اگر امروز تیمی از کارکنان خط مقدم را مدیریت می‌کنید، احتمالاً ۶۰ درصد زمان شما صرف تحلیل داده‌ها و ۲۰ درصد آن صرف ارزیابی‌ها می‌شود و تنها ۲۰ درصد برای کوچینگ واقعی باقی می‌ماند. این ناکارآمدی دقیقاً همان نقطه‌ای است که Centrical با جایگزینی داشبوردهای ایستا با یک «سیستم‌عامل هوشمندی عملکرد» (Performance Intelligence OS) قصد حل آن را دارد.
برای چندین دهه، هوش تجاری (BI) فقط بر «چه چیزی» تمرکز داشت — یعنی پرچم‌های قرمز در یک داشبورد — اما «چگونگی» بهبود را نادیده گرفت. گال ریمون (Gal Rimon)، بنیان‌گذار و مدیرعامل Centrical، معتقد است پلی که بین بینش داده‌ای و اجرا قرار دارد، همیشه از مسیر انسان‌ها می‌گذرد. رویکرد این شرکت، تمرکز را از دادن داده‌های بیشتر به مدیران، به فعال کردن اقدام درست برای شخص درست در لحظه درست تغییر می‌دهد.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی اتوماسیون مدیریت اشاره کردیم، مشکل اصلی سازمان‌ها نه کمبود داده، بلکه تبدیل این داده‌ها به رفتار است.
زمینه: از هوش تجاری تا اقدام
چشم‌انداز گال ریمون برای Centrical که در سال ۲۰۱۳ تأسیس شد (و پیش‌تر با نام GamEffective شناخته می‌شد)، حاصل نزدیک به دو دهه رهبری در حوزه هوش تجاری است. ریمون پیش از راه‌اندازی این پلتفرم، به عنوان مدیرعامل Gilon Business Insight فعالیت می‌کرد که یکی از پیشروان فضای BI بود. زمانی که Gilon در سال ۲۰۱۰ توسط Ness Technologies (با نماد NASDAQ: NSTC) خریداری شد، او به نقش معاون ارشد رئیس (SVP) منتقل شد و به تیم رهبری اجرایی پیوست.
پایه‌های حرفه‌ای او همچنین شامل نقش‌های مدیریتی به عنوان معاون روابط مشتری و عملیات در Deloitte Consulting و همچنین تجربه فعالیت در شرکت‌های EDS و Bashan است. ریمون دارای مدرک MBA در رشته بازاریابی و فناوری اطلاعات از دانشگاه تل‌آویو است. او در طول این دوران شغلی، با یک دیوار تکرارشونده مواجه شد: شرکت‌ها سرمایه‌گذاری سنگینی روی داشبوردهای پیچیده و شاخص‌های کلیدی عملکرد (KPI) تعریف‌شده می‌کردند، اما در عمل، تغییر بسیار کمی در رفتار کارکنان رخ می‌داد.
او دریافت که در حالی که «هوش» (Intelligence) وجود داشت، اما «عمل» (Act) نمی‌کرد. یک پرچم قرمز در داشبورد می‌توانست یک کارمند با عملکرد ضعیف را شناسایی کند، اما هیچ راهنمایی به مدیر نمی‌داد که چگونه مشکل را حل کند و به خود کارمند نیز کمکی برای بهبود نمی‌رساند. این شکاف منجر به خلق Centrical شد؛ سیستمی که برای توانمندسازی کارکنان و قرار دادن انسان‌ها در مرکز موفقیت کسب‌وکار طراحی شده است.
مکانیزم هوشمندی عملکرد
مکانیزم این سیستم، ادغام سامانه‌های پراکنده — مانند نرم‌افزارهای تضمین کیفیت (QA)، پلتفرم‌های یادگیری و مدیریت نیروی کار — در یک جریان واحد است. در حالت سنتی، این ابزارها در سیلوهای جداگانه عمل می‌کنند. برای مثال، یک سیستم QA ممکن است مشکلی را ثبت کند، اما آن گزارش روزها روی داشبورد می‌ماند تا مدیر آن را ببیند. در همین حال، محتوای آموزشی لازم برای حل مشکل در پلتفرم یادگیری وجود دارد، اما هیچ پیوندی بین آن پرچم قرمز و آموزش مربوطه نیست. سیستم‌های مدیریت نیروی کار نیز برنامه‌ها را بهینه می‌کنند اما نسبت به شکاف‌های مهارتی کارکنان نابینا هستند. علاوه بر این، سیستم‌های قدردانی و پاداش معمولاً در ابزاری کاملاً مجزا مدیریت می‌شوند.
Centrical مانند یک ارکستراتور عمل می‌کند تا اطمینان حاصل شود مداخله درست در لحظه مناسب به شخص مورد نظر می‌رسد. این پلتفرم، استراتژی را به اجرا برای تک‌تک افراد حاضر در محیط عملیاتی متصل می‌کند، فارغ از اینکه مدیر آن‌ها در آن هفته زمان کافی داشته باشد یا خیر. این موضوع به‌ویژه اکنون که عامل‌های هوش مصنوعی در انزوا از نیروی انسانی مستقر و بهینه می‌شوند، حیاتی‌تر شده است، زیرا این جدایی باعث تشدید چالش پراکندگی (Fragmentation) می‌شود.
کاربردهای عملی در صنایع مختلف
در کاربردهای عملی، این «سیستم‌عامل هوشمندی عملکرد» عملیات روزانه را در بخش‌های مختلف متحول می‌کند. این فرآیند از «نتیجه تجاری» شروع می‌شود — خواه این نتیجه یک هدف برای بهبود کیفیت باشد، یا عرضه یک محصول جدید و یا الزامات رعایت قوانین (Compliance). سیستم سیگنال‌ها را از داده‌های KPI، ارزیابی‌های کیفی، پیشرفت یادگیری و بازخوردهای کارکنان می‌گیرد تا شکاف‌ها را شناسایی کند:
- بانکداری: برای کارمندی که تماس‌های پیچیده را مدیریت می‌کند، سیستم نقاط ضعف خاص — مانند ضعف در پرسش‌های اکتشافی (Probing) در تماس‌های حفظ مشتری — را شناسایی می‌کند. سپس این مورد را با یک «اقدام کوچینگ آماده» به مدیر گزارش می‌دهد و یک شبیه‌سازی نقش‌آفرینی (Role-play) هدفمند برای کارمند فعال می‌کند تا پیش از تماس زنده بعدی، تمرین کند.
- هتلداری: کارکنان پذیرش می‌توانند با چالش‌های شخصی‌سازی‌شده‌ای درگیر شوند که با رفتارهای مربوط به ثبت اعضای باشگاه وفاداری گره خورده است. این شامل بازخوردهای لحظه‌ای و سیستم قدردانی است که مستقیماً در جریان کار ادغام شده است.
- تلکام: هنگام معرفی محصول جدید، پلتفرم از یادگیری تطبیقی (Adaptive Learning) استفاده می‌کند. به‌جای اینکه همه نمایندگان را مجبور به گذراندن محتوای یکسان و کلی کند، سیستم خود را با شکاف‌های دانشی هر فرد تطبیق می‌دهد.
نتایج تجاری قابل اندازه‌گیری
به نقل از مصاحبه با unite.ai، تأثیر این پلتفرم در چندین بخش حساس که تغییر رفتار، تقویت دانش و آموزش شخصی‌سازی‌شده در آن‌ها حیاتی است، کاملاً ملموس است:
- سامسونگ (TP Samsung): تیم‌های خدمات مشتری نرخ حل مشکل در اولین تماس (FCR) را ۷.۵٪ بهبود دادند و در عین حال، بارهای اداری مدیران ۷۰٪ کاهش یافت.
- بانکداری آمریکا: یک بانک از پنج بانک برتر آمریکا، در بخش عملیات ضد کلاهبرداری (Fraud Back Office) شاهد کاهش ۶۶.۷ درصدی خطاها و افزایش ۴.۸ درصدی در تعداد حساب‌های پردازش شده بود.
- هتل‌های IHG: برای پیشبرد برنامه One Rewards، سیستم Centrical آموزش‌ها را به شکل «ماموریت‌های» بازی‌وار (Gamified) درآورد. کارکنان برای تکمیل ماژول‌های یادگیری و ثبت اعضا، سکه دریافت می‌کردند و هتل‌ها در جدول‌های رده‌بندی (Leaderboards) با هم رقابت می‌کردند. این منجر به بهبود تا ۴ برابر در شناسایی وفاداری و کارایی ثبت‌نام شد که میلیون‌ها دلار درآمد اضافی و رزرو مستقیم را به ارمغان آورد.
این نتایج نشان می‌دهد که هوش مصنوعی زمانی بیشترین اثربخشی را دارد که روی کارهایی تمرکز کند که از طریق تغییر رفتار و توسعه مهارت قابل اندازه‌گیری و اصلاح باشند. مرز فعلی، اعمال این رویکرد در سطح فردی است — یعنی شخصی‌سازی تجربه برای هر فرد بر اساس شکاف‌های خاص و نقش او، به‌جای برخورد با آن‌ها به عنوان بخشی از یک گروه یا کوهورت.
کوچینگ و شبیه‌سازی به کمک AI
گال ریمون بر دو قابلیت خاص AI تأکید می‌کند که در حال حاضر تأثیرات فوری و قابل اندازه‌گیری ایجاد کرده‌اند.
نخست، کوچینگ به کمک AI است که بار کاری مدیر را دگرگون می‌کند. از آنجایی که مدیران بزرگترین تأثیر را بر عملکرد خط مقدم دارند، Centrical بر افزایش کارایی آن‌ها تمرکز می‌کند. دستیار AI شناسایی می‌کند چه کسی به کوچینگ نیاز دارد، شکاف رفتاری دقیق چیست و چرا این موضوع اهمیت دارد، و حتی یک رویکرد پیشنهادی را آماده می‌کند. این امر به مدیران اجازه می‌دهد بدون کاهش کیفیت، بازه کنترل (Span of Control) خود را افزایش دهند. جلسات می‌توانند ضبط و به‌طور خودکار مستند شوند تا اقدامات تکمیلی مستقیماً از دل گفتگو فعال شوند. یکی از مشتریان بزرگ هتلداری، ۱۰٪ بهبود در اثربخشی کوچینگ تجربه کرد و تمام KPIهای مرتبط با کوچینگ AI-assisted رشد کردند.
دوم، شبیه‌سازهای نقش‌آفرینی AI هستند که با تغییر ماهیت کار، حیاتی شده‌اند. با انتقال تعاملات ساده و روتین به عامل‌های AI، تماس‌هایی که به دست انسان می‌رسد پیچیده‌تر، دارای بار احساسی بیشتر و حساس‌تر شده‌اند. همچنین سازمان‌ها نیروی کار خود را سریع‌تر از هر زمان دیگری به نقش‌های جدید منتقل می‌کنند. نقش‌آفرینی در مقیاس گسترده، که بر اساس شکاف‌های عملکردی واقعی طراحی شده، به کارکنان اجازه می‌دهد قبل از مواجهه با موقعیت‌های واقعی و استثنایی، اعتمادبه‌نفس و صلاحیت خود را در محیطی امن بسازند.
مدیریت «باغ‌وحش عامل‌ها»
با استقرار عامل‌های AI از CRMهای مختلف، پلتفرم‌های مرکز تماس و ساخت‌های داخلی، سازمان‌ها در حال ایجاد چیزی هستند که ریمون آن را «باغ‌وحش عامل‌ها» (Zoo of Agents) می‌نامد. این کارکنان دیجیتال وظایفی را انجام می‌دهند، اما اغلب فاقد یک استاندارد عملکرد واحد هستند. در حال حاضر هیچ‌کس نمی‌تواند دقیقاً بگوید کدام عامل‌ها واقعاً در کارشان خوب هستند، کدام‌ها دچار افت شده‌اند یا کدام‌ها باید حذف شوند.
Centrical خود را به عنوان لایه حاکمیتی (Governance Layer) برای این نیروی کار ترکیبی معرفی می‌کند. ریمون استدلال می‌کند که وقتی یک عامل AI کاری را در خط مقدم انجام می‌دهد، باید با همان سخت‌گیری یک انسان مدیریت شود. این امر مستلزم یک لایه واحد برای مدیریت، صدور گواهینامه (Certification) و ارکستراسیون آن‌ها در همان سیستمی است که انسان‌ها را مدیریت می‌کند؛ چرا که یک تعامل مشتری ممکن است شامل یک انسان و سه عامل دیجیتال باشد.
الزامات کلیدی این حاکمیت عبارتند از:
- اهداف روشن: تعیین نتایج قابل اندازه‌گیری برای عامل AI.
- گواهینامه (Certification): اطمینان از اینکه عامل پیش از مدیریت کارهای حساس، تأیید صلاحیت شده است.
- تشخیص Drift: پیاده‌سازی حلقه بازخورد برای شناسایی افت عملکرد (Drift) پیش از آنکه خسارت ایجاد کند.
با مدیریت انسان‌ها و کارکنان دیجیتال در یک سیستم واحد، سازمان‌ها از دیدن «قطعات پراکنده» عملکرد رها می‌شوند. مدیریت عملکرد به یک دیسیپلین واحد برای کل نیروی کار تبدیل می‌شود: اهداف یکسان، پاسخگویی یکسان و حلقه یکسان «اندازه‌گیری، کوچینگ و بهبود».
حفاظ‌ها و عنصر انسانی
برای جلوگیری از تبدیل شدن سیستم‌های AI-driven به ابزارهای نظارتی یا ایجاد فشار غیرواقعی، Centrical بر رویکرد «مهارت-محوری» (Skills-first) تمرکز دارد. ریمون تأکید می‌کند که سیستم برای چشم‌زدن به کارمند نیست، بلکه برای این است که او در شغلش خبره شود. فلسفه این است که «ماهر شدن در یک شغل» حس بهتری نسبت به «صرفاً اندازه‌گیری شدن در آن شغل» دارد.
حفاظ‌های واقعی از طریق دستورالعمل‌ها و ابزارهایی که کار را آسان‌تر و پاداش‌دهنده‌تر می‌کنند، در جریان کار روزانه گنجانده شده‌اند. پیشرفت در این مسیر از یک الگوی خاص پیروی می‌کند:
- مهارت‌ها (Skills): ایجاد قابلیت‌های خاصی که نقش مورد نظر می‌طلبد.
- رفتارها (Behaviors): تمرین متمرکز بر اقداماتی که بیشترین اهمیت را دارند.
- عملکرد (Performance): دستیابی به نتایج تجاری حاصل از این مسیر.
زیربنای این مدل، «انگیزه» است؛ جایی که کارکنان می‌توانند پیشرفت خود را ببینند و آن را به مشتریانی که کمک می‌کنند، تیمی که عضوش هستند و مسیر شغلی خود پیوند دهند. نکته حیاتی این است که با استفاده از AI برای مدیریت گزارش‌های اداری و اولویت‌بندی، مدیران دوباره زمانی را که برای حضور واقعی در کنار کارکنان لازم است، به دست می‌آورند. رابطه انسانی بین مدیر و کارمند همان چیزی است که کل این سیستم را اثربخش می‌کند.
مقیاس‌بندی با سرمایه سری D
این شرکت که اخیراً ۳۹ میلیون دلار سرمایه در سری D جذب کرده و مجموعاً بیش از ۱۰۰ میلیون دلار جذب سرمایه داشته است، اکنون در حال شتاب بخشیدن به گسترش جهانی خود است. Centrical در حال حاضر به سازمان‌هایی در ۱۵۰ کشور خدمات می‌دهد و از ۶۰ زبان پشتیبانی می‌کند.
در ۱۲ تا ۲۴ ماه آینده، شرکت بر سه ستون استراتژیک تمرکز خواهد کرد:
۱. رشد جهانی: بهره‌گیری از سرمایه جدید برای گسترش حضور بین‌المللی در ۱۵۰ کشوری که در حال حاضر در آن‌ها فعال است.
۲. هوشمندی عملکرد خودگردان (Autonomous Performance Intelligence): توسعه سیستمی که بتواند فرصت‌ها را شناسایی کند، برنامه‌های درست را فعال نماید و اجرا را به‌طور مداوم بدون نیاز به شروع توسط مدیر، بهبود بخشد.
۳. حاکمیت نیروی کار ترکیبی: گسترش پلتفرم برای مدیریت استانداردهای عملکرد و کوچینگ هر دو نیروی انسانی و AI به صورت یکپارچه، به عنوان سیستم‌عامل این واقعیت ترکیبی.
این تغییر، تجربه کارمند را از نظارت ایستا به سمت توسعه مداوم مهارت‌ها سوق می‌دهد و تضمین می‌کند که خط مقدم در یک اقتصاد تقویت‌شده توسط AI، چابک باقی بماند.
با تشکر از این مصاحبه عالی؛ خوانندگانی که مایل به کسب اطلاعات بیشتر هستند می‌توانستند از وب‌سایت Centrical بازدید کنند.
گام بعدی شما
- اگر مدیر تیم‌های عملیاتی هستید، بررسی کنید چه مقدار از زمان شما صرف «گزارش‌گیری» می‌شود و آیا ابزاری برای تبدیل خودکار داده به اقدام آموزشی دارید یا خیر.
- در استقرار عامل‌های AI، برای آن‌ها معیارهای پذیرش (Certification) و حلقه بازخورد برای شناسایی «تغییر رفتار» (Drift) تعریف کنید.
- مدل‌های شبیه‌سازی نقش‌آفرینی را برای سناریوهای پیچیده‌ای که AI نمی‌تواند مدیریت کند، در آموزش کارکنان بگنجانید.
اما مدیریت این نیروی کار ترکیبی تنها بخشی از ماجراست؛ چالش‌های حاکمیتی بر عامل‌های دیجیتال را در تحلیل‌های آینده بررسی خواهیم کرد.
گفتگو