رشد در برابر کاهش هزینه؛ تغییر استراتژی کلید خلق ارزش در سازمان‌ها

اگر امروز بودجه‌ی هوش مصنوعی شرکتتان را فقط با «ساعت‌های ذخیره شده» می‌سنجید، احتمالاً بخش بزرگی از سود واقعی را نادیده می‌گیرید. طبق گزارش ۱۳ اکتبر ۲۰۲۶ از مرکز تحقیقات انسان-هوش مصنوعی وارتون و GBK Collective، تغییر معیار سنجش از «بهره‌وری» به «رشد»، احتمال دستیابی به بازگشت سرمایه (ROI) شدید را ۲.۷ برابر افزایش می‌دهد.

به نقل از این گزارش، در حالی که ۸۰٪ مدیران از دستاوردهای مثبت سرمایه‌گذاری در هوش مصنوعی خبر می‌دهند، تنها ۲۸٪ این نتایج را «به‌شدت مثبت» توصیف می‌کنند. این شکاف نشان می‌دهد اکثر سازمان‌ها هوش مصنوعی را صرفاً به‌عنوان یک ابزار جایگزین می‌بینند، نه یک محرک ساختاری.

زمینه و جزئیات مطالعه

این مطالعه با عنوان «مزیت تطبیقی: چه کسی با هوش مصنوعی برنده است و چگونه»، فراتر از نرخ استفاده کارکنان می‌رود. پژوهشگران بررسی کردند که آیا شرکت‌ها فرآیندها، انگیزه‌ها و ساختارهای مدیریتی خود را با فناوری جدید همراستا کرده‌اند یا خیر. در واقع، پرسش اصلی این است که آیا سازمان‌ها ساختار مدیریت خود را برای پذیرش این تکنولوژی تغییر داده‌اند یا خیر.

برای این منظور، ۱٬۴۱۶ کارمند تمام‌وقت در شرکت‌های خصوصی آمریکا مورد بررسی قرار گرفتند. تمامی این شرکت‌ها دارای حداقل ۱٬۰۰۰ کارمند و درآمد سالانه بیش از ۵۰ میلیون دلار بودند. مصاحبه‌ها و نظرسنجی‌ها بین ۹ ژوئیه تا ۲۹ ژوئیه ۲۰۲۶ انجام شد. نمونه آماری شامل ۱٬۰۰۷ نفر در سطح مدیریت و بالاتر، و ۴۰۹ نفر از کارکنان سطح ورودی و میانی بود.

بسیاری از کسب‌وکارها با هوش مصنوعی مانند یک نرم‌افزار آماده برخورد می‌کنند که فقط باید نصب شود — شبیه کسی که یک ماشین مسابقه‌ای می‌خرد اما هنوز در جاده‌های خاکی قدیمی رانندگی می‌کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی استقرار مدل‌های سازمانی اشاره کردیم، پذیرش ابزار بدون تغییر فرآیند، منجر به نتایج متوسط می‌شود. اکثر شرکت‌ها به جای ایجاد یک تغییر ساختاری، هوش مصنوعی را به عنوان یک ابزار «نصب و اجرا» (Plug-and-Play) می‌بینند. در حالی که بسیاری از کسب‌وکارها دستیارهای هوشمند را مستقر کرده‌اند، تعداد کمی از آن‌ها فرآیندهای واقعی پیرامون این ابزارها را بازطراحی کرده‌اند. این امر باعث ایجاد شکافی میان «پذیرش ساده» و «تحول واقعی کسب‌وکار» شده است.

تصور کنید یک تیم فروش از هوش مصنوعی برای سریع‌تر نوشتن ایمیل‌ها استفاده می‌کند. اگر آن‌ها فقط «ساعت‌های ذخیره شده» را اندازه بگیرند، یک پیروزی کوچک در بهره‌وری می‌بینند. اما اگر «نرخ تبدیل فروش» را رصد کنند، متوجه می‌شوند هوش مصنوعی چگونه باعث رشد واقعی کسب‌وکار شده است. بر اساس داده‌های وارتون-GBK، ۳۵٪ از بخش‌هایی که معیارهای رشد را رصد می‌کردند، بازگشت سرمایه شدید داشتند، در حالی که این رقم برای کسانی که فقط بر بهره‌وری تمرکز کرده بودند، تنها ۱۳٪ بود.

تعریف رشد در مقابل بهره‌وری

این گزارش تفاوت میان دو نوع معیار موفقیت را به‌وضوح ترسیم می‌کند:

• معیارهای رشد: این شاخص‌ها شامل مواردی چون درآمد خالص جدید، نرخ تبدیل فروش، حجم خروجی و میزان رضایت مشتری است.
• معیارهای بهره‌وری: این شاخص‌ها مواردی مانند هزینه‌های عملیاتی، ساعت‌های ذخیره شده، زمان پاسخ‌دهی و نرخ خطا را پوشش می‌دهند.

این تمایز بسیار حیاتی است زیرا توصیف «صرفه‌جویی در زمان» بسیار ساده‌تر از توصیف «گسترش کسب‌وکار» است. بر همین اساس، «ساعت‌های ذخیره شده» با ۴۰٪ رایج‌ترین معیار سنجش است، در حالی که «درآمد خالص جدید» تنها توسط ۲۷٪ سازمان‌ها انتخاب شده است. با وجود این تمرکز بر بهره‌وری، ۸۳٪ مدیران و رده‌های بالاتر انتظار دارند که هوش مصنوعی طی ۲ تا ۵ سال آینده، صنعت آن‌ها را به‌طور بنیادی تغییر دهد یا تأثیری قابل‌توجه بر آن بگذارد.

محرک‌های بازگشت سرمایه (ROI)

طبق یافته‌های گزارش، سه نشانه کلیدی برای «تحول گردش کار» وجود دارد: تغییر قابل‌توجه در جریان‌های کاری، ادغام هوش مصنوعی در فرآیندهای اصلی و استفاده از عامل‌های هوش مصنوعی (AI Agents) — ابزارهایی که مثل کارمندانی دیجیتال هستند و می‌توانند به‌جای پیشنهاد دادن، مستقیماً کارهای پیچیده را پیش ببرند. این رویکرد به دنبال ایجاد سیستم‌های خودمختاری است که مانند ادغام قابلیت‌های صوتی و عملیاتی در پلتفرم‌های اتوماسیون، بهره‌وری را به سطح جدیدی از استقلال برسانند. وقتی این سه شرط به‌طور همزمان برقرار باشد، ۶۷٪ بخش‌ها بازگشت سرمایه شدید گزارش کرده‌اند.

عوامل حیاتی دیگر عبارت‌اند از:

• رهبری متمرکز: ۵۸٪ مدیرانی که سازمانشان دارای «مدیر ارشد هوش مصنوعی» (CAIO) است، بازگشت سرمایه شدید داشتند؛ این رقم در سازمان‌هایی که هوش مصنوعی تنها یک مسئولیت اضافی برای یکی از مدیران فعلی است، به ۲۴٪ کاهش می‌یابد. در سازمان‌هایی که چنین نقشی وجود ندارد یا برنامه‌ای برای ایجاد آن نیست، این رقم به ۸٪ سقوط می‌کند.
• استراتژی پلتفرم: ۵۰٪ از پاسخ‌دهندگانی که از یک پلتفرم هوش مصنوعی استاندارد و واحد استفاده می‌کنند، نتایج قوی‌تری گرفتند، در حالی که این رقم برای کسانی که بدون رویکرد مشخص در حال آزمایش ابزارهای مختلف بودند، تنها ۹٪ است.
• تمرکز بر اندازه‌گیری: در حالی که ۴۰٪ بخش‌ها ساعت‌های ذخیره شده را رصد می‌کنند، تنها ۲۷٪ بر درآمد خالص جدید تمرکز دارند.

شکاف در ادغام عامل‌های هوشمند

در مورد استقرار عامل‌ها، شکاف عمیقی وجود دارد. اگرچه ۶۷٪ بخش‌ها از عامل‌های هوش مصنوعی استفاده می‌کنند، اما تنها ۲۸٪ آن‌ها را کاملاً در فرآیندهای اصلی کسب‌وکار ادغام کرده‌اند. حتی تعداد کمتری (۱۷٪) اجازه داده‌اند عامل‌ها به‌صورت خودمختار عمل کنند و نظارت انسانی را به بعد از انجام کار منتقل کنند یا آن را با سیستم‌های مانیتورینگ و حفاظتی (Guardrails) جایگزین کنند.

در حال حاضر، ۴۸٪ سازمان‌ها اصرار دارند که هر خروجی هوش مصنوعی پیش از هرگونه اقدام، توسط انسان بررسی و تأیید شود. ۳۵٪ دیگر از هوش مصنوعی برای ارائه پیشنهادات یا پیش‌نویس‌ها استفاده می‌کنند، در حالی که تصمیم نهایی بر عهده انسان است. این داده‌ها نشان می‌دهد که اکثر «استقرار عامل‌ها» در واقع فقط ابزارهای پیش‌نویس پیشرفته هستند، نه کارکنان خودمختار.

مسئولیت‌پذیری و موانع

با افزایش نقش عامل‌ها در انجام کارها، بحث مسئولیت‌پذیری همچنان مبهم و حل‌نشده است. پاسخ‌دهندگان، مسئولیت خطاهای عامل‌ها را به شرح زیر تقسیم کرده‌اند:

• تیم‌های حاکمیت یا مدیریت ریسک (۲۸٪)
• مدیر مستقیم کارمندی که ابزار را مستقر کرده است (۲۶٪)
• خود کارمند (۲۵٪)

مسائل امنیتی، مقررات قانونی و اعتماد، اصلی‌ترین موانعی هستند که شرکت‌ها را از دادن آزادی بیشتر به عامل‌ها باز می‌دارند. به همین دلیل، بررسی «مناسب بودن» هر گردش کار خاص، به محور اصلی تصمیم‌گیری برای استقرار تبدیل شده است.

شکاف میان کارمند و مدیر

یک گسست شدید در ادراک آمادگی سازمان در سلسله‌مراتب شرکتی وجود دارد. ۷۳٪ مدیران معتقدند گردش‌های کاری بخش آن‌ها به‌طور قابل‌توجهی تغییر کرده است، اما تنها ۵۸٪ کارکنان سطح پایین و میانی با این موضوع موافق‌اند.

آموزش، بزرگ‌ترین نقطه اصطکاک است. ۷۸٪ رهبران فکر می‌کنند کارکنانشان به‌طور کافی آموزش دیده‌اند، اما تنها ۵۶٪ کارکنان این حس را دارند. با این حال، ۷۳٪ کارکنان سطح ورودی و میانی می‌گویند هوش مصنوعی تأثیر مثبتی بر نقش آن‌ها داشته و ۸۴٪ از کسانی که از آن استفاده می‌کنند، تأیید می‌کنند که این ابزار در زمان آن‌ها صرفه‌جویی کرده است. این وضعیت نشان‌دهنده تنشی میان «سودمندی فردی» و «حمایت سازمانی» است.

این داده‌ها نشان می‌دهد که بزرگ‌ترین مانع هوش مصنوعی، خودِ تکنولوژی نیست، بلکه مدیریت است. پیامدهای نیروی کار همچنان در حال تکامل است؛ ۳۷٪ مدیران کاهش کارکنان مرتبط با هوش مصنوعی و ۳۳٪ توقف یا کند شدن استخدام را گزارش کرده‌اند. با این حال، جالب اینجاست که بخش‌های با بازگشت سرمایه بالا، لزوماً بیشتر از دیگران تعدیل نیرو نکرده‌اند.

سود واقعی از حذف کارکنان به دست نمی‌آید، بلکه از تغییر نحوه حرکت اطلاعات، تصمیم‌گیری درباره اینکه کدام استثناها نیاز به مداخله انسانی دارند و شفاف‌سازی اینکه چه کسی مالک نتیجه نهایی است، حاصل می‌شود. برای رهبران کسب‌وکار، درس روشن است: شمارش ساعت‌های ذخیره شده را متوقف کنید و درآمد جدید را بشمارید. شرکت‌های برنده، کسانی هستند که هوش مصنوعی را به جای یک «نصب نرم‌افزاری»، به عنوان یک «پروژه بازطراحی سازمانی» می‌بینند.

گام بعدی شما

• بازنگری در KPIهای هوش مصنوعی: به‌جای «ساعت‌های ذخیره شده»، معیارهای «درآمد خالص جدید» یا «نرخ تبدیل» را جایگزین کنید.
• ارزیابی سطح خودمختاری: بررسی کنید چه بخش‌هایی از گردش کار شما می‌تواند از «تأیید انسانی پیش‌نیاز» به «نظارت پسینی» تغییر یابد.
• تعریف نقش رهبری: اگر سازمان شما فاقد یک مسئول متمرکز برای استراتژی هوش مصنوعی است، برای جلوگیری از پراکندگی ابزارها، این جایگاه را تعریف کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.