قفل و قیچی؛ چرا هوش مصنوعی گاهی تصمیم‌گیری را سخت‌تر می‌کند؟ یادداشتی از محمدمهدی دوستی
هوش مصنوعی با افزایش ظرفیت تحلیل و پردازش اطلاعات، فرصت‌های تازه‌ای برای بهبود تصمیم‌گیری در سازمان‌ها ایجاد کرده است؛ اما دسترسی به داده‌های بیشتر و تولید تحلیل‌های پیچیده‌تر لزوماً به تصمیم‌های بهتر منجر نمی‌شود. گاهی انبوه گزینه‌ها، گزارش‌ها و ملاحظات تازه، فرایند تصمیم‌گیری را طولانی‌تر و اجرای تصمیم‌ها را دشوارتر می‌کند.
محمدمهدی دوستی در یادداشتی که در اختیار دیجیاتو قرار داده، به این تناقض می‌پردازد و با طرح ایده «قفل و قیچی» توضیح می‌دهد چرا سازمان‌ها پیش از هوشمندسازی فرایندها باید پیچیدگی‌های غیرضروری را حذف کنند و سپس برای جلوگیری از بازگشت آنها سازوکار مشخصی داشته باشند.
متن یادداشت را در ادامه بخوانید:
هوش مصنوعی می‌تواند هزار صفحه را بخواند و ده‌ها زاویه تازه برای یک مسئله پیدا کند. اما اگر همه این پیچیدگی دوباره روی میز انسان قرار بگیرد، نتیجه لزوماً تصمیم بهتر نیست؛ ممکن است فقط تحلیل بیشتر، ارائه بهتر و اقدام دیرتر باشد.
در چند مصاحبه استخدامی اخیر متوجه تغییر جالبی شدم. بعضی از افراد قبل از مصاحبه با هوش مصنوعی مشورت کرده بودند. جواب‌ها مرتب‌تر بود، مثال‌ها بهتر انتخاب شده بودند و تقریباً برای هر سؤال، پاسخ قابل دفاعی وجود داشت.
در ظاهر، کیفیت مصاحبه بالا رفته بود. در عمل اما کار مصاحبه‌کننده سخت‌تر شده بود: چطور تشخیص بدهیم این انسجام واقعاً متعلق به شیوه فکرکردن فرد است و چقدر از آن حاصل آماده‌سازی با AI است؟
ابزار، ارائه را بهتر کرده بود؛ اما پیچیدگی تشخیص را هم بالا برده بود.
این فقط مسئله استخدام نیست.
وقتی پاسخ بیشتر، تصمیم را سخت‌تر می‌کند
ما انسان‌ها موجودات چندان ساده‌ای نیستیم. کافی است درباره یک تصمیم مهم از چند مدیر نظر بخواهید تا مجموعه‌ای از ملاحظات، استثناها، خطرها و «اگر»ها شکل بگیرد.
حالا ابزاری را به این فرایند اضافه کرده‌ایم که تقریباً همیشه می‌تواند چند زاویه دیگر هم پیدا کند.
از هوش مصنوعی بپرسید «آیا این تصمیم ریسک دیگری هم دارد؟» احتمالاً جوابش بله است. بپرسید «چه چیزی را ندیده‌ایم؟» دوباره چند نکته دیگر اضافه می‌کند. بخواهید موضوع را از نگاه مشتری، رقیب، مالی، حقوقی، منابع انسانی و آینده بازار بررسی کند؛ در چند ثانیه با فهرست تازه‌ای روبه‌رو می‌شوید.
این توانایی فوق‌العاده است؛ تا زمانی که فراموش نکنیم هدف سازمان تحلیل نیست، تصمیم و اقدام است.
گاهی شاید در گذشته یک مدیر برای گرفتن تصمیم یک صفحه گزارش می‌خواند. برای مسئله مهم‌تر پنج یا ده صفحه. اطلاعات ناقص‌تر بود و بعضی تصمیم‌ها هم اشتباه از آب درمی‌آمدند، اما سازمان حرکت می‌کرد.
امروز AI می‌تواند هزار صفحه را برای همان مدیر بخواند.
مسئله اینجاست: آیا باید هزار صفحه پیچیدگی را در قالب پنجاه نکته و بیست سناریو به مدیر تحویل بدهیم؟
نه لزوماً.
بهترین استفاده از هوش مصنوعی شاید دقیقاً برعکس باشد: داده بیشتر را بخواند، اما پیچیدگی کمتری به انسان تحویل دهد.
همه پیچیدگی‌ها را نباید حذف کرد
اینجا یک تمایز مهم وجود دارد.
یک شرکت بزرگ واقعاً پیچیده است. ایمنی، قرارداد، تامین، تعمیرات، قیمت، سرمایه‌گذاری و مقررات همگی محدودیت واقعی ایجاد می‌کنند. نمی‌شود این پیچیدگی را با یک دستور «ساده‌سازی» از بین برد.
اما بخشی از پیچیدگی واقعی نیست؛ سازمان خودش آن را ساخته است.
گزارشی که کسی دقیقاً نمی‌داند چرا هنوز تهیه می‌شود. امضایی که بعد از یک اتفاق قدیمی اضافه شده و هرگز حذف نشده. جلسه‌ای که تصمیم مشخصی ندارد. استثنایی که برای حل یک مورد خاص ایجاد شده و بعد به قاعده دائمی تبدیل شده است.
مشکل زمانی شروع می‌شود که AI وارد این ساختار شود و اولین سؤال ما این باشد: کدام مرحله را می‌توانیم هوشمند کنیم؟
گاهی سؤال درست‌تر این است: کدام مرحله را باید حذف کنیم؟
این حرف تازه‌ای هم نیست. «میکل همر» بیش از سه دهه قبل در بحث بازمهندسی فرایندها هشدار داده بود که فناوری نباید فقط فرایندهای قدیمی را سریع‌تر کند. رویکردهای Lean نیز سال‌هاست حذف اتلاف را مقدم بر افزودن ابزار می‌دانند.
هوش مصنوعی فقط اجرای آن اشتباه قدیمی را بسیار آسان‌تر کرده است.
اینجاست که «قفل و قیچی» وارد می‌شود
من اسم این نگاه را «قفل و قیچی» می‌گذارم، هرچند در عمل باید از قیچی شروع کرد.
قیچی یعنی پیش از هوشمندسازی، پیچیدگی‌ای را که ارزشی ندارد ببریم.
ممکن است یک مرحله کاملاً حذف شود. دو تایید به یک تایید تبدیل شوند. تصمیم به سطح پایین‌تری تفویض شود. چند گزارش در یک خروجی ادغام شوند. یا اصلاً بعد از بازکردن مسئله بفهمیم نیازی به ساخت ابزار جدید نداریم.
اما بعد از قیچی سؤال سخت‌تری می‌آید: با پیچیدگی‌ای که واقعاً لازم است چه کنیم؟
اینجا نقش AI تازه جدی می‌شود.
ماشین می‌تواند حجم اطلاعاتی را پردازش کند که برای انسان عملاً غیرقابل‌مدیریت است. به‌جای اینکه مدیر چند نمونه تصادفی را بررسی کند، می‌توان در بعضی فرایندها کل داده را زیر نظر گرفت و فقط موارد غیرعادی را بالا آورد. به‌جای خواندن ده‌ها گزارش، سیستم می‌تواند آنها را کنار هم بگذارد و تعارض، تغییر یا استثنای مهم را پیدا کند.
یعنی پیچیدگی حذف نشده، بلکه جذب شده است.
اصل ساده است: پیچیدگی ضروری را تا جای ممکن به ماشین بدهیم و سادگی را به انسان تحویل دهیم.
فرق زیادی هست میان سیستمی که صد هشدار برای مدیر تولید می‌کند و سیستمی که از میان میلیون‌ها داده، سه چیزی را پیدا می‌کند که واقعاً به تصمیم انسانی نیاز دارند.
چرا پرزنتیشن‌ها بهتر و اجراها ضعیف‌تر می‌شوند؟
یک نشانه خطر این است که خروجی‌های سازمان هر روز حرفه‌ای‌تر شوند اما سرعت عمل تغییر نکند.
امروز ساختن یک گزارش منظم، جدول مقایسه، تحلیل ریسک و ارائه مدیریتی بسیار آسان‌تر شده است. مدیر می‌تواند قبل از جلسه ده‌ها سؤال را با AI بررسی کند. تیم هم می‌تواند برای هر تصمیم، سند کامل‌تری تهیه کند.
اما ساختار تصمیم سازمان با تولید سند بهتر اصلاح نمی‌شود.
یک آزمایش شش‌ماهه مایکروسافت روی حدود شش‌هزار دانش‌ورز نمونه خوبی از این مرز است. استفاده از هوش مصنوعی زمان صرف‌شده برای ایمیل را کاهش داد، ولی زمان جلسات تغییر معناداری نکرد. یعنی ابزار می‌تواند بخشی از کار فردی را سریع‌تر کند؛ اما هماهنگی میان آدم‌ها، حدود اختیار و خود ساختار تصمیم مسئله دیگری است.
AI می‌تواند گزارش را بهتر کند. نمی‌تواند به‌تنهایی مشخص کند چه کسی حق تصمیم دارد.
می‌تواند ۱۰ گزینه بسازد. اما اگر فرهنگ سازمان اجازه حذف ۹ گزینه را ندهد، فقط فرایند تصمیم را طولانی‌تر کرده است.
بعد از قیچی، قفل لازم است
یک مشکل آشنا در ساده‌سازی وجود دارد: پیچیدگی برمی‌گردد.
امروز یک امضا حذف می‌شود. چند ماه بعد اتفاقی رخ می‌دهد و برای جلوگیری از تکرار آن یک تایید جدید اضافه می‌کنیم. سپس یک گزارش برای کنترلش می‌سازیم. بعد یک استثنا ایجاد می‌شود.
هیچ‌کدام از این تصمیم‌ها الزاماً اشتباه نیستند. مشکل مجموع آنهاست.
به همین دلیل بعد از قیچی به قفل نیاز داریم.
قفل یعنی فرایند ساده‌شده بی‌صاحب نباشد. معلوم باشد چه کسی مسئول آن است، چه کسی اختیار تصمیم دارد، چه استثنایی واقعاً ارزش ایجاد قاعده جدید را دارد و خود قاعده چه زمانی باید دوباره زیر سؤال برود.
قفل نباید فرایند را منجمد کند. اگر یک قاعده برای همیشه مصون از بازبینی شود، خودش تبدیل به بوروکراسی تازه‌ای خواهد شد.
و البته هر مرحله‌ای هم زائد نیست. در صنعت پرریسک، یک تایید ایمنی یا یک کنترل اضافه ممکن است دقیقاً همان چیزی باشد که از یک حادثه جلوگیری می‌کند. ساده‌سازی بدون فهم ریسک می‌تواند از خود پیچیدگی خطرناک‌تر باشد.
پس مسئله این نیست که سازمان «کمترین مرحله ممکن» را داشته باشد.
مسئله این است که کمترین پیچیدگی لازم برای کار درست و ایمن را داشته باشد.
هزار صفحه را بخوانید؛ یک تصمیم را پیچیده نکنید
شاید مهم‌ترین مزیت هوش مصنوعی برای مدیریت همین باشد.
در گذشته محدودیت ظرفیت انسان باعث می‌شد ناچار باشیم بخشی از داده را ببینیم، نمونه‌گیری کنیم یا گزارش‌ها را تا حد زیادی فشرده کنیم.
امروز ماشین می‌تواند حجم بسیار بیشتری را ببیند.
این اتفاق نباید به این معنا باشد که مدیر هم مجبور شود حجم بسیار بیشتری را مصرف کند.
برعکس؛ AI باید اجازه دهد مدیر با داده بیشتر، اما با اصطکاک کمتر تصمیم بگیرد.
پس قبل از پروژه بعدی AI، شاید بهتر باشد به‌جای سؤال «چه چیزی را می‌توانیم خودکار کنیم؟» سه سؤال ساده بپرسیم:
چه چیزی را می‌توانیم کاملاً حذف کنیم؟
کدام پیچیدگی واقعاً لازم است و بهتر است ماشین آن را تحمل کند؟
و چه چیزی مانع می‌شود پیچیدگی حذف‌شده دوباره آرام‌آرام برگردد؟
اگر هوش مصنوعی فقط ارائه‌ها را بهتر، تحلیل‌ها را طولانی‌تر و فرایندها را سریع‌تر کند، هنوز معلوم نیست سازمان هوشمندتر شده باشد.
شاید معیار بهتر این باشد: آیا بعد از ورود AI، تصمیم‌گرفتن و عمل‌کردن واقعاً ساده‌تر شده است.
