مکنزی و آنتروپیک، هوش مصنوعی چطور وارد کسب‌وکار می‌شود؟

استفاده از هوش مصنوعی در سازمان‌ها با انتخاب یک مدل یا خرید اشتراک یک ابزار تمام نمی‌شود. چالش اصلی زمانی شروع می‌شود که بخواهیم این فناوری را وارد فرایندهای واقعی کسب‌وکار کنیم؛ جایی که باید با داده‌های پراکنده، سیستم‌های موجود، محدودیت‌های امنیتی و نیازهای عملیاتی کنار بیاییم.

همکاری مکنزی و آنتروپیک نمونه‌ای از تلاش برای پاسخ به همین چالش است.

مکنزی اعلام کرده است که گروهی از متخصصان فنی QuantumBlack، بازوی هوش مصنوعی این شرکت، در برنامه Claude Frontier Academy آنتروپیک شرکت می‌کنند. هدف، تقویت توانایی این متخصصان در کار با Claude و استفاده از آن در پروژه‌های واقعی مشتریان است. یکی از بخش‌های مهم این برنامه، تمرکز بر مهندسان FDE یا Forward Deployed Engineer است. این مهندسان مستقیماً با مشتریان کار می‌کنند تا مسائل کسب‌وکار را بشناسند و برای آن‌ها راهکار فنی طراحی و اجرا کنند. کار آن‌ها به ارائه پیشنهاد یا ساخت یک نمونه اولیه محدود نمی‌شود، راهکار باید در محیط واقعی سازمان قابل استفاده باشد.

بر اساس توضیحات منتشرشده درباره این برنامه، شرکت‌کنندگان پس از آموزش عملی، طی یک دوره ۱۲ هفته‌ای روی پروژه‌ای مبتنی بر Claude در سازمان خود کار می‌کنند. به این ترتیب، یادگیری با اجرای یک پروژه واقعی همراه می‌شود. اهمیت این رویکرد را باید در یکی از مسائل رایج سازمان‌ها جست‌وجو کرد: دسترسی به هوش مصنوعی لزوماً به معنای توانایی استفاده مؤثر از آن نیست. ممکن است یک شرکت از مدل‌های پیشرفته استفاده کند، اما همچنان برای اتصال آن‌ها به سیستم‌های داخلی، مدیریت دسترسی به داده‌ها یا انتخاب فرایند مناسب با مشکل روبه‌رو باشد.

در چنین شرایطی، شناخت فناوری به‌تنهایی کافی نیست. اجرای موفق یک راهکار به افرادی نیاز دارد که هم توانایی فنی داشته باشند و هم بتوانند مسئله کسب‌وکار را به‌درستی تعریف کنند.

در همکاری مکنزی و آنتروپیک، این دو بخش در کنار هم قرار می‌گیرند: آنتروپیک دانش فنی و تجربه کار با Claude را فراهم می‌کند و متخصصان QuantumBlack نیز شناخت خود از صنایع و نیازهای مشتریان را وارد پروژه می‌کنند.

بااین‌حال، نتیجه چنین همکاری‌ای را نمی‌توان صرفاً با تعداد افراد آموزش‌دیده سنجید. معیار مهم‌تر، تغییری است که در عملکرد کسب‌وکار ایجاد می‌شود. آیا فرایندی سریع‌تر شده است؟ آیا هزینه اجرای یک فعالیت کاهش یافته؟ آیا کیفیت تصمیم‌گیری بهتر شده یا امکان ارائه خدمتی تازه فراهم آمده است؟

در بسیاری از سازمان‌ها، پروژه‌های دیجیتال HR با ساخت داشبورد، راه‌اندازی چت‌بات یا استفاده از یک ابزار هوش مصنوعی آغاز می‌شوند. اما اگر مسئله مشخصی پشت این اقدامات نباشد، ممکن است خروجی پروژه به ابزاری تبدیل شود که استفاده چندانی در تصمیم‌گیری‌های مدیریتی ندارد.

برای مثال، در پروژه تحلیل ریزش کارکنان، انتخاب یک مدل هوش مصنوعی فقط بخشی از کار است. باید کیفیت و کفایت داده‌ها بررسی شود، عوامل مرتبط با خروج کارکنان شناخته شوند و مشخص باشد که نتایج تحلیل قرار است به چه تصمیمی کمک کنند. پس از اجرا نیز باید سنجید که آیا این راهکار به شناسایی بهتر ریسک‌ها یا طراحی اقدامات مؤثرتر برای نگهداشت کارکنان منجر شده است یا خیر.

این مثال نشان می‌دهد که موفقیت یک پروژه تحلیلی یا هوش مصنوعی فقط به دقت مدل یا کیفیت ابزار وابسته نیست. تعریف درست مسئله، شناخت فرایندهای سازمانی و استفاده از خروجی در تصمیم‌گیری نیز اهمیت دارند.

برای حوزه منابع انسانی و People Analytics، این موضوع اهمیت ویژه‌ای دارد. با گسترش ابزارهای هوش مصنوعی، دسترسی به فناوری به‌تدریج آسان‌تر می‌شود؛ اما توانایی تشخیص مسئله، کار با داده‌ها و تبدیل خروجی‌های فنی به راهکارهای قابل اجرا همچنان به تخصص و شناخت کسب‌وکار نیاز دارد.

شاید مهم‌ترین نکته در همکاری مکنزی و آنتروپیک همین باشد: ارزش هوش مصنوعی زمانی مشخص می‌شود که بتوان آن را از سطح قابلیت‌های فنی به سطح حل مسئله و بهبود عملکرد رساند. این نگاه می‌تواند برای سازمان‌هایی که به دنبال استفاده مؤثرتر از هوش مصنوعی در کسب‌وکار و منابع انسانی هستند، نقطه شروع مناسبی باشد.

منابع برای مطالعه بیشتر

* مقاله مک‌کنزی درباره همکاری QuantumBlack و آنتروپیک
* معرفی برنامه Claude Frontier Academy در وب‌سایت آنتروپیک