چرا مدلهای باهوشتر لزوماً شرکتها را سودآورتر نمیکنند؟
(بر اساس تحلیل مقاله ۲۶ اکتبر ۲۰۲۶ نشریه Harvard Business Review | نویسنده: Guillaume Bacuvier، مدیرعامل ARIS)
این روزها مدلهای زبانی و ایجنتهای هوش مصنوعی (AI Agents) با سرعتی سرسامآور قویتر میشوند. شرکتها با امید رسیدن به جهش در بهرهوری و کاهش هزینهها، مبالغ هنگفتی را به پای این ابزارها میریزند. اما یک سؤال بیپاسخ در اتاق جلسات مدیران ارشد تکرار میشود:
«اگر هوش مصنوعی اینقدر پیشرفته است، چرا خروجی آن در صورتهای مالی و ارزش خلقشده ملموس نیست؟»
پاسخ این پارادوکس نه در توانایی الگوریتمها، بلکه در یک بحران پنهان نهفته است: «بحران زمینه و بستر سازمانی» (Context Problem).

پژوهش مشترک The Hackett Group و ARIS بر روی بیش از ۲۰۰ مدیر ارشد در میان شرکتهای فهرست Global 2000 نشاندهنده یک گسست عملیاتی عمیق است:
۸۶ درصد مدیران اذعان دارند که ایجنتهای هوش مصنوعی برای عملکرد درست، حتماً به درک فرآیندها (Process Context) نیاز دارند.
اما در کمال تعجب، تنها ۲۲ درصد گزارش کردهاند که ایجنتهای سازمانشان دید کامل و بلادرنگ (End-to-End) به فرآیندهای کسبوکار دارند!
اکثر سازمانها از ایجنتها میخواهند کارها را پیش ببرند، بدون اینکه به آنها نقشه راه بدهند. ایجنت ممکن است متنی را خلاصه کند یا پاسخی تولید کند، اما آیا میداند تصمیم او چه اثری روی سیستمهای مالی، تعهدات رگولاتوری یا زنجیره عملیات زنجیرهای پاییندست میگذارد؟
بدون این درک، ما پیشرفتی نکردهایم؛ صرفاً بینظمی و پیچیدگی را خودکارسازی (Automate) کردهایم.
تصور کنید یک ایجنت هوش مصنوعی برای حل و فصل شکایت مشتری فعال شده است. این ابزار به تاریخچه تراکنشها و متن مستندات شرکت دسترسی دارد، اما حل نهایی شکایت ممکن است نیازمند تصمیم مشترک بین چهار واحد مالی، پشتیبانی، تطبیق قوانین (Compliance) و عملیات باشد:
کدام دستورالعمل اولویت اجرایی دارد؟
سقف صلاحیت تصمیمگیری ایجنت تا کجاست؟
چه زمانی و به چه دلیلی کار باید متوقف شده و به انسان ارجاع (Escalate) داده شود؟
داده (Data) به هوش مصنوعی میگوید چه چیزهایی وجود دارند؛
اما کانتکست فرآیندی (Process Context) به هوش مصنوعی یاد میدهد که کارها چگونه باید انجام شوند.
چارچوب معروفی از Boston Consulting Group وجود دارد که فرمول موفقیت ترنسفورمیشن مبتنی بر AI را به این شکل وزندهی میکند:
۱۰ درصد: تمرکز بر روی الگوریتمها و مدلهای پایه.
۲۰ درصد: تمرکز بر پلتفرمهای داده و فناوری.
۷۰ درصد: تمرکز بر انسانها، بازطراحی فرآیندها و تغییرات سازمانی.
به بیان ساده، هفتاد درصد ارزش نهایی خارج از کدهای مدل خلق میشود. مدلها را میتوان آماده و اصطلاحاً «از روی قفسه» خرید، اما شناخت چرخدندههای درونی سازمان خریدنی نیست.
چگونه میتوان این شناخت عمیق را به سیستمها منتقل کرد؟
پاسخ در پیادهسازی دوقلوی دیجیتال سازمانی است؛ مدلی مجازی و شفاف از کل فرآیندها، مسیرهای وابستگی بین واحدها و مهمتر از همه، دانش ضمنی (Tacit Knowledge) که در سینه کارکنان باسابقه جا خوش کرده است.
شرکتهای پیشرو منتظر معجزه مدلها نماندهاند:
شرکت سرمایهگذاری Legal & General با تعریف بیش از ۲,۰۰۰ مدل فرآیندی حاکمیتپذیر، زمینه اجرایی امنی برای ایجنتها ساخته است.
غول هوافضای Leonardo بیش از ۵,۰۰۰ مدل فرآیندی را نقشه کرده تا ایجنتها تصمیماتی بدون ریسک فاجعهبار بگیرند.
آمارها نشان میدهد شرکتهایی که چنین زیرساخت فرآیندی شفافی ساختهاند، ۵ برابر بیشتر از رقبا خروجیهای بسیار موفقیتآمیز از هوش مصنوعی ثبت کردهاند.
پیش از آنکه در جلسه بعدی از تیم خود بپرسید: «چه زمانی میتوانیم ایجنتهای هوش مصنوعی جدید را راهاندازی کنیم؟»، این سؤال مهمتر را روی میز بگذارید:
«آیا این ایجنتها فرآیندها و نحوه چرخش واقعی کارها در کسبوکار ما را آنقدر میفهمند که تفاوت واقعی ایجاد کنند؟»
مدلهای باهوش امکانات میسازند، اما شناخت فرآیندی، این امکانات را به سودآوری و عملکرد پایدار تبدیل میکند.