
استفاده از هوش مصنوعی، فشار بیش از حد بر دوش مدیران میانی می گذارد.
11 تیر 1405جولیا شین و ساندرا سوچر در مقالهای که در ژوئن ۲۰۲۶ در Harvard Business Review منتشر شد، تلاش کردند بفهمند پذیرش هوش مصنوعی در سازمانها واقعاً چگونه اتفاق میافتد. آنها به جای بررسی نگرشهای کلی، با مدیران ارشد، مدیران میانی و نیروهای تازهکار دو شرکت بزرگ مشاوره صحبت کردند تا ببینند هرکدام در عمل چگونه از هوش مصنوعی استفاده میکنند و با چه چالشهایی روبهرو هستند. نتیجه تحقیقاتشان جالب بود؛ مسئله اصلی اصلاً فناوری نبود. مسئله، ساختار سازمان و فشاری بود که روی مدیران میانی انباشته شده است.
تصور کنید یک مدیر میانی صبح زود روزش را با یادگیری تکنیکهای جدید کار با هوش مصنوعی آغاز میکند. کمی بعد باید به سؤالات مشتریان درباره استفاده از AI پاسخ دهد. سپس باید خروجیهایی را که اعضای تیم با کمک هوش مصنوعی تولید کردهاند بررسی کند، خطاهای احتمالی را پیدا کند، به نیروهای تازهکار آموزش دهد و همزمان کیفیت پروژه را هم حفظ کند. در پایان روز نیز باید تمام تجربههای بهدستآمده را مستند کند تا شاید دفعه بعد تیم بتواند از آن استفاده کند. این تصویر یک استثنا نیست؛ امروز برای بسیاری از مدیران میانی به یک واقعیت روزمره تبدیل شده است.
مشکل از جایی شروع میشود که مزایای هوش مصنوعی بهصورت یکسان توزیع نشدهاند. مدیران ارشد معمولاً از زاویهای استراتژیک به AI نگاه میکنند. برای آنها هوش مصنوعی فرصتی است برای ارائه خدمات جدید، انجام پروژههای بیشتر با تیمهای کوچکتر و افزایش سرعت تصمیمگیری. در سطح کارکنان تازهکار نیز مزایای بهرهوری کاملاً ملموس است. تحقیقاتی که قبلاً چند روز زمان میبرد، حالا در کمتر از یک ساعت انجام میشود و تحلیلهایی که هفتهها طول میکشید، ظرف چند ساعت آماده میشوند. در نتیجه نیروهای جوان زودتر وارد فعالیتهای مهمتر و استراتژیکتر میشوند.
اما تمام این سرعت و بهرهوری روی دوش یک گروه فرود میآید: مدیران میانی.
هوش مصنوعی میتواند یک گزارش بسیار حرفهای تولید کند؛ اما حرفهای به نظر رسیدن با درست بودن تفاوت دارد. مدیران باید تشخیص دهند کدام تحلیل واقعاً ارزشمند است و کدام فقط ظاهری جذاب دارد. باید اشتباهات را پیدا کنند، صحت اطلاعات را بررسی کنند، کیفیت خروجی را تضمین کنند و همزمان به اعضای تیم نیز آموزش دهند. در واقع، کاری از دوش دیگران برداشته شده اما به مسئولیتهای مدیران اضافه شده است.
نویسندگان مقاله به نکته مهم دیگری هم اشاره میکنند: هوش مصنوعی مشکل مدیران میانی را ایجاد نکرده، بلکه بحران موجود را تشدید کرده است. سالهاست که بسیاری از سازمانها با کوچکسازی و حذف لایههای مدیریتی، مسئولیت افراد کمتری را بیشتر کردهاند. حالا هوش مصنوعی نیز بدون ایجاد ساختارهای حمایتی جدید به همان مدیران اضافه شده است. نتیجه این شده که مدیران باید هم پروژهها را تحویل دهند، هم متخصص AI باشند، هم مربی کارکنان و هم کنترلکننده کیفیت.
اما راهحل چیست؟ نویسندگان معتقدند پاسخ در خرید ابزارهای بیشتر یا استفاده از مدلهای پیشرفتهتر نیست. سازمانها باید روی مدیران میانی سرمایهگذاری کنند.
اولین اقدام، اختصاص زمان واقعی برای یادگیری است. اگر از مدیران انتظار داریم هوش مصنوعی را یاد بگیرند و به دیگران آموزش دهند، باید زمانی رسمی برای این کار در نظر گرفته شود. یادگیری نباید به ساعاتی که از خستگی روزانه باقی میماند موکول شود.
دومین مسئله، تغییر معیارهای ارزیابی عملکرد است. بسیاری از سازمانها هنوز فقط خروجی پروژه یا ساعات کاری را اندازهگیری میکنند؛ در حالی که امروز انتقال دانش، آموزش تیم، مستندسازی تجربیات و کمک به یادگیری دیگران نیز بخشی از ارزشآفرینی واقعی محسوب میشود.
و در نهایت، مدیران ارشد باید فاصله خود را با واقعیت عملیاتی کاهش دهند. تصمیمگیری درباره اینکه چه میزان استفاده از هوش مصنوعی قابل قبول است، کدام مهارتها باید همچنان بهصورت سنتی آموزش داده شوند و استانداردهای کیفیت چگونه حفظ شوند، نباید فقط بر عهده مدیران میانی باشد. وقتی سازمان استانداردهای مشخصی تعیین نکند، هر مدیر مجبور میشود بهتنهایی برای تیم خود قانونگذاری کند.
شاید مهمترین هشدار مقاله همین باشد: اگر مدیران میانی تمام زمان خود را صرف کنترل خروجیهای هوش مصنوعی کنند، چه کسی قرار است نسل بعدی رهبران سازمان را پرورش دهد؟ هوش مصنوعی میتواند سرعت انجام کارها را افزایش دهد، اما هنوز نمیتواند تجربه، قضاوت، مربیگری و رهبری را جایگزین کند.
در نهایت، تفاوت میان سازمانهایی که از هوش مصنوعی واقعاً ارزش خلق میکنند و سازمانهایی که صرفاً ابزارهای جدید خریدهاند، در فناوری نیست. تفاوت در این است که آیا آنها از افرادی که قرار است هوش مصنوعی را در عمل به نتیجه برسانند، حمایت میکنند یا نه. و در قلب این ماجرا، مدیران میانی قرار دارند.

