ch
Feedback

不要被骗子欺骗!Telemetrio 会找到并标记这些频道 👉 如果想查看标记,请订阅

كانال تكنولوژي ، مديريت ، بازاريابي

كانال تكنولوژي ، مديريت ، بازاريابي

前往频道在 Telegram

Telegram : @AnitaShahpouri Instagram: @AnitaShahpouri Linkedin : @AnitaShahpouri Twitter: @AnitaShahpouri رتبه اول گوگل پلاس در ايران با ٣٦٠ ميليون بازديدكننده از سراسر دنيا https://plus.google.com/u/0/+AnitaShahpouri ساير كانال ها @Bestplus @Anitaaplus

显示更多
1 639
订阅者
无数据24 小时
-17 天
+130 天
帖子存档
وقتی مدیرعامل آخرین نفری است که از مشکلات سازمان باخبر می‌شود این مقاله را با تمرکز بر یکی از چالش‌های کمتر دیده‌شده مدیریت نوشته‌ام. فاصله میان واقعیت آنچه در سازمان اتفاق می‌افتد و اطلاعاتی که به مدیران ارشد می‌رسد. بررسی کرده‌ام که سکوت سازمانی چگونه شکل می‌گیرد، چه تأثیری بر کیفیت تصمیم‌ها و تخصیص منابع دارد و چرا حتی گزارش‌های دقیق نیز ممکن است تصویر کاملی از واقعیت ارائه ندهند. به نظرم یکی از مهم‌ترین معیارهای بلوغ مدیریتی، توانایی سازمان در شنیدن واقعیت‌های ناخوشایند، پیش از تبدیل‌شدن آن‌ها به بحران است. آنیتا شاه پوری متن کامل مقاله و منابع پژوهشی در فایل بالا آمده است.👆🏼

Organizational_Silence_Anita_Shahpouri_Text_13pt.pdf0.85 KB

وقتی مدیرعامل آخرین نفری است که از مشکلات سازمان باخبر می‌شود این مقاله را با تمرکز بر یکی از چالش‌های کمتر دیده‌شده مدیریت نوشته‌ام. فاصله میان واقعیت آنچه در سازمان اتفاق می‌افتد و اطلاعاتی که به مدیران ارشد می‌رسد. بررسی کرده‌ام که سکوت سازمانی چگونه شکل می‌گیرد، چه تأثیری بر کیفیت تصمیم‌ها و تخصیص منابع دارد و چرا حتی گزارش‌های دقیق نیز ممکن است تصویر کاملی از واقعیت ارائه ندهند. به نظرم یکی از مهم‌ترین معیارهای بلوغ مدیریتی، توانایی سازمان در شنیدن واقعیت‌های ناخوشایند، پیش از تبدیل‌شدن آن‌ها به بحران است. آنیتا شاه پوری متن کامل مقاله و منابع پژوهشی در فایل پیوست آمده است.

Algorithmic_Management_Anita.pdf0.80 KB

وقتی الگوریتم مدیر می‌شود، چه کسی مسئول تصمیم‌های آن است؟ تصمیم‌گیری در بسیاری از کسب‌وکارهای دیجیتال دیگر فقط در اختیار مدیران انسانی نیست. الگوریتم‌ها می‌توانند عملکرد افراد را ارزیابی کنند، فرصت‌های کاری را تخصیص دهند و حتی بر درآمد و ادامه همکاری آن‌ها تأثیر بگذارند. با نزدیک‌شدن به مهلت اجرای مقررات جدید اتحادیه اروپا در دسامبر ۲۰۲۶، موضوع نظارت انسانی و مسئولیت‌پذیری در تصمیم‌های خودکار اهمیت بیشتری پیدا کرده است. در این مقاله به پیامدهای مدیریتی، حقوقی و اقتصادی این تحول و درس‌های آن برای کسب‌وکارهای ایرانی پرداخته‌ام. آنیتا شاه پوری متن کامل مقاله در فایل پیوست قابل مطالعه است.

چرا افزایش بهره‌وری کارکنان لزوماً به افزایش سود شرکت منجر نمی‌شود؟ گزارش جهانی مک‌کنزی، منتشرشده در ۲۵ اوت ۲۰۲۶، بر اساس نظرسنجی از ۱۷۱۹ نفر در ۹۷ کشور تهیه شده است. دو یافته آن برای مدیران اهمیت ویژه‌ای دارد. ۸۰ درصد پاسخ‌دهندگان گفته‌اند که هوش مصنوعی بهره‌وری فردی آن‌ها را افزایش داده است. در مقابل، ۳۷ درصد تأثیر مثبت هوش مصنوعی را بر سود پیش از بهره و مالیات سازمان خود گزارش کرده‌اند. این ارقام مبتنی بر پاسخ‌های نظرسنجی هستند، نه حسابرسی مستقل عملکرد مالی شرکت‌ها. بنابراین نباید نتیجه گرفت که هوش مصنوعی در ۶۳ درصد سازمان‌ها هیچ ارزش اقتصادی ایجاد نکرده است. اما فاصله میان این دو شاخص، پرسش مدیریتی مهمی ایجاد می‌کند: چرا بهبود عملکرد فردی همیشه به بهبود عملکرد سازمانی تبدیل نمی‌شود؟ مسئله اول: بهینه‌سازی فعالیت، به‌جای بهینه‌سازی فرایند فرض کنیم یک شرکت خدمات سازمانی، با استفاده از هوش مصنوعی، زمان تهیه پیشنهادهای تجاری را از چهار ساعت به یک ساعت کاهش دهد. این پیشرفت قابل‌اندازه‌گیری است. اما اگر پیشنهادها همچنان برای تأیید قیمت، بررسی حقوقی و تصویب شرایط قرارداد چندین روز معطل بمانند، زمان نهایی ارائه پیشنهاد به مشتری ممکن است تغییر چندانی نکند. در چنین شرایطی، سرعت یک فعالیت افزایش یافته، اما ظرفیت کل فرایند فروش الزاماً بهبود پیدا نکرده است. این همان تفاوت میان بهره‌وری موضعی و بهره‌وری کل فرایند است. مسئله دوم: تولید خروجی بیشتر، بدون افزایش ارزش نهایی یک پژوهش اقتصادی منتشرشده در مه ۲۰۲۶ و بازنگری‌شده در سپتامبر همان سال، داده‌های بیش از ۵۰۰ هزار توسعه‌دهنده نرم‌افزار را بررسی کرده است. پژوهشگران با استفاده از یک روش مقایسه‌ای مشاهده‌ای، اثرات مرتبط با نسل‌های مختلف ابزارهای برنامه‌نویسی هوش مصنوعی را بر فعالیت توسعه‌دهندگان برآورد کرده‌اند. در مورد ابزارهای خودکارتر، برآورد افزایش تجمعی فعالیت ثبت تغییرات کد به ۲۴۰ درصد می‌رسید، اما افزایش متناظر در تعداد نسخه‌های نهایی منتشرشده حدود ۳۰ درصد بود. این ارقام را نباید به همه شرکت‌ها یا تمام ابزارهای هوش مصنوعی تعمیم داد؛ ضمن اینکه روش مشاهده‌ای مطالعه محدودیت‌هایی برای استنباط علی دارد. بااین‌حال، یافته آن به یک مسئله عملیاتی اشاره می‌کند: افزایش حجم کار انجام‌شده، الزاماً به همان نسبت به افزایش محصول قابل‌تحویل منجر نمی‌شود. مراحل بررسی، آزمایش، یکپارچه‌سازی و انتشار همچنان می‌توانند ظرفیت کل سیستم را محدود کنند. مسئله سوم: هزینه‌هایی که در محاسبه بهره‌وری دیده نمی‌شوند ارزیابی اقتصادی هوش مصنوعی نباید فقط بر زمان صرفه‌جویی‌شده متمرکز باشد. هزینه اشتراک ابزارها، زیرساخت، یکپارچه‌سازی، آموزش، کنترل کیفیت، اصلاح خطاها و نظارت انسانی نیز باید محاسبه شود. ممکن است یک ابزار، زمان تهیه خروجی اولیه را به‌شدت کاهش دهد، اما هزینه بررسی و اصلاح آن بخش قابل‌توجهی از منفعت را جذب کند. البته این مسئله در همه کاربردها یکسان نیست. در بعضی فعالیت‌ها، کاهش زمان انجام کار می‌تواند ارزش اقتصادی فوری و قابل‌توجهی داشته باشد. مسئله چهارم: نبود تصمیم مدیریتی درباره استفاده از ظرفیت آزادشده اگر هوش مصنوعی ماهانه ۳۰۰ ساعت از زمان یک تیم را آزاد کند، سازمان با یک تصمیم مدیریتی روبه‌روست. آیا این ظرفیت برای افزایش فروش استفاده می‌شود؟ آیا کیفیت خدمات بهبود پیدا می‌کند؟ آیا زمان تحویل کاهش می‌یابد؟ آیا کارکنان به فعالیت‌های ارزش‌آفرین‌تری منتقل می‌شوند؟ یا صرفاً همان ساختار قبلی با زمان‌های خالی بیشتر ادامه پیدا می‌کند؟ صرفه‌جویی زمانی به‌خودی‌خود معادل کاهش هزینه نقدی یا افزایش سود نیست. برای تحقق منفعت اقتصادی، باید مشخص شود ظرفیت آزادشده چگونه مورد استفاده قرار خواهد گرفت. چارچوب پیشنهادی برای ارزیابی پروژه‌های هوش مصنوعی به‌جای شروع با تعداد کاربران فعال یا میزان استفاده از ابزار، بهتر است چهار شاخص در کنار یکدیگر بررسی شوند. زمان چرخه کامل: از آغاز درخواست تا تحویل خروجی تأییدشده چقدر زمان صرف می‌شود؟ هزینه واقعی هر خروجی: مجموع هزینه نیروی انسانی، فناوری، اصلاحات و کنترل کیفیت چقدر است؟ کیفیت و دوباره‌کاری: آیا تعداد خطاها، اصلاحات و مراجعات مجدد کاهش یافته است؟ ارزش اقتصادی نهایی: آیا درآمد، حاشیه سود، ظرفیت خدمت‌رسانی یا رضایت مشتری بهبود قابل‌اندازه‌گیری داشته است؟ بهبود هر چهار شاخص در همه پروژه‌ها ضروری نیست. معیار موفقیت باید متناسب با هدف اقتصادی همان پروژه تعیین شود. پرسش مدیریتی امروز: اگر فردا استفاده از هوش مصنوعی در سازمان شما متوقف شود، کدام شاخص اقتصادی یا عملیاتی به‌طور قابل‌اندازه‌گیری بدتر خواهد شد؟ پاسخ به این سؤال می‌تواند تفاوت میان استفاده گسترده از فناوری و خلق ارزش واقعی از آن را روشن‌تر کند. آنیتا شاه پوری

شانس نیست حاصل تمرکز و مهارته✨

چرا افزایش بهره‌وری کارکنان لزوماً به افزایش سود شرکت منجر نمی‌شود؟ گزارش جهانی مک‌کنزی، منتشرشده در ۲۵ اوت ۲۰۲۶، بر اساس نظرسنجی از ۱۷۱۹ نفر در ۹۷ کشور تهیه شده است. دو یافته آن برای مدیران اهمیت ویژه‌ای دارد. ۸۰ درصد پاسخ‌دهندگان گفته‌اند که هوش مصنوعی بهره‌وری فردی آن‌ها را افزایش داده است. در مقابل، ۳۷ درصد تأثیر مثبت هوش مصنوعی را بر سود پیش از بهره و مالیات سازمان خود گزارش کرده‌اند. این ارقام مبتنی بر پاسخ‌های نظرسنجی هستند، نه حسابرسی مستقل عملکرد مالی شرکت‌ها. بنابراین نباید نتیجه گرفت که هوش مصنوعی در ۶۳ درصد سازمان‌ها هیچ ارزش اقتصادی ایجاد نکرده است. اما فاصله میان این دو شاخص، پرسش مدیریتی مهمی ایجاد می‌کند: چرا بهبود عملکرد فردی همیشه به بهبود عملکرد سازمانی تبدیل نمی‌شود؟ مسئله اول: بهینه‌سازی فعالیت، به‌جای بهینه‌سازی فرایند فرض کنیم یک شرکت خدمات سازمانی، با استفاده از هوش مصنوعی، زمان تهیه پیشنهادهای تجاری را از چهار ساعت به یک ساعت کاهش دهد. این پیشرفت قابل‌اندازه‌گیری است. اما اگر پیشنهادها همچنان برای تأیید قیمت، بررسی حقوقی و تصویب شرایط قرارداد چندین روز معطل بمانند، زمان نهایی ارائه پیشنهاد به مشتری ممکن است تغییر چندانی نکند. در چنین شرایطی، سرعت یک فعالیت افزایش یافته، اما ظرفیت کل فرایند فروش الزاماً بهبود پیدا نکرده است. این همان تفاوت میان بهره‌وری موضعی و بهره‌وری کل فرایند است. مسئله دوم: تولید خروجی بیشتر، بدون افزایش ارزش نهایی یک پژوهش اقتصادی منتشرشده در مه ۲۰۲۶ و بازنگری‌شده در سپتامبر همان سال، داده‌های بیش از ۵۰۰ هزار توسعه‌دهنده نرم‌افزار را بررسی کرده است. پژوهشگران با استفاده از یک روش مقایسه‌ای مشاهده‌ای، اثرات مرتبط با نسل‌های مختلف ابزارهای برنامه‌نویسی هوش مصنوعی را بر فعالیت توسعه‌دهندگان برآورد کرده‌اند. در مورد ابزارهای خودکارتر، برآورد افزایش تجمعی فعالیت ثبت تغییرات کد به ۲۴۰ درصد می‌رسید، اما افزایش متناظر در تعداد نسخه‌های نهایی منتشرشده حدود ۳۰ درصد بود. این ارقام را نباید به همه شرکت‌ها یا تمام ابزارهای هوش مصنوعی تعمیم داد؛ ضمن اینکه روش مشاهده‌ای مطالعه محدودیت‌هایی برای استنباط علی دارد. بااین‌حال، یافته آن به یک مسئله عملیاتی اشاره می‌کند: افزایش حجم کار انجام‌شده، الزاماً به همان نسبت به افزایش محصول قابل‌تحویل منجر نمی‌شود. مراحل بررسی، آزمایش، یکپارچه‌سازی و انتشار همچنان می‌توانند ظرفیت کل سیستم را محدود کنند. مسئله سوم: هزینه‌هایی که در محاسبه بهره‌وری دیده نمی‌شوند ارزیابی اقتصادی هوش مصنوعی نباید فقط بر زمان صرفه‌جویی‌شده متمرکز باشد. هزینه اشتراک ابزارها، زیرساخت، یکپارچه‌سازی، آموزش، کنترل کیفیت، اصلاح خطاها و نظارت انسانی نیز باید محاسبه شود. ممکن است یک ابزار، زمان تهیه خروجی اولیه را به‌شدت کاهش دهد، اما هزینه بررسی و اصلاح آن بخش قابل‌توجهی از منفعت را جذب کند. البته این مسئله در همه کاربردها یکسان نیست. در بعضی فعالیت‌ها، کاهش زمان انجام کار می‌تواند ارزش اقتصادی فوری و قابل‌توجهی داشته باشد. مسئله چهارم: نبود تصمیم مدیریتی درباره استفاده از ظرفیت آزادشده اگر هوش مصنوعی ماهانه ۳۰۰ ساعت از زمان یک تیم را آزاد کند، سازمان با یک تصمیم مدیریتی روبه‌روست. آیا این ظرفیت برای افزایش فروش استفاده می‌شود؟ آیا کیفیت خدمات بهبود پیدا می‌کند؟ آیا زمان تحویل کاهش می‌یابد؟ آیا کارکنان به فعالیت‌های ارزش‌آفرین‌تری منتقل می‌شوند؟ یا صرفاً همان ساختار قبلی با زمان‌های خالی بیشتر ادامه پیدا می‌کند؟ صرفه‌جویی زمانی به‌خودی‌خود معادل کاهش هزینه نقدی یا افزایش سود نیست. برای تحقق منفعت اقتصادی، باید مشخص شود ظرفیت آزادشده چگونه مورد استفاده قرار خواهد گرفت. چارچوب پیشنهادی برای ارزیابی پروژه‌های هوش مصنوعی به‌جای شروع با تعداد کاربران فعال یا میزان استفاده از ابزار، بهتر است چهار شاخص در کنار یکدیگر بررسی شوند. زمان چرخه کامل: از آغاز درخواست تا تحویل خروجی تأییدشده چقدر زمان صرف می‌شود؟ هزینه واقعی هر خروجی: مجموع هزینه نیروی انسانی، فناوری، اصلاحات و کنترل کیفیت چقدر است؟ کیفیت و دوباره‌کاری: آیا تعداد خطاها، اصلاحات و مراجعات مجدد کاهش یافته است؟ ارزش اقتصادی نهایی: آیا درآمد، حاشیه سود، ظرفیت خدمت‌رسانی یا رضایت مشتری بهبود قابل‌اندازه‌گیری داشته است؟ بهبود هر چهار شاخص در همه پروژه‌ها ضروری نیست. معیار موفقیت باید متناسب با هدف اقتصادی همان پروژه تعیین شود. پرسش مدیریتی امروز: اگر فردا استفاده از هوش مصنوعی در سازمان شما متوقف شود، کدام شاخص اقتصادی یا عملیاتی به‌طور قابل‌اندازه‌گیری بدتر خواهد شد؟ پاسخ به این سؤال می‌تواند تفاوت میان استفاده گسترده از فناوری و خلق ارزش واقعی از آن را روشن‌تر کند. آنیتا شاه پوری

نمی‌تونی با یه قورباغه درباره‌ی اقیانوس حرف بزنی. اون فقط برکه رو می‌شناسه. اینو یادت باشه.

فرق کسی که خودش ساخته با کسی که براش ساختن، روزهای سخت معلوم می‌شه. وقتی هر دو زمین بخورن، اولی دوباره می‌سازه! چون بلد ساختنه. اما دومی فقط بلد بوده داشته باشه.

پول از کارهایی میاد که انجام می‌دی اما اعتبار از کارهایی میاد که حاضر نیستی انجام بدی. همه راه‌های پول درآوردن، ارزش رفتن ندارن...