طی یک دهه گذشته، سرمایه گذاری در هوش مصنوعی، تحلیل کلان داده، یادگیری ماشین و سامانه های تصمیم یار، به یکی از اولویت های اصلی شرکت های بزرگ حمل و نقل، بنادر، خطوط کشتیرانی و اپراتورهای زنجیره تامین شده است.
تین نیوز |
پدرام علی زاده :
صنعت حمل و نقل و لجستیک، در آستانه یکی از عمیق ترین تحولات مدیریتی تاریخ خود قرار گرفته است. طی یک دهه گذشته، سرمایه گذاری در هوش مصنوعی، تحلیل کلان داده، یادگیری ماشین و سامانه های تصمیم یار، به یکی از اولویت های اصلی شرکت های بزرگ حمل و نقل، بنادر، خطوط کشتیرانی و اپراتورهای زنجیره تامین شده است.
گزارش های بین المللی نشان می دهد که سازمان ها دیگر هوش مصنوعی را نه یک فناوری جانبی، بلکه بخشی از زیرساخت رقابت پذیری آینده تلقی می کنند. در فضای عمومی، این تحول معمولا با یک پرسش همراه است: آیا هوش مصنوعی جای مدیران را خواهد گرفت؟
این پرسش، هرچند جذاب است، اما مسئله اصلی را به درستی صورت بندی نمی کند. تجربه سال های اخیر نشان داده است که هرچه سازمان ها به داده های بیشتر، الگوریتم های دقیق تر و ابزارهای تحلیلی پیشرفته تر دسترسی پیدا کرده اند، لزوما کیفیت همه تصمیم های مدیریتی نیز به همان نسبت افزایش نیافته است. هنوز هم تصمیم های نادرست درباره سرمایه گذاری، انتخاب بازار، مدیریت ظرفیت، پیش بینی تقاضا، قیمت گذاری خدمات و مدیریت ریسک، در بسیاری از شرکت های بزرگ مشاهده می شود؛ حتی در سازمان هایی که از پیشرفته ترین فناوری های هوش مصنوعی بهره می برند.
این واقعیت، پرسشی بنیادی تر مطرح می کند: اگر هوش مصنوعی می تواند اطلاعات را سریع تر، دقیق تر و ارزان تر از انسان تحلیل کند، چرا همچنان تصمیم های پرهزینه در سازمان ها رخ می دهد؟
پاسخ این پرسش را باید در تفاوت میان تحلیل و قضاوت جست و جو کرد. هوش مصنوعی می تواند میلیون ها داده را در چند ثانیه پردازش کند، الگوهای پنهان را شناسایی کند، سناریوهایی مختلف را مقایسه کند و حتی احتمال وقوع رویدادهای آینده را برآورد نماید. اما تصمیم مدیریتی، تنها محصول داده نیست. تصمیم، نتیجه تلفیق تحلیل با قضاوت، تجربه، مسئولیت پذیری، شناخت محیط حقوقی و تجاری، ارزیابی پیامدهای بلندمدت و درک رفتار انسان هاست؛ عناصری که تاکنون هیچ الگوریتمی نتوانسته است به طور کامل جایگزین آنها شود.
به همین دلیل، شاید مهم ترین تحول پیش روی صنعت حمل و نقل، نه (( هوشمند تر شدن ماشین ها)) بلکه (( باز تعریف رابطه میان انسان و هوش مصنوعی باشد)). این مقاله از همین نقطه آغاز می شود. بر خلاف دیدگاهی که آینده را میدان رقابت میان انسان و ماشین می بیند، استدلال اصلی این نوشتار آن است که مزیت رقابتی آینده، از همکاری موثر میان انسان و هوش مصنوعی (Human-AI Collaboration) شکل خواهد گرفت، همکاری ای که در آن، هوش مصنوعی کیفیت تحلیل را ارتقا می دهد و انسان، با اتکا به قضاوت مدیریتی، مسئولیت تصمیم نهایی را بر عهده می گیرد.
در این چهارچوب، پرسش اصلی دیگر این نیست که: هوش مصنوعی جای مدیر را می گیرد یا خیر؟. پرسش واقعی این است: (( کدام سازمان ها خواهند توانست همکاری میان انسان و هوش مصنوعی را بهتر از رقبا طراحی کنند؟)).
پاسخ به این پرسش، می تواند یکی از مهم ترین عوامل تعیین کننده مزیت رقابتی شرکت های حمل و نقل و لجستیک در دهه پیش رو باشد.
از هوش مصنوعی تا قضاوت مدیریتی؛ مسئله واقعی کجاست؟
بخش مهمی از برداشت های نادرست درباره هوش مصنوعی، از آنجا ناشی می شود که (( تحلیل اطلاعات)) و (( تصمیم گیری)) یک فرآیند واحد تلقی می شوند، در حالی که در ادبیات مدیریت، این دو اگرچه به یکدیگر وابسته اند، اما یکسان نیستند. هر تصمیم مدیریتی، به ویژه در صنعت حمل و نقل و لجستیک، حاصل زنجیره ای از مراحل به هم پیوسته است: داده، اطلاعات، تحلیل، قضاوت و تصمیم.
در سه مرحله نخست، هوش مصنوعی مزیتی آشکار و قابل اندازه گیری دارد. سامانه های مبتنی بر یادگیری ماشین می توانند حجم عظیمی از داده های عملیاتی، وضعیت بازار، شاخص های اقتصادی، اطلاعات ناوگان، شرایط آب و هوایی و الگوهای تقاضا را در زمانی بسیار کوتاه پردازش کرده و سناریوهای مختلف را با دقتی فراتر از توان انسان مقایسه کنند.
اما از مرحله ((قضاوت)) به بعد، ماهیت مسئله تغییر می کند. قضاوت مدیریتی صرفا انتخاب گزینه ای با بالاترین احتمال موفقیت نیست. مدیر باید پیامدهای حقوقی، آثار قراردادی، ریسک های اعتباری، روابط بلندمدت با مشتریان، ملاحظات اخلاقی، وضعیت ژئوپلیتیکی و حتی اعتبار سازمان را به طور هم زمان در نظر بگیرد؛ عواملی که بسیاری از آنها قابل تبدیل به متغیرهای کمی نیستند.
به همین دلیل، ارزش واقعی هوش مصنوعی در جایگزین کردن مدیران نیست؛ بلکه در افزایش کیفیت اطلاعاتی است که مدیر بر پایه آنها قضاوت می کند. این تمایز، مرز میان (( تحلیل ماشینی)) و (( تصمیم مدیریتی)) را مشخص می کند، مرزی که در سال های آینده، اهمیت آن بیش از هر زمان دیگری آشکار خواهد شد.
شواهد پژوهشی؛ آیا همکاری انسان و هوش مصنوعی واقعا تصمیم های بهتری می سازد؟
پاسخ این پرسش را می توان در یکی از جدیدترین پژوهش های مشترک پژوهشگران دانشگاه واشنگتن و MIT Operration Research Center جست و جو کرد. این پژوهش با استفاده از Beer Game – یکی از شناخته شده ترین شبیه سازی های مدیریت زنجیره تامین – بررسی می کند که آیا حضور هوش مصنوعی، به تنهایی کیفیت تصمیم های مدیریتی را افزایش می دهد یا خیر.
نتیجه پژوهش، بر خلاف بسیاری از تصورات رایج، قابل تامل است. پژوهشگران نشان دادند که عامل تعیین کننده، خود هوش مصنوعی نیست، بلکه کیفیت تعامل میان انسان و هوش مصنوعی است. هرگاه مدیران منطق پیشنهادهای الگوریتم را درک کرده، آنها را در کنار تجربه، شناخت محیط کسب و کار و قضاوت حرفه ای خود به کار گرفته اند، کیفیت تصمیم ها بهبود یافته، نوسانات زنجیره تامین کاهش پیدا کرده و هماهنگی میان اجزای زنجیره افزایش یافته است.
اما در شرایطی که مدیران یا به طور کامل به خروجی الگوریتم اعتماد کرده اند، یا بدون تحلیل آن را رد کرده اند، کیفیت تصمیم ها نه تنها افزایش نیافته، بلکه در برخی سناریوها هزینه های هماهنگی زنجیره تامین نیز بیشتر شده است. اهمیت این یافته، بسیار فراتر از نتایج یک آزمایش دانشگاهی است. این پژوهش نشان می دهد که مزیت رقابتی آینده، صرفا از توسعه الگوریتم های دقیق تر به دست نخواهد آمد، بلکه از توانایی سازمان در طراحی همکاری موثر میان هوش محاسباتی ماشین و قضاوت انسانی شکل خواهد گرفت.
به بیان دیگر، پرسش راهبردی آینده دیگر این نیست که: چه کسی هوش مصنوعی بهتری دارد؟، بلکه این است که: (( کدام سازمان، همکاری موثرتری میان انسان و هوش مصنوعی ایجاد کرده است؟)).
همین تغییر زاویه نگاه، شاید مهم ترین تحول مدیریت در صنعت حمل و نقل طی دهه آینده باشد، زیرا رقابت را از فناوری به (( حکمرانی تصمیم گیری)) منتقل می کند.
چالش جدید مدیران؛ خطر، کمبود داده نیست، اعتماد بی چون و چرا به داده است
اگر یک دهه پیش، مهم ترین دغدغه مدیران صنعت حمل و نقل، دسترسی به اطلاعات دقیق تر بود، امروز چالش دیگری در حال شکل گیری است، چگونه باید از خروجی هوش مصنوعی استفاده کرد، بدون آنکه قضاوت مدیریتی تضعیف شود؟
پژوهش های حوزه تعامل انسان و هوش مصنوعی نشان می دهد که دو خطای رفتاری، بیش از سایر عوامل می توانند کیفیت تصمیم های مدیریتی را کاهش دهند. نخست، Automation Bias یا سوگیری اتکای خودکار؛ وضعیتی که در آن، مدیر صرفا به دلیل آنکه یک پیشنهاد از سوی سامانه هوش مصنوعی ارائه شده است، آن را دقیق تر یا معتبرتر از ارزیابی انسانی تلقی می کند. در این حالت، خروجی الگوریتم از یک (( ابزار تصمیم یار)) به (( مرجع تصمیم)) تبدیل می شود.
در نقطه مقابل، Algorithm Aversion یا گریز از الگوریتم قرار دارد؛ یعنی بی اعتمادی به توصیه های هوش مصنوعی، حتی زمانی که شواهد نشان می دهد عملکرد آن در آن حوزه از تصمیم گیری انسانی دقیق تر است.
هر دو رویکرد، اگرچه در ظاهر متضاد هستند، اما یک نتیجه مشترک دارند: کاهش کیفیت تصمیم گیری. مدیری که بدون بررسی، همه پیشنهادهای الگوریتم را می پذیرد و مدیری که بدون تحلیل، همه آنها را رد می کند، هر دو از یک مسئله رنج می برند، نبود فرآیندی برای تلفیق هوش انسانی و هوش مصنوعی.
به همین دلیل، سازمان های پیشرو در جهان، به تدریج از مفهوم Human-in-the-Loop استفاده می کنند؛ رویکردی که در آن، هوش مصنوعی نقش تولید کننده تحلیل و سناریو را بر عهده دارد، اما مسئولیت ارزیابی، پذیرش یا رد پیشنهادها همچنان در اختیار انسان باقی می ماند. این مدل، نه از سر بی اعتمادی به فناوری، بلکه به این دلیل توسعه یافته است که مسئولیت نهایی تصمیم های راهبردی، حقوقی و تجاری همچنان بر عهده مدیران است.
تحلیل نویسنده؛ مدیر آینده، مدیر داده نیست، مدیر قضاوت است
در طول دهه های گذشته، هر موج فناورانه، تعریف مدیریت را دستخوش تغییر کرده است.
در گذشته، یکی از مهم ترین مزیت های مدیران، دسترسی انحصاری به اطلاعات بود. مدیری که اطلاعات بیشتری داشت، معمولا تصمیم های بهتری نیز می گرفت. با گسترش اینترنت، سامانه های اطلاعاتی و سپس هوش مصنوعی، این مزیت به تدریج از میان رفت. امروز بسیاری از شرکت ها به داده های مشابه، ابزارهای تحلیلی مشابه و حتی مدل های هوش مصنوعی مشابه دسترسی دارند.
در چنین شرایطی، مزیت رقابتی دیگر در (( داشتن اطلاعات)) نیست. حتی در (( تحلیل اطلاعات)) نیز به تنهایی نیست. مزیت رقابتی، به مرحله ای منتقل شده است که همچنان به سختی قابل خودکارسازی است: قضاوت مدیریتی.
قضاوت، همان نقطه ای است که مدیر باید میان تحلیل الگوریتم، تجربه عملی، الزامات حقوقی، ملاحظات اخلاقی، منافع بلندمدت سازمان، رفتار شرکای تجاری و ریسک های محیطی تعادل برقرار کند. از این منظر هوش مصنوعی جایگاه مدیر را تضعیف نمی کند، بلکه نقش او را تخصصی تر و مسئولیت او را سنگین تر می سازد.
به اعتقاد نگارنده، بزرگ ترین تحول مدیریت در صنعت حمل و نقل طی دهه آینده، نه استقرار گسترده تر سامانه های هوش مصنوعی، بلکه گذار از مدیریت اطلاعات به مدیریت قضاوت خواهد بود. سازمان هایی که این تحول را زودتر درک کنند، از هوش مصنوعی به عنوان ابزاری برای ارتقای کیفیت تصمیم استفاده خواهند کرد، نه به عنوان جایگزینی برای تصمیم گیرنده.
در مقابل، سازمان هایی که میان (( تحلیل الگوریتمی)) و (( قضاوت مدیریتی)) تمایزی قائل نشوند، ممکن است با وجود سرمایه گذاری های سنگین در فناوری، همچنان تصمیم هایی بگیرند که از منظر اقتصادی و راهبردی، پرهزینه تر باشند.
مدیران صنعت حمل و نقل برای عصر هوش مصنوعی به چه مهارت هایی نیاز دارند؟
اگر بپذیریم که نقش مدیران در حال تغییر است، پرسش بعدی روشن خواهد بود: مدیر آینده باید چه توانمندی هایی داشته باشد؟
بر خلاف تصور رایج، پاسخ به این پرسش(( آشنایی با فناوری)) نیست. آشنایی با ابزارهای هوش مصنوعی ضرورتی انکارناپذیر است، اما به تنهایی مزیت رقابتی ایجاد نمی کند، زیرا این ابزارها به تدریج در دسترس اکثر بازیگران صنعت قرار خواهند گرفت. آنچه مدیران را از یکدیگر متمایز خواهد کرد، کیفیت قضاوت در استفاده از این ابزارهاست. در این چارچوب، به نظر می رسد پنج شایستگی، بیش از هر زمان دیگری اهمیت پیدا خواهد کرد:
نخست؛ قضاوت راهبردی. مدیر باید بتواند تشخیص دهد که آیا پیشنهاد ارائه شده توسط هوش مصنوعی با اهداف بلندمدت سازمان، شرایط بازار و راهبرد تجاری شرکت همخوانی دارد یا خیر. بهترین پاسخ الگوریتم، همیشه بهترین تصمیم مدیریتی نیست.
دوم؛ تفکر انتقادی. مهم ترین وظایف مدیر آینده، ارزیابی کیفیت خروجی هوش مصنوعی خواهد بود. مدیر باید بتواند مفروضات مدل، محدودیت داده ها و احتمال خطا را تحلیل کند و از پذیرش یا رد شتاب زده پیشنهادهای الگوریتمی بپرهیزد.
سوم؛ درک حقوقی و حمکرانی تصمیم. در صنعت حمل و نقل، بسیاری از تصمیم ها آثار حقوقی، قراردادی و بیمه ای دارند. مسئولیت این پیامدها بر عهده مدیر و سازمان است. از این رو، توانایی تلفیق تحلیل فنی با ملاحظات حقوقی، به یکی از مهم ترین قابلیت های مدیران آینده تبدیل خواهد شد.
چهارم؛ مدیریت روابط انسانی. مذاکره با مشتریان، تعامل با شرکای تجاری، مدیریت تعارض، ایجاد اعتماد و رهبری تیم ها، همچنان حوزه هایی هستند که کیفیت آنها به توانایی های انسانی وابسته است. هوش مصنوعی می تواند اطلاعات را تحلیل کند، اما هنوز نمی تواند جایگزین سرمایه اجتماعی و مهارت های ارتباطی مدیران شود.
پنجم؛ یادگیری مستمر. فناوری هوش مصنوعی با سرعتی کم سابقه در حال تحول است. در چنین محیطی، تجربه گذشته به تنهایی تضمین کننده موفقیت آینده نخواهد بود. مدیرانی موفق تر خواهند بود که بتوانند دانش خود را به صورت مستمر به روزرسانی کنند و از تغییرات فناوری برای بازآفرینی مزیت رقابتی سازمان استفاده نمایند.
در مجموع، آینده مدیریت بیش از آنکه به (( دانستن پاسخ ها)) وابسته باشد، به (( توانایی طرح پرسش های درست)) وابسته خواهد بود، پرسش هایی که مسیر تحلیل هوش مصنوعی را تکمیل و تصمیم نهایی را معنادار می کنند.
جمع بندی
ظهور هوش مصنوعی، بی تردید یکی از مهم ترین نقاط عطف تاریخ مدیریت و زنجیره های تامین است. با این حال، تجربه سازمان های پیشرو و یافته های پژوهش های اخیر نشان می دهد که ارزش واقعی این فناوری، در حذف انسان از فرآیند تصمیم گیری نیست، بلکه در ارتقای کیفیت تصمیم هایی است که همچنان با مسئولیت انسان اتخاذ می شوند.
آنچه آینده صنعت حمل و نقل را رقم خواهد زد، نه رقابت میان انسان و ماشین، بلکه کیفیت همکاری میان انسان و هوش مصنوعی است. سازمان هایی که هوش مصنوعی را صرفا به عنوان جایگزینی برای نیروی انسانی ببینند، احتمالا تنها بخشی از ظرفیت این فناوری را به کار خواهند گرفت. در مقابل، سازمان هایی که بتوانند میان قدرت پردازش الگوریتم ها و قضاوت مدیران تعادل برقرار کنند، از مزیتی برخوردار خواهند شد که تقلید از آن به مراتب دشوارتر خواهد بود.
به نظر می رسد مهم ترین تغییر پیش روی مدیران صنعت حمل و نقل، تغییر در تعریف نقش خودشان باشد. در گذشته، مدیر کسی بود که بیشترین اطلاعات را در اختیار داشت، امروز، مدیر کسی است که بهترین تحلیل را در اختیار دارد، اما فردا، مدیر موفق کسی خواهد بود که بتواند بهترین قضاوت را بر پایه تحلیل هوش مصنوعی، تجربه انسانی و مسئولیت حرفه ای انجام دهد.
از این نگاه، آینده مدیریت نه متعلق به سازمان هایی است که صرفا هوش مصنوعی را خریداری می کنند، بلکه متعلق به سازمان هایی است که همکاری موثر میان انسان و هوش مصنوعی را به یک قابلیت سازمانی تبدیل می کنند. شاید به همین دلیل، پرسش اصلی دهه آینده این نباشد که : هوش مصنوعی چه کارهایی را بهتر از انسان انجام می دهد؟، بلکه این باشد که:
(( کدام مدیران خواهند توانست در کنار هوش مصنوعی، تصمیم هایی بگیرند که نه انسان به تنهایی قادر به اتخاذ آنهاست و نه ماشین؟))
وکیل پایه دادگستری/مشاور حقوق گمرک و لجستیک دریایی
بلاگ خبری مکران آریا دریا
