در سال ۲۰۱۴، یک شرکت سرمایهگذاری خطرپذیر (VC) در هنگکنگ به نام «Deep Knowledge Ventures» به طور رسمی یک الگوریتم را به عضویت هیئت مدیره خود درآورد و به آن حق رأی در تصمیمگیریهای سرمایهگذاری داد.
در آن زمان، این انتصاب بیشتر یک حرکت تبلیغاتی به نظر میرسید.
آن الگوریتم صرفاً دادههای کمی را بر اساس پارامترهایی که انسانها انتخاب کرده بودند، تجزیه و تحلیل میکرد تا یک توصیه اولیه ارائه دهد که اعضای هیئت مدیره بتوانند درباره آن بحث کنند.
این کار مفید بود، چون سریعتر از یک تحلیلگر داده انسانی عمل میکرد، اما کمتر کسی باور داشت که اعضای هیئت مدیره مجازی به این زودیها فراگیر شوند.
یک دهه سریع جلو میآییم. شاید فکر کنید که پیشرفتهای چشمگیر در یادگیری ماشین (Machine Learning)، ذهنیتها را در مورد ارزش هوش مصنوعی در اتاق هیئت مدیره تغییر داده است.
اما تا حد زیادی، این اتفاق نیفتاده. در یک تحقیق جامع که بین ژوئن تا سپتامبر ۲۰۲۴ انجام شد، چندین گروه کانونی (focus group) با بیش از ۵۰ رئیس هیئت مدیره، نایب رئیس و رؤسای کمیتهها از شرکتهای دولتی و خصوصی در اروپا، آسیا و آمریکای شمالی (شامل شرکتهایی مانند نستله، شل و لازارد) برگزار شد.
وقتی از شرکتکنندگان خواسته شد تا اهمیت موضوعات مختلفی را که توجه آنها را به خود جلب کرده بود رتبهبندی کنند، آنها هوش مصنوعی را در رده نسبتاً پایینی قرار دادند؛ بسیار پایینتر از مسائلی مانند زمینه جهانی (Global Context) و تعامل با مدیرعامل یا سهامداران عمده.
بیشتر افراد گزارش دادند که گهگاه از هوش مصنوعی برای نیازهای شخصی استفاده میکنند، اما هرگز یا به ندرت از آن برای انجام وظایف حرفهای خود (در نقش اعضای هیئت مدیره) بهره میبرند.
به قول یکی از رؤسای هیئت مدیره: «هرگز به ذهنم خطور نکرده که برای آماده شدن برای جلسه هیئت مدیره از هوش مصنوعی استفاده کنم.»
اما با توجه به تحولات اخیر در فناوریهای هوش مصنوعی، و با تبدیل شدن «انسانهای مجازی» به رابطهای تجاری رایج، ایده یک ربات هوش مصنوعی که در بحثهای هیئت مدیره شرکت کند، دیگر یک شوخی یا تبلیغات به نظر نمیرسد.
و در حالی که اکثر شرکتکنندگان در آن گروههای کانونی نسبت به استفاده از هوش مصنوعی برای کار هیئت مدیره خود تردید داشتند، تعداد قابل توجهی هم تجربیات مثبتی از استفاده از آن به اشتراک گذاشتند.
به عنوان مثال، یکی از آنها به طور سیستماتیک از یک مدل زبان بزرگ (LLM) برای یافتن اطلاعات اضافی در مورد شرکت، رقبا و موارد موجود در دستور جلسه هیئت مدیره خود استفاده میکند.
شخص دیگری موارد بحث هیئت مدیره را با کمک هوش مصنوعی چارچوببندی میکند، و نفر سوم در طول جلسات هیئت مدیره از ChatGPT برای آزمایش فرضیهها و ایجاد جایگزینهایی برای پیشنهادات ارائه شده توسط مدیریت استفاده میکند.
در این مقاله، قصد دارم نشان دهم که چگونه اعضای هیئت مدیره میتوانند از هوش مصنوعی برای بهبود توانایی خود در شناسایی و مدیریت فرصتها و ریسکهای استراتژیک استفاده کنند.
سپس به برخی از ریسکهای رایج مرتبط با هوش مصنوعی نگاهی میاندازیم و نحوه کاهش آنها را بررسی میکنیم.
در نهایت، یک فرآیند یادگیری تطبیقی مبتنی بر عمل (learning-by-doing) را برای تبدیل هوش مصنوعی به بخشی جداییناپذیر از مذاکرات در اتاق هیئت مدیره توصیف خواهم کرد.
بهرهبرداری از مزایا
بیشتر رؤسا و مدیران ارشد در آن گروههای کانونی به راحتی ارزش هوش مصنوعی را به عنوان یک ابزار بهرهوری شخصی تأیید کردند؛
مثلاً گفتند که هوش مصنوعی میتواند کارهای روتین مانند زمانبندی و نوشتن صورتجلسات را خودکار کند.
آنها همچنین نقش حیاتی آن را در عملیات شرکت پذیرفتند – از تعامل با مشتریان خردهفروشی گرفته تا راهاندازی خط تولید نورد فولاد.
با این حال، تعداد نسبتاً کمی از آنها پتانسیل هوش مصنوعی را برای کمک به آمادگی بهتر و مشارکت در بحثهای اساسی، آگاهانه و استراتژیک با مدیریت و همکاران هیئت مدیره خود تشخیص دادند.
این یک اشتباه بزرگ است. هوش مصنوعی میتواند به سه روش به کار هیئت مدیرهها کمک کند.
۱. کمک به تکتک اعضای هیئت مدیره
مدیران (اعضای هیئت مدیره) به صورت پارهوقت کار میکنند؛ معمولاً فقط چهار بار در سال جلسه دارند و اغلب در چندین هیئت مدیره عضو هستند.
با این حال، آنها تصمیمات کلیدی برای سازمانهایی که در هیئت مدیره آنها خدمت میکنند، میگیرند.
جای تعجب نیست که یک مطالعه در ۱۷ کشور اروپایی (از ۲۰۱۶ تا ۲۰۲۰) نشان داد که شکاف اطلاعاتی بین مدیران (اعضای هیئت مدیره) و مدیران اجرایی (Executives) یک چالش بزرگ برای هیئت مدیرهها است.
به طور سنتی، رؤسای هیئت مدیره سعی کردهاند این شکاف را با برداشتن گامهایی پر کنند.
آنها جلسات هیئت مدیره را با بازدید از محل (مثلاً کارخانه یا شعب) ترکیب میکنند، ترتیبی میدهند که مدیران با کارمندان ملاقات کنند، و کمیتههای فرعی هیئت مدیره ایجاد میکنند تا بتوانند عمیقاً به موضوعات خاص بپردازند.
علاوه بر این، آنها مدیریت را ملزم به ارائه گزارشهای تکمیلی میکنند و اطمینان حاصل میکنند که اعضای هیئت مدیره تعاملات منظمی با مدیران اجرایی کلیدی، حسابرسان خارجی و مشاوران دارند.
پیش از هر جلسه، یک رئیس هیئت مدیره مسئول، بر ایجاد یک «کتابچه هیئت مدیره» (board book) نظارت میکند که اطلاعات مهمی را که ممکن است به مدیران در بحث در مورد موارد دستور جلسه کمک کند، خلاصه میکند.
با وجود همه این تلاشها، نمیتوان این واقعیت را نادیده گرفت که مدیران غیراجرایی از عملیات جدا هستند و زمان محدودی دارند.
در نتیجه، آنها برای جذب حجم زیاد اطلاعات موجود، دچار چالش میشوند. هوش مصنوعی میتواند کمک کند.
یک مدل زبان بزرگ (LLM) که به درستی آموزش دیده باشد، مانند ChatGPT، میتواند حجم زیادی از دادهها را تجزیه و تحلیل کند تا الگوها و روندهای مرتبطی را کشف کند که ممکن است از طریق تجزیه و تحلیل دستی که خود مدیران انجام میدهند، آشکار نباشد.
این ابزارها میتوانند به طور مداوم ریسکهای مختلف را رصد کرده و هشدارهای اولیه ارائه دهند و مدیریت ریسک فعالانه را ممکن سازند.
علاوه بر این، میتواند تمام آن اطلاعات را در قالبهای خوانا فشرده کند و زمان و تلاش مورد نیاز برای پردازش آن توسط اعضای هیئت مدیره را کاهش دهد.
برخی از شرکتکنندگان در آن گروههای کانونی قبلاً به این موضوع پی برده بودند. دو سال پیش، «پریسا»، یک مدیر غیراجرایی در پنج هیئت مدیره در دانمارک، شروع به استفاده از ChatGPT کرد تا به او در تجزیه و تحلیل و ساختاربندی ارائههای مدیریت، یافتن معیارها (Benchmarks)، تدوین سؤالات برای اتاق هیئت مدیره و اجرای شبیهسازیها کمک کند.
به گفته پریسا، که ChatGPT را «حریف تمرینی» خود مینامد، سطح آمادگی او برای جلسات و درکش از زمینه سازمانی به طور قابل توجهی بهبود یافته، در حالی که حجم کاری او کاهش یافته است.
(تمام اسامی در این مثالها واقعی نیستند.) «امیر»، رئیس دو هیئت مدیره در سوئیس، قبل از جلسات، کتابچههای هیئت مدیره خود را به ChatGPT میدهد تا سؤالات بحث و گزینههای تصمیمگیری را ایجاد کند و سپس با این ابزار وارد گفتگو میشود تا آنها را بهبود بخشد.
۲. ارائه اطلاعات بهتر به کل هیئت مدیره
بیشتر مدیرانی که من میشناسم، از طرفداران برنامهریزی سناریو (Scenario Planning) هستند.
همانطور که بسیاری از کارشناسان اشاره کردهاند، پایهریزی بحثهای استراتژی بر اساس سناریوهای ممکن و نتایج آینده، اغلب بسیار سازندهتر از پایهریزی آنها بر اساس وضعیت موجود (Status Quo) است.
با این حال، من در تحقیقاتم هیئت مدیرههای کمی را مشاهده کردهام که واقعاً برنامهریزی و تحلیل سناریو را تمرین کنند.
بیشتر رؤسای هیئت مدیره این کوتاهی را با گفتن اینکه این تمرین بیش از حد پیچیده است و منابع هیئت مدیره محدود است، توجیه میکنند.
هوش مصنوعی میتواند این مشکل را برطرف کند، زیرا نسبت به تیمی از کارشناسان انسانی به زمان بسیار کمتری برای شناسایی و ارزیابی تغییرات بالقوه در متغیرهای اساسی و تخمین تأثیر احتمالی آنها بر ارزش شرکت نیاز دارد.
(یک مطالعه اخیر نشان میدهد که LLMها دقیقاً اینگونه عملکرد انسان را در کارهای پیشبینی بهبود میبخشند.) «رضا»، یک رئیس هیئت مدیره از اتریش، این مثال را ارائه داد: وقتی مدیریت سال گذشته پیشنهاد یک خرید (Acquisition) در اروپای شرقی را داد، یکی از اعضای هیئت مدیره از یک LLM خواست تا سه سناریو درباره کشوری که شرکت هدف در آن قرار داشت، تولید کند.
پس از بررسی سناریوها، اعضای هیئت مدیره احساس کردند که این سرمایهگذاری فراتر از آستانه تحمل ریسک (Risk Appetite) آنهاست، بنابراین آن را رد کردند.
با این حال، مهمترین نتیجه این بود که پس از آن جلسه، مدیریت همیشه از پیشنهادات خود با تحلیل سناریو پشتیبانی میکرد.
برنامهریزی و تحلیل سناریو یک قابلیت حیاتی برای شرکتها در یک محیط تجاری همیشه در حال تغییر است.
استراتژیهای تطبیقی (Adaptive Strategies) شامل آزمایشهای زیادی هستند که از طریق آنها شرکتها دادههای جدیدی تولید میکنند که میتواند فرضیههای استراتژیک آنها را تأیید (یا رد) کند.
هوش مصنوعی میتواند به شرکتها در شناسایی آزمایشهای امیدوارکننده و کاهش هزینههای اجرای آنها کمک کند.
به عنوان مثال، فناوریهای پشت «دوقلوهای دیجیتال» (Digital Twins)، شبیهسازیهای قوی از نتایج را هنگام ایجاد تغییرات در متغیرهای یک مدل، امکانپذیر میسازند.
هیئت مدیره یک شرکت فولاد از شبیهسازیهای تولید شده توسط هوش مصنوعی استفاده کرد تا به آن کمک کند بین سرمایهگذاری در یک مرکز تولید موجود یا ساخت یک کارخانه در یک جغرافیای جدید تصمیم بگیرد. (در نهایت گزینه دوم را انتخاب کرد.)
برخی از هیئت مدیرهها از هوش مصنوعی استفاده میکنند تا یک «بررسی واقعیت» (Reality Check) در مورد تصمیمات خود داشته باشند.
یکی از شرکتکنندگان گروه کانونی، «جواد»، رئیس هیئت مدیره یک شرکت خصوصی در فنلاند، توضیح داد که چگونه مدیران این کار را در یک نشست استراتژی (Strategy Retreat) در سال ۲۰۲۴ انجام دادند.
به مدت دو روز، اعضای هیئت مدیره و مدیران ارشد اجرایی در مورد مسیر شرکت در یک بحث نیمهساختاریافته که سناریوهای مختلف را تجزیه و تحلیل میکرد، بحث کردند.
وقتی کارشان تمام شد، مطالب آمادهسازی خود را به ChatGPT دادند و از آن خواستند بهترین گزینه را انتخاب کند.
LLM پاسخهایی مشابه آنچه توسط هیئت مدیره و مدیریت ایجاد شده بود، تولید کرد.
به گفته جواد، این تمرین یک اثر مثبت دوگانه داشت: تأیید اینکه آنها درست عمل کرده بودند و ایجاد اعتبار برای هوش مصنوعی.
او قصد دارد در آینده از ابزارهای هوش مصنوعی به طور گستردهتری استفاده کند.
«کتایون»، یک رئیس هیئت مدیره از هلند، از برنامه هوش مصنوعی Claude 3.7 Sonnet به روشی مشابه استفاده کرد.
او اطلاعاتی از منابع باز (Open Sources) را به آن داد و همان سؤالاتی را که هیئت مدیرهاش در طول یک نشست یک روزه بحث کرده بودند، از آن پرسید.
Claude سه مورد از چهار نتیجهگیری هیئت مدیره را تأیید کرد.
سپس هیئت مدیره زمان بیشتری را صرف بحث در مورد نتیجهگیری چهارم کرد و در نهایت بر تصمیم اولیه خود باقی ماند.
نکته اصلی این است که زمان بسیار کمتری برای شناسایی موضوعاتی که نیاز به بحث بیشتر هیئت مدیره دارند، صرف میشود.
و همانطور که اعضای هیئت مدیره با هوش مصنوعی درگیر میشوند، میتوانند آن را از طریق قابلیتی به نام «یادگیری تقویتی با بازخورد انسانی» (RLHF) بهبود بخشند، که ابزار هوش مصنوعی را قادر میسازد تا به طور مداوم کیفیت خروجی را بهبود بخشد و دانش ضمنی (Tacit Knowledge) را که اطلاعات مکتوب شرکت اغلب از آن غفلت میکند، در خود بگنجاند.
هوش مصنوعی همچنین میتواند فرآیندهای هیئت مدیره را تجزیه و تحلیل کند. هیئت مدیره یک شرکت صنعتی سوئیسی از هوش مصنوعی برای تجزیه و تحلیل پویایی گروهی خود، مدت زمانی که اعضا صحبت میکنند و لحن گفتگو در طول جلسات استفاده میکند.
سپس این ابزار توصیههایی برای بهبود ارائه میدهد. پس از یک جلسه، به هیئت مدیره توصیه کرد: «جلسه را با دادن دو دقیقه وقت به هر مدیر برای به اشتراک گذاشتن انتظارات و نگرانیهای خود شروع کنید»، «زمان اختصاص داده شده به ارائههای مدیریت را ۲۰ درصد کاهش دهید»، «زمان صحبت بیشتری به مدیران X و Y بدهید، زمان صحبت مدیر Z را کاهش دهید»، و «از استفاده از عباراتی مانند “بیخیال” و “این که مشخصه” خودداری کنید.»
۳. پیوستن به هیئت مدیره
گام منطقی بعدی این است که هوش مصنوعی به طور فعال در بحثهای اتاق هیئت مدیره شرکت کند، و این اتفاق در حال رخ دادن است.
در سال ۲۰۲۴، بزرگترین نهاد سهامی عام امارات متحده عربی، IHC، «Aiden Insight»، یک انسان مجازی را به عنوان «ناظر هیئت مدیره» (Board Observer) منصوب کرد.
Aiden Insight حق رأی ندارد، اما مشارکت آن در بحثهای هیئت مدیره IHC در صورتجلسات رسمی ثبت میشود.
Aiden توسط شرکت G42 مستقر در ابوظبی، یک شرکت هوش مصنوعی و محاسبات ابری، ایجاد شده است.
در مارس ۲۰۲۴، G42 ابزار BoardNavigator خود را راهاندازی کرد که دادههای خاص شرکت را با قابلیتهای LLM ترکیب میکند تا برای جلسات هیئت مدیره آماده شود و در آنها شرکت کند.
این ابزار به مکالمات زنده گوش میدهد، نکات کلیدی بحث را شناسایی میکند و بینشها و توصیههایی را ارائه میدهد.
این ابزار میتواند دادههای مرتبط را ارائه دهد، راهحلهای خاصی را پیشنهاد کند و چارچوبهای جدیدی را در لحظه (Real-time) معرفی کند، و در نتیجه گفتگوی بین اعضای هیئت مدیره را غنیتر سازد.
البته Aiden و موارد مشابه آن بینقص نیستند.
فقدان احساسات و آگاهی موقعیتی، مشارکت امثال ChatGPT و سایر برنامهها را بدون یک درخواست صریح (Prompt)، دشوار میسازد.
آنها در دفاع از توصیههایی که تولید میکنند و پاسخ به مخالفتها (Pushback) دچار چالش هستند، که شاید به همین دلیل است که اغلب پیشنهاد میکنند مدیران در مورد مسائل بحثبرانگیز رأیگیری کنند؛ حرکتی که میتواند بحث را خفه کند و باعث درگیری شود (به همین دلیل است که رؤسای هیئت مدیره باتجربه به ندرت از این تاکتیک استفاده میکنند).
این محدودیتها ممکن است ناشی از محافظهای برنامهنویسی باشند که برای جلوگیری از رفتار مخرب تنظیم شدهاند؛
اگر چنین باشد، بعید است که این محدودیتها (از طریق یادگیری) برطرف شوند.
این ما را به سؤال بعدی میرساند: ریسکهای مرتبط با هوش مصنوعی چیست و چگونه میتوان آنها را مدیریت کرد؟
مدیریت ریسکها
همه ما تا حدودی شرطی شدهایم که از هوش مصنوعی بترسیم و در نتیجه، ریسکهای استفاده از آن را بزرگنمایی کنیم.
در حالی که مطمئاً ریسکهایی وجود دارد، اما مدیریت آنها در بیشتر موارد نسبتاً آسان است.
بیایید نگرانیهایی را که اغلب در گروههای کانونی مورد بحث، ذکر شد، مرور کنیم:
نشت اطلاعات. بیشتر شرکتکنندگان، نشت اطلاعات حساس را به عنوان یک ریسک بزرگ در استفاده از هوش مصنوعی شناسایی کردند.
همانطور که یک نایب رئیس توضیح داد: «امروز من کتابچه هیئت مدیرهام را به ChatGPT میدهم و فردا رقبای من خواهند دانست که ما در مورد چه تغییرات استراتژیکی بحث میکنیم.»
رئیس دو هیئت مدیره نیز این ترس را تکرار کرد و خاطرنشان کرد: «هوش مصنوعی برای مؤثر بودن به دادههای زیادی نیاز دارد، بنابراین استفاده از آن مانند باز کردن جلسات هیئت مدیره ما برای عموم است. هیچ راهی وجود ندارد که اجازه دهم این اتفاق بیفتد.»
اما نشت اطلاعات، نتیجه استفاده از هوش مصنوعی نیست.
این یک ریسک مرتبط با نحوه ذخیره و دسترسی به اطلاعات است و مدتها قبل از اینکه ابزارهای هوش مصنوعی به طور گسترده در دسترس قرار گیرند، وجود داشته است.
علاوه بر این، ما در حال حاضر میدانیم که چگونه آن را مدیریت کنیم: شرکتها به طور معمول محافظهای نرمافزاری (Software Guardrails) نصب میکنند و قوانین رویهای برای در دسترس قرار دادن اطلاعات حساس برای افرادی که به آن نیاز دارند، وضع میکنند، در حالی که آن را از دسترس افرادی که نباید به آن دسترسی داشته باشند، ایمن نگه میدارند.
بیشتر شرکتها در حال حاضر به کارمندان خود در زمینه امنیت دادهها آموزش میدهند و به راحتی میتوانند این آموزش را به اعضای هیئت مدیره نیز گسترش دهند.
فروشندگان بزرگ هوش مصنوعی مانند OpenAI، مدلهای زبان بزرگ (LLM) را به عنوان یک سرویس ارائه میدهند و تضمین میکنند که دادههای شرکت برای آموزش مدل پایه استفاده نمیشود.
SAP، غول آلمانی در برنامههای کاربردی سازمانی و هوش مصنوعی تجاری، با استفاده از مدلهای پایه برای ایجاد مدلهای کوچکتر و مقرونبهصرفهتر که منحصراً بر روی دادههای اختصاصی یک مشتری آموزش دیدهاند، یک گام فراتر میرود.
سوگیری نمونه (Sample Bias). یک مشکل جدیتر این است که پیشبینیهای هوش مصنوعی توسط دادههایی که مدل بر اساس آن آموزش دیده، شکل میگیرد.
همانطور که یکی از رؤسای هیئت مدیره گفت: «ما میخواهیم هوش مصنوعی به ما کمک کند تا استقلال خود را از مدیریت افزایش دهیم، اما چگونه میتوانیم به آن دست یابیم اگر آن را بر روی اطلاعاتی آموزش دهیم که منحصراً از سوی مدیریت میآید؟»
بیشتر ما در مورد چتبات نژادپرست مایکروسافت شنیدهایم. پشت ارزش شوکهکننده آن داستان، یک حقیقت مهم نهفته است: ماشینها، سوگیریهای نهفته در دادههای آموزشی را که به آنها داده میشود، منعکس میکنند.
اگر تعداد کمتری از افراد سیاهپوست برای بیماریها درمان شوند، ممکن است دادههای جمعآوریشده در مورد آن بیماریها به اندازه کافی نشان ندهد که چقدر احتمال دارد افراد سیاهپوست از یک بیماری خاص رنج ببرند.
این نوع دادههای جانبدارانه به طور مرتب منجر به نتایج ضعیف در سطح عملیاتی میشود: به عنوان مثال، تشخیص اشتباه بیماری بیماران.
یا در امور مالی، سوگیریهای نمونه میتواند منجر به این شود که بانکها وام به زنان یا اقلیتها را رد کنند.
برای هیئت مدیرهها، سوگیری در نمونهها میتواند منجر به اشتباهات استراتژیک شود.
به عنوان مثال، در یک شرکت صنعتی اروپایی، هیئت مدیره یک استراتژی جامع و پرهزینه بهداشت و ایمنی (H&S) را تصویب کرد که مدیریت پس از انجام نظرسنجیهای سراسری از کارمندان و گروههای کانونی، آن را توسعه داده بود.
طی دو سال بعد، سطح حوادث بهداشتی و ایمنی گزارششده در سراسر عملیات خود شرکت به طور قابل توجهی کاهش یافت.
اما در عملیاتهایی که توسط پیمانکاران آن مدیریت میشد، که در مطالعه اولیه مدیریت گنجانده نشده بودند، سطح حوادث گزارششده افزایش یافت.
شکی نیست که اطلاعات و توصیههای ارائه شده توسط ابزارهای هوش مصنوعی، سوگیریهای نمونه را منعکس میکنند. با این حال، فناوری همچنین محافظهایی را فراهم میکند.
در سطح داده، شرکتها میتوانند ریسکهایی مانند تبعیض نژادی یا جنسیتی را با انجام ممیزیهای منظم داده (Data Audits) و اعمال پروتکلهای تشخیص سوگیری (Bias-Detection) کاهش دهند.
آگاهی کاربر از سوگیری، یک محافظ حتی ارزشمندتر است.
با ابزارهای هوش مصنوعی، کاربران میتوانند امکان پاسخهای جانبدارانه را با وادار کردن هوش مصنوعی به انجام تحلیلهای خاص جنسیتی یا قومی، به شرط وجود نشانگرهای جمعیتی مناسب، بررسی کنند.
لنگر انداختن در گذشته (Anchoring in the past). این یک ریسک ویژه برای هیئت مدیرهها است که وظیفه دارند تصمیماتی بگیرند که میتواند (و مسلماً باید) وضعیت موجود را تغییر دهد.
اتکا به توصیههای هوش مصنوعی که ریشه در دادههای گذشته دارند، ممکن است هیئت مدیره را محکوم به تکرار اشتباهات تاریخ کند.
تا زمانی که دادههای منعکسکننده برخی تغییرات عمده در محیط رقابتی در تحلیل مبتنی بر هوش مصنوعی لحاظ شود، ممکن است برای شرکت خیلی دیر شده باشد که از منحنی جلو بیفتد.
بسیاری از مدیران در سطح هیئت مدیره این خطر را تشخیص میدهند و ترجیح میدهند بیشتر بر وزندهی غریزی دادهها تکیه کنند.
همانطور که مدیرعامل یک شرکت مواد غذایی بلژیکی در آن پژوهش گفت: «من به طور گسترده از هوش مصنوعی برای یادگیری استفاده میکنم، اما هرگز برای یک انتخاب استراتژیک به آن تکیه نمیکنم. استراتژی مربوط به آینده است و هوش مصنوعی هیچ چیز در مورد آینده نمیداند، اگرچه تقریباً همه چیز را در مورد گذشته میداند. اما گذشته، آینده را پیشبینی نمیکند.»
البته حق با او بود، اما چیزی که او نادیده گرفته بود این بود که غرایز خود او نیز بر اساس تجربیات گذشته است، بنابراین آنها نیز در تاریخ لنگر انداختهاند.
اطمینان از اینکه یک ابزار هوش مصنوعی جدیدترین دادهها را در خود جای داده است، میتواند تا حد زیادی به تضعیف این لنگر کمک کند.
همچنین میتوان با انتخاب یک ابزار هوش مصنوعی که توانایی ارائه توضیحات علی (Causal Explanations) را دارد، این لنگر انداختن را کاهش داد.
آخرین نسل از LLMها، به نام مدلهای استدلال (Reasoning Models)، نشاندهنده یک تغییر بزرگ نسبت به LLMهای قبلی هستند؛
پاسخهای آنها به درخواستها از طریق یک زنجیره استدلال علی، در مقابل پیشبینیهای مبتنی بر همبستگی (Correlation-based)، کار میشود.
اگر مدل متغیری را در نظر بگیرد که ارزش آن قدیمی شده یا اهمیت کمتری پیدا کرده است، هیئت مدیره میتواند در مورد وزندهی مجدد یا بهروزرسانی آن متغیر بحث کند.
به عنوان مثال، اگر یک ابزار کاهش برنامههای استقراض را توصیه کند زیرا مدل، افزایش نرخ بهره را فرض میکند، هیئت مدیره ممکن است این توصیه را رد کند اگر یک تحلیل مستقل، کاهش نرخ بهره را پیشبینی کند.
هیئت مدیرهها همچنین میتوانند با درخواست از ابزار هوش مصنوعی برای انجام تحلیلهای سناریو و شبیهسازیها، همانطور که قبلاً بحث شد، آن را به آینده فرافکنی کنند.
پس از شناسایی تغییرات احتمالی در محیط عملیاتی، آنها میتوانند از هوش مصنوعی بخواهند تا نتایج احتمالی را با توجه به تغییرات مشخص در مفروضات اساسی شبیهسازی کند.
میتوان به ابزار دستور داد تا بررسی کند که چقدر احتمال دارد آن مفروضات تغییر کنند و در چه جهتی.
همانطور که این بحث نشان میدهد، اگرچه برخی اقدامات احتیاطی فناورانه وجود دارد که شرکتها میتوانند برای کاهش ریسکهای استفاده از هوش مصنوعی اتخاذ کنند، اما مدیریت ریسک در سطح هیئت مدیره اساساً به معنای تبدیل شدن به یک کاربر هوشمندتر از این ابزار است.
بیایید ببینیم شرکتها و رؤسای هیئت مدیره چگونه میتوانند این امر را محقق کنند.
یادگیری استفاده از هوش مصنوعی
تعداد کمی از اعضای هیئت مدیره در استفاده از هوش مصنوعی آموزش دیدهاند و در نتیجه، بسیاری از مدیران هنگام درگیر شدن با آن ناامید میشوند.
یکی از شرکتکنندگان گروه کانونی گفت: «صادقانه بگویم، من هوش مصنوعی را امتحان کردم، اما به سرعت آن را رها کردم. اطلاعات زیادی به من میداد، اما نمیدانستم چه چیزی درست است یا غلط. و بیشتر آن هم مرتبط نبود.»
دلیل دیگری که اعضای هیئت مدیره در استفاده از هوش مصنوعی تردید میکنند، که اغلب بیان نمیشود، این است که این یک فناوری ناآشنا برای افرادی است که قبل از عصر دیجیتال به سن بلوغ رسیدهاند، همانطور که بسیاری از مدیران فعلی اینگونه هستند.
استفاده از هوش مصنوعی باعث ایجاد اضطراب میشود زیرا یادگیری نحوه انجام خوب آن، شامل اشتباه، ناراحتی و از دست دادن بالقوه کنترل است.
در نهایت، این یک مشکل کوتاهمدت است زیرا با گذشت زمان، مدیران بیشتر و بیشتری «بومیان دیجیتال» (Digital Natives) خواهند بود.
شرکتها همچنین میتوانند کاندیداهای هیئت مدیره را هدف قرار دهند که سواد دیجیتالی دارند و بنابراین احتمالاً میتوانند هوش مصنوعی را در کار هیئت مدیره خود ادغام کنند.
با این حال، در حال حاضر، تقاضای سواد دیجیتال، ریسک محدود کردن استخر استعدادهای (Talent Pool) موجود را به همراه دارد.
برای دهه آینده یا بیشتر، تا زمانی که سطح بالایی از سواد دیجیتال به یک مهارت اساسی تبدیل شود که تقریباً هر متخصصی آن را داراست، مدیران نیاز به آموزش در استفاده از هوش مصنوعی خواهند داشت.
۱. ایجاد تعامل (Engagement)
توصیه من به رؤسای هیئت مدیره این است که با برگزاری گفتگوهای یک به یک با مدیران خود شروع کنند تا سطح سواد و علاقه هر عضو را بسنجند، نگرش و تجربه خود را در مورد هوش مصنوعی به اشتراک بگذارند و در مورد کاربردهای بالقوه برای هیئت مدیره بحث کنند.
آنها میتوانند این گفتگوها را در اتاق هیئت مدیره با یا بدون حضور کارشناسان خارجی هوش مصنوعی انجام دهند.
همچنین، رئیس هیئت مدیره میتواند از مدیری که در حال حاضر از هوش مصنوعی استفاده میکند، بخواهد که این فناوری را برای سایر اعضا ترویج (Champion) کند.
در این مرحله اول، بسیار مهم است که ریسکهای مرتبط با هوش مصنوعی در اتاق هیئت مدیره، چه واقعی و چه خیالی، آشکار شوند و توضیح داده شود که چگونه میتوان آنها را مدیریت کرد.
اگر مدیران تشخیص دهند که ریسکها میتوانند به طور مؤثر کاهش یابند، تمایل بیشتری برای امتحان کردن هوش مصنوعی خواهند داشت.
بر اساس آنچه این گفتگوها نشان میدهد، رؤسای هیئت مدیره باید فرصتهای یادگیری شخصیسازیشده برای کسانی که نیاز به آموزش دارند، ایجاد کنند و آنها را متناسب با سبکهای یادگیری و برنامههای زمانی افراد تنظیم کنند.
این آموزشها احتمالاً باید شامل آموزشهای خصوصی یک به یک با یک مربی باتجربه هوش مصنوعی باشد، که در حالت ایدهآل، فردی در داخل شرکت باشد.
آموزش نباید منحصراً بر استفاده از رابط کاربری (Interface) متمرکز باشد؛
بلکه باید بر این تأکید کند که هوش مصنوعی چقدر میتواند اثربخشی شخصی مدیر به عنوان عضو هیئت مدیره و اثربخشی جمعی هیئت مدیره را بهبود بخشد.
تجربه نشان داده است که با آموزش شخصی مؤثر، ترس و ناامیدی به سرعت جای خود را به اشتیاق برای هوش مصنوعی میدهد.
همانطور که یکی از اعضای هیئت مدیره در آن گروه کانونی مشاهده کرد: «من دو بار با هوش مصنوعی تلاش کردم. اول سعی کردم خودم یاد بگیرم چگونه از آن استفاده کنم و به جایی نرسیدم. با این حال، سه ماه پیش رئیس ما یک کارگاه آموزشی برای همه اعضای هیئت مدیره در مورد استفاده از هوش مصنوعی برگزار کرد. آن کارگاه، روش کار من به عنوان عضو هیئت مدیره را تغییر داد. از آن زمان، ChatGPT شریک جرم من شده است.»
۲. تمرین آزمایش جمعی
در مرحله بعد، رئیس هیئت مدیره باید آزمایش با استفاده از ابزارهای هوش مصنوعی در جلسات را با ایجاد تغییرات آهسته در فرآیندهای هیئت مدیره آغاز کند.
به عنوان مثال، استفاده از یک ابزار هوش مصنوعی که دانش عمومی دارد، پیادهسازی آسانی دارد و به چیزی بیش از اراده اعضای هیئت مدیره نیاز ندارد.
پیشنهاد میشود که برای دو یا سه جلسه، اعضای هیئت مدیره به همان LLM پایه متصل شوند و درخواستهای (Prompts) خود را در آمادهسازی و در طول جلسات هیئت مدیره طراحی کنند.
پس از جلسات، آنها باید در جلسات بازبینی (Debriefing) شرکت کنند تا بتوانند تجربیات و درسهای آموخته شده خود را به اشتراک بگذارند و ایدههایی برای بهبود ایجاد کنند.
وقتی اعضای هیئت مدیره شروع به درک مفید بودن این ابزار کردند، شرکت میتواند یک نسخه سازمانی (Enterprise) از LLM را بر روی بهترین شیوههای راهبری شرکتی (Corporate Governance) آموزش دهد تا بتواند به عنوان یک مربی در طول جلسات هیئت مدیره عمل کند.
مدیران باید اطلاعات شخصی و حرفهای مرتبط با نقشهای خود در هیئت مدیره را در ابزار وارد کنند؛
این کار تضمین میکند که توصیههای هوش مصنوعی متناسب با موقعیت، اولویتها و مسئولیتهای هر عضو باشد.
رئیس هیئت مدیره همچنین میتواند ابزار را وادار کند تا به اعضای هیئت مدیره تکالیفی بدهد و عملکرد آنها را در جلسات ارزیابی کند.
هنگامی که همه مدیران با استفاده از هوش مصنوعی هم برای آمادهسازی برای جلسات و هم به عنوان مربی عملکرد، کاملاً راحت شدند، باید به ابزار، دسترسی به دانش خاص شرکت داده شود.
این ابزار باید با استفاده از مقادیر زیادی داده از منابع مختلف درون سازمان آموزش ببیند.
در نهایت، این به هوش مصنوعی اجازه میدهد تا به پر کردن شکاف اطلاعاتی که بین مدیریت شرکت و مدیران (اعضای هیئت مدیره) وجود دارد، کمک کند.
آموزش هوش مصنوعی لازم نیست یکباره انجام شود.
شرکت میتواند با اعطای دسترسی هوش مصنوعی به دادههای مربوط به یک موضوع خاص که هیئت مدیره قصد دارد در جلسه آتی درباره آن بحث کند، شروع کند.
و سپس، بسته به سطح راحتی هیئت مدیره با نتایج، آموزش میتواند به طور تدریجی در طول زمان گسترش یابد.
پیادهسازی این فرآیندها و آموزش مدیران برای استفاده مؤثر از هوش مصنوعی میتواند چالشبرانگیز باشد. این دقیقاً جایی است که یک مشاور یا کوچ باتجربه میتواند به هیئت مدیره شما کمک کند تا این انتقال را به آرامی و با اطمینان طی کند. اگر برای تعریف یک نقشه راه عملی برای ادغام هوش مصنوعی در فرآیندهای هیئت مدیره خود به کمک نیاز دارید، میتوانید روی تجربه من به عنوان کوچ مورد تأیید ICF حساب کنید.
قهرمانان نوآوری (Innovation Champions) اغلب وسوسه میشوند که تصمیمگیری جمعی را دور بزنند و در عوض، ایدههای جدید را با استفاده از اقتدار رسمی و غیررسمی خود به پیش ببرند.
رئیس هیئت مدیره باید در هنگام معرفی هوش مصنوعی به اتاق هیئت مدیره، در برابر این انگیزه مقاومت کند.
مهم است که کل هیئت مدیره تصمیمات مبتنی بر شواهد در مورد پیادهسازی هوش مصنوعی اتخاذ کند.
علاوه بر این، کل هیئت مدیره باید مسئولیت آن تصمیمات را بر عهده بگیرد.
۳. حفظ شتاب (Momentum)
این سفر پس از ورود هوش مصنوعی به اتاق هیئت مدیره – حتی به عنوان یک شرکتکننده فعال – به پایان نمیرسد.
فناوری به تکامل خود در طول زمان ادامه خواهد داد و دانش مدیران در مورد آن از طریق استفاده، رشد خواهد کرد.
بنابراین، اعضای هیئت مدیره باید پیشرفت خود در استفاده از هوش مصنوعی را به یک جزء مهم در ارزیابیهای پس از جلسه و سالانه خود تبدیل کنند.
مدیران باید به خاطر تلاشهایشان برای استفاده از هوش مصنوعی، صرف نظر از نتایج واقعی، مورد ستایش قرار گیرند.
اگر یک رئیس هیئت مدیره سهم یک مدیر خاص (یا کل هیئت مدیره) را در ترویج هوش مصنوعی به رسمیت بشناسد، سیگنالهای واضحی در مورد اهمیت هوش مصنوعی ارسال خواهد کرد.
درسهای آموخته شده را میتوان از طریق مربیگری بیشتر و پشتیبانی آموزشی تقویت کرد.
تعهد شخصی مستمر رئیس هیئت مدیره به هوش مصنوعی برای حفظ شتاب، حیاتی است.
وقتی رهبران، هوش مصنوعی را برای استفاده دیگران ترویج میکنند اما خودشان از پذیرش آن طفره میروند، اعضای تیم آنها در مورد غوطهور شدن در آن تردید خواهند کرد.
اما اگر اعضای هیئت مدیره ببینند که رئیس در حال یادگیری و به کارگیری فناوری جدید است و آن را بخشی از گفتگوهای جاری هیئت مدیره میکند، توجه خواهند کرد.
رؤسا نباید کشمکشهای شخصی خود را در یادگیری استفاده مؤثر از این فناوری پنهان کنند، زیرا نشان دادن این آسیبپذیری، دیگران را به آزمایش تشویق میکند.
اگرچه ادغام هوش مصنوعی در هیئت مدیرههای شرکتها چالشهایی را به همراه دارد، اما فرصتهای قابل توجهی نیز برای بهبود عملکرد ایجاد میکند.
در نهایت، باور بر این است که هر هیئت مدیرهای یک عضو هوش مصنوعی خواهد داشت، شاید حتی یکی با حق رأی.
هیئت مدیرههای باهوش با تبدیل شدن به «مسلط به هوش مصنوعی» (AI literate) در امروز، به دنبال پیشی گرفتن از این موج خواهند بود.
با گرفتن تصمیمات هوشمندانهتر و سریعتر، همانطور که بدون شک با کمک هوش مصنوعی خواهند توانست، آنها شرکتهای خود را قادر میسازند تا از رقبای خود جلو بیفتند.
و در بسیاری از موارد، آنها این مزیت استراتژیک را برای مدتی حفظ خواهند کرد.
جمعبندی و گام بعدی
همانطور که در این مقاله بررسی کردیم، هوش مصنوعی دیگر یک ابزار فانتزی نیست، بلکه یک دستیار استراتژیک برای هیئت مدیره است. از پر کردن شکاف اطلاعاتی مدیران تا شبیهسازی سناریوهای پیچیده و حتی تحلیل پویایی جلسات، پتانسیل آن برای افزایش اثربخشی هیئت مدیره غیرقابل انکار است. مدیریت ریسکهای آن نیز، همانطور که دیدیم، بیشتر به «کاربر هوشمند» بودن مربوط میشود تا محدودیتهای فنی.
سفر پذیرش هوش مصنوعی در بالاترین سطح سازمان، سفری تدریجی و مبتنی بر یادگیری است. این کار با ایجاد تعامل، آزمایش جمعی و تعهد مستمر رهبری آغاز میشود.
پذیرش این فناوری جدید میتواند ترسناک باشد، اما نادیده گرفتن آن در دنیای امروز ریسک بسیار بزرگتری است. اگر شما به عنوان یک مدیر ارشد یا عضو هیئت مدیره، آمادهاید تا این سفر را آغاز کنید اما نمیدانید از کجا شروع کنید، یک جلسه کوچینگ یا مشاوره استراتژیک میتواند به شما در روشن کردن مسیر و برداشتن گامهای اول با اطمینان کمک کند.
پنج سؤال قدرتمند برای تأمل (بر اساس این مقاله)
۱. در حال حاضر، بزرگترین «شکاف اطلاعاتی» که شما به عنوان عضو هیئت مدیره تجربه میکنید، چیست و هوش مصنوعی چگونه میتواند به پر کردن آن کمک کند؟
۲. اگر قرار بود فقط یک کار روتین یا تحلیلی را در فرآیند آمادهسازی خود برای جلسات به هوش مصنوعی بسپارید، آن کار چه بود؟
۳. بزرگترین ترسی که شما یا همکارانتان در مورد استفاده از هوش مصنوعی در هیئت مدیره دارید چیست؟ (مثلاً امنیت، سوگیری، یا از دست دادن کنترل)
۴. کدام تصمیم استراتژیک اخیر شرکت، میتوانست از یک «تحلیل سناریو» سریع و مبتنی بر هوش مصنوعی بهرهمند شود؟
۵. اولین گام کوچکی که شما میتوانید برای آزمایش هوش مصنوعی (مثلاً ChatGPT یا Claude) برای جلسه بعدی هیئت مدیره خود بردارید، چیست؟