بهبود کارایی تخصیص منابع شرکتها با هوشمصنوعی
محسن یادبروقی، تحلیلگر راهبردی هوشمصنوعی، فناوری و نوآوری
در عصر پیشرفت سریع فناوری و افزایش رقابت جهانی، اهمیت تخصیص منابع برای بقا، توسعه و رشد اقتصادی شرکتها را نمیتوان نادیده گرفت. تخصیص منابع باعث میشود سرمایه، نیروی کار و مواد کارآمدترین استفاده را داشته باشند و هدررفت به حداقل برسد و خروجی ارزش بهحداکثر برسد. کارایی تخصیص منابع، سودآوری، تابآوری عملیاتی و نوآوری شرکت را بهبود میبخشد. همچنین با کاهش ناکارآمدی کلی و تخصیص مجدد منابع از صنایع با بهرهوری پایین به صنایع با بهرهوری بالاتر، بهرهوری، پیشرفت صنعتی و رشد اقتصادی بلندمدت را افزایش میدهد. از آنجا که بازار در حال تغییر است، شرکتها نیز باید تغییر کنند. آنها باید با تغییر خواستههای مردم، پیشرفتهای فناوری و قوانین جدید سازگار شوند. بنابراین لازم است تصمیمات سریعتر گرفته شده و بر پایه بینشهای مبتنیبر داده قرار گیرند تا با اهداف و فرصتهای بازار همسو شوند.
با وجود ادبیات گستردهای که به بررسی عوامل تعیینکننده کارایی تخصیص منابع شرکتها میپردازد و به حاکمیت شرکتی، توسعه مالی، موضوعات فناورانه مانند نوآوری و رقابت بازار اشاره میکند، هنوز شکافهای قابلتوجهی در درک اینکه چگونه هوشمصنوعی – این فناوری قدرتمند که نحوه انجام کارها را در سراسر جهان تغییر میدهد- میتواند بر نحوه مدیریت و استفاده شرکتها از منابع تاثیر بگذارد، وجود دارد. مطالعات قبلی عمدتا بر این متمرکز بودهاند که فناوریهای تثبیتشده قدیمی و روشهای سنتی چگونه روش تخصیص منابع را در شرکتها تغییر میدهند اما اطلاعات زیادی در مورد این فناوری جدید یعنی هوشمصنوعی و قابلیتهای ویژه آن مانند تحلیل پیشرفته دادهها، یادگیری ماشینی و بهینهسازی لحظهای برای بهبود عملکرد در دنیای واقعی ارائه نشده است. بنابراین به نظر میرسد که مطالعه عمیقی درباره علت استفاده متفاوت شرکتها از منابع به کمک هوشمصنوعی و انگیزه دقیق آنها برای پذیرش این فناوریهای جدید صورت نگرفته است. درک این موضوع مهم است زیرا هوشمصنوعی اکنون یک تغییر اساسی در بستر گستردهتر جهان و نحوه اداره کسبوکارها ایجاد کرده است.
برای پر کردن این شکاف پژوهشگران با استفاده از دادههای گزارش سالانه از شرکتهای پذیرفتهشده در بورس اوراق بهادار نوعA چین در بازه زمانی ۲۰۱۷ تا ۲۰۲۴، به بررسی تاثیر پیادهسازی هوشمصنوعی بر کارایی تخصیص منابع پرداختهاند. آنها با بهرهگیری از روشهای یادگیری ماشین، واژگانی از کلیدواژههای مرتبط با هوشمصنوعی تهیه کردند؛ واژگانی مانند یادگیری عمیق، بینایی کامپیوتر، پردازش زبان طبیعی، رباتیک و شبکههای عصبی. سپس براساس تعداد دفعات تکرار این واژهها در گزارش سالانه هر شرکت، شاخصی برای میزان پذیرش هوشمصنوعی ساختند. در ادامه، این شاخص را با کارایی تخصیص منابع هر شرکت که با روش استاندارد ریچاردسون محاسبه شده بود، مقایسه کردند. برای اطمینان از صحت نتایج، متغیرهای کنترلی مانند سن شرکت، مالکیت دولتی، سودآوری، اهرم مالی و سهام بزرگترین سهامدار نیز در مدل لحاظ شد تا تاثیر سایر عوامل حذف شود.
نتایج این پژوهش بهروشنی نشان میدهد که بین پذیرش هوشمصنوعی و بهبود کارایی تخصیص منابع رابطه مثبت و معناداری وجود دارد. به عبارت دیگر، شرکتهایی که بیشتر از فناوریهای هوشمصنوعی استفاده میکنند، منابع خود را کارآمدتر به کار میگیرند. این نتیجه حتی پس از انجام آزمونهای مختلف برای حذف اثر عوامل مخدوشکننده – مانند علیت معکوس (این احتمال که شرکتهای کارآمدتر ممکن است بیشتر سراغ هوشمصنوعی بروند) یا شوکهای اقتصادی بیرونی (همچون همهگیری کرونا)- همچنان پایدار و قابلاعتماد باقی بمانند. به بیان ساده، هوشمصنوعی صرفا یک فناوری زینتی نیست بلکه ابزاری عملی است که میتواند چگونگی تصمیمگیری مدیران درباره توزیع منابع را دگرگون کند.
اما این بهبود از چه راههایی حاصل میشود؟ پژوهش دو مکانیسم اصلی را شناسایی کرده است. نخست، افزایش بهرهوری کل عوامل. هوشمصنوعی به شرکتها کمک میکند تا ترکیب نهادههای خود -نیروی کار، سرمایه، مواد اولیه- را بهینه کنند. برای نمونه، الگوریتمهای یادگیری ماشین میتوانند الگوهای پنهان در دادههای تولید را کشف کرده و پیشنهاد دهند که چه مقدار از هر منبع در کدام مرحله به کار رود. همچنین خودکارسازی فرآیندهای تکراری، خطای انسانی را کاهش میدهد و زمان انجام کارها را کم میکند. نتیجه این میشود که با همان مقدار ورودی، خروجی بیشتری به دست آید یعنی بهرهوری کل عوامل افزایش مییابد و این افزایش بهرهوری مستقیما به معنی استفاده کارآمدتر از منابع است. دوم، افزایش شفافیت اطلاعاتی. در بسیاری از سازمانها، اطلاعات بین بخشها یا سطوح مختلف به صورت نامتقارن توزیع میشود: مدیران نمیدانند در خط تولید چه میگذرد، کارکنان از وضعیت سفارشهای مشتریان بیخبرند و تامینکنندگان از نوسانات تقاضا آگاه نیستند. هوشمصنوعی با یکپارچهسازی دادههای ساختاریافته و بدون ساختار از سیستمهای برنامهریزی منابع سازمان، مدیریت ارتباط با مشتری و حتی سیگنالهای بیرونی بازار، داشبوردهای لحظهای فراهم میکند که همه ذینفعان میتوانند تصویر یکسانی از وضعیت ببینند. این شفافیت، عدم تقارن اطلاعاتی را کاهش میدهد، هزینههای نظارت و مذاکره را پایین میآورد و تصمیمگیری را مبتنی بر واقعیت میکند نه حدس و گمان. نتیجه نهایی این است که منابع به سمت فرصتهای پربازده هدایت میشوند و از هدررفت در فعالیتهای کمبازده جلوگیری میگردد.
یک یافته جالب دیگر این پژوهش، تفاوت تاثیر هوشمصنوعی بر دو نوع ناکارآمدی تخصیص منابع است: مازاد منابع(موجودی بیش از حد، ماشینآلات بیکار، نیروی کار اضافی) در مقابل کمبود منابع (نداشتن سرمایه کافی برای یک پروژه خوب، نبود تخصص لازم). دادهها نشان میدهد که هوشمصنوعی در کاهش مازاد منابع بسیار موثرتر از رفع کمبودها عمل میکند. چرا؟ چون تشخیص و حذف مازاد اساسا یک مساله بهینهسازی است: با استفاده از الگوریتمهای پیشبینی تقاضا و تحلیل ظرفیت، هوشمصنوعی به راحتی میتواند بگوید چه مقدار موجودی اضافی است و کدام دستگاهها را میتوان به واحد دیگری منتقل کرد اما رفع کمبودها اغلب نیازمند منابع جدید (پول، استعداد، مواد) است که ممکن است در دسترس نباشد و به تصمیمگیری فراتر از داده – مانند سیاستگذاری کلان یا جذب سرمایه- نیاز دارد. بنابراین مدیرانی که میخواهند بیشترین بهره را از هوشمصنوعی ببرند، بهتر است ابتدا سراغ حذف اتلاف و مازاد بروند.
یافتههای این پژوهش برای سیاستگذاران نیز پیام روشنی دارد. اگر هوشمصنوعی میتواند کارایی تخصیص منابع را تا این حد بالا ببرد، دولتها باید بستر را برای پذیرش گسترده آن فراهم کنند. نخست، سرمایهگذاری در زیرساخت داده ضروری است. بسیاری از شرکتها بهویژه کوچک و متوسط، به دادههای استانداردشده و بسترهای امن اشتراک داده دسترسی ندارند. ایجاد پلتفرمهای ملی داده میتواند این شکاف را پر کند. دوم، حمایت مالی از آزمایش و نوآوری: هزینه اولیه پیادهسازی هوشمصنوعی بالاست. ارائه مشوقهای مالیاتی، کمکهای بلاعوض برای پروژههای پایلوت و تسهیلات کمبهره به شرکتها انگیزه میدهد. سوم، توسعه نیروی کار ماهر از طریق آموزش و بازآموزی نیروی انسانی متناسب با عصر هوشمصنوعی، هم از طریق دانشگاهها و هم از طریق دورههای فنی- حرفهای ضروری است. چهارم، تسهیل مقررات: سادهسازی فرآیندهای مجوزدهی، تدوین استانداردهای امنیت داده و ایجاد محیطهای آزمایشی برای استارتاپهای هوشمصنوعی، موانع ورود را کاهش میدهد. در صنایعی مانند تولید، لجستیک و کشاورزی که بیشترین هدررفت منابع دیده میشود، دولت میتواند مستقیما میان ارائهدهندگان راهکارهای هوشمصنوعی و شرکتهای معمولی ارتباط برقرار کند و همکاریهای دستهجمعی را تسهیل کند.
در سطح شرکت نیز مدیران بدون نیاز به انتظار برای اقدام دولت میتوانند از امروز شروع کنند. پیشنهاد میشود ابتدا ممیزی داخلی انجام دهند تا دقیقا مشخص کنند منابع در کجا هدر میروند: موجودی انبار، ظرفیت بیکار ماشینآلات، نیروی انسانی کمبازده. سپس با استفاده از ابزارهای ساده هوشمصنوعی مانند سیستمهای پیشبینی تقاضا، نرمافزارهای بهینهسازی زنجیره تامین و پلتفرمهای تحلیل استعدادها، گامهای اولیه کمهزینه و پراثر بردارند. توجه به کیفیت و یکپارچگی داده بسیار حیاتی است؛ بدترین سناریو این است که هوشمصنوعی با دادههای کثیف، پراکنده یا ناقص تغذیه شود. بنابراین پیش از هر چیز روی حکمرانی داده سرمایهگذاری کنید. همچنین باید فرهنگ دادهمحور بسازید: کارکنان را آموزش دهید تا خروجی مدلهای هوشمصنوعی را درک کنند و بهجای تصمیمگیری شهودی، از آنها بهعنوان ابزار کمکی استفاده کنند. در نهایت به صورت پلکانی پیش بروید: با یک پروژه پایلوت در یک بخش پرتاثیر(مثلا مدیریت موجودی یک کارخانه) شروع کنید، نتایج را اندازه بگیرید، سپس بهتدریج گسترش دهید.
البته این پژوهش نیز محدودیتهایی دارد. تمرکز آن فقط بر شرکتهای چینی نوع A بوده و تعمیم نتایج به کشورها و صنایع دیگر نیاز به تحقیقات بیشتری دارد. همچنین شاخص پذیرش هوشمصنوعی براساس تکرار کلیدواژه در گزارشهای سالانه است که ممکن است با واقعیت میدانی فاصله داشته باشد- بعضی شرکتها ممکن است ادعا کنند بدون آنکه واقعا پیاده کرده باشند. افزون بر این، تاثیر بلندمدت هوشمصنوعی بر تخصیص منابع، از جمله اثرات بالقوه منفی مانند بیکاری یا تمرکز بیش از حد ثروت، هنوز به خوبی بررسی نشده است. پژوهشهای آینده میتوانند با پوشش شرکتهای بیشتر از کشورهای گوناگون و با استفاده از معیارهای مستقیمتر، تصویر کاملتری ارائه دهند. با این حال آنچه تاکنون روشن شده این است که در دنیایی با پیچیدگی و پویایی روزافزون بازارها، تکیه بر روشهای سنتی تخصیص منابع دیگر پاسخگو نیست. این پژوهش با شواهد تجربی قوی نشان میدهد که هوشمصنوعی، هم از طریق افزایش بهرهوری کل عوامل و هم از طریق شفافسازی اطلاعات میتواند به شرکتها کمک کند تا منابع خود را بسیار کارآمدتر از گذشته به کار گیرند. اگرچه چالشهایی در مسیر پذیرش گسترده وجود دارد، مزایای حاصل از آن – کاهش هدررفت، افزایش سودآوری، تقویت رقابتپذیری- به قدری چشمگیر است که هیچ بنگاه اقتصادی آگاه به آینده نمیتواند آن را نادیده بگیرد. برای ایران که با محدودیت منابع و نیاز شدید به رشد بهرهوری روبهرو است، سرمایهگذاری هدفمند در هوشمصنوعی و تشویق شرکتها به استفاده از آن میتواند یکی از هوشمندانهترین تصمیمهای راهبردی باشد.
