همه را یکسان آموزش می‌دهند
مدیر مالی و مدیر فروش نیازهای متفاوت دارند. دورهٔ یکسان برای هر دو، برای هیچ‌کدام کافی نیست.
هوش مصنوعیِ سازمان را از مدیرانش شروع کنید
ما نخست با مدیران شما گفت‌وگو میکنیم، کارنامهٔ دانشی اولیه می‌دهیم، مسیر رشد هر نفر را می‌چینیم، آموزش می‌دهیم و دسترسی به ابزارها را برقرار میکنیم؛ همه اختصاصی برای سازمان شما.
— چرا اختصاصی
آموزش عمومی، سازمان را تغییر نمی‌دهد
بیشتر دوره‌های هوش مصنوعی سه اشتباه مشترک دارند.
از مثال‌های بیگانه استفاده می‌کنند
کسی که مثال خودش را نمی‌بیند، فردا هم به کار خودش برنمی‌گرداند.
به گواهی ختم میشوند، نه تغییر
پس از دوره چیزی در رفتار کاری عوض نمی‌شود، چون ابزار و پشتیبانی وجود ندارد.
— روش کار
پنج گام از مصاحبه تا دسترسی
هر گام خروجی مشخص دارد و ورودی گام بعد است.
مصاحبهٔ ایجنتیک با مدیران
به‌جای پرسش‌نامهٔ خشک، یک ایجنت هوشمند با هر مدیر گفتوگوی ساختاریافته میکند؛ همزمان با همهٔ مدیران، در زمانی که خودشان انتخاب می‌کنند.
- فرایندهای واقعیهر مدیر کارهای روزمره، گلوگاه‌ها و تصمیم‌های تکراری‌اش را شرح میدهد.
- دانش و تجربهٔ فعلیبا کدام ابزارهای هوش مصنوعی کار کرده؛ چه چیزی جواب داده و چه چیزی نه.
- نگرانی‌ها و مقاومت‌هاترس از اشتباه، امنیت داده یا جایگزینی، پیش از آنکه مانع شوند شنیده میشوند.
- اسناد و نمونه‌هاگزارش‌ها و فایلهای واقعی کار هر مدیر، مبنای مثال‌های آموزشی قرار می‌گیرند.
خروجی: خلاصهٔ مصاحبه و نقشهٔ فرایندهای قابل‌بهبود برای هر مدیر
کارنامهٔ دانشی اولیه
تصویری روشن و بی‌تعارف از اینکه هر مدیر و هر واحد امروز کجای مسیر ایستاده است؛ نقطهٔ صفری که پیشرفت بعدی با آن سنجیده میشود.
- چند بُعد، نه یک نمرهآشنایی با ابزار، کاربرد در فرایند، ارزیابی خروجی، امنیت داده و خودکارسازی، جداگانه سنجیده میشود.
- فرصت‌های پنهانکارهایی که با هوش مصنوعی در چند ساعت انجام میشوند ولی هنوز دستی انجام میشوند.
- ریسک‌های فعلیاستفادهٔ بی‌ضابطه از ابزارها و داده‌ای که نباید بیرون برود.
- نمای سازمانیبرای مدیرعامل: نقشهٔ آمادگی واحدها و اولویت‌های سرمایه‌گذاری در آموزش.
خروجی: کارنامهٔ فردی برای هر مدیر و گزارش جمعبندی برای مدیرعامل
طراحی مسیر رشد
برای هر نقش و هر فرد، برنامهٔ یادگیری جداگانه می‌چینیم: از کجا شروع کند، چه چیزی را رد کند، و هر ماه به چه چیزی برسد.
- بر پایهٔ نقشمدیر مالی، مدیر فروش و مدیر عملیات هرکدام مسیر خودش را دارند.
- بر پایهٔ کارنامهکسی که ابزار را می‌شناسد نیمهٔ اول را نمی‌خواند؛ کسی که نمی‌شناسد از صفر شروع میکند.
- بر پایهٔ هدف سازمانهر گام با یک نتیجهٔ کاری مشخص گره می‌خورد، نه با تعداد ساعت کلاس.
- نقاط سنجشاز ابتدا مشخص است در چه تاریخی و با چه معیاری پیشرفت بازبینی میشود.
خروجی: نقشهٔ مسیر رشد هر نفر و تقویم آموزشی سازمان
آموزش با کار واقعی خودتان
کلاس‌ها حول فرایندها، فایل‌ها و مسئله‌های واقعی همان سازمان برگزار میشود. شرکت‌کننده با یک کار نیمه‌تمام خودش می‌آید و با کار انجام‌شده می‌رود.
- کارگاه‌های عملیساخت گزارش، تحلیل داده، پیش‌نویس و تصمیم‌یاری روی مثال‌های خود شما.
- مربی، نه فقط محتواپرسش‌وپاسخ و بازخورد مستقیم؛ گزارش BCG نشان میدهد آموزش حضوری همراه با مربی اثر بیشتری دارد.
- قاعده‌های استفادهٔ امنچه داده‌ای به کدام ابزار می‌رود و خروجی را چطور باید راستی‌آزمایی کرد.
- تمرین میان جلسه‌هاتکلیف‌ها کار روزمره‌اند، نه تمرین جدا از کار.
خروجی: مهارت قابل‌مشاهده روی کار واقعی و نمونه‌کارهای داخلی سازمان
دسترسی و همراهی
آموزش بدون ابزار، فراموش میشود. به هر نفر به‌اندازهٔ نقشش دسترسی می‌دهیم و پس از آموزش کنارش می‌مانیم.
- دسترسی به ابزارحساب و محیط امن برای کار با مدل‌ها، متناسب با سطح دسترسی هر نقش.
- سقف مصرف و گزارشکنترل هزینه و مشاهدهٔ اینکه ابزارها واقعاً چقدر و کجا استفاده میشوند.
- ایجنت‌های اختصاصیبرای کارهای تکراری هر واحد، ایجنت آماده تحویل می‌دهیم.
- بازسنجی و پشتیبانیپس از چند هفته دوباره سنجیده میشود و مسیر رشد اصلاح میشود.
خروجی: دسترسی فعال، گزارش بازسنجی و مسیر بعدی
— نمونه
کارنامه چه شکلی است؟
کارنامه یک نمرهٔ کلی نیست؛ پنج بُعد جداگانه است تا مشخص شود وقت هر نفر باید صرف چه چیزی شود. مدیرعامل هم نسخهٔ جمع‌بندی‌شدهٔ همهٔ واحدها را میبیند.
- هر مدیر فقط کارنامهٔ خودش را میبیند
- سنجش برای یاری رساندن است، نه ارزیابی عملکرد
- پس از آموزش، همین ابعاد دوباره سنجیده میشود
کارنامهٔ دانشی اولیهنمونهٔ ساختگی برای نمایش قالب
مدیر مالیمصاحبهٔ ایجنتیک انجام شد
گام پیشنهادیتمرکز روی راستی‌آزمایی خروجی و خودکارسازی گزارش ماهانه
— مسیر هر نقش
هر نقش، مسیر خودش را دارد
مسیرهای زیر نقطهٔ شروع‌اند؛ نسخهٔ نهایی از مصاحبه و کارنامهٔ خود شما ساخته میشود.
مدیران ارشد
تصمیم‌یاری، سنجش پروژه‌های هوش مصنوعی، ریسک و حاکمیت داده، و پرسش‌های درست از تیم.
مالی و حسابداری
تحلیل ارقام، تطبیق گزارش‌ها، خلاصه‌سازی اسناد و خودکارسازی گزارش‌های دوره‌ای.
فروش و بازاریابی
پیگیری فرصت‌ها، پاسخ‌گویی به مشتریان، محتوا و تحلیل بازار با ایجنت.
عملیات و تولید
پایش دستور کارها و سفارش‌ها، گزارش خرابی، مستندسازی دانش فنی.
فناوری اطلاعات و داده
معماری، امنیت، اتصال مدل‌ها به سامانه‌ها و نگهداری ایجنت‌ها.
— اندازه‌گیری
اثر را روی کار می‌سنجیم، نه روی حضور در کلاس
تعداد ساعت کلاس معیار نیست. معیار این است که کار واقعی چه تغییری کرده.
- ۱
نقطهٔ صفر
کارنامهٔ اولیه، پیش از هر آموزش.
- ۲
میان‌دوره
بازبینی کوتاه، اصلاح مسیر.
- ۳
بازسنجی
همان ابعاد، پس از آموزش و استفادهٔ واقعی.
- ۴
اثر کاری
کدام فرایندها تغییر کرد و چقدر زمان یا خطا کم شد.
— شواهد
پژوهش‌ها چه می‌گویند؟
مشکل اصلی پذیرش هوش مصنوعی در سازمان‌ها، فناوری نیست؛ آموزش، رهبری و فرایند است. ارقام زیر از منابع بین‌المللی‌اند و در پیوندها قابل‌بررسی‌اند.
کارکنانی که خود را برای کار با هوش مصنوعی به‌اندازهٔ کافی آموزش‌دیده می‌دانند؛ بیش از ۱۰ هزار کارمند در ۱۱ کشور.
BCG، AI at Work 2025آموزش، به‌ویژه حضوری و همراه با مربی، با استفادهٔ منظم از هوش مصنوعی در کار روزمره همراه است.
BCG، AI at Work 2025مدیران ارشد این‌قدر بیشتر احتمال دارد آمادگی کارکنان را مقصر بدانند تا هم‌راستایی خودِ مدیریت را.
McKinsey، Superagency in the Workplaceکارکنان خط مقدمی که می‌گویند مدیرشان دربارهٔ هوش مصنوعی راهنمایی کافی میدهد.
BCG، AI at Work 2025مشاورانی که در محدودهٔ توانایی مدل کار می‌کردند؛ اما خارج از آن محدوده، بیشتر دچار خطا شدند. تشخیص مرز، یک مهارت است.
Harvard Business School و BCG، ۷۵۸ مشاورگزارش MIT NANDA (۲۰۲۵) دلیل اصلی ناکامی بیشتر آزمایش‌های سازمانی را نه کیفیت مدل، بلکه نحوهٔ یادگیری و یکپارچه‌سازی در سازمان می‌داند.
MIT NANDA، The GenAI Divide (به نقل از رسانه‌ها)این ارقام از نظرسنجی‌ها و پژوهش‌های جهانی‌اند و ممکن است با وضعیت سازمان شما یکی نباشند؛ به همین دلیل پیش از هر آموزش، کارنامهٔ اختصاصی خودتان را می‌سازیم. گزارش MIT NANDA را بیشتر رسانه‌ها نقل کرده‌اند و روش‌شناسی آن (نمونهٔ کوچک) نقدپذیر است. قانون هوش مصنوعی اتحادیهٔ اروپا (ماده ۴) هم از فوریهٔ ۲۰۲۵ تأمین «سواد هوش مصنوعی» کارکنان را از شرکت‌های فعال در بازار اروپا می‌خواهد.
— پرسش‌ها
پرسش‌های پرتکرار دربارهٔ آموزش
پاسخ کوتاه به پرسش‌هایی که پیش از شروع می‌پرسند.
چرا از مصاحبه با مدیران شروع میکنید و نه از کلاس؟
چون آموزش عمومی به نیاز واقعی هیچکس نمیخورد. مصاحبه نشان میدهد هر مدیر کدام کار را با هوش مصنوعی باید انجام دهد؛ آموزش بعدی روی همان ساخته میشود.
مصاحبهٔ ایجنتیک یعنی چه؟
یک ایجنت هوش مصنوعی گفتوگوی ساختاریافتهٔ فارسی با هر مدیر انجام میدهد، پاسخها را عمیقتر میکند و آن را به خلاصه و نقشهٔ فرایند تبدیل میکند. همهٔ مدیران همزمان و در زمان دلخواه خودشان مصاحبه میشوند. تحلیل نهایی و تصمیمها همچنان با تیم انسانی ماست.
کارنامه برای چیست و چه کسی آن را میبیند؟
کارنامه نقطهٔ شروع پیشرفت را مشخص میکند. هر مدیر کارنامهٔ خودش را میبیند؛ مدیرعامل گزارش جمعبندی واحدها را. سنجش برای یاری رساندن است، نه ارزیابی عملکرد.
اطلاعات مصاحبهها محرمانه میماند؟
بله. مصاحبهها و فایلهای سازمان فقط برای طراحی همین برنامه استفاده میشوند. پیش از شروع، با شما تفاهمنامهٔ محرمانگی امضا میکنیم.
چطور پیشرفت را میسنجید؟
با همان ابعاد کارنامه، پس از آموزش دوباره سنجیده میشود. معیار، تغییر در کار واقعی است: کدام فرایندها اکنون با هوش مصنوعی انجام میشوند و چقدر زمان یا خطا کم شده، نه تعداد ساعت کلاس.
برای سازمان کوچک هم مناسب است؟
بله. هرچه تعداد مدیران و نقشها کمتر باشد، مسیرها فشردهتر و سریعتر میشود.
— شروع
از مصاحبه با مدیران شروع کنیم
چند خط دربارهٔ سازمان و تعداد مدیرانتان بنویسید؛ برای یک گفتوگوی اولیه با شما تماس می‌گیریم.