در عصر هوش مصنوعی، دانستن اینکه چه کاری نکنیم مهم‌تر شده است

بسیاری از شرکت‌ها یک صحنه آشنا دارند: مدیران در همایش سالانه روی سن می‌روند، جمله‌ای الهام‌بخش درباره «چرایی وجود سازمان» رونمایی می‌شود، پوسترها روی دیوار می‌روند و چند هفته بعد همه‌چیز دوباره زیر فشار فروش، بودجه و اهداف فصلی دفن می‌شود. نتیجه این است که هدف سازمانی به چیزی شبیه کاغذ دیواری تبدیل می‌شود؛ زیباست و نیت خوب را نشان می‌دهد، اما لزوماً رفتار کسی را عوض نمی‌کند. مقاله می‌گوید فقط حدود یک‌سوم شرکت‌های فهرست فورچون ۵۰۰ دارای یک بیانیه هدف واقعی‌اند و حتی میان سازمان‌هایی که خود را جدی‌تر متعهد به هدف می‌دانند، حدود یک‌سوم هیچ معیار مشخصی برای سنجش تأثیر آن بر تصمیم‌هایشان ندارند. این فاصله فقط یک مسئله فرهنگی نیست؛ در سال ۲۰۲۴ شرکت‌هایی که فعالیت‌های واقعی خود را با هدف اعلام‌شده هماهنگ کرده بودند، رشد میانه سود پیش از مالیات ۳۱ درصدی داشتند، در حالی که شرکت‌های صاحب بیانیه هدف اما بدون معیارهای اجرایی فقط ۳ درصد رشد کردند.

مشکل از جایی شروع می‌شود که شرکت‌ها فکر می‌کنند پیدا کردن یا نوشتن هدف، همان کار اصلی است. نویسندگان مقاله تجربه یک شرکت جهانی منابع را مثال می‌زنند که هدف خود را «ایجاد ارزش بلندمدت برای سهام‌داران» تعریف کرده بود. در گفت‌وگو با مدیران مشخص شد این جمله در واقع هدف نبود؛ نتیجه‌ای بود که شرکت می‌خواست به آن برسد. تفاوت ظریف اما مهم است: هدف باید توضیح دهد چرا یک سازمان اساساً ارزش وجود داشتن دارد، نه اینکه در پایان دوست دارد چه خروجی مالی تولید کند. بیداری اولیه، چه در اثر بحران و اختلال باشد و چه تصمیم یک رهبر برای بازگشت به چرایی واقعی سازمان، بدون تغییر در رفتار فقط نسخه شسته‌رفته‌تری از همان وضع قبلی می‌سازد.

مرحله‌ای که بیشتر سازمان‌ها در آن متوقف می‌شوند، بعد از نوشتن و اعلام هدف است. کار واقعی زمانی آغاز می‌شود که هدف به فیلتر تصمیم‌گیری تبدیل شود: کدام پروژه پول می‌گیرد؟ کدام پروژه حذف می‌شود؟ چه کاری را باید متوقف کرد، حتی اگر سال‌ها انجامش داده‌ایم؟ یکی از سازمان‌های دولتی مورد اشاره مقاله تمام پروژه‌های در حال اجرا را بر اساس میزان هم‌راستایی با هدف خود دسته‌بندی کرد؛ کاملاً هم‌راستا، تا حدی هم‌راستا و مشکوک یا بدون هم‌راستایی. طی دوازده ماه بعد، ۳۰ درصد پروژه‌های جاری متوقف شدند. این تصمیم فقط یک حرکت نمادین نبود؛ ظرفیت و زمان آزاد کرد تا سازمان بتواند انرژی خود را روی کارهایی بگذارد که واقعاً به مقصد اصلی مربوط بودند. هدف در اینجا شبیه فیلتر خرید است: اگر هر چیزی که جذاب به نظر می‌رسد وارد سبد شود، بودجه خیلی زود پر می‌شود؛ ارزش فیلتر دقیقاً در چیزهایی است که اجازه نمی‌دهد وارد سبد شوند.

هوش مصنوعی این مسئله را فوری‌تر می‌کند. AI می‌تواند گزینه‌های بیشتر، استراتژی‌های بیشتر و فرصت‌های بیشتری از آنچه یک تیم مدیریتی قادر به اجراست تولید کند. مشکل دیگر کمبود ایده نیست؛ زیادی ایده است. بدون یک هدف فعال، سازمان ممکن است هم‌زمان در چند جهت با سرعت بالا حرکت کند و از بیرون بسیار پرتحرک به نظر برسد، اما در مجموع به مقصد مشخصی نزدیک نشود. نمونه مقابل، پلیسز فور پیپل (Places for People)، مجموعه اجتماعی بریتانیایی فعال در مسکن و توسعه جوامع است. این سازمان زیر مدیریت گرگ رید (Greg Reed) تعداد ۲۰ کسب‌وکار را حول هدف مشترک «Because Community Matters» متحد کرد و سپس هدف را وارد تصمیم‌های واقعی کرد. نظرسنجی مشارکت سالانه آن در سال ۲۰۲۴ به نرخ تکمیل ۹۴.۹ درصد رسید و چارچوب اثرگذاری سازمان برای سال مالی ۲۰۲۴ رقم ۳۳۴ میلیون پوند ارزش اجتماعی گزارش کرد.

کیوی‌بانک (Kiwibank)، بانک دولتی نیوزیلند، نمونه دیگری است. این بانک هدف خود را حول سه محور بیرونی شامل کودکان، مردم و خود نیوزیلند تعریف کرد و برای هرکدام اهداف روشن و زمان‌دار تعیین کرد. از زمان معرفی این رویکرد در سال ۲۰۲۱، عملکرد مالی بانک نیز بهبود یافته است. استیو یورکوویچ (Steve Jurkovich)، مدیرعامل آن، استدلال می‌کند که عملکرد و هدف لزوماً رقیب هم نیستند و سازمان می‌تواند از طریق هدف به نتیجه اقتصادی بهتر برسد. اما مرحله نهایی حتی از هماهنگی هم سخت‌تر است: اندازه‌گیری مداوم و صادقانه. کمیسیون کنترل قمار و کازینوی ویکتوریا (Victorian Gambling and Casino Control Commission) در استرالیا برای سنجش اثرگذاری خود چارچوب گزارش‌دهی دقیقی ساخت و فقط موفقیت‌ها را منتشر نکرد؛ اصلاح مسیرها و پیامدهای ناخواسته را هم گزارش داد. این صداقت همان چیزی است که یک جمله روی وب‌سایت را به تعهد زنده تبدیل می‌کند.

نشانه‌های فرسودگی این شکاف حالا در نیروی انسانی هم دیده می‌شود. مشارکت مدیران در جهان طی دو سال هشت واحد درصد کاهش یافته و به فقط ۲۲ درصد رسیده است؛ یعنی مدیران تقریباً به اندازه افرادی که هدایت می‌کنند بی‌انگیزه شده‌اند. مقاله این وضعیت را صرفاً بحران مدیریت نمی‌بیند، بلکه آن را نشانه فاصله میان چیزی می‌داند که سازمان می‌گوید و چیزی که کارکنان در عمل تجربه می‌کنند. اینجاست که مرز هوش مصنوعی هم روشن می‌شود: AI می‌تواند به رهبران بگوید چه کارهایی «ممکن» است، اما نمی‌تواند تعیین کند چه کاری «باید» انجام شود. سازمان‌هایی که بهتر عمل می‌کنند لزوماً پیشرفته‌ترین ابزارهای هوش مصنوعی را ندارند؛ آن‌ها مسیر کم‌زرق‌وبرق‌تری را طی کرده‌اند: هدف را نوشته‌اند، تصمیم‌ها را با آن هماهنگ کرده‌اند و بعد خودشان را در برابر نتیجه پاسخ‌گو نگه داشته‌اند.