پولدارها پولدارتر می‌شوند و بقیه برای رسیدن به آن‌ها تلاش می‌کنند. این موضوع در مورد تفاوت دسترسی به تکنولوژی میان شرکت‌هایی که منابع زیادی در هوش مصنوعی، اطلاعات، اتوماسیون، و سیستم‌های پیشرفته دارند نیز صادق است. اما در مورد شرکت‌هایی که برای عقب نماندن تلاش می‌کنند، شاید مشکل اصلی نابرابری با رقبایشان نباشد. بلکه مشکل آن‌ها عدم توزیع یکسان تکنولوژی در خود سازمان است که باعث افزایش نابرابری در دستیابی افراد به ابزارهای اتوماسیون و نوآوری‌های هوش مصنوعی می‌شود که مانع رقابت است.
در اینجا سه مورد از عدم توزیع یکسان متداول در درون سازمان‌ها مطرح شده و راهکار‌هایی برای اصلاح آن‌ها ارائه می‌شود.
دسترسی نابرابر به اطلاعات
ما در تحقیقات و کارمان به دفعات دیده‌ایم که انسان‌ها و سیستم‌ها دسترسی نابرابری به اطلاعات دارند. برای مثال، دوسوم شرکت‌ها به ترکیبی نامطلوب از سیستم‌های ابری و درون‌سازمانی متکی هستند. این سیستم‌های وسیع و جسته‌گریخته نمی‌توانند از پس اهداف کاری بربیایند زیرا اطلاعات موجود در آن‌ها، پراکنده‌اند. مثلا، یک آژانس نظارتی دولتی بالغ بر 10،000 مرکز اطلاعاتی درون‌سازمانی جداگانه داشت؛ و کارمندان بخش‌های اداری، عملیاتی، سیاست‌گذاری و تحلیل‌های علمی، دسترسی نابرابری به اطلاعات داشته و امکان دستیابی آن‌ها به این اطلاعات برای انجام کارهایشان محدود بود.
شرکت‌های دیگر، این دسترسی نابرابر به اطلاعات را مانعی برای ایجاد فرهنگ تصمیم‌گیری مبتنی بر اطلاعات می‌دانند. این امر به مقادیر فراوانی از «بی‌سوادی اطلاعاتی» در سازمان‌ها منجر می‌شود. مثلا زمانی‌که یک شرکت انرژی اروپایی قصد ایجاد یک سیستم درون‌سازمانی (قابلیت دسترسی به اطلاعات مبتنی بر هوش مصنوعی) را داشت؛ متوجه شدند که ابتدا باید در کل شرکت آموزش‌های گسترده‌ای ارائه دهند تا همه بخش‌ها درک درستی از این ویژگی داشته باشند.
شرکت‌های پیشرو، فضایی از خدمات و سیستم‌ها ایجاد می‌کنند که با قابلیت‌های کاری مطابقت دارند. اطلاعات، به جای آنکه محدود شوند و تنها از طریق پردازش عمده در دسترس باشند، به صورت لحظه‌ای در درون سیستم منتقل می‌شوند تا تصمیم‌گیری‌های کاری مبتنی بر اطلاعات را ممکن سازند. تکنولوژی ابر اطلاعات، به جای آنکه در جای جای سیستم به کار گرفته شود، جایگزین زیرساخت‌های قدیمی و پرهزینه می‌شود و زیرساختی انعطاف‌پذیر و قابل ارتقا ارائه می‌دهد که سرعت و سودمندی بالایی دارد و مناسب نوآوری است.
یک شرکت تولید اسباب‌بازی بین‌المللی را در نظر بگیرید که سرعت تغییر حوزه فعالیتی آن، بیشتر از هر حوزه دیگری است و رقیبانی دارد که نه تنها اسباب‌بازی تولید می‌کنند، بلکه ارائه‌دهنده ابزار سرگرمی دیجیتال نیز هستند. این شرکت، برای همگام بودن با رقبا، قصد داشت هر بخشی را، از طراحی گرفته تا تولید و توزیع، قادر سازد که عملکردی سریع و هماهنگ با یکدیگر داشته باشند. در عین حال این شرکت قصد کنترل هزینه‌ها را نیز داشت. به همین جهت، به جای استفاده از ابزارهای مختلف مدیریت اطلاعات، دسترسی به اطلاعات را از طریق سیستمی عمومی ساخت که یادگیری ماشین را با فضای ابری ادغام می‌کرد تا بر تصمیم‌گیری‌های کاری تاثیر بگذارد. این شرکت با ارائه تحلیل‌های «خودمحور» به کاربرانی که دیگر به کمک متخصص نیازی نداشتند، زمان لازم برای انجام تحلیل‌های کلیدی را به نصف رساند. و اتوماتیک‌سازی پردازش کیفیت داده، میزان پشتیبانی از کیفیت داده را تا 80 درصد کاهش داد. حالا کارمندان شرکت می‌توانند با اطمینان از این سیستم برای تصمیم‌گیری‌های مالی، طراحی و رشدی بهتر استفاده کنند.
قدرت نابرابر برای سرمایه‌گذاری در تکنولوژی
در اغلب سازمان‌ها، تیم‌هایی هستند که قدرت سرمایه‌گذاری در تکنولوژی را برای پیش‌بردن اهداف کاری خود دارند؛ در صورتی که دیگران این امکان را ندارند و در نتیجه احساس بی‌نصیبی می‌کنند. برای مثال، تیم‌های بخش آی‌تی اغلب بر تداوم عملکرد تمرکز دارند تا یافتن راه‌حل‌های نوآورانه برای مشکلات کاری. در این میان، بیش از 60 درصد سرمایه‌گذاری در بخش فناوری اطلاعات از خارج از بخش آی‌تی، مثلا بازاریابی یا عملیات‌ها، سرچشمه می‌گیرند. این «سیستم‌های سایه» در رادار عملکردهای آی‌تی پدیدار نمی‌شوند و این امر به اولویت‌های نامطابق میان قابلیت‌های کاری و تکنولوژی متمایز، منجر می‌شود.
تیم‌های آی‌تی برای مواجهه با این سیستم‌های سایه آموزش ندیده‌اند و با تشدید مشکلات، این موضوع مانع از توانایی آن‌ها در پشتیبانی یا ارتقا این سیستم‌ها می‌شود. طبق گزارش یکی از شرکت‌ها، این عدم ارتباط باعث ایجاد احساس بی‌نصیبی در اعضا تیم آی‌تی می‌شود. همچنین، یک تیم تحلیل داده که گزارش‌هایی را برای بخش عملکرد استراتژی یک شرکت آماده می‌کرد، در ارائه نگرش‌های استراتژیک تا حد زیادی احساس ناتوانی داشت؛ زیرا بخش‌های دیگر شرکت به طور مداوم از آن‌ها می‌خواستند تا امور تحلیلی جزئی برایشان انجام دهند. در نتیجه، اعضا این تیم دچار احساس ناتوانی و مشغله زیاد شده بودند.
در یک سازمان هماهنگ، سیستم‌ها مطابق قابلیت‌های کاری هستند و سرمایه‌گذاری در فناوری اطلاعات، همه بهره‌وران را متحد می‌کند؛ به جای آنکه سیستم‌های سایه به وجود بیایند و برای برخی از گروه‌ها کاربردی نداشته باشند. برای مثال، یک سیستم بیمارستانی آمریکایی متوجه شد که تیم‌های اداری مختلف – به جز پزشکان – ابزارهای تحلیلی شخصی‌سازی‌شده خودشان را برای شاخص‌های عملکرد اصلی خدمات درمانی، ایجاد می‌کردند. مثلا برای محاسبه هزینه جراحی زانو، هر کدام از این ابزارهای شخصی‌سازی‌شده، به مجموعه داده‌های مختلفی استناد می‌کردند. در نتیجه، پزشکان هیچ دید گسترده‌ای از بهترین عملکردهای سیستم بیمارستان نداشتند و با این وجود از آن‌ها انتظار می‌رفت که به افزایش کیفیت و کاهش هزینه درمان کمک کنند. این موضوع باعث شد که پزشکان نسبت به فراگیری و هدفمندی همه الگوهای تحلیلی دچار تردید شوند.
برای حل این مسئله، سیستم بیمارستان همه اطلاعات را در یک ابزار دارای فضا ابری ادغام کرد و از یک پزشک خواست که بر آن نظارت کند. این سیستم دیدگاهی هدفمند درباره هرکدام از بیماران آن منطقه و بیمارستان‌ها به پزشکان، تحلیل‌گران عملکرد و مدیران ارائه می‌داد. سیستم بیمارستان، با هماهنگی همه بهره‌وران درباره شاخص‌های عملکرد اصلی و بهترین عملکردها، هزینه‌های بیمارستان و درمان بیماران را کاهش داد. مثلا هزینه جراحی زانو بیماران تا 300 دلار کاهش یافت. به طور کلی، این سیستم تنها در سال اول هزینه درمان را تا 20 میلیون دلار کاهش داد.
دسترسی نابرابر به اتوماسیون و هوش مصنوعی
ما در بسیاری از شرکت‌ها تفاوت روبه‌رشدی را میان تیم‌هایی که برای اتوماسیون و ابزارهای هوش مصنوعی آماده‌اند، و تیم‌هایی که این آمادگی را ندارند، می‌بینیم. گروه دوم برای توسعه بهره‌وری و پیشرفت مهارت‌های استفاده از هوش مصنوعی، خودشان تحت شرایطی دشوار می‌دانند. مثلا در یک شرکت حمل‌ونقل، دو تیم مختلف خدمات مشابهی را ارائه می‌دادند. تیم الف می‌توانست تنها یک پروژه را به صورت اتوماتیک انجام دهد؛ در حالی که تیم ب قادر بود بیش از 30 پروژه را به صورت اتوماتیک به انجام برساند. این موضوع به دوره تحویل و نتایج متفاوتی منجر شد.
تفاوت‌های میان برنامه‌نویسان نرم‌افزار را در نظر بگیرید. شاید برخی از آن‌ها 60 درصد از روز خود را صرف انجام کار‌هایی کنند که می‌توان به صورت اتوماتیک انجام داد. برنامه‌نویسانی که برای انجام این امور از ابزارهای هوش مصنوعی بهره می‌برند، سرعت عملکرد بالاتری دارند. همچنین آن‌ها متخصص کار با هوش مصنوعی می‌شوند و کمتر مستعد اشتباه خواهند بود. این تفاوت، با افزایش انتظارات مشتری و سرعت تغییر، اهمیت می‌یابد. بازار امروز، دوره‌های تحویل کند توسط مهندسان را تحمل نمی‌کند. این بازار خواستار مهندسی مدرن با دوره‌های «بساز، اندازه بگیر و یاد بگیر» سریعی است که مهندسان بدون دسترسی به اتوماسیون نمی‌توانند از پس آن بربیایند.
تنها گسترش زیاد اتوماسیون این مشکل را کاملا حل نمی‌کند. یک رویکرد اصولی گسترده نیاز است. برای مثال، در سال 2016 یک شرکت نرم‌افزاری به دوراهی رسید. عملکرد آی‌تی آن از بخش‌های مختلف سازمان تشکیل شده بود. صاحبان شرکت انتظارات مشترک و آگاهی کمی از بخش آی‌تی داشتند. این شرکت با وجود سیستم‌هایی مملو از کد‌های سال‌های قبل، 80 درصد بودجه بخش آی‌تی خود را صرف مرتب کردن گذشته و تنها 20 آن را صرف نوآوری برای آینده می‌کرد.
این شرکت به جای اتوماسیون‌سازی عملکردهای بیشتر، از یک بازآفرینی کلی با هدف پیشی گرفتن از سرعت و نوآوری رقبایش استفاده کرد. آن‌ها یک الگوی مهندسی مدرن را به کار گرفتند که طبق آن متخصصان کسب‌و‌کار و مهندسان فول استک با مهارت‌های پیشرفتی زیرکانه، در کنار هم کار می‌کردند. آن‌ها 100 درصد از داده‌های آی‌تی خود را به فضای ابری انتقال دادند و به این صورت توانستند ابزارهای اتوماسیون را به صورت مجازی در دسترس همه و هر گروهی که می‌تواند از آن‌ها بهره ببرد، قرار دهند.
مهم‌تر از همه اینکه، این امور با بودجه خود آن بخش انجام شد، نه با سرمایه‌گذاری اضافه. این شرکت هم مثل اغلب سازمان‌ها، بیشتر بودجه بخش آی‌تی خود را صرف تدوام عملکردها می‌کرد. بازآفرینی مذکور این فرآیند را تغییر داده و همچنین باعث تغییر جهت سرمایه‌گذاری در بخش آی‌تی شد؛ یعنی باعث شد آن سرمایه برای نوآوری در اختیار همه افراد قرار بگیرد – نه فقط عده اندکی. امروز این شرکت تنها 40 درصد از بودجه بخش آی‌تی را صرف هزینه‌های ثابت آی‌تی کرده و 60 درصد باقی‌مانده را صرف نوآوری می‌کند. و همچنین زمان لازم برای ارائه قابلیت‌های جدید به بازار نیز تا 83 درصد کاهش یافته است. علاوه بر این، با به‌وجود آمدن شرایط کووید 19، این شرکت برای مدیریت بحران در موقعیت خوبی قرار داشت و حتی قوی‌تر از پیش نیز ظاهر شد.
تعادل را دوباره ایجاد کنید
دسترسی نابرابر به داده‌ها، به سرمایه‌گذاری در تکنولوژی و به ابزارهای اتوماسیون ممکن است تاثیری مخرب بر عملکردها و رضایت شغلی داشته باشد. اما شرکت‌ها می‌توانند با اولویت‌بندی حوزه‌های نیازمند تغییر اساسی – مثلا بخش توسعه و تحقیق در علوم زیستی یا بخش مدیریت ارتباط با مشتری در تولید کالاها مصرفی – این تفاوت‌ها را از بین ببرند. گام اولیه در این جهت، توجه به عمق و وسعت سیستم‌های اطلاعاتی فعلی درون سازمان است. شرکت‌ها همچنین باید اطمینان یابند که سیستم‌های آن‌ها با قابلیت‌های کاری مطابقت دارند و سرمایه‌گذاری‌ها باعث متحدشدن همه بهره‌وران سازمان می‌شود. علاوه بر این تغییرات سازمانی، بخش‌های مختلف نیز می‌توانند تیم‌هایی چند‌جانبه شامل مهندسان و متخصصان کسب‌و‌کار تشکیل دهند تا از مهارت‌های پیشرفتی زیرکانه جهت ممانعت از کناره‌گیری مهندسان آی‌تی از وظایف مهم کاری، استفاده کنند. هرچه زودتر شرکت‌ها این تفاوت‌های داخلی را حل کنند، سریع‌تر می‌توانند بر تفاوت‌های خارجی با رقبایشان غلبه کنند.
