زکیه ایزدی، کارشناس توسعه کسبوکار / در ایران امروز، تصمیمگیری برای سرمایهگذاری دشوارتر از قبل شده است. افق برنامهریزی کوتاهتر شده، فرضیات اقتصادی سریعتر تغییر میکنند و سازمانها ناچارند در تعهد منابع محتاطتر باشند. در چنین فضایی، دو واکنش افراطی محتمل است: عقبنشینی از برنامههای تحول، یا سرمایهگذاری شتابزده روی AI بدون سنجش دقیق ارزش، ریسک و بازده.
درست است که عدمقطعیت ضرورت تحول را از بین نمیبرد، ولی منطق انتخاب، اولویتگذاری و سرمایهگذاری در تحول را سختگیرانهتر میکند.
در شرایط عادی، برنامههای تحول عمدتاً با هدف رشد تعریف میشوند. اما در محیط پرنوسان، زمان رسیدن به ارزش، امکان توقف و تغییرمسیر و میزان تابآوری اهمیت پیدا میکنند. تعریف ارزش تغییر نکرده است؛ وزن مؤلفههای آن تغییر کرده است.
اعتبارسنجی در بانکداری نمونه خوبی از این تغییر است. در شرایط عادی، بخشی از ارزش یک مدل اعتبارسنجی میتواند در رشد سالم پرتفوی باشد: شناسایی بهتر مشتریان کمریسک و افزایش نرخ اعطا در محدوده ریسک مطلوب.
اما در دوره بحران، موضوع متفوت است. وقتی درآمد مشتریان ناپایدارتر شده و رفتار بازپرداخت تغییر کرده، صرف قدرت مدل در رتبهبندی مشتریان کافی نیست. ممکن است تعداد مشتریانی که در محدوده ریسک مطلوب قرار میگیرند بهطور معناداری کاهش پیدا کند؛ در نتیجه، بانک برای حفظ جریان ارزش موجود ناچار شود با اشتهای ریسک بالاتری فعالیت کند، اما همزمان مدیریت ریسک پرتفوی را دقیقتر انجام دهد و وزن بیشتری به پایش مستمر، شناسایی زودهنگام افت کیفیت و پیگیری وصول مطالبات بدهد.
در این وضعیت، ارزش اعتبارسنجی از «افزایش اعطای سالم» بیشتر به سمت تنظیم سریعتر سیاست اعتباری، بازنگری در cut-offها و سقفهای اعتبار، شناسایی زودهنگام افت کیفیت مشتری و کنترل پرتفوی حرکت میکند.
این تغییر باید در نقشه راه نیز دیده شود. امتیازدهی اعتباری میتواند به موتور تصمیمگیری، سامانه هشدار زودهنگام و هوشمندی پرتفوی متصل شود و از یک خروجی مستقل به بخشی از سیستم تصمیمگیری اعتباری بانک تبدیل شود. اما همه پروژهها را نمیتوان فقط با تغییر تعریف ارزش ادامه داد.
فرض کنیم بانکی پیش از بحران برای ورود به یک سگمنت جدید، محصول اعتبار خرد بدون وثیقه را تصویب کرده است. Business Case پروژه بر فرضیاتی مثل قدرت خرید مشتری، هزینه جذب، هزینه پول، نرخ نکول و درآمد مورد انتظار بنا شده است.
اگر چند ماه بعد هزینه پول بالا رفته، رفتار تقاضای اعتبار تغییر کرده و ریسک نکول بیشتر شده باشد، وجود بودجه یا تصویب قبلی پروژه دیگر دلیل کافی برای ادامه آن نیست. خود فرصت سرمایهگذاری باید دوباره اعتبارسنجی شود.
گاهی نتیجه این بازبینی، تعویق ورود به آن سگمنت و انتقال سرمایه به حوزهای است که امروز ارزش بیشتری ایجاد میکند؛ مثلاً هشدارزودهنگام، وصول مطالبات یا بهبود بهرهوری عملیات اعتباری. Business Case سندی نیست که در زمان تصویب نوشته و بعد بایگانی شود؛ مجموعهای از فرضیات درباره آینده است که باید در طول سرمایهگذاری دوباره سنجیده شود.
در محیطی که واقعیت سریعتر تغییر میکند، حق ادامهداشتن هیچ پروژهای دائمی نیست. این منطق طبیعتاً مدل اجرای تحول را هم تغییر میدهد.
مسئلههای بزرگ را نگه داریم؛ اندازه شرطبندی را کوچک کنیم
واکنش به عدمقطعیت نباید تبدیل برنامه تحول به انبوهی از Quick Winها و PoCهای پراکنده شود. سازمانی میتواند دهها use case موفق داشته باشد و همچنان هیچ مسئله مهمی از کسبوکار را بهصورت end-to-end حل نکرده باشد.
مسئلههای اصلی همچنان بزرگاند: اعتبار، وصول، ریسک، نقدینگی، تقلب یا عملیات مشتری. آنچه باید کوچکتر شود، خود مسئله نیست؛ واحد سرمایهگذاری و تحویل است.
مثلاً در وصول مطالبات، بهجای یک برنامه بزرگ برای هوشمندسازی کامل فرایند، میتوان ابتدا هشدارزودهنگام ساخت، بعد پروندهها را بر اساس احتمال بازیافت اولویتبندی کرد، سپس Next Best Action را اضافه کرد و در ادامه بخشهایی از گردش کار را اتوماتیک کرد. البته که هر مرحله باید ارزش قابلاندازهگیری خودش را داشته باشد، اما این هم کافی نیست.
مداخله میتواند کوچک باشد، اما نباید یکبارمصرف باشد
داده، فیچر، مدل، API، یکپارچهسازی یا قابلیت عملیاتی ایجادشده باید برای مراحل بعد باقی بماند. پروژه دوم نباید از همان نقطهای آغاز شود که پروژه اول شروع شده بود.
در یک مسیر تحول سالم، هر سرمایهگذاری باید دو بازده ایجاد کند: ارزش مستقیم برای کسبوکار و یک دارایی قابلاستفاده مجدد برای حرکت بعدی. همین منطق، روی انتخاب کاربردها هم اثر میگذارد.
در دوره عدمقطعیت، حفاظت از ارزش موجود مهمتر میشود
ایجاد جریان درآمدی جدید همچنان جذاب است، اما معمولاً عدمقطعیت بیشتری دارد. در مقابل، بسیاری از کاربردهای AI در کسبوکار موجود baseline روشنتری دارند. در وصول، مرکز تماس، عملیات اعتباری یا پردازش اسناد، حجم عملیات و هزینه فعلی را میشناسیم و اثر مداخله را سریعتر میتوانیم بسنجیم.
بهرهوری هم صرفاً کاهش هزینهها نیست. ممکن است AI کمک کند همان ساختار قبلی حجم بیشتری از عملیات را مدیریت کند، زمان پاسخ را کاهش دهد، خطا را کم کند یا در زمان اختلال سرویس را حفظ کند.
در اینجا مرز میان کاهش هزینه و حفاظت از درآمد هم کمرنگ میشود. ادامه سرویس در زمان بحران هم بهرهوری ایجاد میکند و هم مانع ازدسترفتن مشتری و درآمد میشود.
بنابراین در شرایط پرریسک، حفاظت و تقویت جریان ارزش موجود میتواند بهاندازه ساختن درآمد یا کاهش هزینه اهمیت داشته باشد. اما نوع مداخله AI در همه مسائل یکسان نیست.
AI کجا اجرا کند و کجا به تصمیمگیر کمک کند؟
در بحران، گاهی گلوگاه اصلی ظرفیت اجراست و گاهی کیفیت تصمیمگیری. هرجا حجم عملیات بالاست، فرایند تکرارشونده است، قواعد نسبتاً پایدارند و استثناها محدودند، اتوماسیون میتواند ظرفیت عملیاتی را افزایش دهد؛ مثل استخراج اطلاعات از اسناد، مسیردهی درخواستها یا اجرای workflowهای استاندارد.
اما در حوزههایی مانند اعتبار، ریسک یا نقدینگی، بحران میتواند خود محیط تصمیمگیری را تغییر دهد. دادههای تاریخی ممکن است قدرت توضیحدهندگی کمتری داشته باشند و هزینه یک تصمیم اشتباه هم بالاتر باشد.
در چنین فضایی، AI بیشتر در نقش Decision Support ارزش ایجاد میکند: تغییر رفتارها را سریعتر آشکار میکند، anomalyها را نشان میدهد، سیگنالهای پراکنده را کنار هم میگذارد و سناریوهای مختلف را پیش روی تصمیمگیر قرار میدهد.
هرچه ابهام محیط و هزینه خطا بیشتر باشد، تفویض کامل قضاوت به مدل، پرریسکتر میشود.
در بحران، یکی از مهمترین ارزشهای AI این است که توان انسان برای تصمیمگیری در محیطی که دقیقاً قابلپیشبینی نیست را افزایش دهد و هرچه AI نقش بیشتری در عملیات و تصمیمگیری بگیرد، یک مسئله دیگر هم جدیتر میشود: تابآوری خود AI.
ابزاری که تابآوری میسازد، خودش هم باید تابآور باشد
یک دستیارصوتی هوشمند میتواند هنگام افزایش ناگهانی تماسها یا کاهش دسترسی به نیروی انسانی، بخش مهمی از عملیات مرکز تماس را حفظ کند. اما اگر همان ایجنت به یک مدل خارجی، اتصال پایدار شبکه یا یک زیرساخت پردازشی واحد وابسته باشد، سازمان همزمان یک single point of failure و نقطه آسیبپذیری تازه ساخته است.
بنابراین تابآوری سیستم AI را نمیتوان فقط با عملکرد آن در شرایط عادی سنجید. رفتار سیستم در زمان اختلال نیز بخشی از طراحی است.
مدل جایگزین، degraded mode، ادامه حداقل سطح سرویس، مسیر بازگشت به فرایند انسانی و آزمودن واقعی این سناریوها باید از ابتدا در معماری دیده شوند. تابآوری البته به معنای حفظ صددرصد قابلیتها نیست؛ مهم این است که سیستم هنگام اختلال از صد به صفر نرسد.
همین نگاه به تابآوری، ما را به اقتصاد زیرساخت AI هم میرساند. بخشی از هزینه پروژههای AI ماهیت مشترک دارد: داده، توان پردازشی، inference، integration، امنیت، monitoring و بهرهبرداری.
اگر هر چتبات یا مدل تصمیمیار مجبور باشد این اجزا را مستقلاً برای خودش ایجاد کند، اقتصاد یک کاربرد کوچک میتواند بسیار گران از آب درآید.
اما بخشی از اقتصاد AI از reuse میآید. سازمان به یک فوندانسیون مشترک در اندازه مناسب نیاز دارد؛ پایهای که چند مسئله کسبوکاری بتوانند روی آن ساخته شوند و با اثبات ارزش توسعه پیدا کند.
هر پروژه باید بخشی از هزینه حرکت بعدی را پایین بیاورد. پروژه اول ممکن است pipeline داده یا integration مشترک بسازد، پروژه دوم از آن استفاده کند و قابلیت دیگری را توسعه دهد و پروژه سوم نیز بر داراییهای مراحل قبل سوار شود.
اگر پروژه پنجم تقریباً همان زمان، هزینه و زیرساخت پروژه اول را نیاز دارد، احتمالاً سازمان هنوز قابلیت انباشته نساخته و صرفاً مجموعهای از پروژههای مستقل اجرا کرده است. اقتصاد تحول AI زمانی بهتر میشود که هزینه نهایی ساخت قابلیت بعدی کاهش پیدا کند.
تحول AI در عدمقطعیت، بیش از هر چیز مسئله انتخاب است
شرایط امروز سازمانها را از تحول معاف نمیکند؛ حتی ممکن است بعضی قابلیتهای دیجیتال و هوش مصنوعی را ضروریتر از گذشته کرده باشد. اما حاشیه خطا برای سرمایهگذاری اشتباه کمتر شده است.
سرمایه باید به مسئلههایی برسد که ارزش آنها همچنان واقعی و قابلسنجش است. فرضیات Business Case باید با تغییر محیط دوباره ارزیابی شوند. مسئلههای بزرگ باید از طریق سرمایهگذاریهای کوچکتر و قابلکنترلتر حل شوند، بیآنکه برنامه تحول به مجموعهای از کاربردهای پراکنده تبدیل شود.
هر مداخله باید علاوه بر نتیجه کوتاهمدت، دارایی و قابلیتی برای استفادههای بعدی باقی بگذارد. هرجا AI به بخشی حیاتی از عملیات تبدیل میشود، تابآوری خود آن نیز باید جزئی از طراحی باشد. و زیرساخت مشترک باید بهاندازهای ساخته شود که اقتصاد حرکتهای بعدی را بهتر کند.
در عدمقطعیت، بلندپروازی را کوچک نمیکنیم؛ اندازه شرطبندی را کوچک میکنیم و هر شرطبندی باید چیزی برای شرطبندی بعدی باقی بگذارد.
