بازگشت به کتابخانه

پرسش کلیدی جدید

پردازش‌شده با هوش مصنوعی · تأییدشده توسط نویسنده

چگونه شرکت‌های سنتی می‌توانند هوش مصنوعی مولد را با موفقیت در جریان‌های کاری تکرارپذیر و روزمره تجاری ادغام کنند؟

Imbricating Human Capabilities and AI: A Case Study of GenAI-enabled Workflow Stabilization
Weilin Pu, Felix Tan, Eric Lim, و همکاران · International Conference on Information Systems (ICIS) · 2026
تصویر برای: چگونه شرکت‌های سنتی می‌توانند هوش مصنوعی مولد را با موفقیت در جریان‌های کاری تکرارپذیر و روزمره تجاری ادغام کنند؟

پخش‌کننده Spotify بارگذاری می‌شود؛ ممکن است Spotify کوکی‌هایی تنظیم کند. این دستگاه انتخاب شما را به خاطر می‌سپارد.

یافته‌های کلیدی

  • مشخص شد که تثبیت هوش مصنوعی در چهار مرحله متمایز روی می‌دهد: کاوش، وصله‌زدن، بازبافی و بیرونی‌سازی.
  • نشان داد که کاوش اولیه آگاهی سازمانی و کاربرد اکتشافی ایجاد می‌کند اما بهبود حداقلی در بهره‌وری عملیاتی دارد.
  • مشاهده شد که وصله‌زدن، گلوگاه‌های مجزا در سطح وظایف را بدون تغییر عملیات محوری برطرف کرده و بهبود کارایی محدودی ارائه می‌دهد.
  • اثبات کرد که بازبافی جریان کاری، نقش‌های انسانی و پیکربندی‌های نرم‌افزاری را در خطوط لوله کاملاً کنترل‌شده بازسازی کرده و زمان چرخه طراحی را از چند روز به چند دقیقه کاهش می‌دهد.
  • نشان داد هنگامی که جریان‌های کاری داخلی به ثبات برسند، می‌توان آن‌ها را از کاربران اولیه جدا کرد و به عنوان پلتفرم‌های مستقل برای مشتریان خارجی عرضه نمود.

معنای آن برای شما

مدیر ارشد فناوری اطلاعات

Audit current operations to map existing human-software workflows and allocate dedicated resources to restructure tasks around both technological capabilities and human roles, rather than simply deploying individual AI tools.

مدیر فناوری اطلاعات

Document the ad-hoc prompt patterns and workaround solutions currently used by employees during exploratory AI testing to identify isolated task-level bottlenecks ready for patching.

استراتژیست کسب‌وکار

Analyze core operational pipelines to identify where manual design turnaround times are slowest, and design pilot structures that tightly integrate human review steps with software configurations.

پژوهشگر

Conduct a longitudinal qualitative study tracking how informal generative AI usage transitions through the specific four stages of probing, patching, reweaving, and externalizing within a traditional firm.

سیاست‌گذار

Establish digital transformation grant criteria that explicitly fund organizational workflow restructuring and human-AI capability integration programs rather than just software procurement in traditional industries.

خلاصه

این پژوهش به بررسی نحوه انتقال هوش مصنوعی مولد از آزمون و خطای غیررسمی به جریان‌های کاری سازمانی ساختاریافته و قابل استفاده مجدد در صنایع سنتی می‌پردازد. نویسندگان با استفاده از یک مطالعه موردی کیفی و تفسیری، روند چهار ساله به‌کارگیری هوش مصنوعی را در یک شرکت املاک و مستغلات چینی از طریق ۳۷ مصاحبه نیمه‌ساختاریافته، نمایش سامانه‌ها و مستندات داخلی تحلیل کردند.

مسئله

در حالی که کارکنان به صورت فردی می‌توانند هوش مصنوعی مولد را به سرعت برای وظایف مجزا به کار گیرند، سازمان‌ها در تثبیت ابزارهای منعطف هوش مصنوعی در رویه‌های منسجم کسب‌وکار با چالش مواجه‌اند. این چالش ادغام به‌ویژه در شرکت‌های سنتی که فاقد زیرساخت دیجیتال بالغ هستند و جریان‌های کاری تثبیت‌شده در آن‌ها به جای بازسازی حول ابزارها صرفاً آن‌ها را در خود جذب کرده‌اند، حادتر است.

متن گفتار
Host: سلام و به پادکست A.I.S. Insights — powered by Living Knowledge خوش آمدید. من آنا آیوی سامرز هستم و امروز به همراه همکارم الکس ایان ساترلند، یک مطالعه پژوهشی جدید را بررسی می‌کنیم. این مطالعه با عنوان «درهم‌تنیدگی قابلیت‌های انسانی و هوش مصنوعی: مطالعه موردی تثبیت جریان کاری مبتنی بر هوش مصنوعی مولد»، توسط ویلین پو، فلیکس تن، اریک لیم و هایفنگ ژو انجام شده و در کنفرانس بین‌المللی سیستم‌های اطلاعاتی، یعنی ICIS 2026، ارائه شده است. این پژوهش بررسی می‌کند که چگونه هوش مصنوعی مولد می‌تواند از آزمون و خطای فردی فراتر رفته و به جریان‌های کاری ساختاریافته و قابل استفاده مجدد در صنایع سنتی تبدیل شود. الکس، خوش آمدی.
Expert: سلام آنا. خوشحالم که اینجا هستم. موضوع این مطالعه برای بسیاری از سازمان‌هایی که در حال حاضر با پیاده‌سازی هوش مصنوعی دست‌وپنجه نرم می‌کنند، بسیار ملموس است.
Host: دقیقاً. الکس، بیایید از صورت‌مسئله شروع کنیم. امروزه بسیاری از کارکنان به صورت فردی از ابزارهای هوش مصنوعی مولد استفاده می‌کنند، اما چرا سازمان‌ها در مقیاس سازمانی به مشکل می‌خورند؟
Expert: مسئله اصلی این است که استفاده موردی و فردی برای کارهای مجزا، مانند نوشتن متن یا تولید یک تصویر، نسبتاً ساده است. اما سازمان‌ها، به‌ویژه در بخش‌های سنتی که فاقد زیرساخت دیجیتال بالغ هستند، در گنجاندن این ابزارهای منعطف در رویه‌های منسجم کسب‌وکار با چالش مواجه می‌شوند. در این شرکت‌ها، جریان‌های کاری تثبیت‌شده معمولاً ابزارها را به شکلی سطحی در خود جذب می‌کنند، بدون آنکه فرایندها متناسب با قابلیت‌های جدید بازطراحی شوند. در نتیجه، بازدهی عملیاتی در سطح شرکت بسیار محدود باقی می‌ماند.
Host: پژوهشگران برای بررسی این پدیده از چه روشی استفاده کردند؟
Expert: نویسندگان مطالعه از یک روش کیفی و تفسیری بهره بردند. آن‌ها یک شرکت بزرگ املاک و مستغلات در چین را طی یک دوره چهار ساله ردیابی کردند. داده‌ها بر اساس ۳۷ مصاحبه نیمه‌ساختاریافته با مدیران، طراحان و مهندسان، به‌همراه مشاهده مستقیم نمایش سامانه‌ها و تحلیل اسناد داخلی شرکت جمع‌آوری و تحلیل شده است. این روش به پژوهشگران اجازه داد تغییرات تدریجی تعامل انسان و سیستم را در طول زمان ثبت کنند.
Host: یافته‌های اصلی این مطالعه چه مراحلی را در تثبیت جریان‌های کاری نشان می‌دهد؟
Expert: مطالعه نشان می‌دهد که استقرار هوش مصنوعی در سازمان از چهار مرحله مشخص عبور می‌کند: کاوش، وصله‌زدن، بازبافی، و بیرونی‌سازی. در مرحله اول، یعنی کاوش، کارکنان با ابزارها آشنا می‌شوند و نوعی آگاهی تجربی شکل می‌گیرد، اما سود عملیاتی آن برای کل سیستم بسیار ناچیز است. در مرحله دوم یا وصله‌زدن، سازمان از هوش مصنوعی برای برطرف کردن گلوگاه‌های نقطه‌ای در وظایف خاص استفاده می‌کند، که بهبودهای موضعی ایجاد می‌کند اما عملیات محوری را تغییر نمی‌دهد.
Host: و مرحله سوم، بازبافی، همان جایی است که تغییر معنادار رخ می‌دهد؟
Expert: بله. در مرحله بازبافی، سازمان جریان کاری، نقش‌های انسانی و تنظیمات نرم‌افزاری را به‌طور کامل در قالب خطوط لوله داده‌ای و فرایندی بازسازی می‌کند. این مطالعه گزارش می‌دهد که پس از بازبافی، زمان چرخه طراحی در شرکت مورد بررسی از چندین روز کاری به چند دقیقه کاهش یافت، زیرا انسان‌ها از انجام کارهای دستی به سمت نظارت، کنترل پارامترها و بازبینی کیفی سوق پیدا کردند.
Host: و مرحله چهارم یعنی بیرونی‌سازی به چه معناست؟
Expert: بیرونی‌سازی زمانی اتفاق می‌افتد که این جریان‌های کاری بازبافی‌شده به ثبات کامل برسند. در این حالت، شرکت می‌تواند این سیستم‌ها را از کاربران اولیه داخلی جدا کرده و آن‌ها را به عنوان پلتفرم‌های نرم‌افزاری مستقل به مشتریان یا شرکای تجاری خارجی عرضه کند و منبع درآمد جدیدی بسازد.
Host: این یافته‌ها از دیدگاه عملی چه پیامدی برای مدیران و متخصصان کسب‌وکار دارد؟
Expert: پیامد عملی این است که مدیران نباید انتظار داشته باشند صرفِ در اختیار گذاشتن ابزارهای هوش مصنوعی مولد برای کارکنان، بهره‌وری سازمانی ایجاد کند. ماندن در سطح وصله‌زدن گلوگاه‌ها بازدهی محدودی دارد. برای کسب ارزش پایدار، رهبران کسب‌وکار باید نقش‌های شغلی را دوباره تعریف کنند، مرز بین ورودی انسان و پردازش الگوریتم را مشخص سازند و فرایندهای کاری را حول قابلیت‌های هوش مصنوعی بازطراحی نمایند.
Host: نکات بسیار کاربردی و دقیقی بود. به طور خلاصه، این مطالعه نشان می‌دهد که گذار از آزمون و خطای فردی به ایجاد ارزش سازمانی پایدار، نیازمند بازبافی ساختاریافته نقش‌ها و جریان‌های کاری است. از توضیحات شفاف شما، الکس، سپاسگزارم.
Expert: ممنون از شما، آنا.
Host: و با تشکر از شما همراهان گرامی که شنونده این قسمت از A.I.S. Insights — powered by Living Knowledge بودید. تا برنامه آینده، خدانگهدار.
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Generative AI, Workflow stabilization, Imbrication, Digital transformation, Design workflows, Qualitative case study