دهه‌هاست که ساختارها و الگوهایی برای بهبود مهارت‌های رهبری و مدیریت تیم‌ها طراحی می‌شوند: دوره‌های آموزشی، گواهینامه‌ها، کوچینگ و اسناد فرهنگی سازمانی برای تربیت مدیرانی بهتر برای نیروی انسانی. اما این‌ها دیگر کافی نیستند، چراکه در بسیاری از موقعیت‌های کاری، نخستین فردی که به مدیر گزارش می‌دهد دیگر یک انسان نیست، بلکه یک عامل دیجیتال (Agent) خواهد بود.
در ماه ژوئن، بانک BNY Mellon هزار نیروی دیجیتال را به کار گرفت. بانک JPMorgan Chase نیز در حال توسعه گسترده تیم‌های مبتنی بر هوش مصنوعی است. این‌ها فقط ایده نیستند—نیروهای جدید دیجیتال وارد عمل شده‌اند. آن‌ها نه به قهوه نیاز دارند، نه بازخورد، نه مرخصی.
مسئله این است که بیشتر سازمان‌ها همچنان بر اساس الگوهای مدیریتی قدیمی و انسانی فعالیت می‌کنند—الگوهایی که برای سلسله‌مراتب انسانی طراحی شده‌اند و نه برای مدیریت سیستم‌های غیرانسانی.
زمانی که انسان‌ها را مدیریت می‌کنید، وظیفه شما هدایت رفتار آن‌هاست: ایجاد انگیزه، تفویض اختیار، راهنمایی و اصلاح مسیر. این فرایند بر پایه تعامل و اعتماد شکل گرفته. اما در مورد هوش مصنوعی، هیچ‌کدام از این‌ها کاربرد ندارند. شما یک مدل را راهنمایی نمی‌کنید، بلکه بر آن «نظارت» دارید. ورودی‌ها را تعریف می‌کنید، خروجی‌ها را پایش می‌کنید، مشکلات را گزارش می‌دهید و مسئولیت نتایج را برعهده می‌گیرید—حتی اگر خودتان مستقیم آن را تولید نکرده باشید.
در تیم‌هایی که توسط هوش مصنوعی هدایت می‌شوند، رهبری دیگر به انگیزش مربوط نیست، بلکه به قضاوت و قدرت تصمیم‌گیری بازمی‌گردد. توانایی ارزیابی، تطبیق و اقدام مؤثر در زنجیره‌های تصمیم‌گیری است که عملکرد را از ریسک جدا می‌کند. این یعنی شناختن معنای «نتیجه خوب»، تشخیص انحراف‌ها، طرح پرسش‌های درست پیش از آنکه سیستم پاسخ اشتباه بدهد، و مسئولیت‌پذیری در برابر نتایجی که حتی مستقیماً آن‌ها را ایجاد نکرده‌اید.
منابع انسانی برای این تغییر آماده نیست. بیشتر الگوهای ارزیابی عملکرد هنوز فرض می‌کنند که گزارش‌دهی خطی، منابع انسانی و پایداری شغلی بلندمدت وجود دارد. اما عامل‌های دیجیتال این منطق را بر هم می‌زنند. آن‌ها در سلسله‌مراتب رشد نمی‌کنند، بلکه وظایف را اجرا می‌کنند. ممکن است عملکردی بهتر از کارکنان تازه‌کار داشته باشند و روز بعد با مدلی جدید جایگزین شوند. شما رشد آن‌ها را مدیریت نمی‌کنید، بلکه شرایطی را مدیریت می‌کنید که در آن کار می‌کنند.
این تغییر، ساختارهای سازمانی را نیز تحت فشار قرار می‌دهد. سلسله‌مراتب‌هایی که برای نظارت انسانی طراحی شده‌اند در موقعیتی که تصمیم‌گیری‌ها سریع‌تر از تأییدهای انسانی انجام می‌شود، ناکارآمد می‌شوند. در نتیجه باید تعریف خود را از بهره‌وری، همکاری و رهبری بازنگری کنیم. باید شاخص‌های جدیدی برای سنجش نحوه تعامل کارمندان انسانی با عامل‌های دیجیتال تعریف شود—نه فقط خروجی‌های فردی‌شان.
آیا کارکنان پرامپت‌های مناسب می‌نویسند؟ آیا دغدغه‌های اخلاقی را مطرح می‌کنند؟ آیا خروجی‌ها را به‌درستی بررسی می‌کنند یا صرفاً تأییدشان می‌کنند؟ این‌ها سیگنال‌های جدید رهبری‌اند—و اغلب چارچوب‌های ارزیابی فعلی قادر به شناسایی آن‌ها نیستند.
پرامپت‌نویسی صرفاً یک مهارت فنی نیست، بلکه نوعی مهارت مدیریتی است. نحوه‌ی طراحی یک پرامپت مشخص می‌کند که عامل چه رفتاری از خود نشان دهد. پرامپت‌های مبهم، نتایج مبهم دارند. پرامپت‌های جانبدارانه، خروجی‌های ناعادلانه تولید می‌کنند. و پرامپت‌نویسی ضعیف، نه تنها ناکارآمد است، بلکه می‌تواند ریسک حقوقی یا لطمه به اعتبار برند به همراه داشته باشد.
با این حال، بسیاری از شرکت‌ها پرامپت‌نویسی را نوعی تخصص برای مهندسان یا کاربران حرفه‌ای هوش مصنوعی می‌دانند. این رویکرد اشتباه است. همه کسانی که با عامل‌ها کار می‌کنند، از کارآموز تا مدیر اجرایی، باید توانایی طراحی دستورات واضح و هدفمند را داشته باشند. چراکه پرامپت‌ها در واقع تصمیماتی پنهان هستند—تحت تأثیر جایگاه فرد در سازمان و هدفش از صدور دستور.
در تیم‌های سنتی، اصول اخلاقی و مسیرهای گزارش‌دهی شفاف هستند: اگر مشکلی رخ دهد، کسی آن را گزارش می‌دهد و مدیری وارد عمل می‌شود. اما در محیطی که عامل‌های هوش مصنوعی به‌طور مستقل و اغلب پنهانی عمل می‌کنند، این زنجیره قطع می‌شود.
بیشتر بخوانید: چگونه هوش مصنوعی در کسب‌وکار را به شریک خلاق خود تبدیل کنیم؟
شما نمی‌توانید مشکلی را گزارش دهید که متوجهش نشده‌اید. و اغلب شرکت‌ها حتی تعریف نکرده‌اند که گزارش‌دهی اخلاقی در مورد عملکرد عامل‌های مصنوعی چگونه باید باشد. چه کسی پاسخگوست وقتی یک عامل، توصیه‌ای تبعیض‌آمیز می‌دهد؟ یا اطلاعات حساس را فاش می‌کند؟ یا تصمیمی می‌گیرد که یک انسان هرگز اتخاذ نمی‌کرد؟ اگر پاسخ شما این است که «تیم فنی»، یعنی هنوز آمادگی لازم را ندارید.
نظارت نباید در پس‌زمینه باشد. باید در بطن فرایندهای کاری قرار بگیرد. شرکت‌های پیشرو در حال آموزش کارکنان خود هستند تا خروجی‌های سیستم را صرفاً نپذیرند، بلکه آن‌ها را بررسی، زیر سؤال و در صورت نیاز، گزارش کنند.
زنجیره‌ی تفکر و استدلال فقط ترفند شناختی نیستند؛ بلکه ابزارهایی کلیدی برای شناسایی انحراف، سوگیری و نقاط گسست در چرخه‌ی ارزش‌آفرینی هوش مصنوعی محسوب می‌شوند—و این مهارت روزبه‌روز مهم‌تر خواهد شد.
هوش مصنوعی جای مدیران را نخواهد گرفت، اما معنای مدیریت را تغییر خواهد داد. مدیریت عامل‌های هوشمند، به مهارت‌های متفاوتی نیاز دارد—و اغلب سازمان‌ها هنوز در این زمینه آماده نیستند.
این موضوع جایگزینی مهارت‌های نرم با مهارت‌های سخت نیست، بلکه جایگزینی مدیریت منفعل با رهبری فعال است: کمتر خوش‌خدمتی، بیشتر پاسخ‌گویی؛ کمتر جلسه‌های گزارش وضعیت، بیشتر مسیرهای مؤثر برای گزارش‌دهی و پیگیری.
مدیریت ماشین‌ها همچنان به معنای رهبری انسان‌هاست. اما انسان‌هایی که ابزارها، قوانین و دستورالعمل‌های جدیدی نیاز دارند. شرکت‌هایی که در این مسیر موفق می‌شوند، لزوماً آن‌هایی نیستند که پیشرفته‌ترین فناوری را دارند، بلکه آن‌هایی هستند که می‌دانند چگونه ساخته‌های خود را هوشمندانه مدیریت کنند.
نویسنده: دیوید برودنل | منبع: Fast Company