با گسترش استفاده سازمان‌ها از هوش مصنوعی عامل‌محور، سه تغییر ساختاری کلیدی، رهبران را ملزم می‌سازد تا به‌طور فعال به تخصیص حقوق تصمیم‌گیری، توزیع قدرت و شیوه‌های تصمیم‌گیری بپردازند.
تحول تصمیم‌گیری با معماری‌های انتخاب هوشمند
ادغام هوش مصنوعی در مقیاس گسترده، شیوه طراحی، تعریف و اجرای محیط‌های تصمیم‌گیری را در سازمان‌ها متحول می‌کند. تحقیقات ما نشان می‌دهد که سازمان‌هایی که از هوش مصنوعی برای ایجاد مجموعه‌ای از گزینه‌های پیچیده به‌جای ارائه یک راه‌حل «بهینه» یا «بهترین» استفاده می‌کنند، در صنایع مختلف به نتایج برتری دست می‌یابند. این سیستم‌های هوشمند نه تنها تصمیم‌گیری را بهبود می‌بخشند، بلکه سازمان‌ها را وادار می‌کنند تا حقوق تصمیم‌گیری، چارچوب‌های پاسخگویی و پویایی‌های قدرت میان تصمیم‌گیرندگان را بازطراحی کنند.
بر اساس اصول معماری انتخاب در اقتصاد رفتاری، چارچوب معماری انتخاب هوشمند (ICA) نشان می‌دهد که چگونه سیستم‌های پیچیده‌تر تصمیم‌گیری سازمانی را متحول می‌کنند. با ترکیب قابلیت‌های تولیدی و پیش‌بینی‌کننده هوش مصنوعی برای ایجاد، اصلاح، اولویت‌بندی و ارائه گزینه‌ها، ICAs فراتر از موتورهای توصیه‌کننده سنتی عمل می‌کنند. این سیستم‌ها می‌توانند مبادلات را توضیح دهند، فرصت‌های پنهان را آشکار کنند و از نتایج گذشته برای بهینه‌سازی گزینه‌های آینده یاد بگیرند. این تحول، تغییر اساسی را از استفاده از الگوریتم‌ها برای کارایی خودکار به استقرار هوش مصنوعی به‌عنوان یک معمار محیط‌های تصمیم‌گیری برتر رقم می‌زند.
نمونه‌ای از تغییر در حقوق تصمیم‌گیری
در یک شرکت خرده‌فروشی بزرگ، بخش منابع انسانی از هوش مصنوعی برای شناسایی استعدادهای نوظهور در فروش و بازاریابی استفاده کرد. در حالی که سیستم هوش مصنوعی موفق به شناسایی افراد با استعداد در بخش‌های غیرمنتظره سازمان شد، مشخص شد که بدون یک چارچوب جدید برای تخصیص حقوق تصمیم‌گیری در زمینه توسعه، انتقال و ارتقاء کارکنان، این استعدادها نادیده گرفته خواهند شد. برای موفقیت، لازم بود که یک معماری تصمیم‌گیری مشارکتی مبتنی بر داده ایجاد شود که انتخاب‌های توسعه استعداد را با انگیزه‌های مدیریتی، اولویت‌های سازمانی و نتایج ملموس هماهنگ کند. این مثال نشان می‌دهد که بهره‌برداری از ارزش استعدادهای داخلی، نیازمند تخصیص مجدد حقوق تصمیم‌گیری است.
با پیشرفت قابلیت‌های هوش مصنوعی، معماری‌های انتخاب هوشمند فراتر از ابزارهای پشتیبان تصمیم‌گیری، به سیستم‌های تقویت‌کننده تصمیمات انسانی تبدیل خواهند شد. این سیستم‌ها چارچوب‌های قدرتمندی ایجاد می‌کنند که در آن‌ها قضاوت انسانی و هوش ماشینی برای افزایش ارزش سازمانی با یکدیگر همکاری می‌کنند.
حقوق تصمیم‌گیری ۲.۰: مسئولیت جدید رهبران
مایکل جنسن، استاد فقید مدرسه کسب‌وکار هاروارد، سال‌ها تحقیق کرد تا مشخص کند چگونه تخصیص حقوق تصمیم‌گیری بر عملکرد سازمانی تأثیر می‌گذارد و چگونه شرکت‌ها می‌توانند آن‌ها را بهینه تخصیص دهند. وی هشدار داده بود که تخصیص این حقوق یک «وظیفه مدیریتی فوق‌العاده دشوار و بحث‌برانگیز» است، چراکه تمرکز بیش از حد بر تصمیم‌گیری مرکزی یا دموکراتیک شدن بیش از حد آن، چالش‌هایی را ایجاد می‌کند.
با تکامل سیستم‌های هوش مصنوعی ترکیبی (ترکیبی از هوش مصنوعی پیش‌بینی‌کننده و مولد)، تمرکز سازمان‌ها از اجرای تصمیمات به طراحی تصمیم‌گیری تغییر می‌کند. رهبران مسئولیت طراحی محیط‌های تصمیم‌گیری را بر عهده خواهند داشت، از جمله تعیین اینکه چه زمانی باید به پیشنهادات هوش مصنوعی عمل شود و چه زمانی می‌توان آن‌ها را نادیده گرفت. برای مثال، اگر یک الگوریتم معاملاتی الگوی جدیدی در بازار کشف کند، آیا باید قبل از اقدام منتظر تأیید انسانی بماند؟ اگر یک عامل ICA در زنجیره تأمین یک استراتژی کارآمدتر شناسایی کند، چه مجوزهایی برای اجرای آن لازم است؟ این‌ها سؤالاتی هستند که رهبران باید درباره آن‌ها تصمیم بگیرند.
تحولات اساسی در سازمان‌های مبتنی بر هوش مصنوعی عامل‌محور
ما سه تغییر ساختاری را شناسایی کرده‌ایم که رهبران را ملزم می‌سازد تا به‌طور فعال به تخصیص حقوق تصمیم‌گیری، توزیع قدرت و شیوه‌های تصمیم‌گیری در سازمان‌های مجهز به هوش مصنوعی عامل‌محور بپردازند:
۱. انتقال قدرت به معماران هوشمند انتخاب – انسان‌ها و ماشین‌ها
با رواج معماری‌های انتخاب هوشمند در سازمان‌ها، تمرکز حقوق تصمیم‌گیری از «چه کسی تصمیم می‌گیرد؟» به «چه کسی محیط‌های تصمیم‌گیری بهتری طراحی می‌کند؟» تغییر خواهد کرد. برای مثال، شرکت داروسازی سانوفی از ICAs برای بهبود تصمیمات سرمایه‌گذاری در تحقیق و توسعه استفاده می‌کند. این سیستم‌ها به رهبران کمک می‌کنند تا منابع را بر اساس بینش‌های داده‌محور هدایت کنند و از تعصبات شناختی مانند «سوگیری هزینه‌های از دست رفته» اجتناب نمایند.
۲. اثرات شبکه‌ای که هوش تصمیم‌گیری را تقویت می‌کند
ICAs اثرات شبکه‌ای ایجاد می‌کنند، به این معنا که هر تصمیم جدید دقت پیش‌بینی و کیفیت تصمیمات آینده را بهبود می‌بخشد. شرکت مسترکارت از این سیستم‌ها برای شناسایی الگوهای تراکنش‌های مشکوک و کاهش رد غیرضروری کارت‌های اعتباری استفاده می‌کند. با هر تراکنش، دقت سیستم در تشخیص موارد غیرعادی افزایش می‌یابد، که منجر به تجربه بهتر مشتریان و کاهش تقلب می‌شود.
۳. بهینه‌سازی در لحظه که اقتدار و نظارت را بازتعریف می‌کند
سیستم‌های معاملاتی الگوریتمی و تبلیغات برنامه‌ریزی‌شده نمونه‌هایی از چگونگی تکامل عوامل ICA به تصمیم‌گیرندگان مستقل هستند. در یک شرکت داروسازی، عامل ICA که برای پیش‌بینی درآمد طراحی شده بود، به تدریج از یک ابزار پشتیبان به یک تصمیم‌گیر مستقل تبدیل شد که پیش‌بینی‌های دقیقی ارائه می‌داد. در اینجا، عامل نیمه‌خودمختار توانست بدون مداخله انسانی، پیش‌بینی‌های مالی را تنظیم کند.
ظهور مسئولیت‌های متا-تصمیم‌گیری
با افزایش توانایی‌های هوش مصنوعی در طراحی محیط‌های تصمیم‌گیری، مهم‌ترین حقوق تصمیم‌گیری به متا-تصمیم‌ها مرتبط خواهد بود – یعنی تعیین نحوه طراحی سیستم‌هایی که تصمیمات را می‌سازند. این تغییر، سلسله‌مراتب جدیدی از حقوق تصمیم‌گیری را ایجاد می‌کند که در آن، قدرت طراحی محیط‌های تصمیم‌گیری از قدرت تصمیم‌گیری‌های فردی مهم‌تر می‌شود. رهبران نه تنها برای تصمیمات، بلکه برای کیفیت معماری‌های انتخابی که ایجاد می‌کنند، پاسخگو خواهند بود.
اقدامات پیشنهادی برای رهبران سازمانی
۱. پیش‌بینی و تدوین چارچوب‌های حکمرانی برای سیستم‌های تصمیم‌گیری مبتنی بر هوش مصنوعی
۲. تقویت نقش‌های شناختی انسان‌ها در طراحی محیط‌های تصمیم‌گیری به‌جای اجرای تصمیمات جزئی
۳. ایجاد فرآیندهایی که تضمین کنند تصمیمات تولیدشده توسط هوش مصنوعی با ارزش‌ها و اهداف سازمانی همسو هستند
۴. تدوین معیارهای جدید برای اندازه‌گیری کیفیت و تنوع انتخاب‌ها، اثربخشی محیط‌های تصمیم‌گیری و نرخ یادگیری و بهینه‌سازی شبکه‌ای
آینده از آنِ کسانی است که نه تنها بهترین تصمیم‌ها را می‌گیرند، بلکه بهترین محیط‌های تصمیم‌گیری را خلق می‌کنند.