بهره‌وری با هوش مصنوعی؛ اول جریان کار را نقشه‌برداری کنید

خیلی از سازمان‌ها ابزار هوش مصنوعی خریده‌اند و تیم‌هایشان هم از آن استفاده می‌کنند. اما وقتی نوبت به عدد و نتیجه می‌رسد، تغییر محسوسی دیده نمی‌شود. مقاله‌ای از تیم بولارس در هاروارد بیزینس ریویو (شمارهٔ نوامبر–دسامبر ۲۰۲۶) دقیقاً سراغ همین شکاف رفته است. پیام عنوانش روشن است: اگر دنبال بهره‌وری با هوش مصنوعی هستید، اول باید جریان کار را نقشه‌برداری کنید. در این یادداشت، آنچه از متن در دسترس این مقاله برمی‌آید را با هم مرور می‌کنیم و بعد می‌بینیم چنین رویکردی برای یک کسب‌وکار ایرانی چه معنایی دارد.

شکاف بین استفاده از هوش مصنوعی و نتیجه گرفتن

طبق مقاله، نزدیک به چهار سال از عرضهٔ گستردهٔ مدل‌های زبانی بزرگ گذشته است. مدل زبانی بزرگ (LLM) همان فناوری‌ای است که پشت چت‌بات‌هایی مثل ChatGPT قرار دارد. بیشتر شرکت‌ها در به‌کارگیری این مدل‌ها پیشرفت قابل‌توجهی داشته‌اند. با این حال، بسیاری از آن‌ها هنوز نتوانسته‌اند این سرمایه‌گذاری را به افزایش بهره‌وری یا عملکرد بهتر تبدیل کنند.

نویسنده می‌گوید این فاصله حالا به یک چالش اصلی تبدیل شده است. این چالش:

• بخش‌های فناوری اطلاعات (IT) در سازمان‌ها را به تکاپو انداخته،
• روی قیمت سهام شرکت‌های فناوری اثر گذاشته،
• و نگرانی مدیران ارشد را بیشتر کرده است.

به زبان ساده: «ما هوش مصنوعی داریم» با «ما از هوش مصنوعی نتیجه می‌گیریم» یکی نیست.

پژوهش روی ۵۱۵ شرکت چه می‌گوید؟

در خلاصهٔ مقاله آمده که پژوهشی روی ۵۱۵ شرکت انجام شده است. موضوع پژوهش این بوده که شرکت‌هایی که با نمونه‌هایی از بازطراحی کار در سازمان‌های دیگر روبه‌رو شدند، چه وضعیتی داشتند. متنی که در اختیار ما بود در همین‌جا قطع می‌شود، پس نتیجهٔ دقیق پژوهش را نمی‌نویسم تا چیزی از خودم اضافه نکرده باشم. برای دیدن یافته‌ها بهتر است سراغ متن کامل مقاله بروید.

همین‌قدر معلوم است که تمرکز بحث روی «بازطراحی نحوهٔ کار» است، نه فقط «استفاده از ابزار». عنوان مقاله هم همین را تأیید می‌کند.

نقشه‌برداری جریان کار یعنی چه؟

جریان کار (Workflow) یعنی مجموعه گام‌هایی که یک کار از شروع تا پایان طی می‌کند. مثلاً از لحظه‌ای که مشتری پیام می‌دهد تا وقتی که سفارشش تحویل داده می‌شود. نقشه‌برداری یعنی این گام‌ها را بنویسید، ببینید هر گام دست چه کسی است و کجا کار گیر می‌کند.

توضیح پایین، تحلیل و توصیهٔ خودم بر پایهٔ عنوان مقاله است و ادعای تازه‌ای از پژوهش نیست.

چرا از ابزار شروع نکنیم؟

اگر ابزار را بدون شناخت فرایند وارد کار کنید، معمولاً فقط یک گام جدا از بقیه سریع‌تر می‌شود. ولی کل مسیر همان‌قدر کند می‌ماند. نقشه کمک می‌کند بفهمید هوش مصنوعی را کجا بگذارید و کجا اصلاً لازم نیست.

یک مثال ساده برای فروشگاه آنلاین

فرض کنید یک فروشگاه آنلاین سفارش‌ها را از دایرکت اینستاگرام و تلگرام می‌گیرد. جریان کار ممکن است این باشد:

• پیام مشتری می‌رسد.
• موجودی کالا چک می‌شود.
• قیمت و زمان ارسال اعلام می‌شود.
• پرداخت تأیید می‌شود.
• سفارش بسته‌بندی و ارسال می‌شود.
• پیگیری پس از فروش انجام می‌شود.

وقتی این گام‌ها روی کاغذ بیاید، می‌بینید وقت اصلی کجا تلف می‌شود. شاید در پاسخ به سؤال‌های تکراری باشد، شاید در هماهنگی بین انبار و پشتیبانی. فقط بعد از این دیدن است که می‌توانید تصمیم بگیرید هوش مصنوعی کجا به کار می‌آید.

نکات کاربردی برای کسب‌وکارها

این پیشنهادها تحلیل من برای مدیران و صاحبان کسب‌وکار ایرانی است:

• یک جریان کار را انتخاب کنید. سراغ همه‌چیز نروید. فرایندی را بردارید که زیاد تکرار می‌شود و روی فروش یا رضایت مشتری اثر دارد.
• گام‌ها را با خود تیم بنویسید. کسی که هر روز کار را انجام می‌دهد، دقیق‌تر از مدیر می‌داند کجا گیر می‌کند.
• گلوگاه‌ها را علامت بزنید. گام‌های کند، تکراری یا پرخطا کاندیدای بهبود هستند.
• بعد سراغ ابزار بروید. هوش مصنوعی را فقط برای گلوگاه‌های مشخص امتحان کنید.
• قبل و بعد را اندازه بگیرید. مثلاً زمان پاسخ به مشتری یا تعداد خطاها را قبل و بعد مقایسه کنید. بدون عدد، نمی‌فهمید ابزار واقعاً کمک کرده یا نه.
• از تجربهٔ دیگران یاد بگیرید. مقاله به اهمیت دیدن نمونه‌های بازطراحی در سازمان‌های دیگر اشاره می‌کند. شما هم می‌توانید روش کار رقبا و همکاران هم‌صنف را بررسی کنید.

چک‌لیست اجرایی کوتاه

• یک فرایند مهم را انتخاب کردم.
• گام‌ها و مسئول هر گام را نوشتم.
• گلوگاه‌ها را مشخص کردم.
• یک معیار قابل اندازه‌گیری تعیین کردم.
• هوش مصنوعی را فقط روی یک گلوگاه آزمایش کردم و نتیجه را سنجیدم.

پرسش‌های متداول

چرا استفادهٔ زیاد از هوش مصنوعی همیشه به بهره‌وری بیشتر نمی‌رسد؟

طبق مقاله، بسیاری از شرکت‌ها در به‌کارگیری مدل‌های زبانی پیشرفت کرده‌اند ولی نتوانسته‌اند آن را به بهره‌وری تبدیل کنند. ظاهراً صرفِ داشتن ابزار کافی نیست. نحوهٔ کار هم باید دیده و بازطراحی شود.

نقشه‌برداری جریان کار نیاز به نرم‌افزار خاصی دارد؟

در متن مقاله از ابزار خاصی نام برده نشده است. در عمل، برای شروع یک تخته‌سفید یا یک فایل ساده هم کافی است. مهم این است که گام‌ها و گلوگاه‌ها دیده شوند.

کسب‌وکار کوچک هم به این کار نیاز دارد؟

بله، به نظر من حتی بیشتر. منابع کسب‌وکار کوچک محدود است و نمی‌خواهد پول و وقتش را صرف ابزاری کند که به مشکل اصلی نمی‌خورد. نقشهٔ ساده کمک می‌کند انتخاب‌ها حساب‌شده‌تر باشد.

جمع‌بندی

پیام مقالهٔ هاروارد بیزینس ریویو این است که مشکل بسیاری از شرکت‌ها نداشتن ابزار نیست، بلکه تبدیل نکردن ابزار به نتیجه است. برای رسیدن به بهره‌وری با هوش مصنوعی، اول باید بدانید کار در سازمان شما چطور انجام می‌شود. جریان کار را بنویسید، گلوگاه‌ها را پیدا کنید و بعد هوش مصنوعی را دقیقاً همان‌جا امتحان کنید. این مسیر ساده‌تر و ارزان‌تر از خرید ابزار پشت ابزار است.