حکمرانی سازمانی هیئت‌مدیره در عصر هوش مصنوعی

اما با وجود این فراگیری سازمانی، اتاق جلسات هیئت‌مدیره و مدیران ارشد هنوز آن‌چنان که باید نتوانسته از این فناوری بهره‌مند شود. در بسیاری از شرکت‌ها، اعضای هیئت‌مدیره یا از توانمندی‌های این فناوری آگاهی کافی ندارند یا نسبت به پیامدها و ریسک‌های احتمالی آن تردید دارند. این در حالی است که برخی هیئت‌مدیره‌های پیشرو، مسیر متفاوتی را انتخاب کرده‌اند و هوش مصنوعی را به‌عنوان یک ابزار مؤثر در ارتقای کیفیت تحلیل، تصمیم‌گیری و حتی طراحی استراتژی‌های آینده‌نگرانه به خدمت گرفته‌اند. در جدیدترین نسخه «مجله کسب‌وکار هاروارد» (July-August 2025)، در گزارشی با عنوان «How Pioneering Boards Are Using AI»، نویسندگان باتکیه‌بر مصاحبه‌های متمرکز با ده‌ها رئیس، نایب‌رئیس و رؤسای کمیته‌های هیئت‌مدیره از شرکت‌های بزرگ بین‌المللی، به بررسی تجربیات عملی در استفاده از هوش مصنوعی در سطح هیئت‌مدیره پرداخته‌اند.

پشت میز هیئت‌مدیره

در سال ۲۰۱۴، شرکت سرمایه‌گذاری خطرپذیر هنگ‌کنگی «Deep Knowledge Ventures»، به‌صورت رسمی یک الگوریتم را به عضویت هیئت‌مدیره خود منصوب کرد و به آن حق رأی در تصمیم‌گیری‌های سرمایه‌گذاری شرکت را داد. در آن زمان، این اقدام بیشتر شبیه یک نمایش تبلیغاتی به نظر می‌رسید. در واقع، الگوریتم صرفاً داده‌های کمی را بر اساس پارامترهایی که توسعه‌دهندگان تعیین کرده بودند تحلیل می‌کرد تا یک توصیه اولیه ارائه دهد که اعضای هیئت‌مدیره بتوانند درباره‌اش بحث کنند. این الگوریتم مفید بود؛ چون سریع‌تر از یک تحلیل‌گر انسانی داده‌ها را بررسی می‌کرد، اما بیشتر اعتقاد نداشتند عضو مجازی هیئت‌مدیره به یک پدیده رایج تبدیل شوند.

اکنون که حدود یک دهه از آن زمان گذشته، شاید تصور شود پیشرفت‌های چشمگیر این حوزه، دیدگاه‌ها را نسبت به ارزش حضور هوش مصنوعی در جلسات تصمیم‌گیری هیئت‌مدیره و مدیران تغییر داده است؛ اما در عمل، چنین تغییری رخ نداده است. بین ژوئن تا سپتامبر ۲۰۲۴، تیم نویسندگان این مقاله چندین گروه متمرکز با حضور بیش از ۵۰ رئیس هیئت‌مدیره، نایب‌رئیس و رؤسای کمیته‌ها از شرکت‌های دولتی و خصوصی در اروپا، آسیا و آمریکای شمالی از جمله شرکت‌هایی مانند «ASM»، «لازارد» (Lazard)، «نستله» (Nestlé)، «نوو نوردیسک» (Novo Nordisk)، «رندستاد» (Randstad)، «ساندوز» (Sandoz) و «شل» (Shell) را برگزار کرده است. در این جلسات وقتی از شرکت‌کنندگان درخواست شد اهمیت موضوعات مختلفی را که ذهنشان را درگیر کرده رتبه‌بندی کنند، هوش مصنوعی در جایگاه نسبتاً پایینی؛ پایین‌تر از مسائلی مانند شرایط جهانی یا تعامل با مدیرعامل یا سهام‌داران اصلی قرار گرفت. بیشتر شرکت‌کنندگان عنوان کردند که از هوش مصنوعی فقط گاه‌به‌گاه برای نیازهای شخصی استفاده می‌کنند و تقریباً هرگز برای وظایف حرفه‌ای خود از آن استفاده نمی‌کنند. یکی از رؤسای هیئت‌مدیره به‌صراحت گفت: «تا حالا حتی به ذهنم هم نرسیده که برای آماده‌شدن برای جلسه هیئت‌مدیره از هوش مصنوعی استفاده کنم.»

اما باتوجه‌به پیشرفت‌های اخیر در فناوری‌های هوش مصنوعی و با فراگیرشدن مفهوم «انسان مجازی» (Virtual Human) به‌عنوان واسطه‌های کسب‌وکار، ایده حضور یک ربات تعاملی در جلسات هیئت‌مدیره دیگر چندان دورازذهن یا نمایشی به نظر نمی‌رسد. هرچند بیشتر شرکت‌کنندگان در گروه‌ها نسبت به کاربرد هوش مصنوعی در فعالیت‌های خاص هیئت‌مدیره بدبین بودند، تعداد قابل‌توجهی نیز تجربه‌های مثبتی از استفاده از هوش مصنوعی داشتند. به‌عنوان‌مثال، یکی از افراد به‌صورت ساختاریافته از یک مدل زبانی بزرگ برای یافتن اطلاعات بیشتر درباره شرکت‌ها، رقبا و موضوعات دستور جلسه هیئت‌مدیره استفاده می‌کند. فرد دیگری نیز موضوعات موردبحث در هیئت‌مدیره را با کمک هوش مصنوعی صورت‌بندی می‌کند و نفر سوم در جلسات هیئت‌مدیره از ChatGPT استفاده می‌کرد تا فرضیه‌ها را ارزیابی و گزینه‌های جایگزینی را برای پیشنهادهای مدیریتی تولید کند.

دستیابی به مزایا

بیشتر رؤسا و مدیران ارشد، ارزش هوش مصنوعی را به‌عنوان ابزاری برای بهبود بهره‌وری فردی به‌خوبی پذیرفته‌اند. این افراد به نقش این فناوری در خودکارسازی کارهای روتین مانند زمان‌بندی جلسات و نوشتن صورت‌جلسات اذعان داشتند و از نقش حیاتی هوش مصنوعی در عملیات‌ها و فرایندهای سازمانی از تعامل با مشتریان خرده‌فروشی گرفته تا راه‌اندازی خط تولید فولاد آگاه بودند. اما بااین‌حال، تعداد کمی از آن‌ها به این موضوع توجه داشتند که هوش مصنوعی می‌تواند به آن‌ها کمک کند تا برای بحث‌های اساسی، آگاهانه و استراتژیک با سایر مدیران و همتایان خود بهتر آماده شوند و مشارکت مؤثرتری داشته باشند. این ناآگاهی یک اشتباه بزرگ است؛ زیرا هوش مصنوعی می‌تواند در سه حوزه مختلف به فعالیت‌های اعضا هیئت‌مدیره کمک کند.

دستیار شخصی اعضا

اعضای هیئت‌مدیره معمولاً به‌صورت پاره‌وقت فعالیت می‌کنند؛ به طور معمول سالانه فقط چهار جلسه دارند و اغلب هم‌زمان در هیئت‌مدیره چند سازمان دیگر عضویت دارند؛ اما بااین‌حال، وظیفه اتخاذ کلیدی‌ترین تصمیمات سازمانی را بر عهده دارند. جای تعجب ندارد که یک پژوهش در ۱۷ کشور اروپایی (در بازه ۲۰۱۶ تا ۲۰۲۰) نشان داد که شکاف اطلاعاتی میان مدیران اجرایی و اعضای هیئت‌مدیره، یکی از چالش‌های اساسی سازمانی است.

رؤسای هیئت‌مدیره برای پر کردن این شکاف، باتوجه‌به همان دیدگاه سنتی خود مجموعه‌ای از اقدامات را انجام می‌دهند. مثلاً جلسات هیئت‌مدیره را با بازدیدهای میدانی همراه می‌کنند، اعضا را با کارکنان آشنا می‌کنند و زیرکمیته‌هایی تشکیل می‌دهند که به طور اختصاص به موضوعات خاص بپردازند. همچنین، از مدیران ارشد می‌خواهند گزارش‌های تکمیلی تهیه کنند و تعامل منظم اعضای هیئت با مدیران ارشد، حسابرسان بیرونی و مشاوران را تسهیل می‌کنند. اما با وجود همه این تلاش‌ها، واقعیت این است که اعضای غیراجرایی هیئت‌مدیره ارتباط مستقیمی با این فرایندها ندارند و وقتشان نیز محدود است و در نتیجه، نمی‌توانند در زمان مناسب در جریان روندهای درون‌سازمانی قرار بگیرند. در اینجا هوش مصنوعی می‌تواند کمک بزرگی باشد. یک مدل زبانی بزرگ (LLM) مانند ChatGPT، در صورت آموزش مناسب، می‌تواند حجم عظیمی از داده‌ها و اطلاعات را تحلیل و الگوها و روندهای معناداری که ممکن است در تحلیل‌های دستی مشخص نشوند را شناسایی کند. چنین مدلی می‌تواند به طور پیوسته ریسک‌ها را پایش کند، هشدارهای زودهنگام و مدیریت ریسک فعالانه را ممکن سازد. همچنین، این اطلاعات را می‌توان به‌صورت خلاصه و قابل‌فهم ارائه داد تا زمان و تلاش موردنیاز برای پردازش و تحلیل ذهنی آن نیز کاهش یابد.

برخی از افراد حاضر در گروه‌های متمرکز مطالعات نویسندگان گزارش، پیشاپیش به این مزایا پی برده‌اند. «بریت»، یکی از اعضای غیراجرایی پنج هیئت‌مدیره در دانمارک، دو سال پیش استفاده از ChatGPT را آغاز کرد تا در تحلیل و ساختاربندی ارائه‌های مدیریتی، یافتن شاخص‌های مقایسه‌ای (بنچ‌مارک)، تدوین پرسش‌های مرتبط با موضوع جلسه و اجرای شبیه‌سازی‌ها از آن کمک بگیرد. او ChatGPT را «شریک تمرینی» (Sparring Partner) خود می‌نامد و معتقد است که سطح آمادگی‌اش برای جلسات و درک او از فضای سازمانی به طور چشمگیری افزایش یافته و هم‌زمان، بار کاری‌اش نیز کاهش پیدا کرده است. «الکساندر»، رئیس دو هیئت‌مدیره در سوئیس، فایل‌های کتابچه هیئت‌مدیره را پیش از جلسات به ChatGPT می‌دهد تا پرسش‌هایی برای بحث و گزینه‌هایی برای تصمیم‌گیری در اختیار داشته باشد و سپس با این ابزار گفتگو می‌کند تا پاسخ‌ها را بهبود دهد. (تمام نام‌ها در این مقاله تغییر یافته‌اند.)

ارائه بهتر اطلاعات به هیئت‌مدیره

بیشتر اعضای هیئت‌مدیره به برنامه‌ریزی سناریویی علاقه دارند. همان‌طور که بسیاری از متخصصان عنوان کرده‌اند، پایه‌گذاری بحث‌های راهبردی بر اساس سناریوها و پیامدهای احتمالی آینده، اغلب بسیار ثمربخش‌تر از تمرکز صرف بر وضعیت موجود است. اما طبق مطالعات نویسندگان هیئت‌مدیره‌های کمی در عمل از برنامه‌ریزی و تحلیل سناریویی واقعی استفاده می‌کنند و توجیه اغلب رؤسای هیئت‌مدیره برای حذف این مرحله این است که اجرای آن بیش از حد پیچیده و منابع هیئت‌مدیره محدود است.

اما هوش مصنوعی می‌تواند این مشکل را برطرف کند؛ چرا که در مقایسه با یک تیم خبره انسانی، زمان بسیار کمتری برای شناسایی و ارزیابی متغیرهای زمینه‌ای و نهفته و برآورد اثرات احتمالی آن‌ها بر ارزش شرکت نیاز دارد. (اخیراً یک مطالعه دقیقاً با همین روش چگونگی تأثیرگذاری LLMها در بهبود عملکرد انسان به در امور مربوط پیش‌بینی را نشان داده است.) «گرهارد»، رئیس یک هیئت‌مدیره در اتریش، این مثال را مطرح کرد: «وقتی مدیریت یک سال پیش پیشنهاد خرید شرکتی در اروپای شرقی را مطرح کرد، یکی از اعضای هیئت‌مدیره از یک مدل زبانی بزرگ خواست سه سناریوی مختلف درباره آن موقعیت پیشنهاد کند. پس از بررسی سناریوها، اعضای هیئت‌مدیره به این نتیجه رسیدند که آن سرمایه‌گذاری بالاتر از سطح آستانه ریسک آن‌هاست و در نتیجه آن را رد کردند. اما مهم‌ترین نتیجه آن جلسه این بود که ازآن‌پس، مدیریت همواره پیشنهادهای خود را همراه با تحلیل سناریو ارائه می‌کرد.»

برنامه‌ریزی سناریویی و تحلیل آن، یک قابلیت حیاتی برای شرکت‌ها در محیط پرتلاطم و متغیر کسب‌وکار محسوب می‌شود. راهبردهای تطبیقی (Adaptive Strategies) نیز بر پایه آزمایش‌های متنوعی بنا شده‌اند که از دل آن‌ها داده‌های جدیدی حاصل می‌شود که می‌توانند فرضیه‌های راهبردی و استراتژیک سازمان را تأیید یا رد کنند. هوش مصنوعی می‌تواند به سازمان‌ها کمک کند تا آزمایش‌های نویدبخش را شناسایی کرده و هزینه اجرای آن‌ها را کاهش دهند. به‌عنوان‌مثال، فناوری‌های مبتنی بر «دوقلوهای دیجیتال» (Digital Twins) امکان شبیه‌سازی دقیق پیامدهای احتمالی در صورت اعمال تغییرات در متغیرهای مدل را فراهم می‌کنند.

برخی هیئت‌مدیره‌ها از هوش مصنوعی برای آزمودن واقع‌بینانه تصمیم‌های خود استفاده می‌کنند. «یوهو»، رئیس هیئت‌مدیره یک شرکت خصوصی در فنلاند، توضیح داد که چگونه در یک نشست راهبردی در سال ۲۰۲۴ از این رویکرد بهره بردند. در این نشست دوروزه، اعضای هیئت‌مدیره و مدیران ارشد در قالب گفت‌وگویی نیمه‌ساختاریافته به بررسی مسیرهای احتمالی شرکت پرداختند. پس از پایان جلسات، سناریوهای تدوین‌شده را در اختیار ChatGPT گذاشتند و خواستند بهترین گزینه را انتخاب کند. ChatGPT دقیقاً پاسخ‌هایی مشابه با تصمیمات اخذشده هیئت‌مدیره و مدیریت را ارائه داد. به گفته «یوهو»، این کار دو نتیجه مثبت به همراه داشت؛ هم صحت تصمیمات اخذ‌شده تأیید شد و هم اعتبار هوش مصنوعی در میان اعضا افزایش پیدا کرد.

«کاترین» رئیس هیئت‌مدیره‌ای در هلند، از مدل Claude 3.7 Sonnet به شیوه‌ای مشابه استفاده کرد. او داده‌هایی را از منابع باز به‌عنوان ورودی به مدل داد و همان سؤالاتی را پرسید که اعضا هیئت‌مدیره در یک نشست یک‌روزه مطرح کرده بودند. Claude سه مورد از چهار نتیجه‌گیری هیئت‌مدیره را تأیید کرد. در مورد نتیجه چهارم، هیئت‌مدیره زمان بیشتری را صرف بحث کرد و در نهایت به تصمیم اولیه خود پایبند ماند. نتیجه مهم این بود که با کمک هوش مصنوعی، شناسایی موضوعات نیازمند بحث بیشتر در هیئت‌مدیره، بسیار سریع‌تر صورت می‌گیرد. همچنین، زمانی که اعضای هیئت‌مدیره با هوش مصنوعی تعامل می‌کنند، می‌توانند با بهره‌گیری از قابلیتی به نام «یادگیری تقویتی با بازخورد انسانی» (RLHF) به بهبود کیفیت عملکرد مدل کمک کنند. این روش باعث می‌شود هوش مصنوعی نه‌تنها خروجی‌های بهتری تولید کند، بلکه دانش ضمنی را نیز بیاموزد؛ دانشی که معمولاً در اطلاعات مکتوب شرکتی وجود ندارد.

برای آشنایی بیشتر با روش RLHF پیشنهاد می‌شود بخش‌های «ارزش‌گذاری‌های انسانی» در مقاله «آنچه آسیموف فاش کرد» در رسانه تخصصی هوش مصنوعی هوشیو را مطالعه کنید.

هوش مصنوعی همچنین می‌تواند برای تحلیل فرایندهای داخلی هیئت‌مدیره نیز به کار رود. هیئت‌مدیره یک شرکت صنعتی در سوئیس، از هوش مصنوعی برای تحلیل پویایی گروهی در زمان صحبت هر عضو و لحن گفت‌وگو در جلسات استفاده می‌کند. این ابزار سپس پیشنهادهایی برای بهبود این روند ارائه می‌دهد. مثلاً پس از یکی از جلسات، این پیشنهادها مطرح شد:

• جلسه را با دادن دو دقیقه فرصت به هر عضو برای بیان انتظارات و دغدغه‌هایش آغاز کنید.
• زمان اختصاص‌یافته به ارائه‌های مدیریتی را ۲۰ درصد کاهش دهید.
• به اعضای X و Y زمان بیشتری برای صحبت بدهید؛ زمان صحبت عضو Z را کاهش دهید.
• از به‌کاربردن عبارات سبک و غیررسمی مثل «بیخیال» (Come On) یا «واضحه دیگه!» (No-Brainer) پرهیز کنید.

ورود هوش مصنوعی به هیئت‌مدیره

گام منطقی بعدی، حضور فعال هوش مصنوعی در بحث‌های رسمی هیئت‌مدیره است و این اتفاق در حال وقوع است. در سال ۲۰۲۴، بزرگ‌ترین نهاد سهامی عام امارات متحده عربی (IHC) یک انسان مجازی به نام «Aiden Insight» را به‌عنوان «ناظر هیئت‌مدیره» (Board Observer) منصوب کرد.  Aiden Insight حق رأی ندارد، اما مشارکتش در جلسات هیئت‌مدیره IHC در صورت‌جلسات رسمی ثبت می‌شود.

Aiden توسط «Abu Dhabi-based G42»، یک شرکت فعال در حوزه هوش مصنوعی و رایانش ابری طراحی و توسعه یافته است. همچنین G42 در مارس ۲۰۲۴ ابزار «BoardNavigator» را معرفی کرد که داده‌های خاص هر شرکت را با قابلیت‌های مدل‌های زبانی بزرگ ترکیب می‌کند تا برای جلسات هیئت‌مدیره آماده شود و در آن‌ها مشارکت کند. BoardNavigator به گفت‌وگوهای زنده گوش می‌دهد، نقاط کلیدی بحث را شناسایی کرده و بینش‌ها و پیشنهادهایی متناسب با آن را ارائه می‌دهد. این ابزار می‌تواند داده‌های مرتبط را ارائه کند، راه‌حل‌های مشخصی پیشنهاد دهد و چارچوب‌های جدیدی را در لحظه معرفی کند؛ در نتیجه، گفت‌وگو میان اعضای هیئت‌مدیره را حرفه‌ای و تأثیرگذارتر می‌سازد.

طبیعتاً ابزارهایی مانند Aiden (و سایر نمونه‌های مشابه آن) کامل و بی‌نقص نیستند. نداشتن هیجان، درک موقعیتی و فقدان ابتکار باعث می‌شود مدل‌هایی نظیر ChatGPT بدون دریافت دستور صریح نتوانند در بحث‌ها مشارکت مؤثری داشته باشند. این مدل‌ها برای دفاع از پیشنهادهای خود یا پاسخ به مخالفت‌ها دچار مشکل می‌شوند و شاید به همین دلیل است که اغلب توصیه می‌کنند درباره مسائل بحث‌برانگیز رأی‌گیری انجام شود؛ روشی که می‌تواند باعث پایان گفت‌وگو و بروز تنش شود (و به همین دلیل، رؤسای باتجربه فقط در مواقع خاص از آن استفاده می‌کنند).

این محدودیت‌ها ممکن است ناشی از تدابیر حفاظتی طراحی‌شده برای جلوگیری از رفتارهای مخرب باشد و در این صورت، بعید است بتوان آن‌ها را به طور کامل حذف کرد. این مسئله پرسش بعدی را مطرح می‌کند: «ریسک‌های هوش مصنوعی چیست و چگونه می‌توان آن‌ها را کنترل کرد؟»

مدیریت ریسک

همه ما تا حدی با ترس از هوش مصنوعی مواجه شده‌ایم و در نتیجه، اغلب خطرات آن را بیش از حد واقعی تصور می‌کنیم. این فناوری بی‌خطر نیست، اما در بیشتر موارد ریسک‌ها و خطرات آن بالقوه و نسبتاً قابل‌مدیریت هستند. نویسندگان گزارش نیز به بررسی مجموعه‌ای از عواملی که بیشترین نگرانی را در میان گروه‌های متمرکز مطالعات خود داشته است، پرداخته‌اند.

نشت اطلاعات

بیشتر افراد شرکت‌کنندگان در برنامه مطالعاتی، نشت اطلاعات حساس را یک ریسک بزرگ در استفاده از هوش مصنوعی می‌دانستند. یکی نایب‌رئیس عنوان کرد: «من امروز کتابچه هیئت‌مدیره را به ChatGPT می‌دهم، فردا رقبا می‌فهمند ما داریم چه تغییرات راهبردی‌ای را بررسی می‌کنیم.» رئیس دو هیئت‌مدیره دیگر هم ترس مشابهی را مطرح کردند: «هوش مصنوعی به داده‌های زیادی برای تأثیرگذاری نیاز دارد؛ بنابراین استفاده از آن مثل این است که درهای جلسات هیئت‌مدیره را به روی عموم باز کنیم. من هرگز اجازه نمی‌دهم چنین اتفاقی بیفتد.»

اما حقیقت این است که نشت اطلاعات الزاماً ناشی از استفاده از هوش مصنوعی نیست. این موضوع به نحوه ذخیره‌سازی و دسترسی به داده‌ها مربوط می‌شود و این ریسک پیش از فراگیرشدن ابزارهای هوش مصنوعی هم وجود داشت. علاوه بر این، می‌دانیم که چطور باید با این مسئله مقابله کنیم؛ شرکت‌ها معمولاً از محافظ‌های نرم‌افزاری استفاده می‌کنند و رویه‌هایی برای کنترل دسترسی به اطلاعات حساس تدوین کرده‌اند تا فقط افراد مجاز به آن‌ها دسترسی داشته باشند. اکثر شرکت‌ها آموزش‌هایی در زمینه امنیت داده به کارمندان ارائه می‌کنند و به‌راحتی می‌توانند این آموزش‌ها را به اعضای هیئت‌مدیره هم تعمیم دهند.

شرکت‌های بزرگ حوزه هوش مصنوعی مانند OpenAI، مدل‌های زبانی را به‌صورت «خدمت و سرویس» عرضه می‌کنند و تضمین می‌دهند که داده‌های شرکت‌ها برای آموزش مدل پایه مورداستفاده قرار نمی‌گیرد. شرکت آلمانی SAP که در حوزه نرم‌افزارهای سازمانی و هوش مصنوعی تجاری فعال است، یک گام جلوتر رفته و مدل‌های کوچک‌تر و مقرون‌به‌صرفه‌تری بر اساس داده‌های اختصاصی مشتریان خود توسعه داده که تنها با داده‌های همان مشتری آموزش می‌بینند.

سوگیری داده

می‌دانیم که تولید خروجی‌های مدل بر اساس داده‌های آموزشی آن است. اما یک واقعیت مهم در آن نهفته است؛ مدل‌ها بازتاب‌دهنده سوگیری‌های موجود در داده‌هایی هستند که با آن‌ها آموزش دیده‌اند. مثلاً اگر در یک کشور، تعداد کمتری از افراد سیاه‌پوست تحت درمان قرار گرفته باشند، داده‌های جمع‌آوری‌شده درباره بیماری‌ها احتمالاً به‌خوبی احتمال ابتلای این گروه را نشان نخواهد داد. این نوع سوگیری در داده‌ها به طور منظم منجر به نتایج نادرست در سطح عملیاتی مثلاً تشخیص‌های اشتباه در پزشکی، یا در حوزه مالی، ردشدن وام برای زنان یا اقلیت‌ها می‌شود.

در سطح هیئت‌مدیره نیز سوگیری‌های آماری می‌توانند منجر به اشتباهات راهبردی شوند. مثلاً در یکی از شرکت‌های صنعتی اروپایی، هیئت‌مدیره یک برنامه جامع و پرهزینه برای ایمنی و بهداشت شغلی (HSE) را که توسط مدیریت بر اساس نظرسنجی‌های داخلی تهیه شده بود، تصویب کرد. طی دو سال بعد، سطح حوادث گزارش‌شده در میان کارکنان داخلی شرکت به طور قابل‌توجهی کاهش یافت. اما در عملیات پیمانکارانی که در مطالعه اولیه مدیریت لحاظ نشده بودند، آمار حوادث افزایش یافت.

بدون تردید، اطلاعات و توصیه‌های تولیدشده توسط ابزارهای هوش مصنوعی، بازتاب‌دهنده سوگیری نمونه هستند. اما خود این فناوری نیز راهکارهایی برای کنترل این مشکل ارائه می‌دهد. در سطح داده، شرکت‌ها می‌توانند با انجام ممیزی‌های منظم و استفاده از پروتکل‌های شناسایی سوگیری، ریسک‌هایی مانند تبعیض نژادی یا جنسیتی را کاهش دهند. مهم‌تر از آن، آگاهی کاربر از وجود سوگیری است. کاربران می‌توانند از ابزار بخواهند تحلیل‌هایی مبتنی بر جنسیت یا قومیت خاص انجام دهد البته مشروط بر اینکه داده‌های جمعیتی مناسب در دسترس باشد.

متکی به گذشته

اتکا به پیشنهادهای هوش مصنوعی که ریشه در داده‌های گذشته دارند، ممکن است باعث تکرار اشتباهات تاریخی شود؛ آن هم در موقعیتی که وظیفه آن‌ها اتخاذ تصمیماتی است که باید وضعیت موجود را به چالش بکشد. تا زمانی که تغییرات عمده در محیط رقابتی داده‌های ورودی مدل‌ها منعکس شود، شاید برای اقدام مؤثر خیلی دیر شده باشد.

بسیاری از مدیران سطح هیئت‌مدیره این خطر را درک می‌کنند و ترجیح می‌دهند به شهود و قضاوت‌های تجربی خود تکیه کنند. مدیرعامل یک شرکت غذایی بلژیکی عنوان می‌کند: «من از هوش مصنوعی برای یادگیری گسترده استفاده می‌کنم، اما هرگز برای انتخاب‌های راهبردی به آن تکیه نمی‌کنم. راهبرد درباره آینده است و هوش مصنوعی درباره آینده چیزی نمی‌داند؛ هرچند تقریباً همه چیز را درباره گذشته می‌داند؛ اما گذشته نمی‌تواند آینده را پیش‌بینی کند.» البته حق با این مدیر است اما نکته‌ای را از قلم انداخته؛ شهود خود او هم نیز بر اساس تجربیات گذشته و تاریخی شکل گرفته است.

اطمینان از به‌روز بودن داده‌های آموزشی مدل، می‌تواند تا حد زیادی اثر تکیه بر گذشته (Anchoring in the past) را کاهش دهد. یکی دیگر از راه‌های کاهش این وابستگی، انتخاب ابزاری است که توانایی ارائه توضیحات علّی داشته باشد. نسل جدید مدل‌های زبانی بزرگ (LLMs) که به آن‌ها مدل‌های استدلال‌محور (Reasoning models) گفته می‌شود، نقطه عطفی نسبت به مدل‌های پیشین محسوب می‌شوند. پاسخ این مدل‌ها، بر پایه زنجیره‌ای از استدلال‌های علّی شکل می‌گیرد، نه بر اساس پیش‌بینی‌های آماری صرف. اگر مدل از متغیری استفاده کند که مقدار آن قدیمی است یا اهمیتش کاهش یافته، کاربر می‌تواند درباره بازنگری یا به‌روزرسانی وزن آن متغیر تصمیم بگیرد. برای مثال، اگر ابزار پیشنهاد دهد که برنامه‌های استقراض کاهش یابد؛ چون فرض را بر افزایش نرخ بهره گذاشته، اما تحلیل مستقل شرکت کاهش نرخ بهره را پیش‌بینی کند و هیئت‌مدیره می‌تواند آن پیشنهاد را رد کند.

همان‌طور که پیش‌تر گفته شد، هیئت‌مدیره می‌تواند از هوش مصنوعی بخواهند که به کمک تحلیل سناریو و شبیه‌سازی، نیم‌نگاهی به آینده نیز داشته باشد. پس از شناسایی تغییرات بالقوه در محیط عملیاتی، می‌توان از مدل خواست خروجی‌های احتمالی را با فرض تغییرات مشخص در فرض‌های زیربنایی را شبیه‌سازی کند. همچنین می‌توان به مدل دستور داد بررسی کند که این فرض‌ها تا چه اندازه و در چه جهتی، احتمال تغییر دارند. همان‌طور که این بحث نشان می‌دهد، در کنار اقدامات فناورانه‌ای که شرکت‌ها می‌توانند برای کاهش ریسک‌های هوش مصنوعی انجام دهند، مدیریت ریسک در سطح هیئت‌مدیره در اصل به توانمند شدن آن‌ها مربوط می‌شود؛ یعنی تبدیل‌شدن به یک کاربر و استفاده‌کننده هوشمند و آگاه از ابزار.

یادگیری استفاده از هوش مصنوعی

تعداد کمی از اعضای هیئت‌مدیره در زمینه استفاده از هوش مصنوعی آموزش دیده‌اند. در نتیجه، بسیاری از آن‌ها هنگام کار با این ابزار احساس سردرگمی یا ناامیدی می‌کنند. به گفته یکی از شرکت‌کنندگان در گروه‌های متمرکز: «راستش را بخواهید، من سعی کردم از هوش مصنوعی استفاده کنم؛ ولی خیلی زود پشیمان شدم. اطلاعات زیادی به من می‌داد ولی نمی‌توانستم بفهمم کدام یک درست و کدام غلط است و خیلی از آن اطلاعات هم اصلاً مناسب نبودند.»

یکی دیگر از دلایلی که باعث تردید اعضای هیئت‌مدیره در استفاده از هوش مصنوعی می‌شود و معمولاً هم بیان نمی‌شود؛ این است که این فناوری برای کسانی که پیش از عصر دیجیتال رشد کرده‌اند، بیگانه است. استفاده از هوش مصنوعی باعث اضطراب می‌شود، چون یادگیری آن با اشتباه، ناراحتی و احتمال ازدست‌دادن کنترل همراه است. البته چنین چیزی یک مسئله موقتی و گذراست و رفته‌رفته افراد بیشتری با پس‌زمینه دیجیتال وارد هیئت‌مدیره‌ها خواهند شد. شرکت‌ها همچنین می‌توانند هنگام انتخاب اعضای جدید، بر افراد دارای سواد دیجیتال تمرکز کنند؛ یعنی کسانی که به‌احتمال زیاد می‌توانند هوش مصنوعی را به‌خوبی در روند کاری هیئت‌مدیره ادغام کنند. بااین‌حال در شرایط کنونی، اصرار بر سواد دیجیتال ممکن است دایره انتخاب استعدادها را بیش از حد محدود کند. اما برای دهه آینده، تا زمانی که سواد دیجیتال به یک مهارت پایه و همگانی در میان حرفه‌ای‌ها تبدیل شود، باید آموزشی‌هایی برای استفاده صحیح از هوش مصنوعی به اعضای هیئت‌مدیره داده شود.

۱. تعامل و مشارکت

به رؤسای هیئت‌مدیره توصیه می‌شود این روند را با گفت‌وگوهای فردی با اعضا آغاز کنند تا سطح سواد دیجیتال و میزان علاقه‌مندی هر عضو را نسبت به هوش مصنوعی بسنجند، دیدگاه و تجربه شخصی خود را با آن‌ها به اشتراک بگذارند و درباره کاربردهای بالقوه هوش مصنوعی در کار هیئت‌مدیره بحث کنند. این مکالمات می‌تواند در جلسات رسمی هیئت‌مدیره، با حضور یا بدون حضور کارشناسان برون‌سازمانی هوش مصنوعی برگزار شود. همچنین، رئیس هیئت‌مدیره می‌تواند از یکی از اعضایی که تجربه موفقی در استفاده از هوش مصنوعی دارد بخواهد نقش راهنمای داخلی این فناوری را برای دیگران ایفا کند.

در این مرحله، نخست شناسایی و بررسی ریسک‌های واقعی یا خیالی مرتبط با استفاده از هوش مصنوعی در فضای هیئت‌مدیره بسیار حیاتی است و باید به‌روشنی توضیح داده شود که چگونه می‌توان این ریسک‌ها را مدیریت کرد. اگر اعضای هیئت‌مدیره به این نتیجه برسند که خطرات قابل‌کنترل هستند، تمایل بیشتری برای امتحان‌کردن فناوری خواهند داشت. باتوجه‌به نتایج این گفت‌وگوها، رئیس هیئت‌مدیره باید فرصت‌های آموزشی شخصی‌سازی‌شده برای اعضایی که نیاز به یادگیری دارند را طراحی، ایجاد و آن را با سبک یادگیری و برنامه زمانی هر فرد هماهنگ کند. احتمالاً بهترین شیوه، آموزش‌های فردی با کمک یک معلم باتجربه در حوزه هوش مصنوعی و ترجیحاً فردی از داخل خود سازمان است. این آموزش‌ها نباید صرفاً بر «نحوه کار با رابط کاربری» تمرکز داشته باشد؛ بلکه باید تأکید کند که هوش مصنوعی چگونه می‌تواند؛

• اثربخشی فردی عضو را به‌عنوان یکی از اعضای هیئت‌مدیره افزایش دهد.
• اثربخشی جمعی کل هیئت‌مدیره را ارتقا دهد.

با آموزش مؤثر و شخصی‌سازی‌شده، ترس و ناامیدی به‌سرعت جای خود را به اشتیاق و علاقه می‌دهد. همان‌طور که یکی از شرکت‌کنندگان در گروه‌های متمرکز عنوان می‌کند: «من دو بار سراغ هوش مصنوعی رفتم. دفعه اول سعی کردم خودم یاد بگیرم، ولی پیشرفت زیادی نداشتم. اما سه ماه پیش، رئیس هیئت‌مدیره یک کارگاه آموزشی برای همه اعضا درباره نحوه استفاده از هوش مصنوعی برگزار کرد. آن کارگاه مسیر کاری من در هیئت‌مدیره را عوض کرد و از آن زمان به بعد، ChatGPT شده شریک جرم من!»

۲. تمرین آزمایش‌گری جمعی

گام بعدی برای رئیس هیئت‌مدیره، آغاز آزمایش جمعی با ابزارهای هوش مصنوعی همراه با ایجاد تغییرات تدریجی در فرایندهای کاری هیئت‌مدیره در جلسات است پیشنهاد می‌شود در دو یا سه جلسه متوالی، اعضای هیئت‌مدیره با یک مدل زبانی پایه (Foundation LLM) کار کنند و درخواست‌های اختصاصی خود چه برای آمادگی پیش از جلسه و چه در حین جلسه را طراحی و ثبت کنند. پس از این جلسات، می‌بایست جلسات مرور و ارزیابی (Debriefing) برگزار شود تا اعضا تجربه‌ها و آموخته‌های خود را با یکدیگر به اشتراک بگذارند و برای بهبود فرایندها ایده ارائه دهند.

وقتی اعضای هیئت‌مدیره ارزش این ابزار را درک کردند، سازمان می‌تواند نسخه سازمانی مدل زبانی را بر اساس بهترین الگوهای حکمرانی سازمانی آموزش دهد تا در جلسات نقش مربی (Coach) را ایفا کند. در این مرحله، اعضا باید اطلاعات شخصی و حرفه‌ای مرتبط با نقش خود را در اختیار مدل قرار دهند تا توصیه‌های آن با مسئولیت‌ها و اولویت‌های هر فرد هماهنگ باشد.
رئیس هیئت‌مدیره همچنین می‌تواند از مدل بخواهد که وظایفی را به اعضا محول و عملکرد آن‌ها را در جلسات ارزیابی کند. پس از آنکه همه اعضا در استفاده از هوش مصنوعی، هم برای آمادگی پیش از جلسات و هم برای ارتقای عملکرد در جلسات به سطحی از راحتی و اعتماد رسیدند، مدل می‌تواند به دانش و داده‌های اختصاصی شرکت نیز دسترسی داشته باشد. در نهایت، این اقدام به کاهش فاصله اطلاعاتی بین مدیریت و اعضای غیراجرایی هیئت‌مدیره کمک می‌کند. البته آموزش مدل لزوماً نباید به‌صورت کامل و از همان ابتدا انجام شود. سازمان می‌تواند از یک مسئله خاص شروع کند؛ مثلاً فقط به داده‌هایی دسترسی بدهد که مربوط به موضوعی مرتبط با جلسه پیش رو است. سپس، بسته به سطح راحتی اعضای هیئت‌مدیره با نتایج، آموزش می‌تواند به‌تدریج گسترش یابد.

«پیشگامان نوآوری» (Innovation Champions) ممکن است وسوسه شوند که فرآیند تصمیم‌گیری جمعی را فراموش کنند و صرفاً با تکیه بر اقتدار رسمی یا غیررسمی خود، این فناوری جدید را عملیاتی کنند. اما رئیس هیئت‌مدیره نباید در معرفی هوش مصنوعی تسلیم این وسوسه شود و ضروری است که کل اعضا هیئت‌مدیره با تکیه بر شواهد، درباره پیاده‌سازی هوش مصنوعی تصمیم و مسئولیت جمعی آن را بر عهده بگیرند.

۳. حفظ پویایی و استمرار

ماجرا به‌محض ورود هوش مصنوعی به اتاق هیئت‌مدیره تمام نمی‌شود؛ حتی اگر آن ابزار، نقش فعالی در جلسات ایفا کند.
این فناوری مدام در حال تحول است و دانش اعضا نسبت به آن نیز در گذر زمان بیشتر خواهد شد؛ بنابراین استفاده از هوش مصنوعی باید به بخشی از فرایند ارزیابی پس از جلسات و ارزیابی‌های سالانه اعضای هیئت‌مدیره تبدیل شود.
باید از تلاش‌های اعضا برای استفاده از هوش مصنوعی حتی اگر نتیجه خاصی از آن حاصل نشود، تقدیر شود. وقتی رئیس هیئت‌مدیره مشارکت یک عضو خاص (یا کل هیئت‌مدیره) را در ترویج فرهنگ هوش مصنوعی به رسمیت بشناسد، پیامی واضح درباره اهمیت این موضوع به دیگران منتقل خواهد شد. آموخته‌ها نیز می‌توانند از طریق مربی‌گری و پشتیبانی آموزشی تقویت و تثبیت شوند.

تعهد شخصی و مستمر رئیس هیئت‌مدیره به استفاده از هوش مصنوعی برای حفظ پویایی و انگیزه حیاتی است. اگر مدیران از دیگران بخواهند از هوش مصنوعی استفاده کنند؛ ولی خودشان آن را نپذیرند، اعضای تیم احتمالاً در پذیرش آن مردد خواهند شد. اما اگر اعضای هیئت‌مدیره ببینند که رئیس در حال یادگیری، استفاده و ادغام فناوری در امور جاری است، توجه‌شان جلب خواهد شد. رؤسا نباید در پنهان‌کردن چالش‌های شخصی خود در یادگیری هوش مصنوعی خجالت بکشند؛ افشای این آسیب‌پذیری‌ها باعث می‌شود دیگران نیز به آزمون‌وخطا ترغیب شوند.

پیشرو

اگرچه ادغام هوش مصنوعی در هیئت‌مدیره با چالش‌هایی همراه است، اما فرصت‌های بزرگی نیز برای ارتقای عملکرد فراهم می‌کند. به اعتقاد نویسندگان، در نهایت هر هیئت‌مدیره یک عضو هوش مصنوعی خواهد داشت؛ شاید حتی با حق رأی.
هیئت‌مدیره‌های هوشمند و آینده‌نگر از همین امروز به دنبال ارتقای سواد دیجیتال خود خواهند بود تا از این موج عقب نمانند.
چون با تصمیم‌گیری‌های سریع‌تر و هوشمندانه‌تر که به کمک هوش مصنوعی محقق می‌شود؛ می‌توانند سازمان خود را جلوتر از رقبا نگه دارند که در بسیاری از موارد، یک مزیت رقابتی پایدار خواهد بود.