یک مطالعه تحقیقاتی نشان میدهد که 86٪ از کارکنان در نقشهای رهبری، شکستهای محل کار را به فقدان همکاری نسبت میدهند. این گزارش همچنین نشان داد که از هر دو کارمند، یک نفر معتقد است که شغل آنها به همکاری متکی است. ازآنجاییکه سازمانها برای رقابت و جلوتر ماندن از دیجیتالی شدن استقبال میکنند، زمان خوبی است تا راههای مختلفی را که میتوانند همکاری تیمی را بهبود بخشند، بررسی کنیم.
مدیریت دانش نقش کلیدی در امکان همکاری بهتر تیم ایفا میکند. این مفهوم کمک میکند تا اطلاعات را بهگونهای متمرکز کنید که بتوان بر اساس نیازهای سازمانی استخراج و تغییر کاربری داد – چه با پشتیبانی مشتری، مدیریت منابع انسانی یا فروش. و با هوش مصنوعی (AI)، اکنون امکان خودکارسازی بسیاری از این فرآیندهای مدیریت دانش وجود دارد.
این مقاله به بررسی نقش هوش مصنوعی (AI) در مدیریت دانش و چگونگی کمک به سازمانها در افزایش بهرهوری میپردازد. قبل از شروع، اجازه دهید با هر دو مفهوم آشنا شویم.
مدیریت دانش
مدیریت دانش یک فرآیند کلیدی است که شامل خلق، تلفیق و به اشتراکگذاری دانش ارزشمند شرکت برای بهبود همکاری و کارایی داخلی است.ایده این است که اطلاعات صحیح را در قالب صحیح در زمان مناسب و بدون دردسر به ذینفعان مربوط ارائه دهیم.
درک هوش مصنوعی
اصطلاح هوش مصنوعی (AI) توسط جان مک کارتی، استاد کالج دارتموث در سال 1956 ابداع شد. از آن زمان، هوش مصنوعی از تعاریف بسیاری تغییریافته است و در درجه اول آن را بهعنوان فناوری مرتبط میکند که ماشینها را قادر میسازد از دادهها و مفاهیم برای حل مشکلات مانند انسانها استفاده کنند. به عبارت ساده، هوش مصنوعی فناوری است که با پردازش حجم زیادی از دادهها در عرض چند ثانیه، ماشینها را مانند انسانها فکر میکند.
کاوش در مدیریت دانش هوش مصنوعی
مدیریت دانش هوش مصنوعی ادغام هوش مصنوعی و فناوریهای مرتبط با فرآیندهای مدیریت دانش برای ارتقای تصمیمگیری آگاهانه و افزایش بهرهوری است. سازمانها در سرتاسر جهان نیاز به تلاقی هوش مصنوعی و مدیریت دانش را درک کردهاند تا اطمینان حاصل کنند که کارکنان خود بدون موانع به اطلاعات مهم دسترسی دارند. مدیریت دانش هوش مصنوعی نقشی کلیدی در باز کردن درهای فرآیندهای دانش کارآمد و بهبود همکاری داخلی دارد.
مدیریت دانش مبتنی بر هوش مصنوعی چگونه میتواند به سازمانها کمک کند؟
بیش از 40 درصد از پاسخدهندگان در آخرین نظرسنجی جهانی مک کینزی گفتند که به دلیل گامهای عظیمی که هوش مصنوعی مولد در چند سال گذشته برداشته است، سرمایهگذاری در هوش مصنوعی را افزایش خواهند داد. درحالیکه بیشتر سازمانها شروع به استفاده از مزایای هوش مصنوعی برای ایجاد تغییرات معنیدار کردهاند، بسیاری از شرکتها هنوز پتانسیل هوش مصنوعی را در مدیریت دانش کشف نکردهاند. بنابراین، هوش مصنوعی چگونه میتواند به سازمانها در بهبود مدیریت دانش کمک کند؟ در ادامه به این موضوع میپردازیم؟
برای مطالعهی مقالات تخصصی مدیریت دانش به پایگاه دانش مراجعه فرمایید.
1. بهروز نگهداشتن محتوا
اطمینان از بهروز بودن محتوای سازمانی یکی از بزرگترین چالشها در مدیریت دانش است. اسناد و دادههای قدیمی میتواند منجر به تصمیمگیری ضعیف شود و منجر به اشتباهات پرهزینه شود و درنتیجه مانع از بهرهوری شود و نتیجه را تحت تأثیر قرار دهد. اینجاست که هوش مصنوعی میتواند با کمک به سازمانها برای ردیابی تغییرات و پیشرفتهای جدید مرتبط با یک موضوع خاص، مشکل را حل کند.
ابزارهای مبتنی بر هوش مصنوعی میتوانند اعماق اینترنت را برای بهروزرسانی سیستمهای مدیریت دانش خود بهروز کنند. برای مثال، آنها میتوانند پستهای وبلاگ جدید را مطالعه کنند تا ویژگیهای محصول جدید را برای بهروزرسانی سند ورود به محصول درک کنند. آنها همچنین میتوانند اطلاعات چنین اسنادی را به رونوشتهایی تبدیل کنند که میتوانند در نرمافزار مرکز تماس آپلود شوند تا تیمهای پشتیبانی از آن استفاده کنند.
علاوهبراین، ظهور رباتهای گفتگوی مبتنی بر هوش مصنوعی میتواند به تیمهای پشتیبانی کمک کند تا با تجزیهوتحلیل دادهها در سیستمهای مدیریت دانش موجود یا بهروز شده، به سؤالات متداول (FAQ) پاسخ دهند.
2. جمعآوری و سازماندهی دادهها از منابع مختلف
یکی دیگر از موانع قابلتوجه در مدیریت دانش، پیوند یا اتصال و سازماندهی دادههای جمعآوریشده از چندین منبع است. سازمانها معمولاً دادهها را از چندین منبع جمعآوری میکنند. ازجمله وبسایت، کانالهای رسانههای اجتماعی، صفحات وب و غیره. بااینحال، سازماندهی این دادهها میتواند چالشبرانگیز و زمانبر باشد. بنابراین اینجاست که هوش مصنوعی میتواند ارزشافزوده زیادی به همراه داشته باشد.
ابزارهای پردازش زبان طبیعی (NLP) که سیستمهای هوش مصنوعی را تقویت میکنند، برای درک ساختارهای پیچیده زبان آموزش دادهشدهاند تا آن را بهگونهای تفسیر کنند که ماشینها بتوانند آن را بفهمند. سپس میتوان این اطلاعات را به الگوریتمهای یادگیری ماشینی (ML) وارد کرد که برای تفکیک دادهها بر اساس پارامترهای مختلف مانند رفتار مصرفکننده و قصد آموزش داده میشوند. این امر اتصال و ارائه دادههای دقیق به کاربران را آسان میکند.
بهعنوانمثال، یک سیستم هوش مصنوعی میتواند کلمات استفادهشده در مکالمه مشتری را در زمان واقعی مطالعه کند تا زمینه تماس را درک کند و اسناد و قطعنامههای مناسب را بیرون بکشد تا نماینده بتواند آنها را در اختیار مشتری قرار دهد.
علاوهبراین، هوش مصنوعی مولد میتواند ادبیات موجود را مطالعه کند و آنها را برای اهداف خاص به اسناد تبدیل کند. بهعنوانمثال، یک ابزار هوش مصنوعی میتواند به مدیران منابع انسانی کمک کند تا بر اساس اطلاعات موجود در کتابچه راهنمای شرکت، یک طبقه فرهنگی آماده کنند. یا، این ابزار میتواند عرشههای فروش مختلف را ادغام کند و از آنها برای ایجاد دارایی برای تیم فروش LMS استفاده کند.
3. به حداقل رساندن هزینههای پشتیبانی
یکی از مزایای چشمگیر هوش مصنوعی در مدیریت دانش، تأثیر مستقیم بر هزینههای پشتیبانی است. همانطور که قبلاً ذکر شد، رباتهای گفتگوی مبتنی بر هوش مصنوعی میتوانند پاسخهای فوری برای حل سؤالات و مسائل مشتری ازجمله تنظیم مجدد رمز عبور، اطلاعات محصول و غیره ارائه دهند.
این امر وابستگی به پشتیبانی انسانی را به حداقل میرساند و درنتیجه در هزینههای پرسنل قابلتوجهی صرفهجویی میکند. درواقع، این رباتهای گفتگو از یادگیری ماشینی برای یادگیری از تعاملات مشتری استفاده میکنند و پاسخهای مناسبی را به سؤالات مشتری ارائه میدهند.آنها میتوانند تیمهای پشتیبانی را با اطلاعات و اسکریپتهای مفید در عرض چند ثانیه برای مقابله با مسائل پیچیده توانمند کنند و آنها را سازندهتر کنند.
4. جستجوی اطلاعات بهتر
فناوری موتورهای جستجو در چند دهه گذشته بهسرعت پیشرفت کرده است و کاربران را قادر میسازد اطلاعات مفید و مرتبط را در کوتاهترین زمان پیدا کنند. حتی در این صورت، یافتن و استخراج اطلاعات مناسب از مجموعه دادههای بزرگ در سطح سازمانی میتواند چالشبرانگیز باشد.
سازمانها میتوانند از هوش مصنوعی برای بهبود قابلیتهای جستجوی خود استفاده کنند، و این کار را برای ذینفعان داخلی و کاربران آسانتر میکند تا دقیقاً آنچه را که به دنبال آن هستند با دقت بیشتری بیابند. همچنین میتواند به کاربران (داخلی و خارجی) کمک کند حتی اگر محتوای موردنظرشان به زبان دیگری باشد، چیزی را به زبان دلخواه خود جستجو کنند و موانع زبانی را از بین ببرد. کاربران همچنین میتوانند مکالمات کنفرانسهای ویدئویی و جلسات آنلاین را رونویسی کنند تا اطلاعات منتشرشده از طریق این تماسها بتواند بخشی از جستجوی اطلاعات و مدیریت دانش باشد.
علاوهبراین، مدیریت دانش مبتنی بر هوش مصنوعی الگوهای رفتاری کاربر را دنبال میکند تا نتایج جستجوی متناسب را بر اساس دادههای تاریخی و جستجوهای قبلی ارائه دهد. همچنین موارد جستجوی جایگزین را برای اطمینان از دریافت اطلاعات مرتبط و جامع به کاربران پیشنهاد میکند.
5. آموزش کارکنان
فرآیندهای مدیریت دانش مبتنی بر هوش مصنوعی همچنین تضمین میکند که همه کارکنان در یک سازمان در یک صفحه هستند. تزریق هوش مصنوعی در مدیریت دانش یک راه عالی برای آموزش کارکنان جدید، مدیریت مسیرهای یادگیری آنها و توصیه برنامههای توسعه مهارت مرتبط است.
برای مثال، ابزارهای LMS مبتنی بر هوش مصنوعی میتوانند کارمندان را با آزمونهای بازشو و مطالعات موردی مشتقشده از طریق برنامهای تعاملیتر کنند. همچنین میتواند مسیرهای یادگیری شخصیسازیشده را بر اساس عملکرد یادگیرندگان ارائه دهد و راهنماییهای جامعی را برای منابع انسانی در مورد اینکه هر کارمند تازه واردشده در چه چیزی برتر است و چه چیزی فاقد آن است، ارائه دهد.
ایده در اینجا جایگزینی رویکرد آموزشی متداول «یک اندازه مناسب برای همه» با آموزش شخصی برای بهبود تعامل و حفظ کارکنان است. بهاینترتیب، سازمانها میتوانند نیروی کار ماهری ایجاد کنند که با اهداف سازمانی و شخصی آنها همسو باشد.
بهبود مدیریت دانش با هوش مصنوعی
مجموعهای خیرهکننده از ابزارها و برنامههای کاربردی مبتنی بر هوش مصنوعی وجود دارد که جنبههای مختلف مدیریت دانش را در یک سازمان توسعه و بهبود میبخشد. اکنون واضح است که مدیریت دانش نحوه ذخیره، دسترسی و به اشتراکگذاری دادهها را سازمانها تغییر میدهد.
این ابزارهای به سازمانها این امکان را میدهد که دادههای «سرد» و «گرم» را جمعآوری کرده و به اشتراک بگذارند و یک مخزن ایجاد کنند که برای کارکنان مربوطه قابلدسترسی باشد. فید اخبار به افراد اجازه میدهد تا پستهای مربوط به اخبار شرکت و بهروزرسانیهای پروژهها را به اشتراک بگذارند، درحالیکه از کتابخانه برای سرمایهگذاری دانش داخلی (شامل پرسشهای متداول، واژهنامهها، فرآیندها و بهترین شیوهها) و تعریف مخاطبان هدف برای هر دارایی استفاده میشود. علاوهبراین، این ابزارها یک نمودار سازمانی دارد که میتواند به شما کمک کند نقشها و مسئولیتهای افراد را مستند کنید و اگر میخواهید در زمان خود صرفهجویی کنید، حدس بزنید چیست؟ با استفاده از دستیار هوش مصنوعی میتوانید بهطور خودکار برای آن نقشها محتوا تولید کنید.
جمعبندی
به جرئت میتوان گفت که هوش مصنوعی روشی را که امروزه فرآیندهای مدیریت دانش انجام میشود تغییر خواهد داد. تلاقی مدیریت دانش و هوش مصنوعی به اشتراکگذاری دادهها، جستجوی اطلاعات، همکاری متقابل و سایر جنبههای توسعه نیروی کار را تغییر میدهد. درحالیکه انتظار میرود پذیرش هوش مصنوعی برای مدیریت دانش موردتوجه قرار گیرد، سازمانها باید بااحتیاط قدم بردارند و نگرانیهای مربوط به حریم خصوصی دادهها و الگوریتمهای هوش مصنوعی مغرضانه را برطرف کنند. آینده مدیریت دانش اینجاست و زمان آن است که سازمانها از مزایای هوش مصنوعی برای بهبود بهرهوری، افزایش کارایی و ایجاد فرهنگ مشارکتی استفاده کنند.
منبع:
https://blog.talkspirit.com/en/5-interesting-ways-ai-can-transform-knowledge-management-processes/
