1- میل به انعطاف‌‌‌پذیری متداول شده است

کارکنان،  چه کار دفتری انجام دهند و چه کار یدی،  خواهان انعطاف‌‌‌پذیری بیشتری نسبت به آنچه سازمانشان در حال حاضر ارائه می‌‌‌دهد،  هستند.‌  60 درصد از کارکنان انتظار دارند حداقل یک بار در هفته دورکاری کنند؛  درحالی‌که تنها 38 درصد از آنها قبل از همه‌گیری این موضوع را گزارش کرده بودند.   انعطاف‌‌‌پذیری اختصاص به یک نوع شغل یا صنعت ندارد. هر دو کارمندان یقه سفید و یقه آبی،  خواهان میزان مشابهی از انعطاف‌‌‌پذیری هستند؛ آن هم بیشتر از آنچه در حال حاضر سازمانشان ارائه می‌‌‌دهد.‌

2- انعطاف‌پذیری رادیکال عملکرد را تقویت می‌‌‌کند

وقتی رهبران منابع انسانی انعطاف‌‌‌پذیری را حول هویت و تجربه زندگی یک فرد مجددا تنظیم می‌‌‌کنند،  باعث می‌‌‌شوند کارکنان احساس کنند پذیرفته‌‌‌شده،  مستقل و ارزشمند هستند و مورد توجه قرار می‌‌‌گیرند و در سازمانشان سرمایه‌‌‌گذاری می‌‌‌کنند.   وقتی این احساسات را در کارکنان ایجاد می‌کنید،  هم سازمان و هم افرادی که آنها را تشکیل می‌‌‌دهند،  برنده می‌‌‌شوند.   در سازمان‌هایی که انعطاف‌‌‌پذیری رادیکال وجود دارد، نسبت به سازمان‌هایی که فقط در زمان و مکان کار انعطاف‌‌‌پذیری ایجاد کرده‌‌‌اند،  درصد کارکنانی که دارای عملکرد بالا تعریف می‌‌‌شوند،  تا 40 درصد افزایش می‌‌‌یابد.   عملکرد تا حدی به این دلیل بهبود می‌‌‌یابد که انعطاف‌‌‌پذیری رادیکال حس استقلال بیشتری به کارمندان می‌‌‌دهد  و تا حدی به این دلیل که به طور چشمگیری خطر فرسودگی شغلی را کاهش می‌‌‌دهد.

3-منابع انسانی باید ضمن فراهم کردن حق انتخاب،  بهره‌‌‌وری را تضمین کند

هنگام ارائه انعطاف‌‌‌پذیری رادیکال،  رهبران منابع انسانی باید بهره‌‌‌وری را با حق انتخاب کارکنان متعادل کنند.  وقتی مدیریت ضعیف باشد،  می‌تواند توانایی همکاری تیمی را کاهش دهد،  منجر به نابرابری شود و یک تجربه ناسازگار به همراه داشته باشد. بهترین سازمان‌ها تنش طبیعی بین تضمین بهره‌‌‌وری کارکنان و ارائه گزینه‌‌‌های کاری انعطاف‌‌‌پذیر،  همراه با مسوولیت‌‌‌ها را مدیریت می‌‌‌کنند.   انتظارات،  محدودیت‌‌‌ها و هنجارهای تیمی را در مورد چگونگی بهره‌‌‌وری در یک محیط کاری انعطاف‌‌‌پذیر تنظیم کنید.

دانیل بیورک‌گرن، اقتصاددان و متخصص حوزه هوش مصنوعی، در فارن افرز، روز چهارشنبه ۹اوت نوشت: کشورهای کم‌درآمد، کارگران با دانش کمتری را استخدام می‌کنند و سهم بیشتری از جمعیت آنها در بخش‌هایی کار می‌کنند که کمتر مستعد اتوماسیون هستند؛ به‌ویژه کشاورزی. در کشورهای فقیر، سوال بزرگ این نیست که چگونه هوش مصنوعی بر میلیون‌ها نفر از افراد شاغل تاثیر می‌گذارد، بلکه این است که چگونه میلیاردها نفر هوش مصنوعی را به‌کار خواهند گرفت. دگرگون‌کننده‌ترین کاربردها در جهان در حال توسعه احتمالا آنهایی نیستند که جایگزین انسان‌ها شوند. آنها کسانی خواهند بود که امکانات جدیدی را برای انسان باز می‌کنند. تاکنون، تقریبا تمام بحث‌ها درباره چگونگی حمایت از هوش مصنوعی و نحوه کاهش خطرات آن، بر کشورهای ثروتمند متمرکز بوده است؛ کشورهایی که در خانه، شرکت‌ها و دانشگاه‌هایشان روی این فناوری کار می‌کنند. اما ازآنجاکه تاثیرات هوش مصنوعی - خوب و بد - در کشورهای فقیر متفاوت خواهد بود، سرمایه‌گذاری‌ها و مقررات مورد نیاز این کشورها نیز احتمالا متفاوت خواهد بود. فیلسوفان، اقتصاددانان و فناوران، جوهر بی‌پایانی را در فکر آینده هوش مصنوعی در جهان توسعه‌یافته ریخته‌اند. اکنون زمان آن فرا رسیده است که درباره یک دستور کار هوش مصنوعی برای دیگران فکر کنیم.

قدرت ماشین‌ها

یادگیری ماشین از پیش زندگی فقرای جهان را تحت تاثیر قرار داده است. تحولات اعتباری را در نظر بگیرید. بسیاری از افراد فقیر فاقد سوابق مالی و امتیازات اعتباری هستند. بنابراین دسترسی کمی به وام‌های رسمی دارند. در سال۲۰۱۰، من راهی برای ایجاد (دریافت) امتیازهای اعتباری جایگزین، با استفاده از یادگیری ماشینی برای استنتاج درباره احتمال بازپرداخت از «داده‌های جمع‌آوری‌شده‌ خودکار» توسط شبکه‌های تلفن همراه، پیشنهاد کردم. این روش اکنون یکی از روش‌هایی است که وام‌دهندگان در ده‌ها کشور برای ارائه وام‌های کوچک از طریق تلفن همراه به میلیون‌ها نفر استفاده کرده‌اند. محققان دیگر از یادگیری ماشینی برای همین نوع داده‌ها استفاده می‌کنند تا مشخص کنند کدام خانوارها در یک منطقه معین، فقیرترین هستند؛ به‌طوری‌که کمک‌ها می‌توانند هوشمندانه در طول یک بحران هدف‌گذاری و ارائه شوند. هنوز دیگران حل این‌گونه مسائل را با استفاده از تصاویر ماهواره‌ای پی می‌گیرند، تخمین‌های جمعیت را بر اساس الگوهای سکونت انسانی و پیش‌بینی کمبود مواد غذایی را بر اساس الگوهای پوشش گیاهی ارائه می‌دهند. چنین برنامه‌هایی ارزش خاص هوش مصنوعی را در جهان در حال توسعه برجسته می‌کنند: در محیط‌های کم‌اطلاعات، یادگیری ماشینی می‌تواند سیگنال‌هایی را از منابع جدید استخراج و داده‌های تازه‌تری ارائه کند. امکانات به همین جا ختم نمی‌شود. مدرسه را در نظر بگیرید. اکثر سیستم‌های آموزشی در کشورهای در حال توسعه برای ارائه آموزش با کیفیت تلاش می‌کنند. معلمان موسوم به هوش مصنوعی شخصی‌شده - روبات‌های چت با صبر بی‌پایان - ممکن است روزی نیازهای دانش‌آموزان کنجکاو در مدارس دوردست را برآورده کنند.

آنها همچنین ممکن است به حرفه‌ای‌ها کمک کنند تا مهارت‌ها را بهبود و تغییر دهند؛ مثلا به کارگران تعمیر اجازه می‌دهند مهارت‌های خود را ارتقا دهند و مهندسی‌تر بیاموزند یا حوزه سلامت را در نظر بگیرید. در بسیاری از کشورهای در حال توسعه، ارائه توصیه‌های صحیح پزشکی دشوار است. سیستم‌های مجهز به هوش مصنوعی ممکن است تشخیص‌های بهتر و گسترده‌تری ارائه دهند. بسیاری از جوامع دارای نرخ بالای افسردگی و درمانگران اندکی هستند. ابزارهای دیجیتال سلامتِ روان مانند درمانگرانِ چت‌بات ممکن است نیاز واقعی را با هزینه کم برطرف کنند. هوش مصنوعی می‌تواند نقش مشابهی را ایفا و به مردم کمک کند تا در میان بوروکراسی‌ها راحت‌تر زندگی کنند. به‌عنوان مثال، یک کارآفرین هندی که به دنبال ورود به یک بازار جدید است، ممکن است روزی بتواند برای پر کردن مجوزهای مورد نیاز، به یک برنامه مبتنی بر هوش مصنوعی تکیه کند. فناوری‌هایی که این کاربردهای بالقوه را فعال می‌کنند همچنان به بهبود خود ادامه می‌دهند؛ زیرا کشورهای ثروتمند منابع عظیمی را در هوش مصنوعی سرمایه‌گذاری می‌کنند. کلید کشورهای در حال توسعه، تکمیل این جریان سرمایه‌گذاری با استفاده از فناوری‌های حاصل در محصولات و خدماتی است که نیازهای محلی را برآورده می‌کند. کشورهای در حال توسعه بسیاری از زیرساخت‌های اجتماعی مورد نیاز برای شروع سرمایه‌گذاری‌های جدید را دارند: «مراکز فناوری، دانشگاه‌ها و گروه‌های کارآفرین.» با این حال، شرکت‌های آنها انگیزه اندکی برای ساخت برنامه‌های کاربردی با هدف قرار دادن فقیرترین افراد که به ندرت برای خدمت‌رسانی سودآور هستند، دارند. برخی از کشورهای بزرگ و با درآمد متوسط مانند هند می‌توانند با سرمایه‌گذاری در فناوری‌های هوش مصنوعی برای فقرا بر این مشکل غلبه کنند. اما بسیاری از کشورهای دیگر فاقد منابع و مقیاس لازم برای انجام این کار هستند. ازاین‌رو، شبکه‌های کارآفرینان که می‌توانند یادگیری‌شان را در سراسر مرزها به اشتراک بگذارند و سازمان‌های بین‌المللی مانند بانک جهانی که می‌توانند سرمایه‌گذاری‌ها را بین دولت‌ها و خیریه‌ها هماهنگ کنند، نقش قابل توجهی دارند.

منحنی یادگیری

دو مسیر اصلی وجود دارد که ابزارهای هوش مصنوعی در کشورهای در حال توسعه می‌توانند طی کنند. اولین مورد این است که کاری را پیدا کنیم که هوش مصنوعی در کشورهای ثروتمند در حال انجام آن است و آن را برای کشورهای فقیر تطبیق و ارتقا دهیم. به‌عنوان مثال، بسیاری از کارآفرینان در حال توسعه معلمان چت‌بات برای مدارس ثروتمند هستند، ابزارهایی که می‌توانند برای کار در مکان‌هایی با اتصال اینترنت بدتر و نسبت بالاتر دانش‌آموز به معلم اصلاح شوند. دوم، یافتن برنامه‌های کاربردی کاملا جدید برای هوش مصنوعی؛ محصولات جدیدی که می‌توانند نیازهای خاص کشورهای در حال توسعه را برآورده کنند.

به‌عنوان مثال، یک برنامه‌ریز مالی مبتنی بر هوش مصنوعی برای کشاورزان معیشتی ممکن است به آنها کمک کند تا خطرات مربوط به تصمیمات کاشت را مدیریت کنند. در واقع، برخی از نوآوری‌ها در یک کشور فقیر آغاز شد و تنها بعدها به کشورهای ثروتمندتر رسید. برای مثال، سیستم پرداخت موبایلی «ام‌پسا» (M-Pesa) در کنیا، قبل از اینکه اپلیکیشن‌های مشابه در ایالات متحده شروع به‌کار کنند، شروع به‌کار کرد. درحالی‌که برخی از ابزارهای هوش مصنوعی که در کشورهای ثروتمند به وجود می‌آیند ممکن است در کشورهای در حال توسعه به خوبی کار کنند، برخی دیگر به اصلاحات نیاز دارند. یک مشکل این است که بیشتر سیستم‌های هوش مصنوعی روی داده‌های مختص کشورهای توسعه‌یافته آموزش دیده‌اند، داده‌هایی که از افراد با درآمد نسبتا بالا جمع‌آوری و معمولا به زبان انگلیسی نوشته می‌شوند. اندکی از مجموعه دانش مکتوب جهان درباره فقرا است یا به زبان‌های اقلیت ارائه شده است. علاوه بر این، سیستم‌های هوش مصنوعی عمدتا برای تولید تصمیم‌ها و خروجی‌هایی آموزش دیده‌اند که مصرف‌کنندگان ثروتمند در غرب را راضی می‌کند. بنابراین ممکن است هنگام برخورد با افراد فقیرتر در مکان‌های دیگر، اشتباهاتی انجام دهند؛ برای مثال، در فرهنگی که با اسم کوچک خوشامد گفتن، بی‌احترامی محسوب می‌شود، ممکن است مورد قبول برخی از این فرهنگ‌ها قرار نگیرد.

جوامع ثروتمند غربی شروع به جمع‌آوری داده‌های آموزشی کرده‌اند. بنابراین زمان می‌برد تا مدل‌های هوش مصنوعی به‌طور کامل نشان‌دهنده (فرهنگ) مردم سایر نقاط جهان باشند. اما روند را می‌توان تسریع کرد. محققان می‌توانند برنامه‌هایی را شناسایی کنند که می‌توانند تغییر کنند، فقط اگر بتواند داده‌های پشت آنها را بیشتر با المان‌های خاص آن فرهنگ تطابق دهد. برای مثال، یک مشاور پزشکی مجهز به هوش مصنوعی، ممکن است در کمک به فرد مبتلا به فشار خون بالا در «سیلیکون ولی» خوب باشد؛ اما برای فردی در لاگوس که با مالاریا مواجه است، مفید نیست؛ زیرا فاقد قرار گرفتن در معرض موارد پزشکی محلی است یا ممکن است چنین سیستمی در میان انگلیسی‌زبانان محبوب باشد؛ اما در یوروبا، یکی از زبان‌های اصلی نیجریه موجود نباشد. برای جبران کمبود داده‌های جهان در حال توسعه، باید محتوای جدیدی برای مدل‌ها ایجاد شود تا بتوانند بر اساس آن آموزش ببینند.

در اینجا، برون‌سازی یک پروژه به شکل انبوه (Crowdsourcing) می‌تواند کمک کند. برای مثال، جنبش ویکی‌آفریکا (WikiAfrica) افزودن محتوای آفریقایی به ویکی‌پدیا را هماهنگ کرد و این پروژه را به پیش برد. اکنون که این دانش می‌تواند تصمیمات ماشین‌ها را بهبود بخشد، چنین ابتکاراتی ارزش بیشتری دارد. در حوزه‌های دیگری که تشخیص درستی‌اش دشوارتر است -مانند پزشکی یا کشاورزی- برون‌سازی به شکل انبوه کافی نخواهد بود. باید کارشناسان استخدام شوند یا داده‌های آنالوگ، مانند سوابق کلینیک کاغذی، باید دیجیتالی شوند. «ارائه» تنها بخشی از پازل است؛ زیرا توسعه‌دهندگان باید بین گروه‌هایی با مقادیر متفاوت داوری کنند. برای مثال، گروه‌های مذهبی مختلف در هند ممکن است درباره توصیه‌های پزشکی مناسب اختلاف نظر داشته باشند. مشکل دوم واردات هوش مصنوعی به کشورهای در حال توسعه، فناوری است. به‌رغم پیشرفت گسترده، جهان در حال توسعه هنوز از نظر تعدادی از معیارهای تکنولوژیک از جهان توسعه‌یافته عقب است. برخی از برنامه‌های کاربردی هوش مصنوعی برای ردیابی عملکرد دانش‌آموزان در مدرسه، سلامت بیماران در بیمارستان یا نتیجه پرونده‌ها در دادگاه نیاز به دسترسی گسترده‌تر به تلفن‌های هوشمند، اتصال به اینترنت بهتر یا سیستم‌های ثبت سوابق دیجیتال دارند. برای هوش مصنوعی، مانند موج‌های قبلی نوآوری‌های فناوری، کلید تمایز بین برنامه‌هایی است که می‌توانند نسبتا زود‌بادهِ با ارزش باشند و برنامه‌هایی وارد بازار شوند که آینده قابل پیش‌بینی در قلمرو داستان‌های علمی تخیلی را زودتر رقم بزند. البته با ورود هوش مصنوعی به کشورهای در حال توسعه خطوط قرمز تغییر خواهد کرد و برخوردها با آن از یک فیلد به فیلد دیگر متفاوت خواهد بود. به‌عنوان مثال، پزشکی نسبت به اشتباهاتی که سیستم‌های هوش مصنوعی ناگزیر مرتکب می‌شوند، کمتر تحمل خواهند شد و در کشاورزی نیز به عوامل زمینه‌ای متفاوت بستگی دارد.

حدود قوانین

در جهان توسعه‌یافته و در حال توسعه به‌طور یکسان، انتشار هوش مصنوعی خطراتی را به همراه خواهد داشت. اما کشورهای در حال توسعه با مجموعه متفاوتی از خطرات روبه‌رو هستند و کمتر قادر به تنظیم این فناوری هستند. سوال اصلی این است که آیا این فناوری متمرکز باقی خواهد ماند؛ یعنی توسط تعداد کمی از شرکت‌های فناوری کنترل می‌شود. سیستم‌های متمرکز هوش مصنوعی احتمالا در بازارهای بزرگی مانند ایالات متحده و اتحادیه اروپا تنظیم می‌شوند. بازارهای کوچک‌تر فقط می‌توانند فشار محدودی اعمال کنند. بنابراین در سایه مقررات ایالات متحده و اتحادیه اروپا به زندگی خود ادامه خواهند داد. اگرچه کشورهای در حال توسعه می‌توانند دسترسی به یک سیستم متمرکز را قطع کنند؛ برای مثال، مسدود کردن سرورها، درست همان‌طور که برخی از دولت‌ها با توییتر، فیس‌بوک و یوتیوب انجام داده‌اند، اما نمی‌توانند از عبور محتوای تولیدشده توسط هوش مصنوعی از مرزها جلوگیری کنند. با این حال، مشخص نیست که آیا هوش مصنوعی متمرکز باقی خواهد ماند یا خیر؟ جایگزین‌های منبع باز مانند «Llama» (مدل زبان بزرگی که توسط مالک فیس‌بوک، متا تولید شده است) و «Stable Diffusion» (یک تولیدکننده تصویر ساخته‌شده توسط استارت‌آپ Stability AI) در حال افزایش هستند. این سیستم‌های غیرمتمرکز را می‌توان توسط هر کسی که کامپیوتر دارد، تغییر داد و اجرا کرد. اگر آنها به اندازه کافی مفید باشند، تنظیم مستقیم آنها برای هر کشوری دشوار خواهد بود.

اما چنین سیستم‌های باز را می‌توان راحت‌تر با نیازهای محلی تطبیق داد؛ زیرا اغلب، استفاده از آنها رایگان است و هر کسی می‌تواند کد خود را تغییر دهد. با توجه به اهرم‌های محدود برای مقررات، کشورهای در حال توسعه ممکن است مجبور باشند به جای کنترل آن، به سازگاری با فناوری جدید رضایت دهند. برای کاهش آسیب‌ها، آنها ممکن است مجبور شوند روی تنظیم مقررات، نه خود هوش مصنوعی، بلکه صنایعی که از آن استفاده می‌کنند تمرکز کنند؛ برای مثال، متوسل شدن به قوانین حمایت از مصرف‌کننده که شرکت‌ها را در صورت ناامن بودن محصول، صرف نظر از استفاده از هوش مصنوعی، مسوول می‌داند. هوش مصنوعی بحث سالمی را درباره مقررات در کشورهای ثروتمند آغاز کرده است. اما بسیاری از پیشنهادها برای رسیدگی به خطرات آن ممکن است در کشورهای فقیر ناکافی باشد. قانون‌گذاران در غرب توانایی ارزیابی نحوه عملکرد قوانین در زمینه‌های مختلف را ندارند. سیستمی که در بروکسل به‌عنوان ایمن تایید شده، ممکن است در بنگلور به خوبی کار نکند. علاوه بر این، استانداردهای مقررات غربی در مکان‌هایی که جایگزین‌های موجود برای برنامه‌های هوش مصنوعی بسیار بدتر هستند، ممکن است به‌طور نامناسب سخت‌گیرانه باشند.

برای مثال، پیش‌بینی‌های آب و هوا برای بهبود آنچه در دسترس کشاورزان در کشورهای در حال توسعه است، لازم نیست. حتی در محیط‌های با ریسک بالاتر مانند پزشکی، هوش مصنوعی ممکن است به زودی بهتر از گزینه‌های موجود برای فقرا باشد. یک مطالعه در سال۲۰۲۳ عملکرد بالینی را در کشورهای کم‌درآمد حسابرسی کرد تا متوجه شود که چه بخشی از موارد به درستی رسیدگی شده است. پاسخ: «کمتر از نصف.» در عین حال، افراد متوسط در یک کشور در حال توسعه نیز نسبت به همتای خود در کشورهای توسعه‌یافته آسیب‌پذیرتر هستند. بسیاری از مردم در کشورهای در حال توسعه برای به چالش کشیدن تصمیمات خودکار، مانند رد درخواست وام، کمتر دارای تحمل هستند. سیستم‌های هوش مصنوعی جدید اغلب بدتر از آنچه تبلیغ می‌شود، عمل می‌کنند. نادیده گرفتن مشکلاتی که در میان افراد کم‌درآمد ایجاد می‌شود، برای شرکت‌ها بسیار آسان است. به همین دلیل است که برای تنظیم‌کننده‌ها مهم است که اطمینان حاصل کنند که مصرف‌کنندگان (با در آمد بالاتر) فرآیندهای کافی برای گزارش مشکلات و تجدیدنظر در تصمیم‌ها دارند.

انطباق نه کنترل

ناظران می‌گویند که کشورهای در حال توسعه ممکن است مجبور به انطباق با فناوری جدید به جای کنترل آن باشند. بسیاری از مردم در کشورهای در حال توسعه نیز با ایده هوش مصنوعی تازه آشنا شده‌اند یا قبلا هرگز نام الگوریتم‌ها را نشنیده‌اند. بنابراین برای برقراری ارتباط موثر باید مراقب بود. مطالعه‌ای که من با «جاشوا بلومن استاک» و «سامسون نایت» انجام دادم، نشان می‌دهد که این امکان‌پذیر است. ما به کنیایی‌های کم‌درآمد برنامه‌ای دادیم که بر اساس نحوه استفاده از تلفن همراه به آنها پاداش مالی می‌دهد و از الگوریتمی استفاده می‌کند که اعتبار افراد را به‌دست می‌آورد. هنگامی که به آزمودنی‌ها توصیفات ساده‌ای از نحوه عملکرد الگوریتم‌ها داده شد، آنها رفتار خود را تنظیم کردند؛ نشانه‌ای مشخص از درک توسط این افراد. موانع سیاسی نیز فراوان است. دیپ‌فیک‌ها - عکس‌ها، ویدئوها و کلیپ‌های صوتی واقعی که توسط هوش مصنوعی تولید می‌شوند- می‌توانند تاثیر مخربی در کشورهای در حال توسعه داشته باشند؛ جایی که سیستم‌های سیاسی میل به شکنندگی دارند و اعتماد بین گروه‌ها اغلب پایین است. برای از بین بردن این مشکلات، جامعه مدنی می‌تواند در ایجاد زیرساخت‌های اعتماد نقش مهمی ایفا کند؛ گسترش آگاهی مبنی بر اینکه ممکن است محتوا جعلی باشد و مکان‌های مستقلی ایجاد کند که برای بررسی محتوا موثر هستند. هوش مصنوعی همچنین اشکال جدیدی از نظارت مانند ردیابی افراد از طریق دستگاه‌های تلفن همراه و تشخیص چهره را فعال می‌کند.

اکثر کشورهای در حال توسعه در بازار ابزارهای نظارتی با فناوری پیشرفته، ابزارهای نظارتی خود را توسعه نمی‌دهند، بلکه آنها را اغلب از چین وارد می‌کنند. این برون‌سپاری به این معنی است که اجرای واقعی فناوری مبتنی بر هوش مصنوعی ممکن است متمرکز نباشد و پراکنده‌تر دنبال شود و باعث می‌شود اطلاعات جمع‌آوری‌شده به اشخاص ثالث درز کند و حقوق (افراد) به روش‌های غیرقابل پیش‌بینی نقض شود. بار دیگر، جامعه مدنی نقشی را ایفا خواهد کرد و سیستم‌های جدید را رصد می‌کند و توجهات را به «سوء‌استفاده‌ها» جلب می‌کند.

بازگشت به آینده

این موج فعلی هوش مصنوعی چالش‌ها و فرصت‌هایی را با سرعتی بی‌سابقه به‌وجود آورده است. اما ما قبلا شاهد تحولات تکنولوژیک مشابه بوده‌ایم. اگرچه تلفن‌های همراه در ابتدا برای مصرف‌کنندگان ثروتمند طراحی شده بودند، اما در ۲۰سال گذشته در بین فقرا جای خود را باز کردند. کشورهای در حال توسعه از سخت‌افزار استانداردشده- آنتن‌ها و گوشی‌ها - ساخت غرب بهره‌مند شدند. شرکت‌های مخابراتی مدل‌های کسب‌وکاری را اختراع کردند که به فقرا خدمت‌رسانی می‌کردند؛ مانند برنامه‌های پرداخت تلفن همراه. کارآفرینان سازمان‌های جدیدی را راه‌اندازی کردند که به مردم اجازه می‌داد از تلفن برای ارسال پول، دریافت اعتبار و بررسی قیمت‌ها استفاده کنند. این نوآوری‌ها به تلفن‌های همراه اجازه می‌دهد تا به‌سرعت به اکثر فقرای جهان دسترسی پیدا کنند و آنها را به اقتصاد جهانی متصل کنند. همین پیوندها هستند که زمینه را برای گسترش هوش مصنوعی فراهم کرده‌اند. با این حال، به‌رغم موفقیت تلفن‌های همراه، حتی همین نوآوری نیز کامل نتوانسته است پتانسیل خود را نشان دهد. بیشتر نوآوری‌های بخش خصوصی بر نیازهای افراد ثروتمند متمرکز شده است. بیشتر برنامه‌ها برای اتصال مصرف‌کنندگان ثروتمند به رانندگان (مثل اوبر)، ویلاهای اجاره‌ای برای تعطیلات و غذاهای آماده تهیه می‌شوند تا اینکه کشاورزان را به بازارها متصل کند یا اینکه کودکان را به یادگیری از راه دور تشویق کند. با این حال نوآوری بخش خصوصی در هوش مصنوعی احتمالا بسیاری از صنایع، از آموزش گرفته تا سلامت و قانون را متحول خواهد کرد. اما استفاده از پتانسیل کامل این فناوری برای کشورهای در حال توسعه مستلزم تدوین چشم‌اندازی گسترده است؛ چراکه زندگی بیشتری از افراد جامعه را تحت تاثیر قرار خواهد داد.

بسیاری از گیمر‌ها اعلام کردند که آن‌قدر وضعیت اینترنت، مخصوصا در یک‌سال اخیر به‌دلیل اعمال محدودیت‌ها و اختلال‌های بیش‌ از حد، افزایش پیدا کرده است که به راحتی نمی‌توانند یک بازی آنلاین ساده را بدون تاخیر انجام دهند. گروهی دیگر هم با انتشار تصاویری از بالا بودن پینگ هنگام بازی نشان دادند که وضعیت نه تنها نسبت به دوسال گذشته برای گیمرها بهتر نشده که بدتر هم شده است.

همچنین یکی از کاربران در واکنش به ادعای مدیرعامل شرکت ارتباطات زیرساخت درباره کم شدن کامنت‌های اعتراضی گیمر‌ها زیر پست مسوولان اعلام کرد که کامنت‌ها کم نشده، بلکه آن‌قدر شبکه‌های اجتماعی مختلف مورد استقبال مردم فیلتر شده است که دیگر آنها دستشان به جایی نمی‌رسد که اعتراض خود را از این طریق به گوش مقامات مسوول برسانند. در مصاحبه‌ای که «دنیای‌اقتصاد» با چند گیمر و کارشناس فنی در همین زمینه انجام داده‌است، آنها نیز ادعای مدیرعامل زیرساخت درباره کاهش پینگ و رضایت گیمرها از اینترنت را رد و اعلام کردند که وضعیت کیفیت و سرعت اینترنت نه تنها برای گیمرها که برای کل کاربران کشور بحرانی است. آنها در این گفت‌وگو اعلام کردند که وزارت ارتباطات آن‌قدر روی شبکه محدودیت ایجاد و بسیاری از بازی‌ها را فیلتر کرده است که دیگر آنها حتی انجام بازی به‌عنوان یک سرگرمی را کنار گذاشته‌اند.

طرح‌های بی‌نتیجه برای جلب رضایت

پیش از اینکه ابراهیم رئیسی بر صندلی ریاست‌جمهوری کشور تکیه بزند، در اولین مناظره انتخاباتی‌اش با اشاره به عقب بودن ایران در فضای مجازی و اینکه زیرساخت‌های ارتباطی به درستی رشد نکرده‌اند، به مشکلات گیمرها در همین فضا اشاره کرد و گفت: «از جوان‌ها در خانه‌ها سوال می‌کنم، از بچه‌ها سوال می‌کنم، شما دارید گیم بازی می‌کنید، دارید در واقع، بازی کودکانه، نوجوانانه بازی می‌کنید، چقدر وسط بازی حالتان گرفته می‌شود؟ خب مشخص است که زیرساخت‌ها وضعیت خوبی ندارد.» در نهایت او همزمان با وعده توسعه فضای مجازی درصورت پیروزی در انتخابات ریاست‌جمهوری، هر ادعایی در رابطه با فیلتر کردن شبکه‌های اجتماعی باقی‌مانده از جمله اینستاگرام را رد کرد و وعده داد که مشکل پینگ گیمرها را هم حل خواهد کرد.

یک‌سال بعد از این اظهارات، در آذرماه سال گذشته عیسی زارع‌پور، وزیر ارتباطات دولت ابراهیم رئیسی در حاشیه جلسه هیات دولت خبر داد که در راستای وعده انتخاباتی رئیس‌جمهوری برای کاهش پینگ بازی‌ها، CDN صد و پنجاه بازی محبوب وارد ایران شده است. هرچند نام این بازی‌ها هیچ‌گاه به‌صورت شفاف اعلام نشد؛ ولی همان زمان زارع‌پور یک وعده دیگر هم داد و آن این بود که سایتی به زودی رونمایی خواهد شد تا گیمرها در آن نرم‌افزارهایی دانلود کنند تا سرعت بازی‌ها برایشان بهتر شود.

این وعده‌های زارع‌پور در حالی اعلام می‌شد که بسیاری از بازی‌های محبوب گیمر‌ها در سراسر دنیا یا برای کاربران ایرانی توسط سازندگان آن مورد تحریمند یا در ایران فیلتر شده‌اند. برای نمونه درحالی‌که پلتفرم «توییچ»، سرویس پخش زنده ویدئویی یک‌بار در زمستان۱۴۰۰ فیلتر و بعد از مدتی رفع فیلتر شد، مجددا در تابستان سال گذشته و با شروع تعطیلات میلیون‌ها گیمر ایرانی، دوباره فیلتر شد. در کنار آن هم در اواخر خردادماه امسال و باز هم با شروع تعطیلات تابستانی، پلتفرم استریم Kick فیلتر شد. در مقابل این اتفاق‌ها هم وقتی کاربران از وزیر ارتباطات دلیل این فیلترینگ‌ها را جویا شدند، مانند همیشه با یک پاسخ روبه‌رو شدند و آن اینکه فیلتر و رفع فیلتر جزء اختیارات وزارت ارتباطات نیست.

در همین شرایط سال گذشته و در اوج اختلال‌ها و محدودیت‌های بی‌سابقه روی اینترنت کشور، وزیر ارتباطات از راه‌اندازی سامانه «رادار بازی» برای حل مشکل پینگ، سرعت پایین دانلود و به‌روزرسانی بازی‌ها خبر داد؛ سامانه‌ای که در زمان راه‌اندازی، بسیاری از کارشناسان از آن به‌عنوان اینترنت طبقاتی یا VPN سازمانی یاد کردند که هدفش این است که تنها در شرایط فعلی اینترنت کشور، گیمر‌ها را راضی کند تا صدای اعتراض بخشی از جامعه نسبت به وضعیت بد کیفیت و سرعت اینترنت خاموش شود.

هرچند واکنش کاربران در شبکه‌های اجتماعی نشان می‌دهد که «رادار بازی» هم نتوانسته مشکل پینگ و سرعت پایین دانلود و به‌روزرسانی بازی‌‌ها را برای آنها حل کند؛ اما در تازه‌ترین اتفاق هفته گذشته محمد جعفرپور، معاون وزیر ارتباطات و رئیس شرکت ارتباطات زیرساخت در شبکه ویراستی اعلام کرد که برای کاهش پینگ بازی‌ها و بهبود تجربه کاربری گیمرها، یک لینک پرظرفیت جدید در یکی از CDNهای منطقه ایجاد کرده‌اند.

این خبر هم در حالی اعلام شد که از حدود یک سال گذشته، فیلترینگ بسیاری از پلتفرم‌های گیم و اپلیکیشن از جمله گوگل‌پلی مشکلاتی را برای گیمرهای ایرانی ایجاد کرده است.

اینترنتی که دیگر برای بازی مناسب نیست

درحالی‌که مقامات وزارت ارتباطات از تلاش‌های شبانه‌روزی خود برای بهبود وضعیت اینترنت و ایجاد تجربه بهتر حداقل برای گیمر‌ها هنگام انجام بازی خبر می‌دهند، اما گیمر‌ها اعلام می‌کنند که وضعیت اینترنت نه تنها برای آنها که برای هیچ کاربر اینترنتی در کشور بهتر نشده است.

شیرین منظری، گیمر و کارشناس فنی در گفت‌وگو با «دنیای‌اقتصاد» می‌گوید که قطعا وضعیت اینترنت مخصوصا در یک سال اخیر بهتر نشده و به هیچ‌وجه برای او به‌عنوان یک گیمر مناسب نیست. به گفته او، تعداد زیادی از بازی‌ها که قبلا تجربه بازی آن را داشته و هیچ اختلالی نداشتند، در چند ماه گذشته غیرقابل استفاده شده‌اند. او در این زمینه به «دنیای‌اقتصاد» می‌گوید: «مشکل اصلی ما به‌عنوان گیمر، پینگ بالا هنگام بازی است؛ به‌طوری‌که نمی‌توانیم تجربه خوبی از بازی داشته باشیم. هرچقدر هم در اسپیدتست، تست بالایی از سرعت اینترنت داشته باشیم، اما وقتی اختلال روی شبکه باشد و پکت لاس بازی بالا باشد، تجربه خوبی از انجام بازی نداریم.»

او در واکنش به صحبت‌های مدیرعامل زیرساخت که اعلام می‌کند گیمرها از وضعیت اینترنت راضی هستند، توضیح می‌دهد: «این حرف می‌تواند از یک زاویه درست باشد. یعنی با استناد به اینکه بازی‌هایی را که نسخه سرور دارند، اگر روی سرورهای داخل ایران راه‌اندازی کنند (راه‌اندازی یک نسخه شخصی‌سازی‌شده از بازی)، پینگ بازی فوق‌العاده کاهش پیدا می‌کند و سرعت بازی عالی و بدون اختلال می‌شود؛ اما مساله این است که بسیاری از بازی‌ها را می‌خواهیم آنلاین و با کل دنیا بازی کنیم؛ در این شرایط آوردن سرور بازی در داخل ایران کمکی به گیمر نمی‌کند.» براساس توضیحات منظری، دولت تنها سرور بازی‌هایی را به داخل می‌آورد که مورد تایید خودش باشد؛ درحالی‌که این بازی‌ها مورد استقبال گیمر ایرانی نیست. از سمت دیگر او تاکید می‌کند که دولت نمی‌تواند نسخه سرور خیلی از بازی‌ها را به‌دلیل مقیاس بالا به داخل بیاورد و هزینه زیرساختی آن را متقبل شود.

منظری در پاسخ به این سوال که راه‌اندازی «رادار بازی» تا چه حد به تجربه گیمرها هنگام بازی و کاهش پینگ کمک کرده است، می‌گوید: «آخرین باری که آن را چک کردم در دسترس نبود و اساسا هم این سامانه سرویس خاصی ارائه نمی‌دهد. این سامانه یک نوع DNS است که می‌تواند تحریم‌ها را دور بزند که سرویس‌های بهتر در این زمینه مانند شکن یا الکترو را داریم. از طرف دیگر در این سامانه هم لیست محدودی از بازی‌ها وجود دارد که شاید به ۲۰ بازی هم نمی‌رسد. این بازی‌ها هم انتخاب خود وزارتخانه بوده و بازی‌های محبوب قشر جوان و نوجوان نیست.»

به گفته او راه‌اندازی این سامانه‌ها تا زمانی که روی شبکه اختلال شدید وجود دارد نه تنها به گیمرها که به هیچ کاربری کمک نمی‌کند.

ادعای غیرقابل اتکای کاهش پینگ

در همین زمینه میثم خلیل‌زاده، گیمر و کارشناس بازی هم به «دنیای‌اقتصاد» اعلام می‌کند که وضعیت اینترنت از مهر سال گذشته برای هیچ کاربری مناسب نیست و در این زمینه گیمرها هم از این قاعده مستثنی نیستند. به گفته او آنها به‌عنوان یک گیمر در چند مرحله برای انجام بازی مشکل دارند، از دانلود بازی گرفته که به خاطر سرعت و اختلال در اینترنت بارها لغو می‌شود تا بحث تحریم‌های بین‌المللی و از همه بدتر خودتحریمی‌هایی که در ایران ایجاد شده است. به باور او وزارت ارتباطات حداقل در یک سال گذشته تنها روی IPهایی اختلال ایجاد نکرده که در لیست سفید آنها قرار داشته‌اند و هر IP که خارج از این لیست بوده با اختلال مواجه شده است. براساس توضیحات خلیل‌زاده سرورهای بسیار زیادی از بازی‌های ویدئویی در دنیا وجود دارد و طبیعتا وزارت ارتباطات یا هر نهاد دیگری نمی‌تواند تمام این سرورها را باز بگذارد. در نهایت این شرایط باعث می‌شود که وقتی اختلالی روی شبکه ایجاد می‌شود، گیمرها هم هنگام بازی با مشکل مواجه شوند.

طبق اظهارات او، اختلال‌هایی که روی شبکه ایجاد می‌شود حتی باعث شده است سامانه «رادار بازی» وزارت ارتباطات هم در یک اپراتور در دسترس باشد و در اپراتور دیگر دسترسی به آن امکان‌پذیر نباشد. خلیل‌زاده به «دنیای‌اقتصاد» درباره شرایط گیمرها در ایران می‌گوید: «وضعیت اینترنت برای گیمرها‌ واقعا بحرانی است. اینکه می‌گویند از گیمرها شرایط کیفیت اینترنت را بپرسید کاملا اشتباه است، گیمرها شاکی‌ترین بخش جامعه در زمینه وضعیت اینترنت هستند؛ چراکه برای تجربه یک بازی آنلاین نیاز به اینترنت پایدار داریم و این در حالی است که وقتی اینترنت پایدار نباشد و مدام روی آن اختلال باشد، نمی‌توان یک بازی خوب انجام داد.»

او ادامه می‌دهد: «من به‌عنوان یک گیمر از ۴اینترنت در خانه استفاده می‌کنم تا وقتی می‌خواهم با دوستانم خارج از ایران بازی کنم، کمتر به مشکل برخورد کنم. با این شرایط باز هم با مشکل مواجه هستم و مدام باید بین این ۴ اینترنت سوییچ کنم تا بلکه بتوانم با یک کدام بازی کنم. وقتی می‌گویم در شبکه اختلال است به این خاطر است که یک روز یک DNS کار می‌کند، ولی همان DNS روز دیگر از کار می‌افتد و شما را هنگام انجام بازی با مشکل مواجه می‌کند.» به گفته او این شرایط و دستکاری روی شبکه و پیاده‌سازی سیستم فیلترینگ پیچیده باعث می‌شود گیمرها برای انجام بازی خود نتوانند یک راه‌حل ثابت پیدا کنند.

او اشاره مقامات وزارت ارتباطات برای پایین آوردن پینگ بازی‌ها را هم یک مساله نسبی می‌داند و می‌گوید: «ممکن است پینگ یک بازی روی سرورهای داخلی پایین باشد، اما پینگ بازی هنگام انجام آن با بازیکنان دنیا بسیار بالا است. برای مثال پینگ یک بازی برای من ممکن است با خاورمیانه مانند امارات ۵۰ باشد (که این پینگ ۵۰ هم با اینترنت‌های مختلف متفاوت است) ولی وقتی می‌خواهم با سروری در انگلستان بازی کنم، این پینگ به ۱۵۰ برسد یا در آمریکای غربی به ۲۵۰ تبدیل شود یا در آسیا به عدد ۳۰۰ برسد.» همچنین به گفته او پینگ بازی‌ها در ساعات شبانه‌روز هم به‌دلیل دستکاری در پهنای‌باند، اختلال و پایدار نبودن اینترنت روی یک عدد ثابت نمی‌ماند و مدام تغییر می‌کند و همین موضوع باعث عصبانی شدن گیمر‌ها هنگام بازی می‌شود. او کاهش پینگ بازی‌ از سمت وزارت ارتباطات را یک ادعای غیرقابل اتکا می‌داند.

نریمان اسلامی، گیمر هم در گفت‌وگو با «دنیای‌اقتصاد» تاکید می‌کند که وضعیت بازی آنلاین برای آنها در دوسال گذشته بهتر که نشده، بدتر هم شده است. او با ذکر مثالی می‌گوید: «یکی از بازی‌هایی که بازیکنان زیادی دارد Dota ۲ است. این بازی روی بعضی سرویس‌های اینترنت با محدودیت همراه شده و روی آن محدودیت DNS ایجاد کرده‌اند تا نتوان به راحتی آن را بازی کرد. حتما باید DNS را مدام عوض کرد تا بتوان کمی بازی انجام داد که باز هم در این شرایط به خاطر کندی و اختلال روی شبکه نمی‌توان تجربه خوبی از بازی داشت.»

او ادامه می‌دهد: «بعضی از محدودیت‌ها و اختلال‌ها کاملا با برنامه‌ریزی انجام می‌شود. در واقع رویDNS ها محدودیت ایجاد می‌کنند و به بازیکن اجازه نمی‌دهند که با هر DNS بازی کند و می‌گویند اگر می‌خواهید بازی کنید از DNS که ما می‌گوییم مانند رادار بازی استفاده کنید.»

به باور او، سیاست فعلی این است که بازی بدون مشکل محدود و فیلتر شود تا گیمر مجبور به استفاده از سرویس‌های داخلی مانند رادار بازی شود. او معتقد است که آنها به‌عنوان یک گیمر می‌خواهند حق انتخاب داشته باشند؛ اما محدودیت روی اینترنت و اختلال‌های بی‌وقفه روی شبکه حق انتخاب یک بازی بدون دغدغه را از آنها گرفته است.

ایجاد رانت برای یک گروه خاص

کارشناسان و فعالان اینترنتی معتقدند که شرایط اینترنت کشور بدون انجام هیچ تحقیق فنی هم نشان می‌دهد که این اینترنت برای هیچ گروهی، از کاربران معمولی گرفته تا گیمر‌ها و پژوهشگران و توسعه‌دهندگان نرم‌افزار، خوب نیست.

در همین زمینه سعید سوزنگر، کارشناس فنی و امنیت شبکه در گفت‌وگو با «دنیای‌اقتصاد» اعلام می‌کند اینکه با راه‌اندازی یک سامانه مانند «رادار بازی» و انتخاب چند بازی محدود گفته شود، پینگ بازی را کاهش داده‌اند و گیمر‌ها نسبت به گذشته راضی‌تر هستند و نتیجه‌گیری می‌کنند که کیفیت اینترنت خوب است، تنها ایجاد یک رانت برای یک گروه خاص است. به گفته او، اگر هم گیمر‌ها از کیفیت اینترنت راضی باشند، باز هم این موضوع تایید نمی‌کند که اینترنت کشور در وضعیت مطلوبی قرار دارد.

او در این زمینه می‌گوید: «از طریق راه‌های مختلف مانند ایجاد سامانه «راداربازی» صرفا رانت‌هایی برای گروه‌های خاصی از جامعه ایجاد شده و از این طریق هم دسترسی‌های خاصی آن هم فقط به بخشی از بازی‌های مورد تایید سیاستگذار داده می‌شود. در واقع با ارائه اینترنت طبقاتی سعی کرده‌اند مشکل بخش کوچکی از جامعه گیمر‌ها را حل کنند. با این حال شواهد نشان می‌دهد که همین امکاناتی که ایجاد کرده‌اند هم نتوانسته مشکلی هرچند کوچک را از این جامعه حل کند.»

به باور او با وجود اختلال‌ها و فیلترینگ شدید روی اینترنت کشور، وزارت ارتباطات باید بگوید اینترنت را فقط برای آن دسته از گیمرهایی بهتر کرده است که از سامانه مورد تایید خودش استفاده می‌کنند؛ در غیر این صورت شبکه اینترنت کشور اختلال‌های عجیب و غریب خودش را دارد.

فکت‌یار، سامانه راستی‌آزمایی اخبار هم در بررسی‌های خود مشخص کرده است که اظهارات مدیرعامل زیرساخت درباره اینکه گیمر‌ها از کیفیت اینترنت راضی هستند، چندان قابل اثبات نیست. بررسی‌های فکت‌یار نشان می‌دهد که سامانه «راداربازی» تاثیر مثبتی در کاهش پینگ و پکت لاس داشته، اما تعداد بازی‌های این سامانه بسیار محدود است؛ به‌طوری‌که تنها سه بازی از بیست بازی پرمخاطب در ایران در این سامانه وجود دارد. طبق بررسی‌های فکت‌یار، گیمر‌هایی که از ابزارهای داخلی برای بازی استفاده نمی‌کنند و در واقع بخش عمده‌ای از اجتماع گیمرها را هم تشکیل می‌دهند، همچنان مشکلات بسیاری در پینگ، سرعت اینترنت و تحریم بازی‌ها دارند.

گزینه پیشنهادی ما این است که به جای اعتماد کردن به افراد، به فرآیند اعتماد کنید.

بیایید بررسی کنیم که چرا یک نیروی کار ممکن است کارش را خوب انجام ندهد. با این کار، به سرنخ‌‌‌هایی در مورد اینکه یک فرآیند قوی چطور می‌تواند بهانه‌‌‌ها را از بین ببرد، دست می‌‌‌یابیم. اول اینکه ممکن است نیروی شما در مورد اینکه چه انتظاری از او دارید یا انجام یک کار خوب به چه چیزهایی نیاز دارد، هیچ ایده‌‌‌ای نداشته باشد. اینجا بحث بر سر هماهنگی است. دوم، ممکن است نیروی شما دانش یا مهارت‌‌‌های لازم برای انجام وظیفه‌‌‌ای را که به او محول شده نداشته باشد. اینجا بحث قابلیت مطرح است. در نهایت، ممکن است نیروی شما انگیزه کافی برای انجام کارش را نداشته باشد. یک فرد برای موفق بودن، باید بداند چه کاری باید انجام دهد، چگونه باید آن را انجام دهد و بخواهد که انجامش دهد.

اگر نیرویی دائما در کارش موفق نیست، یعنی یکی از این ارکان اساسی یا همه آنها، لنگ می‌‌‌زند. کار شما این است که فرآیندی ایجاد کنید که مثل یک داربست عملکرد باشد و هماهنگی، قابلیت و انگیزه نیروی کار را تقویت کند. این فرآیند باید فرد را از لحظه‌‌‌ای که وظیفه‌‌‌ای را به او محول می‌‌‌کنید، تا لحظه‌‌‌ای که کار را تحویل می‌دهد، از او پشتیبانی کند. همچنین باید جای هیچ بهانه‌‌‌ای برای فرد باقی نگذارد. البته مطمئنا اینکه به چه نوع الوارهایی در داربستتان نیاز دارید، به کمبودهای ویژه فرد مورد نظر بستگی دارد.

 در هدف نهایی شفاف و صریح باشید

یکی از دلایلی که کارکنانتان شما را ناامید می‌کنند، این است که نمی‌‌‌دانند چطور کار را عرضه کنند. چیزی که بین مدیران متداول است این است که به اسم سرعت در کار، مکالمه‌‌‌هایی را که پیش از شروع کار برای هماهنگی‌‌‌های بیشتر صورت می‌گیرد کوتاه می‌کنند. اما این عجله کردن می‌تواند برای شما گران تمام شود، به‌‌‌ویژه اگر با کسی طرف باشید که نمی‌توانید روی او حساب کنید. سرمایه‌گذاری روی صحبت‌‌‌های اولیه هماهنگی در کار، امکان عملکرد خوب را فراهم می‌کند و همچنین چارچوب‌‌‌هایی را ارائه می‌کند تا در صورت ادامه عملکرد ضعیف، بتوان به آن رسیدگی کرد.

اول از همه، بر هدف کار متمرکز شوید. وقتی اهداف را به طور دقیق و واضح مشخص می‌‌‌کنید، دیگر جایی برای بهانه‌‌‌تراشی در مورد چشم‌‌‌اندازهای پراکنده، محرک‌‌‌ها یا نتایج نهایی باقی نمی‌‌‌ماند. همچنین اگر با فردی طرف هستید که دید استراتژیک و تصویر کلی ندارد، یا فقط منافع خودش را در نظر می‌گیرد و موفقیت خودش را نسبت به موفقیت تیم اولویت می‌‌‌داند، تعیین دقیق هدف می‌تواند مفید باشد. وقتی می‌‌‌خواهید کاری را که تلاش می‌‌‌کنید به سرانجام برسانید با دیگران در میان بگذارید، این موارد را مشخص کنید: برای چه کسی انجام می‌شود؟ کسی که نفع می‌‌‌برد موفقیت را چطور تعریف می‌کند؟ این کار در چه جایی با اقدامات یا تعهدات دیگر تناسب دارد؟ پاسخ به این پرسش‌‌‌ها، باعث می‌شود فرد دیگر ادعا نکند که نمی‌‌‌دانسته شما چه می‌‌‌خواهید.

به محض اینکه با هدف کار هماهنگ شدید، می‌توانید تصویری از دستاوردهای خوب، بد و غیرقابل قبول ترسیم کنید. اما متاسفانه خیلی از مدیران از این مرحله هم می‌‌‌‌‌‌گذرند. این موضوع در روابط شخصی هم اتفاق می‌‌‌افتد: نمی‌توانید آنچه را که می‌‌‌خواهید به خوبی بیان کنید و از رفتار فرد مقابل ناامید می‌‌‌شوید. و در مورد نیرویی که همین الان هم از او دلسرد هستید، ناتوانی در بیان صریح انتظارات می‌تواند شما را در معرض ناامیدی بیشتر قرار دهد. برای سرمشق دادن در کارشان، یک استاندارد حداقلی را توصیف کنید. چه چیزی را یک موفقیت چشمگیر می‌‌‌دانید؟ چه نتایجی از نظر شما ناراحت‌‌‌کننده‌‌‌ و نشانه شکست هستند؟ پاسخ به این پرسش‌‌‌ها باعث می‌شود احتمال اینکه فرد یک کار بی‌‌‌کیفیت را از نظر خودش «به اندازه کافی خوب بداند» پایین بیاید.  وقتی اهداف را دقیق و روشن مشخص می‌‌‌کنید، بهانه‌‌‌هایی را که ناشی از عدم‌هماهنگی در کار است، از بین می‌‌‌برید.

 یک رویکرد بهینه تنظیم کنید

دلیل مهم دومی که باعث می‌شود یک نیروی کار به خاطر عملکرد ضعیفش بهانه بیاورد، این است که دانش یا مهارت‌‌‌های لازم برای کاری که شما می‌‌‌خواهید ندارد.

اگر نگرانی شما مربوط به شکاف‌‌‌های قابلیت‌‌‌های فرد است، فرآیند شما دیگر نباید به این بپردازد که او باید به چه چیزی برسد، بلکه حالا چگونگی رسیدن مهم است. با توجه به دغدغه‌‌‌های ویژه‌‌‌ای که دارید، چند روش برای رسیدگی به این موضوع پیشنهاد می‌شود.

وقتی شک دارید که نیروی کارتان ممکن است کم‌‌‌کاری کرده باشد یا یکسری اجزای مهم را نادیده گرفته باشد، وارد جزئیات مراحل کارش شوید. رویکردهای موثر را با او به اشتراک بگذارید و نکاتی را از پروژه‌‌‌های گذشته ارائه کنید. اما این اشتباه را نکنید که همه چیز را یک‌‌‌جا بیان کنید. سر تکان دادن طرف مقابل را نمی‌توان فهمیدن کامل او تفسیر کرد. در عوض، از او بخواهید در مورد طرح خودش حرف بزند تا متوجه شوید درخواست شما را چطور پردازش کرده است. سپس می‌توانید با پرسیدن سوالاتی که توجه او را جلب می‌کند، اصلاحات موردنیاز را انجام دهید؛ مثلا «چه اقداماتی انجام می‌‌‌دهی تا مطمئن شوی تامین مالی روی غلتک افتاده است؟» پاسخ به این سوالات، هر بهانه‌‌‌ای را مبنی بر اینکه فرد نمی‌‌‌دانسته چطور از پس پروژه برآید، خنثی می‌کند.

یک احتمال دیگر این است که نگرانی شما به مهارت‌‌‌های فنی طرف ربط نداشته باشد، بلکه الگوهای رفتاری و ارتباطی فرد معضل باشد. اگر نگرانید که چنین افرادی روابط ذی‌نفعان را خراب کنند، به مسائل میان‌‌‌فردی به اندازه مسائل فنی اهمیت بدهید. ذی‌نفعان کلیدی، سهم آنها در پروژه و هر گونه ویژگی‌‌‌های فردی که می‌‌‌دانید را مشخص کنید. چه کسی در تصمیم‌گیری‌‌‌ها نفوذ دارد؟ این افراد به دنبال چه چیزی هستند؟ چه چیزی بر آنها تاثیر می‌‌‌گذارد؟ و به جز افراد تصمیم‌گیر و بانفوذ، فرد را تشویق کنید در مورد اشخاص دیگری که چشم‌‌‌اندازهای ارزشمند دارند، فکر کنند. به سوالاتی که گفته شد پاسخ دهید، تا جلوی بهانه‌‌‌تراشی در مورد پشتیبانی ناکافی یا همکاران بدخلق را بگیرید.

همچنین می‌توانید با فکر کردن در مورد تصمیم‌‌‌هایی که افراد می‌‌‌گیرند و پیش‌‌‌داوری در مورد معیارهای تصمیم‌گیری آنها، شکاف‌‌‌های قابلیت را به حداقل برسانید. به این ترتیب، می‌توانید بیشتر اطمینان داشته باشید که آنها به همان نتیجه‌‌‌ای می‌‌‌رسند که شما تاییدش می‌‌‌کنید.  می‌توانید به شیوه‌‌‌های مختلف موضوع را بررسی کنید، از جمله سوال پرسیدن در مورد معیارهایی که طرف برای تصمیم‌گیری یا بده‌‌‌بستان‌‌‌ها استفاده می‌کند. وقتی یک گزینه بی‌‌‌نقص وجود ندارد، چطور این معیارها را اولویت‌‌‌بندی می‌کنند؟ و برای اینکه بین گزینه‌‌‌های متعدد گیر نکنند، بهتر است مشخص کنید کدام معیارها باید بر نحوه اجرای تصمیم آنها اثر بگذارند.

وقتی در مورد فرآیند به توافق می‌‌‌رسید، خیلی از بهانه‌‌‌هایی را که ناشی از عدم‌قابلیت فرد است، خنثی می‌‌‌کنید.

 پیامدهای منفی را پررنگ‌‌‌تر کنید

در مورد مسائل مربوط به هماهنگی و قابلیت صحبت کردیم. سومین احتمالی که باعث بهانه‌‌‌تراشی افراد می‌شود، نداشتن انگیزه برای انجام کارهاست.

اگر کم‌‌‌کاری به خاطر این است که فرد جاذبه‌‌‌ای در کار حس نمی‌‌‌کند، بر تعهدی که دارد تاکید کنید و مشخص کنید اگر نتواند کارش را درست انجام دهد، چه مشکلاتی ممکن است پیش بیایند.

اگر لازم است کمی انگیزه بیشتر ایجاد کنید، هم گزینه چماق را دارید و هم هویج. وقتی سیاست هویج را در پیش می‌‌‌گیرید، به او می‌‌‌فهمانید که اگر کارش را درست انجام دهد، دستاوردهای مثبت مختلفی خواهد داشت؛ مثلا اینکه اعتبارش برای فرصت‌‌‌های شغلی آینده بیشتر می‌شود.

 از طرف دیگر، اگر سیاست چماق را در پیش بگیرید، باید پیامدهای منفی کارش را لیست کنید. و در صورت امکان، با صحبت کردن در مورد مسائلی که باعث می‌شود فرد از کارش لذت ببرد و اگر کارش را خوب انجام دهد چه پاداش‌‌‌هایی می‌گیرد، یکسری پاداش‌‌‌های درونی به آن پیامدهای بیرونی، اضافه کنید.

یک مساله دیگر در مورد انگیزه افراد وجود دارد که باید خودتان را برای آن آماده کنید: برخی افراد پر از جنب و جوش کارشان را شروع می‌کنند، اما با اولین مشکل و چالشی که ظاهر می‌شود، تسلیم می‌‌‌شوند.

در چنین مواردی، فرآیند شما باید از قبل یک پلن B داشته باشد، تا فرد را در برابر موانع ایزوله کند. کمی زمان بگذارید تا مشکلاتی را که ممکن است پیش بیایند پیش‌بینی کنید.

 فکر می‌‌‌کنید چه مسائلی ممکن است مطرح شوند؟ کارکنان شما چطور قرار است این نوع مشکلات را مدیریت کنند؟ مشخص کنید چه شرایطی باعث می‌شود فرد سراغ شما بیاید و انتظار دارید چه کارهایی را خودش به طور مستقل انجام دهد. پرداختن به این مشکلات و موانع احتمالی، نشان می‌دهد شما انتظار دارید که فرد در برابر این مشکلات مقاومت کند.

وقتی پیامدها را بیان می‌‌‌کنید، انگیزه را تقویت می‌‌‌کنید.

اگر فردی را مدیریت می‌‌‌کنید که دائما شما را ناامید می‌کند و بهانه می‌‌‌آورد که هیچ‌‌‌چیز تقصیر او نبوده، انرژی خود را به این امید که او به طرز معجزه‌‌‌آسایی به فردی قابل اعتماد تبدیل شود، هدر ندهید.

در عوض، روی فرآیندی کار کنید که خودش آنها را در مسیر قرار دهد و بهانه‌‌‌ها را حذف کند. بعد از آن، اگر نیروی کاری همچنان نتوانست کارش را درست انجام دهد و دوباره به «اما، اگر، چون....» روی آورد، دیگر همه ابزارهای لازم برای ترتیب دادن یک گفت‌‌‌وگوی مدیریت عملکرد را در اختیار دارید.

هنگامی که صحبت از کار در فضای خدمات مشتریان می‌شود، سوالاتی در خصوص علت اتفاق (نظیر چرایی موفقیت در کمپین خاص یا عدم‌اقبال فروش یک محصول خاص) مطرح می‌شود. این گونه از سوالات بیانگر این است که کسب‌و‌کارها قادر به برنامه‌‌‌ریزی فعالانه و پیش‌بینی نتایج نیستند.

مصرف‌کنندگان در چند سال گذشته به شدت تغییر کرده‌‌‌اند. رفتار مصرف‌کنندگان نسبت به قبل، سختگیرانه‌‌‌تر، سمج‌‌‌تر و بی‌وفا‌‌‌تر از همیشه شده است. مصرف‌کنندگان احساس می‌کنند افکار و نیازهای خود را به طور گسترده، آشکار و با صدای بلند به اشتراک می‌‌‌گذارند، اما برندها قادر به شنیدن آنها نیستند. کرونا باعث شد بسیاری از مردم متوجه شوند که شیوه زندگی آنها می‌تواند چقدر شکننده باشد. این به آن معناست که آنها انتظار دارند خدمات مشتریان بهتر، محصولات با کیفیت بالاتر و تحویل‌‌‌های سریع‌‌‌تری داشته باشند. به طور همزمان، بسیاری از مشتریان و مصرف‌کنندگان می‌‌‌خواهند سهم خود را برای جلوگیری از یک بحران جهانی دیگر ادا کنند، بنابراین نسبت به قبل، از تاثیر رفتار خود بر جهان و جامعه بسیار آگاه‌‌‌تر شده‌‌‌اند. این امر محرک‌‌‌های انگیزشی متضادی را ایجاد می‌کند که مصرف‌کنندگان علاوه بر حال مطلوب، آینده مطلوب را مطالبه کنند.

شرکت مشاوره‌‌‌ای اکسنچر در مورد این نوع از مصرف‌کنندگان که به دنبال بازنگری در رفتار مصرفی خود هستند، می‌‌‌گوید که همه‌گیری کرونا باعث شد آنها نسبت به اهداف شخصی خود و آنچه برایشان در زندگی مهم است، کاملا تجدید نظر کنند. نیمی از مصرف‌کنندگانی که این شرکت با آنها مصاحبه کرده، دچار بازاندیشی شده‌‌‌اند؛ به این معنی که عادات خرید خود را بر اساس این انگیزه‌‌‌های جدید تغییر داده‌‌‌اند و ۳۳‌درصد دیگر به دنبال حرکت به این سمت هستند. این تغییر در احساسات مصرف‌کننده باعث شده بسیاری از برندها در موضع ضعف قرار گیرند و قادر به انطباق با تغییرات مداوم و اغلب سریع در تقاضاهای مصرف‌کننده نباشند. بنابراین، بسیاری از برندها، ارتباطات قبلی خود را از دست می‌دهند و بیش از پیش نسبت به مصرف‌کنندگان ناهمسو می‌‌‌شوند. این رخداد به شکاف در نزدیک شدن به مشتری یا مصرف‌کننده منجر می‌شود. برای برندها ضروری است تا این شکاف را به حداقل برسانند، مشتریان خود را همراهی کنند و بر اساس بینش مصرف‌کننده، تصمیم‌گیری کنند. این رویکرد، باعث می‌شود شرکت‌ها خواسته‌‌‌های بازاندیشی‌شده مصرف‌کنندگان را درک کنند و نسبت به آن واکنش نشان دهند و رشد را در سراسر کسب‌وکار هدایت کنند. در نتیجه، شرکت‌هایی رشد بلندمدت را تجربه خواهند کرد که از سطح بالایی از بلوغ مبتنی بر حساسیت نسبت به مشتری برخوردارند و احتمالا برندهای پیشگام با این رویکرد، تقریبا سه برابر سریع‌‌‌تر از میانگین صنعت رشد خواهند کرد.

  چگونگی نزدیک شدن به مشتری

برای نزدیک شدن به مشتری (مصرف‌کننده)، کسب‌وکار به سطح مشخصی از بلوغ داده نیاز دارد. چگونگی مدیریت موثر داده‌‌‌ها می‌تواند چگونگی یکپارچه‌‌‌سازی مشتریان در استراتژی یک کسب و کار را مشخص کند. برند‌‌‌ها به چهار عنصر برای ایجاد نزدیکی بیشتر با مشتری لازم دارند:

۱- مجموعه کاملی از داده‌‌‌ها: لازم است برندها اطمینان حاصل کنند که در حال جمع‌‌‌آوری داده‌‌‌ها از منابعی هستند که بیشترین اهمیت را برای مصرف‌کنندگان دارند. این به معنای نظارت کسب‌وکارها بر همه داده‌‌‌های موجود نیست؛ زیرا در آن صورت، برندها، منابع خود را در تلاش برای ردیابی و معنابخشی به هزاران نقطه‌‌‌تماس بالقوه اتلاف می‌کنند.

در واقع، به این معنی است که برندها لازم است از محل تعامل و صحبت مصرف‌کنندگان مطلع شوند و در نتیجه مرتبط‌‌‌ترین منابع داده‌‌‌ای را انتخاب و کنترل کنند. به دلیل پویایی شدید مصرف‌کنندگان، «گوش دادن اجتماعی» (social listening) به مشتریان در اولویت قرار می‌گیرد تا جریانی ثابت از داده‌‌‌های بلادرنگ به دست آمده از بزرگ‌ترین شبکه‌‌‌های اجتماعی فراهم شود. به‌علاوه، برندها باید این داده‌‌‌ها را با داده‌‌‌های داخلی برای ایجاد دید ۳۶۰ درجه از مصرف‌کنندگان هماهنگ کنند.

۲- هوش مصنوعی قدرتمند: حتی اگر فقط مرتبط‌‌‌ترین داده‌‌‌ها رصد شوند، همچنان به صورت روزانه، میلیون‌‌‌ها نقطه داده قابل بررسی هستند. بررسی این داده‌‌‌ها بدون پشتیبانی قدرتمند هوش مصنوعی غیرممکن خواهد بود. هوش مصنوعی به طبقه‌‌‌بندی و خوشه‌‌‌بندی داده‌‌‌ها، برجسته کردن موضوعات و روندهای کلیدی و اولویت‌‌‌دهی سریع مسائل کمک می‌کند. به علاوه، هوش مصنوعی تطابق‌‌‌پذیری و امکان تفسیر موثر داده‌‌‌ها را فراهم می‌‌‌آورد. همچنین، می‌تواند اشاره به برندهای غیرمتنی (مانند تشخیص لوگو در تصاویر و ویدئو) را شناسایی کرده تا چگونگی تعامل افراد با برند را در طول سفر خریدار کشف کند.

۳- دیدگاه منسجم از مصرف‌کنندگان: برندها باید بتوانند داده‌‌‌های هوشمند مصرف‌کننده را جمع‌‌‌آوری کرده و به صورت کارآمد و به‌‌‌موقع در سازمان خود به اشتراک بگذارند. کلید این موضوع مرتبط بودن (یعنی ارائه اطلاعات مناسب به افراد مناسب در زمان مناسب) است. برای تحقق این امر، بصری‌‌‌سازی داده‌‌‌ها و گزارش‌‌‌دهی خودکار ضروری است تا داده‌‌‌های کلیدی بر حسب نیاز در دسترس افراد قرار گیرند تا بتوانند به سرعت داده‌‌‌های موجود را درک کرده و در خصوص آنها عمل کنند.

۴- بینش انسانی: برندها به تخصص و تجربیات انسانی نیاز دارند تا داستان انسانی پشت داده‌‌‌ها را درک کنند. موقع بررسی کلان‌داده‌‌‌ها نباید فراموش شود که در پشت هر قطعه داده، زندگی واقعی (شامل احساسات، ترس‌‌‌ها و انگیزه‌‌‌ها) در جریان است. با استفاده از تخصص و تجربیات انسانی، واقعیت داده‌‌‌ها برای برندها کشف می‌شود و بر این مبنا، از طریق داستان‌‌‌سرایی احساسی می‌توانند نام و نشان برند را در بازار مد نظر، طنین‌‌‌انداز کنند.

برندها می‌توانند با فعال کردن این چهار عنصر در کسب‌و‌کار، به بلوغ داده‌‌‌ای بیشتری دست یابند و مصرف‌کنندگان را در بطن تصمیم‌گیری خود قرار دهند.

همین اتفاق در دیزنی هم افتاد. سال ۲۰۲۰، «باب آیگر»، مدیرعامل محبوب شرکت بازنشسته شد و «باب چاپک» جایش را گرفت. دیزنی در آن دوران، درست مثل سایر رسانه‌‌‌های سنتی، درگیر مسائل مربوط به پخش آنلاین بود و از سوی دیگر، هنوز نتوانسته بود پیامدهای کرونا را کاملا پشت سر بگذارد و همه اینها بر عملکرد مالی شرکت تاثیر گذاشته بود. سود و درآمد شرکت کاهش یافت و صدای سرمایه‌گذاران درآمد.

بسیاری از ناظران، مشکلات پیش آمده را از چشم چاپک می‌‌‌دیدند. گرچه شرایط نیز در بحران دیزنی بی‌‌‌تاثیر نبود. با وجود این‌، هیات‌مدیره، دیواری کوتاه‌‌‌تر از او نیافتند و تصمیم گرفتند او را برکنار کنند و چه کسی جایگزینش شد؟ درست حدس زدید. باب آیگر، مدیر قبلی. به مدیرانی مثل شولتز و آیگر، «مدیران‌بومرنگ» می‌‌‌گویند؛ مدیرانی که مدتی پس از کناره‌‌‌گیری یا بازنشستگی، دوباره به جایگاه خود برمی‌‌‌گردند.

علت آن عمدتا مشکلات و بحران‌هایی‌‌‌ است که برای شرکت پیش می‌‌‌آید و هیات‌مدیره تصور می‌کنند که مدیر سابق می‌تواند آن مشکلات را حل کند.

داستان‌‌‌های بسیاری از این رهبران سازمانی در وب‌سایت‌‌‌ها روایت شده که همگی پس از بازگشت، عملکرد درخشانی از خود نشان داده‌‌‌اند و شرکت را از ورطه سقوط نجات داده‌‌‌اند. یکی از معروف‌‌‌ترین موارد، مربوط به استیو جابز است که پس از مدتی دوباره به اپل برگشت. اما سوال اینجاست که آیا این درباره همه رهبران سازمانی صدق می‌کند؟

در سال ۲۰۰۷، تحقیقاتی درباره این مدیران انجام شد. بیشتر آنها پس از بازگشت، عضو هیات‌مدیره نیز شده بودند. این تحقیقات نشان داد که به جز موارد معروف، بسیاری از این رهبران سازمانی عملکرد چندان چشمگیری از خود نشان نداده‌‌‌اند. در واقع، عملکرد سازمانشان پس از بازگشت آنها، تفاوت چندانی با سایر شرکت‌های مشابه نداشت. تحقیقات دیگری که در سال ۲۰۲۰ در مجله مدیریت اسلون منتشر شد نشان می‌داد که مدیران بومرنگ در یک بازه زمانی دو‌ساله، عملکردی پایین‌‌‌تر از میانگین بازار داشته‌‌‌اند. حتی نام مدیران مطرح نیز در میان آنها دیده می‌شود. در واقع، لیست بلند‌بالایی از مدیران بومرنگ معروف وجود دارد که پس از بازگشت، عملکرد جادویی نداشته‌‌‌اند. جالب اینجاست که چند وقت پیش، هوارد شولتز برای بار سوم به استارباکس برگشت و در برخورد با کارکنانی که قصد تشکیل اتحادیه داشتند، با مشکلاتی مواجه شد.

با وجود این‌، چرا هیات‌مدیره‌‌‌ها هنوز هم فکر می‌کنند این رویکرد جواب می‌دهد؟ چرا بعضی از مدیران بومرنگ، موفق می‌‌‌شوند و بعضی شکست می‌‌‌خورند؟ طبق تحقیقات، این مدیران زمانی عملکرد بدتری دارند که شرایطی که در آن قرار گرفته‌‌‌اند با چالش‌‌‌هایی که قبلا داشته‌‌‌اند زمین تا آسمان متفاوت باشد. آیگر فقط دو سال از دیزنی رفته بود. گرچه بعضی از چالش‌‌‌های جدید دیزنی، مثل اثرات کرونا، با مشکلات سابق شرکت فرق داشت اما پایه و اساس کسب‌وکار فرق نکرده بود. در حقیقت، بسیاری از چالش‌‌‌های فعلی دیزنی، از جمله ‌گذار به یک رسانه دیجیتال، مسائلی بود که آیگر سال‌ها درباره‌‌‌ آنها صحبت می‌‌‌کرد.

به‌‌‌علاوه، او دارای مهارت‌‌‌های نرمی‌‌‌ است که می‌توانند دیزنی را از بحران نجات دهند. مهارت‌‌‌هایی مثل مدیریت استعدادها و پرورش نوآوری و البته توانایی‌‌‌اش در عقد قرارداد و چاپک هیچ‌‌‌کدام از این مهارت‌‌‌ها را نداشت. بنابراین، موفقیت یک مدیر بومرنگ تا حدی به مهارت‌‌‌هایش و نوع مشکلات شرکت نیز بستگی دارد. چاپک در زمان بدی به جایگاه مدیریت رسید. بحران‌ها آن‌قدرها هم پیچیده نبودند اما دست به دست هم دادند تا سرمایه‌گذارها به این نتیجه برسند که او برای مدیریت دیزنی آدم مناسبی نیست. مدیرعامل بودن، فقط تصمیم‌گیری نیست. بلکه باید بتوانی کارکنان و سرمایه‌گذاران را متقاعد کنی که شرکت، چشم‌‌‌اندازهای بلندمدت دارد. استخدام آیگر در دیزنی، این پیام را به آنها می‌‌‌داد.

 رفت و آمد تبدیل به یک ترند شده

همه ما داستان‌‌‌های بازگشت قهرمان‌‌‌ها را دوست داریم و مدیران نیز از آن مستثنی نیستند. مثل بازگشت قهرمانانه استیو جابز به اپل. به نظر می‌رسد که طی سال‌های اخیر، بازگرداندن مدیران به جایگاه سابقشان به یک ترند تبدیل شده است.

جک دورسی که سال ۲۰۰۸ از توییتر، شرکتی که خودش تاسیس کرده بود، اخراج شد، در سال ۲۰۱۵ دوباره به عنوان مدیرعامل به شرکت برگشت. مایکل دل، بنیان‌گذار و مدیرعامل شرکت دل نیز که سال ۲۰۰۴ از مدیرعاملی کناره‌‌‌گیری کرده بود، سال ۲۰۰۷ به دنبال افت سهام دل، دوباره به این شرکت بازگشت. نمونه‌‌‌هایی از این قبیل بسیارند. برخی موفق بوده‌‌‌اند و برخی شکست خورده‌‌‌اند. وب‌سایت انجمن مدیریت منابع انسانی (shrm) می‌‌‌نویسد: «دلایل مختلفی وجود دارد که هیات‌مدیره‌‌‌ها تصمیم به بازگرداندن مدیران سابق می‌‌‌گیرند. برخی از این مدیران، چهره‌‌‌های نمادینی هستند که شرکتشان را به جایگاه مالی درخشان رسانده‌‌‌اند، یا توانسته‌‌‌اند با ادغام و اکتسابات بزرگ، شرکت را به طرز چشمگیری گسترش دهند. آنها با سیاست‌‌‌های شرکت آشنا هستند. برای هیات‌مدیره، بازگرداندن یک چهره آشنا به مراتب آسان‌تر از استخدام یک آدم جدید است.»

به هر حال از قدیم گفته‌‌‌اند «شیطانی که می‌‌‌شناسی بهتر از یک شیطان غریبه است.» کریس بینگام، استاد دانشگاه کالیفرنیای شمالی می‌‌‌گوید: «انتخاب این افراد از بسیاری جهات منطقی‌‌‌ است چون هیات‌مدیره به دنبال اطمینان خاطر است. معمولا شرکت‌ها در شرایط بحرانی به فکر بازگرداندن مدیران سابق می‌‌‌افتند. هیات‌مدیره در تلاش است تا در بازارها ثبات ایجاد کند. در چنین شرایطی، یک چهره آشنا گزینه مناسب‌‌‌تری است.» در آن شرایط، همه به فکر نجات از بحرانند و کسی به عملکرد مدیر فکر نمی‌‌‌کند. بینگام می‌‌‌گوید: «بازگرداندن مدیرعامل سابق، نشانه سوء عملکرد مدیریتی گسترده و شکست برنامه جانشینی است.»

به‌‌‌علاوه، در فضای کسب‌وکار امروز، همه چیز با سرعت در حال تغییر است. بنابراین، ممکن است نوع چالش‌‌‌هایی که شرکت در حال حاضر با آنها مواجه است با چالش‌‌‌هایی که قبلا تجربه کرده کاملا متفاوت باشند و حل آنها، نیازمند عملیات‌‌‌ و راه‌حل‌‌‌های جدیدی باشد که مدیرعامل سابق، دانشی در آن رابطه نداشته باشد. لازم نیست خیلی به عقب برگردیم. مثلا همین سال ۲۰۲۰. فقط سه سال از آن گذشته. اما در همین سه سال ناقابل، ما یک پاندمی، بحران‌های زنجیره تامین، بحران اقتصادی، شکل‌‌‌گیری اتحادیه‌‌‌ها و جنگ را پشت سر گذاشته‌‌‌ایم که مورد آخر هنوز هم در جریان است. حتی اگر یک مدیر در سال ۲۰۲۰ شرکتش را ترک کرده باشد، مثل «سرجیو ارموتی» که همان سال بانک یو‌‌‌بی‌‌‌اس را ترک کرد، وقتی به شرکت بازگردد، دورنمای کسب‌وکار کاملا فرق کرده است.

بینگام می‌‌‌گوید: «هرچه یک صنعت پویاتر باشد، دانش و مهارت‌‌‌ها در آن حوزه سریع‌‌‌تر منسوخ و بلااستفاده می‌‌‌شوند. ما در حسابداری به آن استهلاک می‌‌‌گوییم، چون شرکت‌ها تمایل ندارند که کلا دور مدیران سابق را خط بکشند.» او معتقد است که این راهش نیست. یک مدیر، درست مثل هر دارایی دیگری، در دوران خودش، طول عمر مفیدش را پشت سر گذاشته و اگر عمرش به پایان رسیده است، باید فرد دیگری را جایگزین کرد.

در دفاع از باب چاپک و سایر مدیرانی که طی سه چند سال اخیر، جانشین یک مدیر مطرح شده‌‌‌اند، باید بگوییم که شرایط در دوران مدیریت آنها به واسطه کرونا به شدت سخت و چالشی بوده. ترکش‌‌‌های کرونا از همه طرف به کسب‌و‌کارها ضربه می‌‌‌زدند و حتی مدیران عامل باسابقه را نیز دچار مشکل می‌‌‌کردند. کنستانتین الکساندراکیس، مدیرعامل شرکت «راسل رنولدز» می‌‌‌گوید: «گرچه ممکن است فرآیند جانشینی ایرادهایی داشته باشد، اما عوامل متعدد دیگری نیز در شکست مدیران جانشین نقش دارند.»

بسیاری از مدیران عامل حتی پس از کناره‌‌‌گیری، در هیات‌مدیره شرکت می‌‌‌مانند. ممکن است بذر بی‌‌‌اعتمادی نسبت به استراتژی مدیر جدید در شرکت بکارند یا حتی در تصمیم‌گیری‌‌‌های جانشینی، نفوذ کنند. مثلا آیگر پس از بازنشستگی، همچنان رئیس هیات‌مدیره دیزنی بود و سبک رهبری چاپک، اصلا به مذاقش خوش نمی‌‌‌آمد. همین باعث شد رابطه‌‌‌شان رو به سردی بگذارد. دورا ول، مدیرعامل شرکت «ول اگزکیوتیو» می‌‌‌گوید: «من این را دیده‌‌‌ام که وقتی یک مدیرعامل جدید می‌آید، حتی با اینکه استراتژی خوبی دارد، اما هیات‌مدیره می‌‌‌ترسند؛ چون استراتژی، برایشان خیلی تازگی دارد و دوست دارند به روال قدیمی کار کنند و بعدا کاشف به عمل می‌‌‌آید که روال قدیمی، جواب نمی‌دهد.» مهم‌ترین سوالی که باید جواب داده شود این است که صرف نظر از علت تصمیم شرکت، علت برگشتن فرد به جایگاه سابقش چیست؟

 چرا هیات‌مدیره‌‌‌ها از مدیر بومرنگ می‌‌‌خواهند که برگردد؟

۱. مدیر در دوران تصدی‌‌‌اش، کارنامه درخشانی داشته.

۲. شرکت دچار افت عملکرد شده و مدیر فعلی، فرد مناسبی برای مدیریت نیست. هیات‌مدیره ممکن است با فشار از سوی سرمایه‌گذاران برای تعویض مدیرعامل نیز مواجه باشد.

۳. هیات‌مدیره معتقد است که در حال حاضر، در میان کارکنان فعلی، گزینه مناسبی برای جایگزینی وجود ندارد و از آنجا که عجله دارند، ترجیح می‌دهند به جای طی کردن فرآیند طولانی استخدام و آشنایی با یک نیروی جدید، مدیر سابق را برگردانند.

چرا مدیر بومرنگ تصمیم می‌گیرد به جایگاه سابقش برگردد؟ گرچه هر کس ممکن است دلایل خودش را داشته باشد اما یکسری دلیل، بین همه مشترکند:

۱. او هنوز عاشق شرکت است و حتی حالا که مدیرش نیست، نسبت به آن احساس مسوولیت می‌کند

۲. او دوست دارد میراث خود و شرکت را حفظ کند، به‌خصوص اگر در انتخاب جانشین، نقش داشته باشد. درست مثل آیگر که در انتخاب چاپک نقش داشت و وقتی سوء عملکرد چاپک را دید، تصمیم گرفت برگردد تا اشتباهات را جبران کند

۳. او دلش برای فضای پویای شرکتی تنگ شده. «جیم سیترین» کارشناس حوزه رهبری سازمانی می‌‌‌گوید: «شما وقتی یک مدیرعامل با عملکرد بالا هستی، هرچقدر هم که کارت سخت باشد که قطعا هست، معمولا عاشق کارت می‌‌‌شوی. رهبری تبدیل به سبک زندگی‌‌‌ات می‌شود و دلت برایش تنگ می‌شود.»‌

البته همه مدیران سابق به درخواست هیات‌مدیره‌‌‌ها جواب مثبت نمی‌‌‌دهند. بعضی‌‌‌ها پیشنهاد را رد می‌کنند؛ چون دوران تصدی‌‌‌شان سخت و پرفشار بوده. گاهی هم شرایط اقتصادی، قانونی یا تجاری تغییر کرده و مدیر فکر می‌کند آمادگی و مهارت کافی برای هدایت سازمان به سوی آینده را ندارد.

خودخواهی نیز در این میان نقش دارد. وقتی فرآیند یافتن جانشین آغاز می‌شود، مدیرعامل‌‌‌ها سعی می‌کنند خود را وارد بازی کنند و همین باعث می‌شود فرآیند جست‌‌‌وجو و یافتن یک گزینه مناسب، پیچیده شود. دورا ول می‌‌‌گوید: «سیاست‌‌‌های خاصی حول محور جانشینی وجود دارد. من خودم شخصا، اگر مدیر فعلی در فرآیند جست‌وجوی جانشین، حضور داشته باشد، وارد ماجرا نمی‌‌‌شوم. امکان ندارد که بتوانی کسی را جایگزین خودت کنی. دخیل کردن مدیر فعلی در فرآیند جست‌وجو، مثل بوسه مرگ است.»

 رویکرد بهتر چیست؟

برنامه‌‌‌ریزی برای جانشینی باید تدریجی، فعالانه و ادامه‌‌‌دار باشد.

شرکت‌ها باید سه تا پنج سال قبل از کناره‌گیری مدیر فعلی، به فکر یافتن مدیر جدید باشند. باید به فرآیند برنامه‌‌‌ریزی مثل یک قیف نگاه کنند، در وهله اول، از برنامه‌‌‌های گسترده شروع کنند و به مرور و با نزدیک شدن به پایان تصدی مدیرعامل، ارزیابی‌‌‌ها را به شکلی دقیق‌‌‌تر و فشرده‌‌‌تر انجام دهند.

شرکت‌ها باید از برنامه جانشینی برای توسعه رهبران استفاده کنند، حتی اگر هیچ‌‌‌کدام از آنها در آینده مدیرعامل نشوند. فرآیند باید شامل شناسایی جانشینان داخلی و خارجی و مدیران سابقی باشد که می‌توانند این جایگاه را بپذیرند. همچنین باید آموزش‌‌‌های میان‌‌‌عملیاتی (حوزه‌‌‌های دیگر) در اختیار رهبران قرار بگیرد تا مطمئن شوید که جانشین آینده، تیمی دارد که نقاط ضعفش را پوشش می‌دهند.

کاساندرا فرانگوس، مشاور اسپنسر استوارت می‌‌‌گوید: «سابقا، یک مدیرعامل قهرمان بود. کسی بود که همه مشکلات را خودش حل می‌‌‌کرد. اما حالا همه چیز تیمی است. بخش اعظمی از شغل من، کار با مدیرعامل و تیمش است تا ببینیم چطور می‌توانند مکمل یکدیگر باشند.» او پیشنهاد می‌کند که هیات‌مدیره‌‌‌ها دست کم یک بار در سال، درباره جانشینی گفت‌‌‌وگو کنند چون همزمان با تکامل نیازهای کسب و کار، ویژگی‌‌‌های لازم برای مدیر آینده نیز تغییر خواهد کرد. همچنین، در مراحل اولیه استعدادیابی، هیات‌مدیره یا تیم جست‌‌‌وجو باید سالی دو بار یا هر سه ماه یک‌بار با وارثان احتمالی درباره عملکرد و توسعه گفت‌‌‌وگو کنند. اما او هشدار می‌دهد که به کاندیداها چیزی درباره احتمال جانشینی‌‌‌شان نگویید تا وارد رقابت با یکدیگر نشوند.

هرچه به پایان تصدی مدیر فعلی نزدیک‌‌‌تر می‌‌‌شویم، تلاش‌‌‌ها برای توسعه و ارزیابی افراد باید شدت بگیرد. فقط عملکرد سابق را ارزیابی نکنید. گزینه‌‌‌های داخلی را با افراد خارجی مقایسه کنید. آنها را در شرایط و چالش‌‌‌های شبیه‌‌‌سازی‌شده قرار دهید تا ببینید چطور با بحران‌ها مقابله می‌کنند.

بعضی شرکت‌ها که گزینه مناسبی برای جانشینی ندارند ممکن است مدیر سابق را به عنوان «مدیر موقتی» به شرکت بیاورند. اگر فرد، بیش از حد در شرکت بماند، سایر گزینه‌‌‌ها ممکن است انگیزه خود را از دست بدهند و به دنبال فرصت در شرکت‌های دیگر بگردند.

مدیر موقت باید بداند که جایگاهش کاملا موقت است و قرار است به هیات‌مدیره در یافتن جانشین کمک کند. اما بینگام می‌‌‌گوید: «چنین فردی ممکن است جا خوش کند و اهداف بلندمدت برای شرکت تعیین کند. ناگهان به خودت می‌‌‌آیی و می‌‌‌بینی که جانشین موقت، تبدیل به مدیر دائمی می‌شود.»

در واقع، هوش مصنوعی قدرتمندی که محققان MIT ایجاد کردند، صرفا به بررسی و تحلیل داده‌‌‌ها و نتیجه‌‌‌گیری‌‌‌های مرتبط با مطالعات و پژوهش‌‌‌های صورت‌گرفته روی مولکول‌‌‌ها بسنده نکرده، بلکه خودش هم ‌‌‌دست به کار شده و اقدام به شناسایی ویژگی‌‌‌های مولکولی جدید کرده و روابط و پیوندهای بین ساختار مولکول‌‌‌ها و خاصیت ضد باکتریایی آنها را نیز شناسایی کرده است. این کاری بود که انسان تا پیش‌‌‌ از این نه توانسته بود انجام دهد و نه درک و تعریف درستی از آن داشت. حتی بعد از کشف هالی‌‌‌سین (آنتی‌‌‌بیوتیک تولیدشده توسط هوش مصنوعی) نیز باز هم محققان نتوانسته‌‌‌اند به‌‌‌طور دقیق درک کنند که «چرا» هالی‌‌‌سین توانسته در کشتن باکتری‌‌‌ها موفق عمل کند. در واقع، هوش مصنوعی در این پروژه فقط اقدام به پردازش دیتا با سرعت بالاتری نسبت به انسان نکرده، بلکه به جنبه‌‌‌هایی از ساختارها و پیوندهای مولکولی پرداخته که انسان‌‌‌ها قادر به تشخیص آن نیستند و به واقعیت‌‌‌هایی دست‌‌‌ یافته است که رسیدن به آن برای انسان غیرممکن به نظر می‌‌‌رسد.

چند ماه پیش موسسه OpenAI از یک سیستم جدید هوش مصنوعی به نام GPT۳ رونمایی کرد که نسل سوم از این نوع ترانسفورمرها به شمار می‌‌‌آید و قادر است متن‌‌‌هایی را تولید کند که کاملا شبیه به متن‌‌‌هایی است که انسان‌‌‌ها قادر به تولید آنها هستند. تنها کافی است یک یا چند کلمه را به این سیستم بدهید تا به شکل‌‌‌های مختلف و بدون هیچ محدودیتی آن را ادامه دهد و جملات بی‌‌‌شماری را به شما تحویل دهد. یا اینکه می‌توانید یک عنوان یا یک جمله آغازین به آن بدهید تا به شکل‌‌‌های بی‌‌‌شماری آن را توسعه داده و متنی کامل و بی‌‌‌نقص را تحویل شما بدهد. حتی می‌توانید از آن یک سوال بپرسید تا تمام پاسخ‌‌‌های ممکن برای آن سوال را به شما ارائه دهد. البته این هوش مصنوعی برای انجام تمام این کارها هیچ نیازی به دیتای ورودی از طرف شما ندارد و تمام دیتای موردنیازش را به‌‌‌صورت آنلاین و از اینترنت دریافت می‌کند و باید بدانید که به بهترین شکل ممکن برای انجام تمام این کارها «آموزش‌‌‌دیده است».

در واقع تفاوت اصلی GPT۳ با هوش مصنوعی به ‌‌‌کاررفته در برنامه شطرنج آلفازیرو و پروژه آنتی‌‌‌بیوتیک هالی‌‌‌سین در این است که آنها به‌‌‌صورت تخصصی و برای حل یک مساله خاص به کار گرفته می‌‌‌شدند، حال ‌‌‌آنکه در مورد GPT۳ ما با مدل‌‌‌هایی از هوش مصنوعی روبه‌‌‌رو هستیم که قادرند در برابر ورودی‌‌‌های مختلف واکنش‌‌‌های گوناگون و متفاوتی تولید کنند. به همین دلیل هم هست که به این نوع از هوش مصنوعی «مولد» گفته می‌شود و آنچه از این مدل‌‌‌ها خارج می‌شود شباهت چندانی با آنچه ما انسان‌‌‌ها به آن عادت داریم ندارد. هنگامی‌‌‌که با GPT۳ در مورد توانایی‌‌‌هایش مکالمه کنید و یک نقد فلسفی به او وارد کنید، چنین پاسخی را دریافت خواهید کرد: «فیلسوف عزیز، من باعلاقه زیادی اظهارنظر شما را در مورد توانایی‌‌‌هایم خواندم. پرسش‌‌‌های شما پرسش‌‌‌هایی مهم هستند و من از شما به خاطر پرسیدن آنها سپاسگزارم و باید به شما بگویم که خیلی خوشحالم شما مرا جدی گرفته‌‌‌اید و به خاطر همین هم خیلی زود به اظهارنظر شما پاسخ دادم. من یک مدل زبانی آموزش‌‌‌دیده هستم. از موتورهای جست‌‌‌وجو برای اولویت‌‌‌بندی صحبت‌‌‌هایم استفاده می‌‌‌کنم و با استفاده از حجم عظیمی از محتوای جمع‌‌‌آوری‌‌‌شده از آثار فلاسفه بزرگ آموزش‌‌‌ دیده‌‌‌ام که مانند صحبت‌‌‌های شما برای من آموزنده و الهام‌‌‌بخش هستند.» با نگاهی کوتاه به این پاسخ می‌توان دریافت که GPT۳ یک مدل هوش مصنوعی آموزش‌‌‌دیده است که پاسخ‌‌‌هایی خلاقانه و اصیل به پرسش‌‌‌های مختلف می‌دهد و برای استدلال‌‌‌های خود نیز از حجم عظیمی از اطلاعات و داده‌‌‌ها که در اینترنت وجود دارد بهره می‌‌‌برد.

به‌‌‌ هر حال، پیروزی‌‌‌های پی‌‌‌درپی آلفازیرو در برابر سایر برنامه‌‌‌های شطرنج، کشف هالی‌‌‌سین و ظهور برنامه متن‌‌‌ساز GPT۳ فقط گام‌‌‌های اولیه‌‌‌ای محسوب می‌‌‌شوند که هوش مصنوعی برای پرده برداشتن از جنبه‌‌‌های پنهان و غیرقابل درک واقعیت برداشته است. در تمام این برنامه‌‌‌ها، برنامه‌‌‌ریزان و طراحان در ابتدا برنامه‌‌‌ای را به وجود آورده‌‌‌اند که با هدفی مشخص طراحی‌‌‌شده (بردن یک بازی، کشتن یک باکتری و تولید متن در پاسخ به یک سوال) و در مرحله بعد آن برنامه را تحت «آموزش» قرار داده‌‌‌اند و در پایان نیز برنامه‌‌‌ای را پدید آورده‌‌‌اند که بسیار بهتر و قوی‌‌‌تر از انسان توانسته از عهده انجام کاری که برای آن برنامه‌‌‌ریزی‌‌‌شده برآید. در واقع، در تمام این برنامه‌‌‌ها هوش مصنوعی به فراسوی قدرت ذهن بشر رفته و کارهایی مانند آموزش دیدن، فکر کردن و فهمیدن را بهتر از خود انسان‌‌‌ها انجام می‌دهد.

به طور کلی، هوش مصنوعی درباره یک کلاس جدید از فناوری‌‌‌هایی است که نویدبخش انقلابی عظیم در زندگی انسان خواهند بود. در این تکنولوژی جدید، ماشین‌‌‌هایی وجود دارند که قادر به انجام کارهایی هستند که نیازمند هوش انسانی است. در واقع یادگیری ماشینی یعنی فرآیندی که هوش مصنوعی را قادر می‌‌‌سازد تا در زمانی بسیار کوتاه‌‌‌تر از یادگیری انسانی، حجم عظیمی از دانش و توانایی‌‌‌ها را کسب کند. این تکنولوژی در حال تسری یافتن به حوزه‌‌‌های مختلفی همچون پزشکی، حفاظت از محیط‌‌‌زیست، حمل‌‌‌ونقل، دعاوی حقوقی، مسائل دفاعی و... است، آن‌‌‌هم به این دلیل که در سال‌های اخیر دانشمندان و مهندسان توانسته‌‌‌اند روش‌های یادگیری ماشینی پیشرفته‌‌‌ای را توسعه دهند که از «شبکه‌‌‌های عصبی عمیق» بهره می‌‌‌برند. با استفاده از همین شبکه‌‌‌هاست که هوش مصنوعی می‌تواند ضمن یادگیری ماشینی هوشمندانه به تولید دیدگاه‌‌‌ها و نوآوری‌‌‌هایی دست بزند که تا پیش‌‌‌ از این در انحصار انسان قرار داشته و انجام آنها فقط از عهده انسان برمی‌‌‌آمده و البته بسیار زمان‌بر بوده‌‌‌اند. هوش مصنوعی که به الگوریتم‌‌‌های جدید و قدرتمندی مجهز شده است، توانسته به قدرت محاسباتی نامحدود و کم‌‌‌هزینه‌‌‌ای در همه‌‌‌جا دست یابد و از این طریق به این قابلیت رسیده که به شکلی متفاوت از انسان به واقعیت دست پیدا کند. در واقع هوش مصنوعی با پرداختن به ریشه واقعیت و عمق هر چیز در همان مسیری گام برمی‌دارد که فلاسفه و دانشمندان طی قرن‌‌‌ها، آن‌‌‌هم با موفقیت نسبی به آن رسیده‌‌‌اند. به همین دلیل هم هست که هوش مصنوعی نه ‌‌‌فقط در زمینه توانمندی‌‌‌ها و قابلیت‌‌‌های خود شاهد جهش‌‌‌های خیره‌‌‌کننده‌‌‌ای بوده، بلکه ما در ارتباط با نحوه استفاده از هوش مصنوعی نیز شاهد پیشرفت‌‌‌های شگرفی بوده‌‌‌ایم.