چگونه هوش مصنوعی مولد می‌تواند مسیر تحول مدیریت دانش را هموار کند

اولویت‌های مدیران اجرایی امروز بسیار متنوع و گاهی متناقض است. زمانی که پژوهشگران دیلویت از بیش از 1300 مدیر اجرایی در ژوئن 2022 خواستند تا از میان 10 اولویت اصلی کسب‌وکار، مهم‌ترین‌ها را انتخاب کنند، بیش از 60 درصد حداقل هفت اولویت را برگزیدند و یک‌چهارم آن‌ها تمامی 10 اولویت را انتخاب کردند.

رهبران سازمان‌ها با مسائلی اجتماعی روبرو هستند که شیوه‌های کاری ما را تغییر داده و درعین‌حال با چالش‌های محیط کسب‌وکار ناپایدار دست‌وپنجه نرم می‌کنند. آن‌ها نیاز دارند تا بر پروژه‌های تحول‌ساز تمرکز کنند، درحالی‌که باید رضایت مشتریان و انگیزه کارکنان خود را نیز حفظ نمایند. به همین دلیل، مدیریت دانش—که به‌عنوان ارزشمندترین دارایی هر سازمان شناخته می‌شود—اغلب به حاشیه رانده می‌شود.

برای مطالعه‌ی مقالات تخصصی مدیریت دانش به پایگاه دانش مراجعه فرمایید.

جریان دانش در سازمان‌ها دچار اختلال شده است

بیشتر شرکت‌ها منابع فراوانی از دانش در اختیار دارند. در طول دهه گذشته، بیشتر تلاش‌ها متمرکز بر ایجاد مستندات بوده است؛ از فرآیندها و سیاست‌ها گرفته تا الزامات حکمرانی. پیش‌بینی‌ها نشان می‌دهند که بازار جهانی سیستم‌های مدیریت مستندات تا سال 2029 به ارزشی بالغ بر 16.42 میلیارد دلار خواهد رسید.

اما این دانش زمانی ارزشمند است که در دسترس کسانی باشد که به آن نیاز دارند، نه اینکه در سیلوهای سازمانی حبس شود. حتی زمانی که شرکت‌ها سیستم‌هایی برای ذخیره‌سازی و سازماندهی مستندات دارند، این به معنای آن نیست که کارکنان می‌توانند به‌راحتی اطلاعات موردنیاز خود را پیدا کنند. در یک نظرسنجی از سال 2021، 29 درصد از پاسخ‌دهندگان اعلام کردند که استخراج دانش لازم برای انجام کارهای روزمره از مخزن دانش شرکت‌شان دشوار یا تقریباً غیرممکن است.

آنچه مسلم است این است که برای کسب‌وکارهایی که می‌خواهند در دنیای امروزی که دانش حرف اول را می‌زند رقابتی باقی بمانند، این وضعیت باید هرچه زودتر تغییر کند.

هوش مصنوعی مولد می‌تواند تحولی شگرف در مدیریت دانش ایجاد کند

در سال‌های آینده، انتظار می‌رود که هوش مصنوعی تغییرات بنیادینی در تمامی حوزه‌ها از جمله خدمات مالی و مراقبت‌های بهداشتی ایجاد کند و مدیریت دانش نیز از این تحولات بی‌بهره نخواهد بود. ابزارهای هوش مصنوعی مولد توانایی حل سه مشکل اصلی در مدیریت دانش را دارند: تولید و به‌کارگیری دانش، ذخیره و بازیابی دانش و توزیع دانش در سطح سازمان.

چت‌جی‌پی‌تی به لطف توانایی خود در تولید محتوا تنها در چند ثانیه، به سریع‌ترین اپلیکیشن مصرفی در تاریخ تبدیل‌شده است. ما نیز می‌توانیم از همین نوع ابزارها برای خلق دانش قابل‌استفاده در یک سازمان بهره ببریم.

البته، هوش مصنوعی مولد نمی‌تواند دانش را از هیچ ایجاد کند اما خلق دانش سازمانی به‌ندرت به معنای تولید آن از ابتدا است. در اغلب موارد، این فرایند شامل ترکیب و بازآرایی اطلاعات موجود است. به‌بیان‌دیگر، آنچه واقعاً درباره آن صحبت می‌کنیم، تولید محتوا است؛ کاری که می‌دانیم هوش مصنوعی در انجام آن مهارت فوق‌العاده‌ای دارد.

ابزارهای هوش مصنوعی مولد می‌توانند به سازمان‌ها کمک کنند تا ارتباطات و بینش‌های ناشناخته پیشین را از منابعی مانند مکالمات تلفنی، ایمیل‌ها، چت‌ها و سیستم‌های مدیریت ارتباط با مشتری استخراج کنند. بر اساس این داده‌ها، هوش مصنوعی مولد می‌تواند به‌دقت تعیین کند که چه دانشی باید به هر فرد مشخص ارائه شود.

برای درک بهتر این مفهوم در عمل، چنین سناریویی را تصور کنید: هر روز، هر کارمند با خلاصه‌ای ویژه و شخصی‌سازی‌شده از اخبار، رویدادها و وظایف مهمی که باید مشاهده کند، روبه‌رو می‌شود؛ خلاصه‌ای که توسط هوش مصنوعی مولد تهیه شده است. این رویکرد شخصی‌سازی‌شده تضمین می‌کند که هر کارمند به دانشی که نیاز دارد دسترسی پیدا کند، بدون اینکه با اطلاعات غیرمرتبط و اضافی خسته شود.

علاوه‌براین، توانایی‌های هوش مصنوعی مولد تنها به کاربرد دانش در یک سازمان محدود نمی‌شود. به‌طور نظری، این ابزارها می‌توانند بهترین شیوه‌ها را از میان چندین کسب‌وکار شناسایی کنند. این یعنی کارمندان می‌توانند از الگوهای تولیدشده توسط هوش مصنوعی استفاده کنند؛ الگوهایی که نه‌تنها توسط همکاران خود، بلکه توسط همتایان‌شان در دیگر سازمان‌ها آزمایش و تأیید شده‌اند.

ذخیره‌سازی دانش

بیشتر سازمان‌ها در حال حاضر حجم عظیمی از دانش را ذخیره کرده‌اند. اما هرچه میزان دانش ذخیره‌شده بیشتر باشد، سازمان‌دهی، طبقه‌بندی، ذخیره‌سازی و بازیابی صحیح آن دشوارتر می‌شود.

ابزارهای هوش مصنوعی مولد می‌توانند به سازمان‌ها کمک کنند تا دانش را از مجموعه داده‌های بزرگ استخراج کرده و برای استفاده‌های آینده ثبت کنند. برای مثال، کارکنان می‌توانند از هوش مصنوعی مولد برای جستجو، سازمان‌دهی و خلاصه‌سازی نمونه‌های مشابه یک مسئله در صدها سند استفاده کرده و این اطلاعات را به بینش‌های قابل‌اجرا تبدیل کنند.

علاوه‌براین، هوش مصنوعی مولد قادر است از جریان‌های دانش و ارتباطات موجود در یک سازمان برای یادگیری تدریجی استفاده کند و تشخیص دهد که چه اسناد و پیام‌هایی را به کاربران ارائه دهد. نمونه‌ای ساده از این قابلیت، الگوریتم جیمیل گوگل است که به‌طور خودکار گیرندگان ایمیل را بر اساس گروه‌های اجتماعی ضمنی شناسایی‌شده پیشنهاد می‌کند.

همچنین، هوش مصنوعی مولد می‌تواند فرایند بازیابی دانش را با امکان‌پذیر کردن تعامل مستقیم کارکنان با دانش سازمان بهبود بخشد. ابزارهای پردازش زبان طبیعی که به‌طور خاص برای سازمان‌ها طراحی‌شده‌اند (مشابه نسخه داخلی چت جی‌پی‌تی) به کارکنان این امکان را می‌دهند که پاسخ‌های دقیق و مستقیم دریافت کنند، به‌جای اینکه به موتورهای جستجویی متکی باشند که ممکن است نتایج نامرتبط ارائه دهند. این روش نه‌تنها اطلاعات درست را برای موقعیت‌های خاص در اختیار کارکنان دانشی قرار می‌دهد، بلکه فرایند را نیز به شکلی ساده و کاربرپسند ارائه می‌کند.

اشتراک دانش

در سازمان‌ها، به‌ویژه در سازمان‌های بزرگ یا پراکنده، موانع زیادی برای به اشتراک‌گذاری دانش وجود دارد. کارکنان ممکن است بتوانند به‌صورت مؤثری با همکاران نزدیک خود یا کسانی که در یک فضای فیزیکی مشترک کار می‌کنند، دانش خود را به اشتراک بگذارند؛ اما اشتراک دانش در میان بخش‌ها، مکان‌ها یا حتی مناطق زمانی مختلف چالش‌برانگیزتر می‌شود.

هوش مصنوعی مولد می‌تواند به از بین بردن این موانع کمک کند. در وهله اول، هوش مصنوعی می‌تواند افرادی را که در مکان‌های مختلف روی مسائل مشابه کار می‌کنند، به یکدیگر مرتبط کند. بدون این فناوری، همکارانی که از نظر جغرافیایی جدا هستند ممکن است حتی متوجه نشوند که با چالش‌های مشابهی مواجه‌اند. همچنین، هوش مصنوعی مولد می‌تواند برای ایجاد سیستم‌های دانش یکپارچه‌تر استفاده شود و به مدیران کمک کند تا درک بهتری از دانش موجود در سازمان‌های خود و همچنین شکاف‌های دانش داشته باشند.

هوش مصنوعی به تنهایی نمی‌تواند مشکلات مدیریت دانش را حل کند

همان‌طور که استفاده از ابزارهایی مانند Slack یا Microsoft Teams به‌تنهایی چالش‌های ارتباطات داخلی سازمان‌ها را حل نمی‌کند، هوش مصنوعی نیز به‌تنهایی برای تحول در شیوه‌های مدیریت دانش کافی نیست. سازمان‌هایی که به تحول جدی فکر می‌کنند باید استراتژی‌ها و فرآیندهایی برای استفاده مؤثر از این ابزارها توسعه دهند. ابزارهای ارتباطی زمانی مفید خواهند بود که کارکنان نحوه استفاده از آن‌ها را بدانند و هوش مصنوعی زمانی کارایی دارد که رهبران سازمان درک و فهم لازم را در سطح سازمان ایجاد کنند.

 

مهم‌تر از همه، رهبران باید به کارکنان خود نشان دهند که مدیریت دانش یک اولویت کلیدی است—چه با هوش مصنوعی و چه بدون آن.

 

برچسب ها :

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

یازده − سه =