کاربرد هوش مصنوعی مولد در نوآوری استراتژیک

حسین نوریان ، مشاور مدیریت استراتژیک

سازمان‌هایی که از هوش مصنوعی در نوآوری استراتژیک استفاده کرده‌اند به طور متوسط پنج برابر دیگر شرکت‌ها ایده پردازی کرده‌اند. در ادامه به کاربرد هوش مصنوعی مولد در نوآوری استراتژیک پرداخته شده است.

برای بهره گیری از هوش مصنوعی مولد برای نوآوری، فرضیات موجود را به چالش بکشید

مشخص و آشکارترین سهم هوش مصنوعی مولد در حوزه نوآوری استراتژیک در خلق ایده است اما کاربرد آن می‌تواند به مراتب گسترده و عمیق‌تر باشد به گونه‌ای که به مدیران در تحلیل فرضیات استراتژیک سازمانشان یاری کند. هوش مصنوعی مولد چشم اندازهای را فراهم می‌کند که فرای ذهنیت افراد سازمان هستند و به خطاهای شناختی و ادراکی آن دچار نشده اند این گونه است که هوش مصنوعی مولد می‌تواند عضو ارزشمندی از تیم استراتژیک یا نوآوری سازمان باشد تا همراه با بقیه اعضا، ضعف‌های آنان را به شیوه‌های زیر بر طرف کند.

فراهم‌آوری دیدگاه‌های بیرون از جمعه (متفاوت یا متعارض با بینش‌ها و باورهای کارکنان سازمان)

بهترین راهکار برای داشتن ایده‌های خوب این است که در ابتدا ایده‌های زیادی داشته باشیم. سازمان‌هایی که از هوش مصنوعی استفاده کرده‌اند به طور متوسط پنج برابر دیگر شرکت‌ها ایده پردازی کرده‌اند.

وقتی که در تیم استراتژیک و نوآوری سازمان ایده‌های مختلف فراهم گردید، هوش مصنوعی مولد کمک می‌کند که آن ارزیابی و امکان سنجی شوند و مطلوبیت و پایداری آنها کنترل گردد و از میان آنها بهترین گزینه‌ها انتخاب شوند و فرضیات موجود بر مبنای آنها بازنگری گردند.

بیشتربخوانید: هوش مصنوعی چگونه مدیریت را برای مدیران بازتعریف خواهد کرد؟

در بسیاری از موارد سعی شرکت‌ها برای فراهم کردن بینش‌های نوآورانه به دلایل متعدد به نتیجه نمی‌رسد زیرا باورهای ذهنی آنها در باره رفتار مشتریان، وضعیت رقابت در بازار، تکنولوژی‌های موجود و آتی و مانند آنها با واقعیت‌های موجود سازگار نیست! در اغلب شرکت‌ها تنوع و کیفیت ایده‌هایی که استفاده می‌کنند بسیار محدود است و تلاش مدیران برای شناخت و اولویت‌بندی و سرمایه گذاری بر آنها معمولا به نتیجه نمی‌رسد.

چه انگیزه ما برای بهره گیری از هوش مصنوعی در تحلیل محصولات و خدمات باشد یا فرآیندها و مدل‌های تجاری جدید، این فناوری می‌تواند اثربخشی تلاش تیم‌ها در تمام مراحل چرخه ایده‌پردازی را با به چالش کشاندن فرضیات بهبود بخشد. (به شکل ۱ مراجعه کنید) بارزترین نقش GenAI در تولید ایده و اعتبارسنجی است آن است یعنی انجام مراحل واگرایی و همگرایی در ایده پردازی نوآوری.

مرحله اول یعنی واگرایی مهم‌تر از مرحله دوم یعنی همگرایی است چون ایده‌ها با فرایند ذهنی واگرایی شکل می‌گیرند و این ابزار می‌تواند نقش مهم‌تری در کمک به رهبران برای رویارویی با فروضات استراتژیک شان ایفا کند و معیارهای نو آورانه را در آنها نهادینه سازد، سازمان‌هایی که مرتباً مفروضات خود را زیر سؤال می‌برند، انعطاف‌پذیرتر هستند، زیرا احتمال بیشتری دارد که تغییرات مهم را ببینند و از آنها برای ایجاد مزیت رقابتی استفاده نمایند.

اولین گام نوآوری -مخصوصا در زمان تلاطم‌های شدید محیطی و هنگام برهم خوردن سریع قواعد بازی- باید شک و تردید راجع به مفروضات باشد. متخصصان نوآوری سازمانی به درستی استدلال کرده‌اند که تفکرات داخل جعبه، بینش‌های بیرون از آن را سرکوب می‌کند و باورها و تعصبات موجود، آدم‌ها را از خلاقیت باز می‌دارد. انسان‌های نوآور، افراد شکاکی هستند! اما سازمان‌ها بیش از افراد در مقابل تردید، مردد و کند عمل می‌کنند و این بسیار مشکل ساز است. آنها نمی‌خواهند بپذیرند که اغلب آن بینش‌هایی که از وضعیت امور به دست آورده اند، می‌تواند بسیار اشتباه باشد. پس سازمان‌ها برای شک‌گرا شدن هم باید ساختارهای جدید بسازند و هم هدف گذاری‌هایشان را تجدید کنند، آنها باید کارکنانشان را اموزش دهند و تردید را به عنوان عنصری تاثیرگذار در فرهنگ سازمانی نهادینه سازند.

بیشتربخوانید: صنعت ۵.۰: آینده نگهداری و تعمیرات

اما واگرایی بدون برخورداری از بینش‌های سودمند به نتیجه نمی‌رسد، تیم‌هایی که بدون برخورداری از بینش‌ها و اطلاعات کافی به درون برکه واگرایی می‌جهند همواره در حال بررسی نحوه برنده شدن در بازی دیروز باقی می‌مانند و صرفا زودتر از بقیه به مکان اشتباه می‌رسند. زیرا بینشی نسبت به آینده و تغییرات آن ندارند. برنده شدن مهم است اما نه در بازی دیروز، باید در بازی فردا پیروز شد.

بنابراین برای درک مفروضات موجود خود، «جعبه‌هایی» که حاوی و محدود کننده تفکر شما هستند، به خصوص مفروضات پنهان و ضمنی، وقت بگذارید و تست کنید که در صورت تغییر در وضعیت و موقعیت ها، کدامشان درست باقی می‌ماند و کدام تحت فشار تغییر می‌کنند؟ (استرس تست) چه ترکیبی از مفروضات قدیمی ‌و جدید باید با هم یکپارچه شوند تا تلاش‌های ایده پردازی مان به نتیجه برسند.

پس باید برای تفکر درباره مفروضات فعلی‌مان وقت بگذاریم، جعبه‌هایی که ایده‌های فعلی در آن واقع شده اند را بشناسیم و مختصات جعبه‌هایی که محدود کننده تفکرات شک گرایانه مان است را دریابیم مخصوصا آن جعبه‌هایی که نهان یا بی شکل هستند و دسترسی به آنها سخت‌تر است. باید بیاندیشیم که در آینده کدام جعبه باقی می‌ماند و کدام یک را باید کنار گذاشت. چه ترکیبی از مفروضات قدیمی ‌و جدید می‌تواند جعبه‌های ارزش آفرین متمایزی را برای ما بسازد.

پس از شناخت جعبه‌های جدید و پذیرش آنها، فرایند اولویت بندی و تمرکز برای اجرا اتفاق می‌افتد و اینجاست که با این سوالات روبه رو می‌شویم: چرا به دنبال نوآوری هستیم و می‌خواهیم در چه فضایی نوآوری می‌کنیم؟

هوش مصنوعی نمی‌تواند به ما بگوید که در چه زمانی به ایده‌های جدید احتیاج داریم اما با تکیه بر مزیت‌هایش نسبت به ذهنیت کارکنان (نداشتن سوگیری‌های ذهنی و عاطفی ) می‌تواند ظرفیت‌های ایده پردازی جدیدی را برای سازمان به ارمغان بیاورد و دیدگاه‌های خارج از باورهای عمومی ‌را به بدنه کارکنان سازمان تزریق نماید. در این حالت اگر مدیران سازمان درست سازمان‌دهی کرده باشند، خطاهای این تکنولوژی اگرهم نتواند بینش‌های سودمند را فراهم سازد لاقل فرهنگ شک گرایی را سازمان نهادینه می‌سازد.

بیشتربخوانید: بهره‌گیری از هوش مصنوعی برای ساده‌سازی فرایندهای تولید

بازگشایی جعبه‌های ذهنی قدیم و ایجاد جعبه‌های جدید:

این ایده خوب است که در ابتدای چرخه ایده‌پردازی همه ذی اثران کلیدی را گرد هم بیاوریم تا مفروضات زیربنایی استراتژیمان را شناسایی و بر سر آن توافق کنند. کدام بخش‌ها و اولویت‌های مشتری را مد نظر قرارداده‌ایم و چرا؟ منابع کلیدی مزیت رقابتی ما در جلب رضایت آنها، مانند دسترسی به عوامل کلیدی موفقیت مانند مقیاس و برتری تکنولوژیکی چیست؟

سپس یاید آن فرضیات را آزمایش کنیم، آن مدل‌های ذهنی قدیمی که تاکنون به درست بودنشان باور داشته‌ایم ‌ممکن است معتبر بمانند یا نه. پس باید درباره شان تعمق کنیم، مثلا باید بیاندیشیم که آیا نشانه‌هایی هست که نشان دهد مشتریان انتخابی ما جذابیت کمتری نسبت به بقیه مشتریان درون بازار دارند؟ آیا اولویت‌های آنها تغییر می‌کند؟ آیا دگرگونی در هزینه‌ها، فناوری‌ها یا فضای رقابتی مزیت‌های رقابتی ما را به چالش می‌کشند؟

در جایی که مفروضات قبلی دیگر معتبر نیستند یا با علامت سوال مواجه شده اند، باید نحوه تغییردادن‌شان را دقیقا مشخص کنیم، برای این کار می‌توانیم از ابزار «از – به» استفاده کنیم. این کار زمانی مهم‌تر است که «از» چیزی پنهان یا ضمنی و نامشخص باشد مثلا: «ما همیشه این کار را انجام می‌دهیم» یا «همه این کار را انجام می‌دهند». به عنوان مثال تولیدکنندگان موتور جت با تشکیک نسبت به فرضیاتشان از فروش موتورهای مجزا و اخذ اجرت بابت خدمات تعمیر و نگهداری جداگانه، به فروش تعهد و گارانتی ساعت‌های کارکرد موتور تغییر استراتژی دادند. فرآیند “از – به” جرقه تفکر آزاد و تحول آفرین را برمی‌انگیزد و جعبه‌های جدید نوآوری را برای ما تعریف می‌کند.

هوش مصنوعی می‌تواند با ارائه مفروضات بالقوه‌ای که ممکن است از قلم افتاده باشند یا شناسایی علائم هشدار اولیه مبنی بر اینکه فرضیه‌های طولانی مدت و اصلی ممکن است به تاریخ انقضا رسیده باشند به ما کمک کند تا استراتژی‌های بهتری داشته باشیم. یک اعلان ساده از GenAI را در نظر بگیرید: «من مدیر عامل [نام شرکت] هستم و می‌خواهم یک بررسی استراتژیک را آغاز کنم. فکر می‌کنید کدام ده فرض انتقادی در مرکز انتخاب‌های استراتژیک من قرار دارند، کدامشان معتبر باقی می‌مانند، کدام نامعتبر هستند و کدام در خطر انقضا قرار دارند؟ این پاسخ می‌تواند ورودی جذاب، روشنگرانه و ارزشمندی را برای تیم رهبری که مسیرهای نوآوری را بررسی می‌کند فراهم کند.

بیشتربخوانید: ابزارهای برتر تحلیل پیش بینی تقویت شده با هوش مصنوعی (AI-Enhanced) برای سال ۲۰۲۴

ایده‌های فراوانی را بر روی میز بگذارید

گام بعدی از واگرایی در نوآوری فراهم آوری ایده‌هایی است که سازگار با باورهای قبلی شما هستند یا در مقابل آنها قرار دارند. هدف از این کار ایجاد ایده‌های زیاد برای تحریک نگرش به نوآوری و ایجاد چالش ذهنی آن در کارکنان است. برای اینکه بتوانیم به ایده خوب برسیم، باید ایده‌های زیادی داشته باشیم و اینجاست که هوش مصنوعی مولد می‌تواند قدرت خود را به ما نشان دهد تحقیقات گروه مشاوران بوستون نشان داد شرکت‌هایی که از هوش مصنوعی مولد استفاده کرده اند، به طور متوسط از پنج برابر ایده‌های سودمند برخوردار شده اند!

هدف عمده از مرحله واگرایی، پرسیدن سؤالات درست برای استخراج ایده‌های مفید از تیم‌ها، افراد و همچنین هوش مصنوعی مولد است. اکنون تقاضا برای متخصصانی که می‌توانند از هوش مصنوعی مولد سوالات هوشمندانه بپرسند بسیار افزایش یافته است اما این فرآیند جدیدی نیست سال‌ها است که تسهیل‌گران نوآوری آموزش‌دیده، از تکنیک‌های پرسش‌های ساختارمند استفاده می‌کنند سوالاتی که برای بهبود کیفیت و فراهم آوری ایده‌های متعدد و متنوع از تیم‌های نوآوری و استراتژی پرسیده می‌شود پس تعجب آور نیست که چت ربات‌های هوش مصنوعی هم از ساختار مشابه بهره می‌برند.

مدیران برای تقویت عظلات نوآوری شرکت‌هایشان و برای اطمینان از دقت و صحت تحلیل‌ها باید از هر دو منبع انسانی و هوش مصنوعی مولد برای طرح ریزی ایده‌ها استفاده کنند اما منطقی است که تیم انسانی فرآیند پرسش را آغاز می‌کند. GenAI را می‌توان بعداً وارد کرد تا دریچه دید سازمان گشوده‌تر شود و ایده‌های بیشتر بر روی میز بیاید. شما می‌توانید از هوش مصنوعی بخواهید که فهرست بلندبالایی از ایده‌ها را ایجاد کند، جذابیت آن را تجزیه و تحلیل و تنظیم کند تا از برخورداری از ترکیبی متعادلی از ایده‌های نزدیک و دور از ذهن اطمینان حاصل کنید.

بیشتربخوانید: کاربردهای ربات‌های هوش مصنوعی، همکاران آینده ما

می‌توان هوش مصنوعی مولد را به سمت توسعه ایده‌هایی بر اساس بهینه کاوی از صنایع دیگر هدایت کرد یا از آن خواست دلایلی که می‌تواند مشتریان و دیگر ذینفعان را در آینده مشعوف سازد فراهم کند. از هوش مصنوعی مولد می‌توان درباره یکی از محصولات پرسید که چه فرصت‌هایی ممکن است در اثر یک روند یا ورودی خاص برایشان پدیدار شود. راه حل‌های خلاقانه نه تنها برای ایده‌های محصول جدید، بلکه برای طراحی مجدد فرآیند‌ها یا غلبه بر چالش‌های کاهش هزینه یا هر مشکلی که با آن روبرو هستید هم قابل استفاده است.

اما نکته مهم در استفاده از هوش مصنوعی مولد این است که این فناوری طبیعتا دربرابر این پرسش‌ها، پاسخ‌های مشابهی به رقبای شما هم خواهد داد. پس لازم است که تیم تحلیل استراتژیک سازمان در مرحله بعد این ایده‌ها را در ترازوی مزیت‌های رقابتی سازمان بسنجند و به این پرسش پاسخ دهد که چگونه می‌توان مزیت‌های رقابتی مان را به عنوان اهرمی‌برای انجام این ایده‌ها به کار گیریم.

جدا سازی ایده‌های نوآورانه سره از ناسره:

داشتن ایده‌های زیاد عالی است اما واقعیت این است که منابع ما محدود هستند. بنابراین یافتن راهی برای انتخاب جذاب‌ترین‌ها از بین همه بسیار مهم است. در مرحله واگرایی ایده‌های زیادی ایجاد شده‌اند پس ضروری است که اجازه دهیم تیممان فرآیند پالایش را با ایجاد فهرست قابل مدیریتی از ایده‌های هیجان انگیزتر شروع کنند. سپس خوب است که از هوش مصنوعی مولد برای تحلیل مطلوبیت-دوام هر یک از ایده‌ها بهره بگیریم و امکان سنجی تحقق هرکدامشان را هم بسنجیم تا لیست بلند ما به لیست کوتاه تری تبدیل گردد.

بیشتربخوانید: چگونه هوش مصنوعی عامل تغییر دهنده تولید است؟ همراه با کاربرد و نمونه‌ها

طبیعتا هوش مصنوعی مولد می‌تواند به ما در اصلاح و تجسم فرضیات و ایده‌ها کمک کند تا تصاویر شفاف‌تری از واقعیات بیابیم و بینش‌های کوتاه و البته عمیقی را تولید کند که می‌توانند بر فروش، بازاریابی و سفر تجربه مشتریان مان آزمایش شوند. اما مهمتر از همه، مانند آنچه که در مرحله تشکیک داشتیم می‌توانیم از آن به عنوان مدافع شیطان استفاده کنیم و از گنجینه عظیم داده‌هایش برای به چالش کشیدن ایده‌هایمان استفاده کنیم.

به نظر می‌رسد که همه این قابلیت‌ها هرگز نقش بی بدیل انسان و کارکنان سازمان را کمرنگ نمی‌کند! هوش مصنوعی می‌تواند کمک برایمان در مسیر نوآوری یاور قابلی باشد اما برخورداری از بینش‌های انسانی هم بسیار ضروری است تا بتوانیم هم ایده‌های جدیدی را ارایه کنیم و هم آنها را تحقق بخشیم از این گذشته سازمان‌ها همواره توسط افراد هدایت می‌شوند و فعالیت می‌کنند پس باید استراتژی‌ها را درک کنند تا بتوانند از آنها حمایت کنند و تحققشان ببخشند. آنها باید به محصولات، خدمات و مدل‌های تجاری جدید افتخار کنند تا بتوانند آنها را تبلیغ کنند و پیش ران تحققشان گردند.

می‌توان هوش مصنوعی مولد را به مانند کارآموزی خوش فکر، فوق‌العاده سریع، خستگی‌ناپذیر و باهوش در نظر گرفت که مقادیر زیادی خروجی تولید می‌کند، اما همیشه حق با او نیست. نقش او این نیست که انسان‌ها را از فرآیند خلاقیت و نوآوری در سازمان خارج کند بلکه می‌خواهد فرضیات قدیمی‌آنها را به چالش می‌کشد و اهمیت نوآوری را در معرض توجه قرار می‌دهد.

منبع: سایت حسین نوریان

• کاربرد هوش مصنوعی مولد در نوآوری استراتژیک

بیشتربخوانید: نقش محوری بلاکچین در آینده هوش مصنوعی