به گزارش ایتنا
هوش مصنوعی در حال دگرگونی نیروی کار و ساختار مشاغل است، اما بسیاری از شرکتها همچنان از مدلهای سنتی برنامهریزی استفاده میکنند و آمادگی لازم برای همکاری انسان و هوش مصنوعی را ندارند.
گسترش سریع هوش مصنوعی در محیطهای کاری، تنها شیوه انجام وظایف را تغییر نداده، بلکه مفهوم «نیروی کار» و نحوه برنامهریزی برای آن را نیز وارد مرحله تازهای کرده است. با این حال، بسیاری از سازمانها همچنان از مدلهای برنامهریزی سنتی استفاده میکنند؛ مدلهایی که برای دنیای امروز، یعنی همکاری همزمان کارکنان، پیمانکاران و سیستمهای هوشمند، طراحی نشدهاند.
در ساختار سنتی سازمانها، هر بخش معمولاً تنها بخشی از معادله نیروی کار را مدیریت میکند. واحد منابع انسانی بر کارکنان و مهارتها تمرکز دارد، بخش مالی اهداف و هزینههای مربوط به تعداد کارکنان را دنبال میکند و واحد تدارکات نیز هزینههای پیمانکاران و خدمات خارجی را مدیریت میکند. این پراکندگی باعث میشود مدیران نتوانند بهطور جامع بررسی کنند که تصمیمات مربوط به نیروی کار چگونه بر عملکرد و نتایج کسبوکار تأثیر میگذارند.
برنامهریزی پراکنده و ایجاد نقاط کور در نیروی کار
هر بخش معمولاً سیستمهای اطلاعاتی، چرخههای برنامهریزی و فرضیات خاص خود را درباره نحوه انجام کار دارد. نتیجه چنین وضعیتی، شکلگیری نقاط کور در تصمیمگیریهای مربوط به نیروی کار است.
بر اساس پژوهش اخیر SAP، حدود ۶۲ درصد از مدیران ارشد از میزان فعلی یکپارچگی میان دادههای مربوط به کارکنان و عملکرد کسبوکار رضایت ندارند. این بررسی همچنین نشان میدهد که اگرچه ۵۰ درصد از سازمانها در حال برنامهریزی برای تأثیر هوش مصنوعی بر بهرهوری و ظرفیت کاری هستند، تنها ۲۱ درصد از آنها برای تأثیر این فناوری بر طراحی مشاغل و ساختار سازمانی برنامهریزی میکنند.
این شکاف اهمیت زیادی دارد، زیرا بهرهوری، طراحی شغل، ساختار تیمها و مهارتهای مورد نیاز به یکدیگر وابستهاند. سازمانی که قصد دارد بخشی از فعالیتهای خود را خودکار کند، نمیتواند بدون درک تأثیر این اقدام بر نقش کارکنان، تیمها و مهارتهای مورد نیاز، تصمیم دقیقی بگیرد.
با این حال، بسیاری از شرکتها همچنان این مسائل را بهصورت جداگانه بررسی میکنند و اغلب زمانی متوجه ناهماهنگی میان تصمیمات خود میشوند که برای اصلاح آنها دیر شده است.
تعریف نیروی کار تغییر کرده، اما برنامهریزی همچنان سنتی است
مفهوم نیروی کار طی سالهای اخیر بهتدریج گستردهتر شده است، اما بسیاری از مدلهای برنامهریزی هنوز با این تحول همگام نشدهاند.
امروزه کارکنان تنها نیروی انجامدهنده فعالیتهای سازمان نیستند. پیمانکاران، شرکای تخصصی و سیستمهای مبتنی بر هوش مصنوعی نیز در انجام وظایف عملیاتی نقش دارند. هوش مصنوعی دیگر صرفاً یک ابزار پشتیبانی نیست و در بسیاری از سازمانها، بخشی از فعالیتهای واقعی و روزمره کسبوکار را بر عهده گرفته است.
در برخی مدلهای کسبوکار نیز نیروی کار خارجی و دیجیتال از یک نقش مکمل فراتر رفته و به بخش مهمی از ساختار عملیاتی سازمان تبدیل شده است.
این تحول، ماهیت تصمیمگیری درباره نیروی کار را تغییر میدهد. برای مثال، خودکارسازی یک فرایند میتواند بهطور همزمان بر تعداد کارکنان، نیازهای مهارتی، هزینههای خدمات و فرضیات مربوط به بهرهوری اثر بگذارد.
به همین ترتیب، سرمایهگذاری در آموزش و توسعه مهارتها میتواند وابستگی یک سازمان به پیمانکاران خارجی را کاهش دهد. در مقابل، افزایش استفاده از پیمانکاران ممکن است یک کمبود فوری در ظرفیت کاری را جبران کند، اما در بلندمدت مشکلات مربوط به توسعه توانمندیهای داخلی سازمان را تشدید کند.
با وجود این ارتباط پیچیده، بسیاری از سازمانها همچنان این تصمیمات را جدا از یکدیگر و توسط تیمهایی با دادهها و دیدگاههای متفاوت اتخاذ میکنند.
پرسش اصلی دیگر «استخدام یا اتوماسیون» نیست
در شرایط جدید، پرسش اصلی برای سازمانها دیگر این نیست که آیا باید نیروی جدید استخدام کنند، فعالیتها را خودکار کنند یا مهارتهای کارکنان را توسعه دهند.سؤال مهمتر این است که کار چگونه باید میان انسانها و سیستمهای هوشمند تقسیم شود و هزینه هر مدل چه خواهد بود؟
بسیاری از ساختارهای سنتی برنامهریزی سازمانی اساساً برای پاسخ دادن به چنین پرسشی طراحی نشدهاند.همین مسئله باعث شده است مدیران ارشد مالی و مدیران ارشد منابع انسانی بیش از گذشته به همکاری با یکدیگر نیاز داشته باشند.
مدیران مالی باید دادههای اقتصادی و مالی را به تصمیمات عملیاتی، بهویژه تصمیمات مربوط به هزینههای نیروی کار، مرتبط کنند. در سوی دیگر، مدیران منابع انسانی نیز دیگر تنها با موضوعات سنتی مدیریت استعداد روبهرو نیستند و باید درباره طراحی مشاغل و ایجاد تعادل میان نیروی کار انسانی و دیجیتال تصمیم بگیرند.
هیچیک از این دو گروه بهتنهایی نمیتوانند پاسخ کاملی به این پرسشها ارائه دهند.
از بودجهبندی سالانه تا هدایت مداوم نیروی کار
سازمانهایی که توانستهاند خود را بهتر با این شرایط سازگار کنند، برنامهریزی نیروی کار را دیگر یک مذاکره سالانه برای تعیین بودجه نمیدانند. آنها این فرایند را به یک فعالیت عملیاتی و راهبردی مداوم تبدیل کردهاند.
در چنین مدلی، بخشهای مالی، منابع انسانی و تدارکات به تصویری مشترک از ظرفیت، مهارتها و هزینههای نیروی کار دسترسی دارند؛ به جای آنکه پس از وقوع رویدادها، سه تصویر متفاوت را با یکدیگر تطبیق دهند.
همچنین سازمانها باید سناریوهایی را طراحی کنند که در آنها استخدام، بازآموزی و ارتقای مهارت، خودکارسازی و استفاده از نیروی کار خارجی بهعنوان ابزارهایی مرتبط با یکدیگر بررسی شوند، نه موضوعاتی جداگانه.
معیارهای سنجش نیز در حال تغییر هستند. تعداد کارکنان، هزینه نیروی کار و بهرهوری همچنان اهمیت دارند، اما دیگر نمیتوانند بهتنهایی تصویر کاملی از وضعیت سازمان ارائه دهند.
با گسترش هوش مصنوعی در عملیات، مدیران به شاخصهای تازهای نیاز دارند؛ از جمله میزان آمادگی مهارتهای موجود برای تحقق اهداف راهبردی، نحوه تقسیم واقعی کار میان کارکنان و سیستمهای هوشمند و اینکه آیا اتوماسیون واقعاً ظرفیت جدیدی ایجاد میکند یا صرفاً فشار کاری را به بخشهای دیگر سازمان منتقل میکند.
سازمانهایی که چنین شاخصهایی را بهطور مستمر بررسی میکنند، معمولاً تصمیمات متفاوتتری درباره محل سرمایهگذاری و نحوه توسعه ظرفیتهای خود میگیرند. مزیت اصلی آنها فقط دسترسی به اطلاعات بیشتر نیست، بلکه توانایی طرح پرسشهای دقیقتر و راهبردیتر است.
چالش اصلی، فناوری نیست
اگرچه اتصال دادههای منابع انسانی، مالی و تدارکات میتواند زمینه تصمیمگیری بهتر را فراهم کند، اما خود فناوری بهتنهایی نمیتواند این مشکل را حل کند.
چالش اصلی، هماهنگی میان مدیران و رهبران سازمان است. مدیران مالی و منابع انسانی باید درباره معیارهای مشترک به توافق برسند، چرخهای هماهنگ برای برنامهریزی ایجاد کنند و تصمیمات مربوط به نیروی کار را همواره با راهبردهای کسبوکار مرتبط نگه دارند.
همچنین لازم است رابطهای میان این بخشها شکل بگیرد که در آن، هیچکدام صرفاً تصمیمی را که بخش دیگر از قبل گرفته است تأیید نکند. در واقع، مسئله اصلی یک چالش مدیریتی و سازمانی است، نه صرفاً یک مسئله فناوری که بتوان با خرید یک پلتفرم جدید آن را برطرف کرد.
در نهایت، سازمانهایی که بتوانند برنامهریزی نیروی کار خود را با واقعیت جدید هماهنگ کنند، نهتنها به دادههای بهتر دسترسی خواهند داشت، بلکه درک روشنتری از چگونگی خلق ارزش توسط کارکنان، پیمانکاران و سیستمهای هوشمند به دست خواهند آورد.
در مقابل، سازمانهایی که همچنان با مدلهای قدیمی تصمیمگیری کنند، ممکن است در شرایطی به تصمیمگیری درباره آینده نیروی کار ادامه دهند که سرعت تغییرات افزایش یافته و هزینه اشتباهات نیز بیش از گذشته شده است.
شمـا اولیـن نفـر هستـید کـه نظـر خـود را ثبـت مـی کنیـد.
🗩ثبـت نظر: