullish Enthusiasm With Strategic Investments,” Deloitte Insights, Oct. 22, 2018, www2.deloitte.com. ii. Davenport, “The Business Value of Digital Workflows.”
اظهر المزيد

مقالات ذات صلة

زر الذهاب إلى الأعلى