ویرگول
ورودثبت نام
نادر رنجه
نادر رنجهنادر رنجه | مدرس حکمرانی و استراتژی داده در سازمان اداری و استخدامی کشور؛ جستجوگر و علاقه‌مند به توسعه ایران. درباره داده، هوش مصنوعی و بهبود تصمیم‌گیری و خدمات عمومی می‌نویسم.
نادر رنجه
نادر رنجه
خواندن ۴ دقیقه·۱ ماه پیش

تغییر ذهنیت درباره داده و هوش مصنوعی؛ فراتر از فناوری

این روزها بسیاری از سازمان‌ها به‌دنبال استفاده از هوش مصنوعی هستند. پروژه‌های آزمایشی متعددی تعریف می‌شوند، ابزارهای مختلف مورد بررسی قرار می‌گیرند و تیم‌ها تلاش می‌کنند بخشی از فعالیت‌های روزمره را با کمک فناوری سریع‌تر و هوشمندتر انجام دهند.

بااین‌حال، مسئله‌ای اساسی وجود دارد: فاصله میان اجرای یک پایلوت موفق و ایجاد تحولی واقعی در مقیاس سازمان، بسیار بیشتر از آن چیزی است که در ابتدا تصور می‌کنیم.

به نظرم، عبور از این فاصله قبل از هر چیز به تغییر ذهنیت ما درباره داده نیاز دارد.

داده فقط برای ذخیره‌کردن نیست

در بسیاری از سازمان‌ها، داده هنوز چیزی است که جمع‌آوری، ذخیره و محافظت می‌شود. هر واحد داده‌های خود را نگهداری می‌کند و مسئولیت اصلی نیز اغلب به حفظ امنیت و جلوگیری از دسترسی‌های غیرمجاز محدود می‌شود.

حفاظت از داده ضروری است، اما کافی نیست.

وقتی داده را یک دارایی راهبردی بدانیم، پرسش‌های متفاوتی مطرح می‌شوند:

  • این داده چه ارزشی برای سازمان ایجاد می‌کند؟

  • چه کسانی برای تصمیم‌گیری بهتر به آن نیاز دارند؟

  • چگونه می‌توان داده‌های پراکنده را به تصویری منسجم تبدیل کرد؟

  • این داده چگونه می‌تواند به بهبود تجربه مردم و کیفیت خدمات منجر شود؟

با این نگاه، داده از یک محصول جانبی فعالیت‌های سازمان به بخشی از سرمایه و زیرساخت تصمیم‌گیری تبدیل می‌شود.

چرا بسیاری از پایلوت‌های هوش مصنوعی به تحول منجر نمی‌شوند؟

اجرای یک نمونه آزمایشی هوش مصنوعی معمولاً دشوار نیست. می‌توان یک مسئله محدود را انتخاب کرد، داده‌های موردنیاز را آماده ساخت و در مدت کوتاهی نتیجه‌ای قابل‌قبول به دست آورد.

چالش اصلی زمانی آغاز می‌شود که بخواهیم همان راهکار را در بخش‌های مختلف سازمان، به‌صورت مستمر، مطمئن و در مقیاسی بزرگ‌تر اجرا کنیم.

در این مرحله، محدودیت‌های واقعی آشکار می‌شوند:

  • داده‌ها کامل، دقیق یا به‌روز نیستند.

  • مشخص نیست مسئولیت کیفیت و نگهداری هر داده بر عهده چه کسی است.

  • سامانه‌ها و واحدهای مختلف از استانداردهای مشترکی استفاده نمی‌کنند.

  • امکان تبادل داده میان بخش‌ها وجود ندارد یا بسیار دشوار است.

  • کارکنان و مدیران درباره نحوه استفاده از هوش مصنوعی درک مشترکی ندارند.

  • فرهنگ سازمانی، همکاری و پذیرش تغییر را تشویق نمی‌کند.

به همین دلیل، بزرگ‌ترین موانع توسعه هوش مصنوعی همیشه فنی نیستند. کیفیت داده، مالکیت روشن، استانداردهای مشترک، قابلیت همکاری، مهارت‌های انسانی و فرهنگ سازمانی نقش تعیین‌کننده‌تری دارند.

نمی‌توان هوش مصنوعی قابل‌اعتماد ساخت، اگر نتوانیم داده‌های موردنیاز را پیدا کنیم، به یکدیگر متصل کنیم، به‌درستی بفهمیم یا به کیفیت آن‌ها اعتماد داشته باشیم.

هوش مصنوعی نباید یک «افزودنی» باشد

گاهی هوش مصنوعی به‌عنوان ابزاری جانبی به فرایندهای موجود اضافه می‌شود؛ ابزاری برای تولید سریع‌تر گزارش، پاسخ‌گویی خودکار یا کاهش بخشی از کارهای تکراری.

این کاربردها ارزشمندند، اما ظرفیت واقعی هوش مصنوعی بسیار فراتر از سریع‌ترکردن روش‌های فعلی است.

اگر یک فرایند نامناسب را فقط سریع‌تر کنیم، مسئله اصلی همچنان باقی می‌ماند. پیش از افزودن هوش مصنوعی باید از خود بپرسیم:

آیا این فرایند اساساً درست طراحی شده است؟
آیا اطلاعات یکسان چند بار از مردم دریافت می‌شود؟
آیا هماهنگی میان واحدهای مختلف بر عهده خودِ خدمت‌گیرنده قرار گرفته است؟
آیا می‌توان خدمت را با توجه به نیاز واقعی مردم از نو طراحی کرد؟

هوش مصنوعی زمانی به تحول منجر می‌شود که در شیوه سیاست‌گذاری، تصمیم‌گیری و ارائه خدمات اثر بگذارد؛ نه اینکه صرفاً به‌صورت یک ابزار جدید در کنار ساختارهای قدیمی قرار گیرد.

اشتراک‌گذاری داده به معنای بازکردن همه‌چیز نیست

یکی از حساس‌ترین موضوعات در این مسیر، اشتراک‌گذاری داده است. نگرانی درباره حریم خصوصی، امنیت و سوءاستفاده از اطلاعات کاملاً جدی و ضروری است.

اما پاسخ مناسب، مسدودکردن جریان داده نیست.

باید شرایطی فراهم شود که «داده درست، برای هدف درست و به روش درست» در اختیار افراد و بخش‌های مرتبط قرار گیرد. این کار به قواعد روشن، سطح‌بندی دسترسی، شفافیت، مسئولیت‌پذیری و اعتماد نیاز دارد.

هدف این نیست که همه افراد به همه داده‌ها دسترسی داشته باشند؛ هدف این است که موانع غیرضروری در مسیر استفاده مسئولانه و هدفمند از داده برداشته شوند.

معیار واقعی موفقیت چیست؟

صرفه‌جویی در زمان و هزینه، تنها بخشی از ارزش هوش مصنوعی است. معیار مهم‌تر این است که آیا مردم تغییر محسوسی در کیفیت خدمات تجربه می‌کنند یا خیر.

آیا تصمیم‌ها دقیق‌تر و منصفانه‌تر شده‌اند؟
آیا سازمان تصویر کامل‌تری از مسائل دارد؟
آیا خدمات بر اساس نیازهای واقعی مردم طراحی می‌شوند؟
آیا همکاری میان واحدها و دستگاه‌های مختلف بهبود یافته است؟

اگر هوش مصنوعی فقط سامانه‌های موجود را کمی هوشمندتر و فعالیت‌های فعلی را کمی سریع‌تر کند، ممکن است فرصت اصلی را از دست بدهیم.

فرصت واقعی، ساختن سازمانی است که بتواند تصویر کامل‌تری ببیند، تصمیم‌های بهتری بگیرد و خدمات خود را متناسب با زندگی و نیازهای مردم بازطراحی کند.

به نظرم، در کنار پرسش «کدام ابزار هوش مصنوعی را انتخاب کنیم؟» باید پرسش مهم‌تری مطرح کنیم:

چه چیزی در فرهنگ سازمانی، مدیریت داده، شیوه همکاری و فرایندهای تصمیم‌گیری ما باید تغییر کند؟

در سازمان شما، مانع اصلی استفاده مؤثر از هوش مصنوعی چیست: فناوری، کیفیت داده یا فرهنگ سازمانی؟

تغییر ذهنیت درباره داده و هوش مصنوعی
تغییر ذهنیت درباره داده و هوش مصنوعی

هوش مصنوعیدادهفناوریفرهنگ
۰
۰
نادر رنجه
نادر رنجه
نادر رنجه | مدرس حکمرانی و استراتژی داده در سازمان اداری و استخدامی کشور؛ جستجوگر و علاقه‌مند به توسعه ایران. درباره داده، هوش مصنوعی و بهبود تصمیم‌گیری و خدمات عمومی می‌نویسم.
شاید از این پست‌ها خوشتان بیاید