بیامو ۲۰ درصد نقشهای مدیریتی را به هوش مصنوعی میسپارد، اما پرسش مسئولیت خطا و اثرش بر کیفیت خودرو بیپاسخ مانده است.
در پاییز ۲۰۲۶ میلادی، بیامو (BMW) خبری را منتشر کرد که با وجود وزنش، در صنعت خودرو آنقدر که باید طنین نینداخت. بخشی از دلیل، مخاطب نخستین آن بود، چون سهامداران پیش از همه از ماجرا باخبر شدند. بخش دیگر به شکل عرضهی طرح برمیگشت و آن را در قالب یک اقدام صرفهجویانه برای آینده معرفی کردند.
بهگزارش autoevolution، بیانیهی مطبوعاتی بیامو در پایان سپتامبر ۲۰۲۶ بر یک برنامهی بازسازی ساختاری تمرکز داشت. برنامه در روز بازار سرمایهی گروه بیامو (Capital Market Day) اعلام شد. در روزگاری که «کاهش هزینه»، «افت سهم بازار» و «کاهش سود» از پرتکرارترین عبارتها در جلسات مدیریتی خودروسازان آلمانی به شمار میرود، خود بازسازی چیز عجیبی نیست.
غیرعادی بودن ماجرا از بقیهی زمینه میآمد. بیامو اعلام کرد هوش مصنوعی را به پلههای سازمانی خود هم وارد میکند. خودروساز آلمانی از ۲۰۲۳ هوش مصنوعی را عمیقا در تولید و بخشهای دیگر سازمان به کار برده و مدتی است عاملهای هوش مصنوعی (AI agents) را برای پایش ریسکهای ژئوپلیتیکی، کیفیت محصول و کاهش هزینهها فعال دارد. گام بعدی اما در مقیاسی کاملا متفاوت برداشته میشود.
اقدامات جدید قرار است در سال ۲۰۲۷ اجرا شود و تا ۲۰۲۸ به پایان برسد. خودروساز مونیخی در همین بازه شمار بخشها و نقشهای مدیریتی وابسته به آنها را ۲۰ درصد کم میکند. جایگاهها کاملا ناپدید نمیشوند. استقرار گستردهی «اپلیکیشنهای هوش مصنوعی عاملی» (agentic AI applications) جای آنها را میگیرد.
عاملهای نرمافزاری قرار است با کمترین دخالت انسان چند وظیفهی مهم را انجام دهند. توسعهی محصول، خرید از تامینکنندگان، فروش و خدمات پس از فروش در فهرست مسئولیتهایشان قرار دارد. بیامو آن را نقطهی عطفی در صنعت خودرو مینامد.
هدف نهایی، تبدیل شدن به یک «شرکت هماهنگشده با هوش مصنوعی» (AI-orchestrated company) تا ۲۰۲۸ و پیشی گرفتن از هر رقیب دیگری در این مسیر است. کاهش هزینه انگیزهی اصلی محسوب میشود، ولی تنها انگیزه نیست. مونیخ برای رسیدن به این وضعیت اهداف مالی زیر را تعریف کرده است.
- صرفهجویی سالانهی حدود یک میلیارد یورو تا ۲۰۲۸
- حاشیهی سود EBIT میانمدت در بازهی ۳ تا ۵ درصد
- بازگشت به بازهی بلندمدت ۸ تا ۱۰ درصد تا ابتدای ۲۰۳۰
در مقابل، بیامو دربارهی چند نکتهی کلیدی سکوت کرده است. روشن نیست عاملهای هوش مصنوعی دقیقا چه تصمیمهایی خواهند گرفت، اعتبارسنجی آنها چگونه انجام میشود، در صورت اشتباه (و نه اگر) چه رخ میدهد و چه کسی پاسخگوی پیامدها خواهد بود. گذار از ساختاری که حول داوری انسانی طراحی شده به ساختاری مبتنی بر توصیه یا تصمیم الگوریتمی هم توضیحی نگرفته است.
نویسندهی autoevolution معتقد است همهی این پرسشها باید پیش از آگاهسازی سهامداران پاسخ میگرفت. به نوشتهی او طرح لزوما بد نیست، ولی پیچیدگی و مقیاس بیسابقهاش نگاه دقیقتری میطلبد. بیامو مزایا را برای همه شرح داده و حالا نوبت بررسی نقطهضعفهاست، چون از برخی زوایا ماجرا به باز کردن جعبهی پاندورا شباهت دارد.
حق تصمیمگیری بیصاحب و خلا پاسخگویی
مهمترین مسئلهای که باید روشن شود، صاحب امضای نهایی در تصمیمی است که بهطور عمده یا کامل را هوش مصنوعی گرفته. ساختار مدیریتی بیامو و تقریبا هر شرکت بزرگ دیگری از لایههایی تشکیل شده که هر کدام مسئولیت کامل تصمیمهای خود را بر دوش میکشند.
بیامو تأکید میکند در مرحلهی فعلی استفاده از سامانههای عاملی برای ارائهی توصیه، تصمیم نهایی هنوز با انسان است و هوش مصنوعی مستقل عمل نمیکند. با این حال، کاهش ۲۰ درصدی مدیریت و جایگزینی آن با هوش مصنوعی یعنی کسانی که امروز مالک امضا هستند، هنگام اتخاذ آن تصمیمها دیگر در سازمان حضور نخواهند داشت.
اگر هوش مصنوعی مستقل تصمیم نگیرد و انسانِ تصمیمگیر هم نباشد، حق تصمیمگیری بیصاحب میماند. اصطلاح «اثر بیصاحب» (orphaned work) پیشتر در دنیای کپیرایت رایج بود و به آثاری اشاره داشت که دارندهی حقوقشان شناسایی نمیشد یا دیگر در دسترس نبود. شباهت آن با جایگزینی مدیران انسانی در مونیخ به چشم میخورد.
شرکتهای موفق برای روشن کردن مسیر تصمیم از چارچوبهایی مثل RACI و RAPID بهره میبرند. RACI از چهار واژهی Responsible، Accountable، Consulted و Informed ساخته شده و مدیران پروژه از آن برای اجرای روزمره و کارهای روتین استفاده میکنند. RAPID شامل Recommend، Agree، Perform، Input و Decide است و مدیران ارشد برای تصمیمهای پیچیدهتر سراغش میروند. هر دو مدل مشخص میکنند چه کسی کار را انجام میدهد، چه کسی مشاور است، چه کسی از جریان مطلع میشود و مرجع نهایی کیست. بیامو هنوز نگفته پس از جایگزینی انسانها از کدامیک، اگر اصلا، استفاده خواهد کرد.
خودروساز میگوید در توسعهی خودرو، همهی خروجیهای هوش مصنوعی را توسعهدهندگان پایش، بازبینی و تأیید میکنند. همکاری جاری بیامو با میسترال ایآی (Mistral AI)، بزرگترین شرکت هوش مصنوعی اروپا، مدتی است به کمک مهندسان آمده. به بیان ساده، در گذشتهی نزدیک و اکنون، هر خروجی هوش مصنوعی صرفا مکمل یک بازبین انسانی بوده است.
کاهش ۲۰ درصدی در بخشهای تصمیمساز این معادله را تغییر میدهد. چنین تغییر الگویی میتواند پیامدهایی بسازد که بهجای افزایش سود، با میلیاردها یورو و سالها زیان مالی سنجیده شود.
وقتی یک مدیر انسانی تصمیم بسیار غلطی میگیرد، مثلا تامینکنندهای را تأیید میکند که بعدا ورشکست میشود یا بازار رد میکند، یا کاهش هزینهای را مجاز میداند که کیفیت را به خطر میاندازد، زنجیرهی پاسخگویی روشن است. ردپای تصمیم مشخص است و بازبینی عملکرد و پیامدهای بعدی از پی میآید.
ساختار پاسخگویی در تقریبا هر شرکتی وجود دارد و هدفش پیدا کردن مقصر نیست. مسئله این است که هر تصمیمگیرنده سهمی شخصی در نتیجه داشته باشد، برای اشتباه کمتر انگیزه بگیرد و مسئولیت را بپذیرد. سامانهی عاملی هیچ انگیزهای از این دست ندارد. نه شغلی دارد و نه آبرویی برای حفظ، نه خانوادهای برای تامین و نه ارزیابی عملکرد یا کاهش حقوقی در انتظارش است.
هوش مصنوعی، دستکم در شکل فعلی، فقط برای تابعی که به آن داده شده و بر پایهی دادههای آموزشی بهینه میشود. برخلاف انسانی که نامش پای تصمیم است، انگیزهای برای هیچ کاری ندارد. فاصلهی بنیادین بهینهسازی ماشینی و پاسخگویی انسانی همیشه پابرجا میماند.
پرسش بعدی روشن است. اگر یکی از سامانههای عاملی بیامو خطای پرهزینهای مرتکب شود، مسئول قانونی و حرفهای کیست؟ خودروساز چگونه میان خطایی که خود الگوریتم آن را خطا نمیداند، چون در چارچوب پارامترهای آموزشدیدهاش میگنجد، و خطایی که از آموزش ضعیف ناشی شده تفکیک قائل میشود؟ پاسخ این پرسشها باید پیش از آن داده شود که مدیران فعلی بستهی پایان خدمت بگیرند و از ساختمان بیرون بروند.
هزینهی انسانی و آزمون زیرساخت
بیامو اعلام کرده با شورای کار خود بر سر برنامهی پایان خدمت برای حداکثر ۸ هزار نفر از کارکنان غیرتولیدی به توافق رسیده است. این افراد باید تا میانهی ۲۰۲۷ سازمان را ترک کنند. حدود ۱۰۰ نفر از آنها در جایگاههای اجرایی هستند که مستقیما با هوش مصنوعی جایگزین میشوند.
جنبهی مالی و صرفهجویی ناشی از مقیاس برای بیامو و نیروی باقیمانده، چه مدیر و چه غیرمدیر، اهمیت زیادی دارد. چند روز پیش برنامهی پایان خدمت داوطلبانه برای حدود ۴۰ هزار کارمند ارسال شد. ارقام احتمالی چنان کنجکاویشان را برانگیخت که پورتال منابع انسانی شرکت در روز راهاندازی چند ساعت از کار افتاد.
دهها هزار کارمند تقریبا همزمان کوشیدند به پیشنهادهای شخصی خود دسترسی پیدا کنند و سرورها تاب آن حجم ترافیک را نیاوردند. سامانه سریع به مدار بازگشت و در حالت عادی خبر را باید کمی خندهدار دانست. اما وقتی بخشی از همین کارکنان قرار است جایشان را به هوش مصنوعی بدهند، فناوریای که به سرورهای فراوان و پهنای باند بالا نیاز دارد، ماجرا کمتر خندهآور و بیشتر مایهی تامل میشود.
آیا بیامو واقعا آماده است «شرکت هماهنگشده با هوش مصنوعی» شود، در حالی که برای بررسی همزمان ایمیلهای داخلی هم سرور و پهنای باند کافی نداشت؟ سرمایهگذاری روی فناوری پیشرو ممکن است از همان ابتدا آنطور که انتظار میرود کار نکند و ریسکها حتی با روان بودن زیرساختهای پشتی هم بزرگاند.
نویسنده تأکید میکند مزایای هوش مصنوعی را درک میکند. بیامو هم تنها غول صنعتی نیست که آن را به کار میگیرد و میخواهد سهمش را بیشتر کند. خدمات مشتریان تقریبا در همهی شرکتها به هوش مصنوعی سپرده شده، بخش حملونقل و ارسال کالا از یادگیری ماشین در لجستیک، مسیریابی و حتی عملیات گمرکی دارد و بایر (Bayer)، غول دارویی، برای کشف ترکیبهای دارویی تازه و اجرای کارآزماییهای بالینی سراغ آن رفته است.
پس چرا ورود بیامو به این مسیر نگرانکننده تلقی میشود؟ اگر خودروساز به بهینهسازی برخی فرایندها و بهبود جریان کار و در نتیجه سودآوری بسنده میکرد، نگرانی چندانی وجود نداشت. صرفهجویی سالانهی یک میلیارد یورو هم برای وضعیت مالی دشوار خودروسازان آلمانی کمک کوچکی نیست و کسی منکر آن نمیشود.
اعتراض اصلی به شفاف نبودن برنامه و ساختار پاسخگویی برمیگردد، چون طرح رسمی بیشتر شبیه چیزی است که از یک سخنرانی سطحی TED سرهم شده باشد. اعتراض دوم به میزان اعتمادی است که مونیخ به فناوری فعلی هوش مصنوعی نشان میدهد. در بیشتر موارد، هوش مصنوعی در کاری که برایش آموزش دیده بهتر از انسان عمل میکند. اگر آن را در یک ربات هم بگذارند، دیگر به کار فیزیکی هم نیازی نیست.
ریسک اصلی؛ از اتاق جلسه تا خط تولید
با این همه، هوش مصنوعی گاهی، بیش از آنچه کسی دوست دارد، دچار توهم (hallucination) میشود. وقتی چنین اتفاقی بیفتد، و میافتد و خواهد افتاد، پیامد فقط به تعیین مقصر محدود نمیماند و میتواند تا محصول نهایی هم پایین بیاید. بیامو با این طرح امکان تولید دستهای از خودروهای آینده را باز میکند که عیب جدی دارند و منشا عیب، یکی از عاملهای هوش مصنوعی در فرایند ساخت بوده است.
زنجیرهی خطر از تصمیم مدیریتی شروع میشود و به کیفیت خودرو میرسد. اگر عاملی در بخش خرید تامینکنندهای را صرفا به دلیل قیمت ترجیح دهد یا در توسعه برای کاهش هزینه، راهحلی را بپذیرد که تاثیر بلندمدتش در دادههای آموزشی وجود ندارد، ردیابی ریشهی مشکل در ساختاری که مدیر انسانیاش کم شده دشوارتر خواهد بود. زیان چنین خطایی با فراخوان، تعمیر و آسیب اعتبار برند سنجیده میشود و بهسادگی با صرفهجویی یک میلیارد یورویی جبران نمیگردد.
نکتهی پایانی به واژگان برمیگردد. بیامو برخی از سامانههای عاملی را «همکار» (colleagues) نامیده، چیزی که تا لحظهی جدی شدن ماجرا بامزه به نظر میرسد. انسانهایی که قرار است با این «همکاران» کار کنند یا حتی از آنها دستور بگیرند، باید به خاطر داشته باشند که هوش مصنوعی یک ابزار است، هرچند در دسترسی به اطلاعات سریعتر از آنها عمل کند. به باور نویسنده، اشتباه گرفتن ابزار با همکار شاید بزرگترین ریسکی باشد که بیامو در این شرطبندی، یا به تعبیر او قمار، میپذیرد.
به نظر شما سپردن تصمیمهای مدیریتی یک خودروساز به هوش مصنوعی منطقی است یا خطر کیفیت را بالا میبرد؟ نظرتان را در بخش دیدگاهها بنویسید.