آیا شاخص‌های عملکرد در عصر هوش مصنوعی کافی هستند؟

مقدمه
هوش مصنوعی در حال تغییر بسیاری از حوزه‌های مدیریتی است و مدیریت عملکرد نیز از این تحول مستثنی نیست. با این حال، تصور اینکه هوش مصنوعی جایگزین شاخص‌های عملکرد خواهد شد، برداشت درستی نیست. شاخص‌ها همچنان مبنای سنجش عملکرد سازمان هستند، اما دیگر برای مدیریت اثربخش کافی نیستند. ارزش واقعی آنها زمانی آشکار می‌شود که در کنار تحلیل داده، پیش‌بینی روندها و پشتیبانی از تصمیم‌گیری قرار گیرند. به بیان دیگر، هوش مصنوعی نقش شاخص‌ها را حذف نمی‌کند، بلکه آنها را از ابزارهای گزارش‌دهی به بخشی از یک نظام هوشمند تصمیم‌گیری تبدیل می‌کند.

چرا شاخص‌ها به‌تنهایی پاسخگوی نیاز مدیران نیستند؟
شاخص‌های عملکرد برای اندازه‌گیری وضعیت سازمان طراحی شده‌اند و به مدیران نشان می‌دهند که عملکرد در یک دوره زمانی چگونه بوده است. اما مدیریت سازمان تنها به دانستن وضعیت موجود محدود نمی‌شود. مدیران برای تصمیم‌گیری به اطلاعاتی فراتر از اعداد و نمودارها نیاز دارند. برای مثال، کاهش یک شاخص ممکن است نتیجه عوامل مختلفی مانند تغییر شرایط بازار، ضعف فرآیندها، کمبود منابع، کاهش مهارت کارکنان یا مشکلات زنجیره تأمین باشد. شاخص، نتیجه را نشان می‌دهد، اما رابطه میان این عوامل و میزان اثرگذاری هر یک را مشخص نمی‌کند. به همین دلیل، تصمیم‌گیری صرفاً بر پایه شاخص‌ها می‌تواند به اقدامات اصلاحی نادرست یا ناقص منجر شود.

هوش مصنوعی چه تغییری در مدیریت عملکرد ایجاد می‌کند؟
مهم‌ترین تغییر، تبدیل داده به بینش مدیریتی است. در گذشته، مدیران ناچار بودند حجم زیادی از اطلاعات را به‌صورت دستی بررسی کنند تا ارتباط میان شاخص‌ها را تشخیص دهند. امروزه الگوریتم‌های هوشمند می‌توانند این ارتباط‌ها را با سرعت و دقت بیشتری شناسایی کنند و تصویری جامع از وضعیت سازمان ارائه دهند.
در این رویکرد، هوش مصنوعی می‌تواند:

• الگوها و روندهای پنهان در داده‌ها را شناسایی کند.

• ارتباط میان شاخص‌های مختلف را تحلیل کند.

• عوامل اصلی تغییرات عملکرد را اولویت‌بندی کند.

• احتمال وقوع مشکلات یا انحراف از اهداف را برآورد کند.

• پیامدهای احتمالی تصمیم‌های مختلف را مقایسه کند.

• گزینه‌های مناسب برای اقدام اصلاحی را پیشنهاد دهد.

در نتیجه، مدیران به جای تمرکز بر حجم زیادی از گزارش‌ها، می‌توانند بر تحلیل و تصمیم‌گیری متمرکز شوند.

چهار سطح بلوغ در تحلیل عملکرد
یکی از مهم‌ترین دستاوردهای هوش مصنوعی، ارتقای سطح تحلیل عملکرد است. سازمان‌ها معمولاً از چهار سطح تحلیل استفاده می‌کنند که هر سطح، ارزش بیشتری نسبت به سطح قبل ایجاد می‌کند.

شاخص‌های عملکرد عمدتاً سطح نخست را پوشش می‌دهند، در حالی که هوش مصنوعی سه سطح بعدی را تقویت می‌کند. به همین دلیل، ارزش مدیریت عملکرد بیش از آنکه به تعداد شاخص‌ها وابسته باشد، به توان تحلیل و بهره‌برداری از آنها بستگی دارد.

کیفیت داده؛ مهم‌ترین پیش‌نیاز هوش مصنوعی

کارایی هوش مصنوعی به کیفیت داده‌هایی بستگی دارد که در اختیار آن قرار می‌گیرد. اگر داده‌ها ناقص، ناهماهنگ یا غیرقابل اعتماد باشند، نتایج تحلیل نیز قابل اتکا نخواهد بود. از این رو، پیش از استفاده از ابزارهای هوشمند، سازمان باید زیرساخت‌های لازم را فراهم کند؛ از جمله:

• تعریف استاندارد شاخص‌های عملکرد

• یکپارچه‌سازی منابع اطلاعاتی

• ثبت منظم و دقیق داده‌ها

• استقرار سازوکارهای کنترل کیفیت داده

• تعیین مسئولیت برای نگهداری و به‌روزرسانی اطلاعات

بدون این زیرساخت‌ها، هوش مصنوعی تنها با حجم بیشتری از داده‌های نامطمئن روبه‌رو خواهد شد و ارزش مورد انتظار را ایجاد نخواهد کرد.

نقش مدیران در عصر هوش مصنوعی

یکی از نگرانی‌های رایج این است که هوش مصنوعی جایگزین مدیران شود. در مدیریت عملکرد، چنین اتفاقی رخ نخواهد داد. هوش مصنوعی می‌تواند داده‌ها را تحلیل کند، الگوها را شناسایی کند و حتی گزینه‌های مختلف را پیشنهاد دهد، اما انتخاب بهترین تصمیم همچنان به قضاوت مدیریتی، شناخت شرایط سازمان، تجربه و ملاحظات راهبردی وابسته است. در واقع، نقش مدیران از جمع‌آوری و تحلیل اطلاعات به سمت تفسیر نتایج، تصمیم‌گیری و هدایت تغییرات سازمانی تغییر خواهد کرد؛ تغییری که می‌تواند کیفیت و سرعت تصمیم‌گیری را به‌طور قابل توجهی افزایش دهد.

چالش‌های استقرار مدیریت عملکرد هوشمند

استقرار این رویکرد صرفاً با خرید نرم‌افزار یا استفاده از ابزارهای هوش مصنوعی محقق نمی‌شود. مهم‌ترین چالش‌هایی که سازمان‌ها با آن روبه‌رو هستند عبارت‌اند از:

• کیفیت پایین داده‌ها

• نبود یکپارچگی میان سامانه‌های اطلاعاتی

• تعریف نامناسب شاخص‌های عملکرد

• مقاومت در برابر تصمیم‌گیری مبتنی بر داده

• کمبود مهارت در تحلیل داده و تفسیر نتایج

پرداختن به این چالش‌ها، شرط لازم برای بهره‌برداری مؤثر از هوش مصنوعی در مدیریت عملکرد است.

جمع‌بندی
در عصر هوش مصنوعی، شاخص‌های عملکرد همچنان نقش بنیادین خود را حفظ می‌کنند، اما مزیت رقابتی سازمان‌ها دیگر در اندازه‌گیری بیشتر نیست، بلکه در تحلیل عمیق‌تر و تصمیم‌گیری هوشمندانه‌تر است. سازمان‌هایی که بتوانند شاخص‌های عملکرد را با داده‌های باکیفیت، تحلیل پیشرفته و قضاوت مدیریتی تلفیق کنند، نه‌تنها عملکرد گذشته را بهتر درک خواهند کرد، بلکه آمادگی بیشتری برای پیش‌بینی آینده و هدایت سازمان در شرایط متغیر خواهند داشت.

رضیه میرجلیلی؛ کارشناس ارشد توسعه سازمانی شرکت سامان آوران توسعه