بازارهای نوظهور: جهش دیجیتال با هوش مصنوعی

کشورهای صنعتی مسیر خودکارسازی را در چند دهه و لایه‌لایه طی کردند: نخست سامانه‌های مالی، سپس برنامه‌ریزی منابع سازمانی، بعد یکپارچه‌سازی و در آخر تحلیل داده. هر لایه روی لایهٔ پیشین سوار شد و امروز بخشی از هزینهٔ آن‌ها صرف نگه‌داشتن همین میراث انباشته است. اقتصادهای نوظهور ناچار نیستند همین مسیر را تکرار کنند، و تجربهٔ فراگیر شدن تلفن همراه و پرداخت موبایلی در بازارهایی که هرگز شبکهٔ گستردهٔ تلفن ثابت یا شعبهٔ بانکی نداشتند، نشان داد پرش از یک نسل فناوری ممکن است.

اما جهش، نتیجهٔ خودکارِ عقب‌ماندگی نیست. بازاری که زیرساخت قدیمی ندارد، هم می‌تواند مرحله‌ها را رد کند و هم می‌تواند همان مسیر چهل‌ساله را با تأخیر تکرار کند. تفاوت در چند انتخاب مشخص است.

جهش چگونه کار می‌کند

در پرش موفق، سازمان به‌جای بازسازی نسل‌های میانی، مستقیم لایهٔ آخر را می‌سازد و لایه‌های پیشین را تنها در حدی که لازم است تأمین می‌کند. نمونهٔ آشنا در حوزهٔ نرم‌افزار، سازمانی است که به‌جای خرید سامانهٔ سنگین گزارش‌گیری، از ابتدا داده را به شکل قابل تحلیل ثبت می‌کند و روی همان، لایهٔ پیش‌بینی می‌سازد. آنچه صرفه‌جویی می‌شود، نه فقط هزینهٔ خرید، که سال‌ها انتقال و مهاجرت داده است.

سه شرطی که جهش را واقعی می‌کند

• ثبت درست داده از روز نخست: بدون داده‌ای که قابل پردازش باشد، لایهٔ هوشمند چیزی برای کار کردن ندارد.
• بازطراحی فرآیند، نه صرفاً خرید ابزار: اگر روال کاری همان روال کاغذی باقی بماند، ابزار جدید فقط کاغذ را روی صفحهٔ نمایش تکرار می‌کند.
• مهارت درون سازمان: پرش فناورانه بدون کسی که آن را بفهمد و نگه دارد، پس از رفتن پیمانکار متوقف می‌شود.

نبود میراث: مزیت و تلهٔ آن

مزیت روشن است: نبود سامانهٔ قدیمی، پروژهٔ یکپارچه‌سازی پرهزینه و مقاومت سازمانی همراه آن را حذف می‌کند. تله اما کمتر دیده می‌شود؛ سازمانی که سامانهٔ قدیمی ندارد، معمولاً سابقهٔ دادهٔ چندساله هم ندارد. در این حالت، نخستین گام ساختن مدل پیش‌بین نیست، ساختن جریان دادهٔ درست است تا شش ماه بعد چیزی برای تحلیل وجود داشته باشد.

چرا برای بنگاه ایرانی مصداق دارد

بسیاری از کسب‌وکارهای کوچک و متوسط ایرانی هنوز فرآیندهای اصلی خود را با فایل صفحه‌گسترده و ثبت دستی اداره می‌کنند. این وضعیت از یک منظر ضعف است و از منظری دیگر آزادی: هیچ سرمایه‌گذاری سنگینی وجود ندارد که تصمیم امروز را گروگان گرفته باشد. چنین بنگاهی می‌تواند بدون پروژهٔ مهاجرت طولانی، فرآیند را یک‌بار درست طراحی کند و لایهٔ هوشمند را از همان ابتدا در آن بگنجاند.

یک نمونهٔ عملی

بنگاهی را در نظر بگیرید که سفارش‌ها را تلفنی می‌گرفت و روی دفتر ثبت می‌کرد. مسیر متعارف، خرید یک سامانهٔ سفارش‌گیری و سپس، سال‌ها بعد، افزودن تحلیل بود. مسیری که انتخاب کرد، ثبت ساختارمند سفارش از همان ابتدا و افزودن پیش‌بینی تقاضا روی همان داده بود. سامانه‌ای که ساخت از نظر امکانات ساده‌تر از نرم‌افزارهای رایج بود، اما چیزی داشت که آن‌ها نداشتند: داده‌ای که برای تحلیل ساخته شده بود.

مسیر ۹۰ روزهٔ شروع

• ماه نخست: یک فرآیند اصلی را انتخاب کنید که امروز هیچ سامانه‌ای ندارد و شکل درست ثبت داده‌اش را طراحی کنید.
• ماه دوم: ساده‌ترین نسخهٔ عملیاتی را اجرا کنید و بر کیفیت ثبت داده تمرکز بگذارید، نه بر تعداد قابلیت‌ها.
• ماه سوم: نخستین لایهٔ تحلیلی یا خودکارسازی را روی همان داده بسازید و پیش از گسترش، اثرش را بسنجید.

خطاهای رایج

• پرش به لایهٔ هوشمند بدون هیچ جریان دادهٔ قابل اعتماد در پشت آن.
• خرید بستهٔ نرم‌افزاری بزرگ برای سازمانی که هنوز فرآیند مکتوب ندارد.
• حفظ روال کاغذی در دل سامانهٔ جدید و انتظار نتیجهٔ متفاوت.
• وابسته‌کردن کل پرش به یک پیمانکار، بدون تربیت هیچ نیروی داخلی.

پرسش‌های پرتکرار

• می‌توان مرحلهٔ سامانهٔ پایه را کامل حذف کرد؟
  نه؛ می‌توان آن را کوچک و هدفمند کرد. لایهٔ پایه در حدی لازم است که داده به‌درستی ثبت شود.
• اگر سابقهٔ دادهٔ چندساله نداریم، چه کنیم؟
  از همین امروز ثبت درست را آغاز کنید و در فاصلهٔ ساخت آرشیو، از کاربردهایی استفاده کنید که به دادهٔ تاریخی نیاز ندارند.
• آیا جهش برای بنگاه کوچک هم معنا دارد؟
  بیشتر از بنگاه بزرگ؛ هرچه سرمایه‌گذاری پیشین کمتر باشد، تغییر مسیر ارزان‌تر است.

جمع‌بندی

جهش دیجیتال به‌معنای رد کردن هر مرحله نیست؛ به‌معنای رد کردن مرحله‌هایی است که امروز ارزشی اضافه نمی‌کنند. بازاری که زیرساخت قدیمی ندارد این انتخاب را در اختیار دارد، اما تنها سازمانی از آن بهره می‌برد که ثبت داده و طراحی فرآیند را جدی بگیرد.

واژه‌نامه

• پرش مرحله‌ای: رد کردن یک نسل فناوری و رفتن مستقیم به نسل جدیدتر.
• سامانهٔ قدیمی: نرم‌افزار قدیمی که سازمان به آن وابسته است و تغییرش پرهزینه است.
• جریان داده: مسیری که داده از لحظهٔ ثبت تا محل تحلیل طی می‌کند.
• تحلیل پیش‌بین: استفاده از داده‌های گذشته برای پیش‌بینی رویدادی مانند تقاضا یا خرابی.
• نسخهٔ عملیاتی: نسخه‌ای که در کار واقعی استفاده می‌شود، نه در نمایش آزمایشی.