آینده AI در شرکت‌ها ترکیبی، پنهان و چندلایه خواهد بود

هر موج بزرگ فناوری معمولاً با یک تصویر ساده از آینده شروع می‌شود. در مورد هوش مصنوعی سازمانی، تصویر محبوب این روزها یک رابط گفت‌وگویی واحد است؛ چیزی شبیه یک در ورودی جادویی که همه کارکنان از آن وارد سیستم‌های شرکت می‌شوند، سؤال می‌پرسند، گزارش می‌گیرند و کارهایشان را جلو می‌برند. اما تاریخ فناوری سازمانی معمولاً از این تصویرهای تمیز و مرتب پیروی نمی‌کند. شرکت‌ها مثل خانه‌هایی نیستند که با یک کلید روشن شوند؛ بیشتر شبیه شهرهایی‌اند با محله‌های مختلف، قانون‌های متفاوت و نیازهای گوناگون.

برای همین، ایده «یک رابط برای همه» در عمل خیلی زود به دیوار واقعیت می‌خورد. تیم مالی که درگیر بستن حساب‌ها، دقت گزارش‌ها، کنترل‌ها و تأییدیه‌هاست، از فناوری همان چیزی را نمی‌خواهد که یک تیم تحلیل داده یا تیم پشتیبانی مشتری می‌خواهد. مدیر مالی شاید اصلاً دنبال یک چت‌بات جدید نباشد؛ او می‌خواهد چرخه گزارش‌گیری کوتاه‌تر شود و خطا کمتر شود. مدیر عملیات هم ممکن است فقط بخواهد مشکل موجودی زودتر دیده شود و سریع‌تر حل شود. در این موقعیت‌ها، بهترین هوش مصنوعی همان است که کمتر دیده می‌شود؛ مثل یک دستیار پشت‌صحنه که بار جمع‌آوری و آماده‌سازی اطلاعات را از دوش آدم‌ها برمی‌دارد.

اما همه کاربران چنین انتظاری ندارند. تحلیلگران، برنامه‌ریزان و تیم‌های عملیاتی گاهی دقیقاً به تعامل مستقیم با AI نیاز دارند. آن‌ها می‌خواهند سؤال‌های دنباله‌دار بپرسند، سناریوها را مقایسه کنند و چیزهایی را کشف کنند که در گزارش‌های از پیش تعریف‌شده جا نمی‌شود. برای این گروه، خود رابط گفت‌وگویی ارزشمند است؛ چون اجازه می‌دهد با داده مثل یک گفت‌وگوی زنده برخورد کنند، نه مثل یک فایل خشک و بسته. تفاوت میان یک نماینده پشتیبانی مشتری و یک تحلیلگر مالی همین‌جاست: یکی می‌خواهد اطلاعات درست، خودکار و سریع در جریان کارش ظاهر شود؛ دیگری می‌خواهد آزادانه در داده‌ها حرکت کند و علت‌ها را بکاود.

مشکل عمیق‌تر این است که شرکت‌ها در طول زمان پیچیده می‌شوند. سیستم‌ها زیاد می‌شوند، فرایندها تکه‌تکه می‌شوند و اطلاعات در اپلیکیشن‌ها، گزارش‌ها، فایل‌های اکسل و گردش‌کارهای مختلف پخش می‌شود. بخش بزرگی از ارزش نرم‌افزارهای سازمانی در چند دهه گذشته همین بوده که این پراکندگی را کمتر کنند و مالی، عملیات، موجودی، مشتریان، برنامه‌ریزی و گزارش‌دهی را در یک تصویر منسجم‌تر کنار هم بگذارند. حالا AI با مرحله بعدی همین مسئله روبه‌روست: حتی وقتی اطلاعات در سیستم‌های متصل وجود دارد، آدم‌ها هنوز باید آن را پیدا کنند، بفهمند و به تصمیم تبدیل کنند.

نمونه‌های عملی نشان می‌دهد ارزش AI همیشه در ساخت یک صفحه چت تازه نیست. در Dura Software، گردش‌کارهای متصل به AI بخشی از گزارش‌دهی درآمد را که قبلاً در هر چرخه گزارش‌گیری نیازمند آماده‌سازی دستی بود، خودکار کرده‌اند. اسلون سشن (Sloan Session)، مدیر مالی این شرکت، این را خیلی ساده توضیح داده است: «عامل‌ها کار کشیدن اطلاعات را انجام می‌دهند؛ انسان‌ها قضاوت و تماس انسانی را.» در S&B Filters هم کارکنان قبلاً هنگام تعامل با مشتری برای جمع‌آوری اطلاعات backorder از چند سیستم، چند دقیقه وقت می‌گذاشتند؛ اما با اتصال AI به داده‌های عملیاتی، این فرایند به چند ثانیه رسید و بعدتر حتی به شکل self-service در اختیار مشتریان قرار گرفت.

اما هرچه دسترسی به اطلاعات آسان‌تر می‌شود، سؤال سخت‌تری جلو می‌آید: چه کسی واقعاً باید به چه چیزی دسترسی داشته باشد؟ مجوزها، ساختارهای تأیید و سیاست‌های امنیتی با ورود AI ناپدید نمی‌شوند؛ اتفاقاً مهم‌تر می‌شوند. بری کارتر (Berry Carter)، مدیرعامل S&B Filters، اصل ماجرا را روشن گفته است: اگر کاربری داخل NetSuite به اطلاعاتی دسترسی ندارد، نباید همان اطلاعات را از طریق دستیار هوش مصنوعی بگیرد. این جمله ساده به نظر می‌رسد، اما اجرای آن در سیستم‌ها، گردش‌کارها و مدل‌های مختلف انضباط زیادی می‌خواهد. به همین دلیل آینده AI سازمانی احتمالاً ترکیبی خواهد بود: بخشی در دل فرایندها پنهان می‌شود، بخشی در قالب رابط‌های گفت‌وگویی ظاهر می‌شود و بخش مهمی هم زیر سقف حکمرانی و امنیت کنترل می‌شود.