هوش مصنوعی (AI) با خودکارسازی وظایفی که به طور سنتی توسط مشاوران تازهکار انجام میشد، مانند تحقیق، مدلسازی و تحلیل، در حال دگرگون کردن صنعت مشاوره است . این تغییر به سمت یک مدل مشاورهای جدید و نابتر به نام «ابلیسک» میرود که دارای لایههای کمتر و تیمهای کوچکتر است .
بحث درباره تأثیر هوش مصنوعی بر مشاوره بین دو دیدگاه افراطی در نوسان است: برخی معتقدند هوش مصنوعی مشاوران را منسوخ میکند، در حالی که برخی دیگر ادعا میکنند که تنها آنها را ضروریتر میسازد . هر دو دیدگاه، واقعیت ظریفتر و مهمتر را نادیده میگیرند: مشاوره ناپدید نمیشود، بلکه اساساً در حال شکلگیری مجدد است . برای دههها، این صنعت بر اساس یک مدل پایدار «هرمی» عمل کرده است .
این مدل شامل یک پایه گسترده از مشاوران تازهکار است که وظایف تحقیق، مدلسازی و تحلیل را بر عهده داشتند و از یک راس باریک از رهبران ارشد که راهبردها را هدایت کرده و روابط با مشتریان را مدیریت میکردند، حمایت مینمودند . اما هوش مصنوعی در حال برهم زدن این مدل است . ابزارهای هوش مصنوعی مولد، الگوریتمهای پیشبینیکننده، و پلتفرمهای تحقیقاتی ترکیبی به سرعت در حال خودکارسازی همان وظایفی هستند که زمانی هفتهها مشاوران تازهکار را مشغول میکرد .
دیوید دانکن و تایلر اندرسون، از بنیانگذاران شرکت مشاورهای هوش مصنوعیمحور Disruptive Edge، در حال آزمایش این مدل جدید هستند و بررسی میکنند که چگونه ابزارهای هوش مصنوعی میتوانند در طیف وسیعی از وظایف مشاوره کمک کنند .
هدف از این تغییر، سرعت بخشیدن به ارائه خدمات، افزایش کیفیت بینشها و آزاد کردن مشاوران برای تمرکز بر مسائلی است که نیاز به قضاوت، خلاقیت و تعامل عمیقتر با مشتریان دارند . نیاز شرکتها به تخصص خارجی و تخصصی، ظرفیت انعطافپذیر، اعتبارسنجی قابل اعتماد، و دیدگاهی مستقل در مورد مشکلات پیچیده بعید است به زودی از بین برود .
اما در حالی که تقاضا باقی میماند، هوش مصنوعی در حال تضعیف مدل سنتی است که شرکتهای مشاوره برای رفع آن استفاده میکنند . این مدل به مشاوران تازهکار بستگی دارد که هفتهها را صرف جمعآوری و تحلیل دادهها، مدلسازی سناریوها و ساخت اسلایدها برای حمایت از توصیههای مشاوران ارشد کنند . امروزه، سیستمهای هوش مصنوعی میتوانند همه این کارها و بیشتر را انجام دهند و این کار را سریعتر، ارزانتر و در بسیاری موارد بهتر انجام میدهند .
پایان مدل هرمی در مشاوره هوش مصنوعی
به عنوان مثال، دستیار هوش مصنوعی اختصاصی مککینزی به نام لیلی، اکنون توسط بیش از ۷۲ درصد از نیروی کار آن استفاده میشود و زمان تحقیق و ترکیب اطلاعات را حدود ۳۰ درصد کاهش میدهد . گروه مشاوره بوستون از Deckster، ابزاری برای ایجاد دسکهای ارائه در عرض چند دقیقه، استفاده میکند و بین از Sage، یک دستیار هوش مصنوعی آموزشدیده بر روی مالکیت فکری داخلی خود، بهره میبرد .
کاربردهای هوش مصنوعی عامل نیز در حال افزایش است، با مثالهایی مانند عاملهای هوش مصنوعی زورا در Deloitte و پلتفرم عامل OS در PwC که جریانهای کاری داخلی و خدمات مشتری را بازسازی میکنند . به طور کلی، هوش مصنوعی مولد به طور فزایندهای کارهایی را انجام میدهد که معمولاً توسط تیمهای بزرگ مشاوران تازهکار انجام میشد .
این کارِ خودکار شده بیاهمیت نیست؛ بلکه شامل وظایفی است که سنگ بنای نقشهای مشاورهای سطح پایینتر بودند و حتی در حال نفوذ به وظایف ردههای میانی نیز هست . اگر هوش مصنوعی کارهایی را که قبلاً هزاران ساعت قابل پرداخت مشاوران تازهکار را توجیه میکرد، بر عهده بگیرد، مدل هرمی تحت وزن خود فرو خواهد ریخت . در پاسخ به این چالش، ما پیشنهاد میکنیم که یک مدل جدید در حال ظهور است: ابلیسک مشاوره . برخلاف هرم مشاورهای سنتی که به پایهای گسترده از مشاوران تازهکار وابسته است، ابلیسک یک مدل بلند و باریک را نشان میدهد: لایههای کمتر، تیمهای کوچکتر و نفوذ بیشتر در هر سطح .
این مدل به جای تکیه بر مقیاس محض، بر اساس سه نقش انسانی ساخته شده است . تسهیلکنندگان هوش مصنوعی، مشاوران تازهکار و آموزشدیدهای در آخرین ابزارهای هوش مصنوعی و خطوط لوله داده هستند . آنها جریانهای کاری مبتنی بر هوش مصنوعی را طراحی و بهینه میکنند و به تیمها کمک میکنند تا بینشها را با سرعت تولید کنند .
این نقش نوع جدیدی از کارآموزی را ارائه میدهد که بر تسلط فنی و قضاوت کاربردی از همان روز اول تأکید دارد . معماران تعامل، مشاوران باتجربهای هستند که پروژهها را رهبری میکنند . آنها به تعریف مشکلات قابل حل کمک کرده، خروجیهای هوش مصنوعی را با قضاوت انسانی تفسیر میکنند و آنها را به راهبردهای عملی تبدیل مینمایند .
مدل ابلیسک: رویکرد نوین مشاوره هوش مصنوعی
این معماران نحوه انجام کار را سازماندهی کرده و با تغییر شرایط سازگار میشوند، در حالی که اطمینان حاصل میکنند که بینشها به نتایج تبدیل شوند . رهبران مشتری بر بازی بلندمدت تمرکز دارند . آنها روابط عمیق و قابل اعتمادی با مدیران ارشد ایجاد میکنند، به آنها کمک میکنند تا تغییرات را درک کرده و به اندازه کافی نزدیک میمانند تا در مورد چگونگی پیشی گرفتن از اختلالات به آنها مشاوره دهند .
ما این نقشها را بر اساس سه وظیفه ضروری برای هر شرکت مشاوره برای عملیات شناسایی کردیم: یک نفر باید جریانهای کاری را که خروجیها را برای مشکل مشتری تولید میکنند، بسازد و پیادهسازی کند؛ یک نفر باید کار را رهبری کرده و آن را به توصیهها تبدیل کند؛ و یک نفر باید روابط اجرایی قابل اعتماد را ایجاد و حفظ کند .
این نقشها همچنین یک خط لوله طبیعی برای توسعه استعدادها ایجاد میکنند که حتی در عصر هوش مصنوعی نیز باید حفظ شود . مدل ابلیسک این نقشها را در سطوح مختلف متعادل میکند، که نشاندهنده تغییر از مقیاس صرف است . آنچه اکنون اهمیت دارد، ارائه تفکری دقیقتر با سرعت بیشتر و هزینههای سربار کمتر است . ابلیسک بیش از یک پاسخ مقرونبهصرفه به خودکارسازی، نمایانگر تکاملی ضروری در نحوه ساختار و استقرار استعدادهای مشاوره است . با بر عهده گرفتن وظایف روتین توسط هوش مصنوعی، انرژی انسانی میتواند به آنچه مهمتر است، یعنی بینش، قضاوت و مشارکت قابل اعتماد، اختصاص یابد .
برخی از واضحترین نمونههای مدل ابلیسک از شرکتهای بزرگ نیستند، بلکه از موجی رو به رشد از بوتیکهای هوش مصنوعیمحور میآیند . Monevate، شرکتی که منحصراً بر راهبرد قیمتگذاری تمرکز دارد، تخصص عمیق را با کتابهای راهنمای فعالشده با هوش مصنوعی و ابزارهای مدلسازی ترکیب میکند تا بدون لایه تحلیلگر سنتی، مشاوره ارائه دهد .
SIB، که در کاهش هزینه تخصص دارد، از عاملهای هوش مصنوعی برای اسکن فاکتورها و قراردادهای فروشنده برای فرصتهای صرفهجویی استفاده میکند و کارشناسان انسانی را تنها در صورت نیاز به کار میگیرد . هر دو شرکت کاملاً از ساختار هرمی اجتناب میکنند و ارزشی متمرکز و قابل تکرار را با افراد کمتر و هزینههای سربار بسیار کمتری ارائه میدهند .
مقاومت در برابر تحول هوش مصنوعی
Unity Advisory، که توسط شرکای سابق شرکتهای خدمات حرفهای Big Four راهاندازی شده و با ۳۰۰ میلیون دلار سرمایه خصوصی حمایت میشود، شاید نمایانگر عمدیترین بازآفرینی مدل مشاوره در مقیاس بزرگ باشد . این شرکت خود را بدون تضاد منافع (به این معنی که درگیر پیچیدگیهای حسابرسی-مشاورهای یا تضاد منافع با مشتریان نیست) و از نظر طراحی هوش مصنوعیمحور معرفی میکند . Unity به جای ساختار هرمی سنتی، بر تیمهای چابک از مشاوران ارشد تکیه دارد که در هماهنگی نزدیک با ابزارهای هوش مصنوعی اختصاصی کار میکنند تا پشتیبانی استراتژی با سرعت بالا و کیفیت بالا ارائه دهند .
این شرکت، گروههای بزرگ تحلیلگر تازهکار را استخدام نمیکند و به ساختارهای سلسلهمراتبی مدیریت میانی وابسته نیست؛ بلکه هرم اهرممند کلاسیک ساعات قابل پرداخت را به نفع ارائه خدمات سریع و مبتنی بر تخصص حذف کرده است که نمونه بارز عملکرد مدل ابلیسک است . Disruptive Edge نیز اصول مشابهی را به کار میبرد .
به عنوان مثال، به جای اینکه مشاوران تازهکار هفتهها را صرف ساخت دانش بنیادی کنند، آنها پروژهها را با گزارشهای تحقیقاتی عمیق مبتنی بر هوش مصنوعی آغاز میکنند که حجم وسیعی از اطلاعات را به سرعت ترکیب میکنند . ابزارهایی مانند پلتفرم توسعه اپلیکیشن Lovable که مبتنی بر هوش مصنوعی است، به تیمها اجازه میدهد تا از مفهوم به نمونههای اولیه کاملاً عملیاتی در کمتر از دو هفته، به جای ماهها، برسند .
این امر به ما امکان میدهد تا وظایف را با تیمهای کوچکتر و ارشدتر انجام دهیم و زمان بیشتری را با مشتریان در جایی که بیشترین اهمیت را دارد، سپری کنیم . در حالی که تحقیقات روی شرکتهای سنتی تأیید میکند که ابزارهای هوش مصنوعی میتوانند بسیاری از وظایفی را که زمانی تیمهای بزرگ مشاوران تازهکار را به خود مشغول میکرد، انجام دهند و اغلب با افزایش سرعت و کیفیت همراه هستند، تازگی نسبی مدل ابلیسک به این معنی است که شواهد بلندمدت هنوز در حال ظهور است .
با این حال، ما معتقدیم که اگر وظایف بنیادی خودکار یا تسریع شوند، تیمهای کوچکتر و با تجربه بیشتر میتوانند تمرکز بیشتری بر حوزههایی داشته باشند که تخصص انسانی بیشترین ارزش را ایجاد میکند .
برای مطالعه اخبار بیشتر اینجا کلیک کنید.
حاکمیت و اخلاق هوش مصنوعی در مشاوره
علیرغم نیروهایی که باعث این تغییر میشوند، بسیاری از شرکتهای مشاوره سنتی برای انجام این جهش با مشکل مواجه خواهند شد . همانطور که کلیتون کریستنسن در «معضل نوآور» توضیح میدهد، شرکتهای فعلی به ندرت خود را مختل میکنند، به خصوص زمانی که مدل موجود آنها هنوز پولساز است . در مشاوره، این مدل هرم بسیار سودآور است .
مدل هرمی مدتهاست که فرهنگ، اقتصاد و نحوه ارائه خدمات شرکتهای مشاوره را شکل داده است . ترفیعات، پاداشها، مدلهای استخدام و حتی مدل ذهنی آنچه «مشاوره خوب» به نظر میرسد، همه بر اساس تعداد کارکنان و اهرم ساخته شدهاند و انگیزههای قدرتمندی برای حفظ تیمهای بزرگ مشاوران تازهکار دارند .
این دقیقاً همان چیزی است که تغییر را بسیار دشوار میکند . حتی زمانی که شرکتها روی ابزارهای هوش مصنوعی سرمایهگذاری میکنند یا آزمایشگاههای نوآوری هوش مصنوعی را اعلام میکنند، این قابلیتها اغلب از ارائه خدمات اصلی جدا میمانند . نمایشهای چشمگیر ممکن است مشتریان را تحت تأثیر قرار دهد، اما موتور زیربنایی – تیمهای پروژه بزرگ متشکل از استعدادهای تازهکار – عمدتاً دست نخورده باقی میماند . حرکت به یک ساختار نابتر و تقویتشده با هوش مصنوعی میتواند تهدیدی وجودی برای شرکتهایی که بر اساس مقیاس ساخته شدهاند، محسوب شود . همچنین چالش همسوسازی مجدد استعدادها وجود دارد .
شرکتهای سنتی برای استخدام و آموزش صدها دانشجوی MBA عمومی ساخته شدهاند . اما آینده به چیز متفاوتی نیاز دارد: گروههای کوچکتر مسلط به ابزارهای هوش مصنوعی، جریانهای کاری داده و تفکر سیستمی . برخی برنامههای ارتقای مهارت را راهاندازی کردهاند (PwC، به عنوان مثال، یک میلیارد دلار برای آموزش هوش مصنوعی متعهد شده است) اما فرهنگ و انگیزهها به طور طبیعی عقب خواهند ماند، با سیستمهایی که همچنان ساعات صورتحساب شده را بر بینشهای ارائه شده ترجیح میدهند .
این علائم همگی به یک مسئله عمیقتر اشاره میکنند: برخورد با هوش مصنوعی به عنوان ابزاری برای اتصال به مدل قدیمی به جای دلیلی برای بازسازی آن از اصول اولیه . در کوتاهمدت، این ممکن است حاشیه سود را حفظ کند . اما با گذشت زمان، این امر دری را برای شرکتهای کوچکتر و هوش مصنوعیمحور باز میکند تا سریعتر عمل کنند، نابتر باشند و با افراد کمتر و هزینه کمتر، ارزش بیشتری را به مشتریان ارائه دهند .
پیامدهای این تغییر عمیق است . شرکتهای مشاوره که به مدلهای متکی بر مشاوران تازهکار ادامه میدهند، خطر کندتر شدن، گرانتر شدن و کماهمیتتر شدن را دارند . کسانی که قاطعانه عمل میکنند، میتوانند نابتر، متخصصمحورتر و برای مشتریان بسیار باارزشتر ظاهر شوند . برای شرکتهای موجود، انتقال به مدل ابلیسک آسان نخواهد بود .
کل جریانهای کاری باید در اطراف هوش مصنوعی بازطراحی شوند تا نحوه ایجاد و ارائه ارزش را بازتعریف کنند . آموزش و توسعه استعدادهای تازهکار باید تکامل یابد تا مهارتهای تسهیلکننده هوش مصنوعی را با مهارتهای مشاورهای سنتیتر مانند حل مسئله، ارتباطات و مدیریت مشتری ادغام کند .
همچنین مدلهای پاداش باید تکامل یابند و به جای ساعات قابل پرداخت، به سهم استراتژیک و نتایج مشتری پاداش دهند . این مدل جدید همچنین سؤالات مهمی را در مورد حاکمیت و اخلاق هوش مصنوعی مطرح میکند . در مشاوره سنتی، نتایج قابل ارائه به مشتری معمولاً از طریق لایههای بررسی توسط تحلیلگران، مشاوران ارشد، مدیران و شرکا عبور میکرد و یافتن مسائل و تخصیص مسئولیت را آسانتر میکرد .
اما در مدل ابلیسک، که تیمهای کوچک به سرعت عمل میکنند و هوش مصنوعی نقش بزرگتری در تصمیمگیری ایفا میکند، رویکردهای جدیدی برای اطمینان از اینکه تصمیمات مبتنی بر هوش مصنوعی قابل درک، عادلانه و توسط افرادی با مسئولیتپذیری مشخص اتخاذ میشوند، لازم خواهد بود .
یکی از نویسندگان (جفری ساویانو)، شریک سابق EY است که اکنون یک تیم تحقیقاتی را در حال توسعه مدلهای جدیدی برای حاکمیت و اخلاق هوش مصنوعی در مرکز اخلاق ادموند و لیلی سافرا در هاروارد رهبری میکند . این مؤسسه بر تقویت تحقیق و تدریس در مسائل اخلاقی تمرکز دارد . کار آن بر نیاز رهبران کسبوکار برای بر عهده گرفتن مسئولیت حاکمیت هوش مصنوعی به جای انتظار برای مقررات دولتی تأکید میکند . این به معنای ساخت حفاظهای اخلاقی در نحوه استفاده از هوش مصنوعی است، نه تکیه صرف بر تیمهای تطابق متمرکز یا بررسیهای پس از واقعیت .
ما دیدهایم که این امر به ویژه در مدل ابلیسک، که مسئولیتپذیری اخلاقی باید روشن، توزیع شده و مستقیماً در جریانهای کاری تیم جاسازی شود، بسیار مهم است – به خصوص که تیمهای متخصص کوچک با ابزارهایی که قادر به تأثیرگذاری بر تصمیمات پرخطر هستند، توانمند شدهاند . با وجود چالشها برای شرکتهای مشاوره، این لحظه برای رویکرد تدریجی نیست. برندهها کسانی خواهند بود که ابتدا حرکت میکنند و صنعت را پیش از آنکه کسی دیگر برای آنها این کار را انجام دهد، بازآفرینی میکنند.
نظر شما در مورد این مطلب چیه؟