نظرسنجی جهانی آیبیام: مدیران هوش مصنوعی چگونه سازمانها را متحول میکنند؟
پیمایش جدید آیبیام نشان میدهد سازمانهایی که اختیارات مالی کامل را به مدیران ارشد هوش مصنوعی خود واگذار میکنند، با سرعت بسیار بیشتری پروژههای آزمایشی را به سودآوری قطعی میرسانند. با این حال، تنها ۱۸ درصد از این مدیران کنترل مستقیمی بر بودجههای سرمایهگذاری دارند.
به قلم فرشید جمشیدی
این خبر را به اشتراک بگذارید
سازمانهایی که اختیارات مالی و اجرایی را به مدیران ارشد هوش مصنوعی خود واگذار میکنند، اکنون با سرعت بسیار بیشتری پروژههای آزمایشی را به سودآوری قطعی تبدیل کردهاند. نتایج یک پیمایش جهانی جدید که در اواسط نوامبر ۲۰۲۶ منتشر شد، نشان میدهد ساختار سنتی تصمیمگیری در شرکتها در حال تغییر است.[1]
این دادهها حاصل پژوهش گسترده موسسه ارزش تجاری آیبیام با همکاری آکسفورد اکونومیکس است که روی هزار و ۶۶۷ مدیر ارشد در ۳۳ کشور جهان انجام شده است. این نظرسنجی که بین ماههای آوریل تا ژوئن ۲۰۲۶ صورت گرفت، اکنون تصویری دقیق از نحوه مدیریت هوش مصنوعی در ۲۰ صنعت مختلف ارائه میدهد.[1][4]
بر اساس این گزارش، گروهی از مدیران ارشد هوش مصنوعی که دارای اختیارات بالا هستند، توانستهاند در ۶۳ درصد از پروژههای خود به نتایج ملموس تجاری دست یابند. این رقم در میان سایر مدیرانی که فاقد چنین استقلالی هستند، تنها ۴۳ درصد گزارش شده است.[1][3]
تفاوت عملکرد این دو گروه تنها به نرخ موفقیت محدود نمیشود، بلکه سرعت اجرای پروژهها نیز به شکل چشمگیری متفاوت است. مدیران پیشرو موفق شدهاند ۴۹ درصد از طرحهای هوش مصنوعی را از مرحله آزمایشی به تولید نهایی برسانند، در حالی که این شاخص برای سایرین روی عدد ۳۳ درصد متوقف مانده است.[3]
شکاف میان مسئولیت و اختیارات مالی
با وجود این موفقیتها، یک چالش ساختاری بزرگ در بدنه شرکتهای مدرن به چشم میخورد که روند توسعه فناوری را کند کرده است. این پیمایش نشان میدهد که تنها ۱۸ درصد از مدیران ارشد هوش مصنوعی کنترل کاملی بر تصمیمات مربوط به سرمایهگذاری و بودجهبندی این حوزه دارند.[1][4]
این بدان معناست که فردی که مسئولیت مستقیم پیادهسازی هوش مصنوعی را بر عهده دارد، برای تامین مالی پروژهها باید منتظر تایید بخشهای دیگر سازمان بماند. این تضاد ساختاری باعث شده تا بسیاری از ایدههای نوآورانه پیش از رسیدن به مرحله اجرا، در پیچ و خمهای اداری متوقف شوند.[2]
جوان رایت، معاون ارشد تحول و عملیات در شرکت آیبیام، در مقدمه این گزارش به صراحت به این مشکل اشاره کرده است. او تاکید میکند که موفقیت در رهبری هوش مصنوعی اکنون نیازمند مهارتهایی فراتر از تخصص فنی است و به توانایی تاثیرگذاری بر تصمیمات کلان بستگی دارد.[1][3]
او در این باره مینویسد: «مدیران معدودی دیدگاه گستردهتری نسبت به نحوه ایجاد ارزش توسط هوش مصنوعی در سراسر سازمان دارند. با این حال، نتایجی که آنها باید پاسخگوی آن باشند، اغلب به تصمیماتی بستگی دارد که توسط افراد دیگر گرفته میشود.»[1][3]
این وابستگی به بخشهای دیگر باعث شده تا سرعت واکنش سازمانها به فرصتهای جدید به شدت کاهش یابد. تنها ۲۹ درصد از پاسخدهندگان اعلام کردهاند که سازمان آنها میتواند پس از دریافت بینشهای حاصل از عملکرد هوش مصنوعی، تصمیمات و منابع خود را به سرعت تنظیم کند.[1][4]
موانع نظارتی و سرعت مقیاسپذیری
یکی دیگر از یافتههای کلیدی این پیمایش، تاثیر فرآیندهای نظارتی بر سرعت اجرای عملیاتهای خودکار است. در حالی که ۴۸ درصد از مدیران میگویند عوامل هوش مصنوعی اکنون به صورت مستقل اقداماتی را در جریانهای کاری آغاز میکنند، موانع اداری همچنان یک سد بزرگ محسوب میشوند.[1][3]
حدود ۷۵ درصد از شرکتکنندگان در این نظرسنجی گزارش دادهاند که مسائل مربوط به حاکمیت شرکتی، مدیریت ریسک یا تطابق با مقررات، باعث تاخیر در اقدامات مبتنی بر هوش مصنوعی میشود. این تاخیرها مستقیما بر توانایی رقابت شرکتها در بازارهای جهانی تاثیر منفی میگذارد.[1][4]
با این حال، سازمانهایی که توانستهاند این موانع را برطرف کنند، پاداش قابل توجهی در زمینه مقیاسپذیری دریافت کردهاند. رهبران پیشرو در این عرصه موفق شدهاند طرحهای موفق هوش مصنوعی را در مدت زمان هشت ماه در سراسر سازمان خود گسترش دهند.[3]
در نقطه مقابل، سازمانهایی که درگیر بروکراسی داخلی و فقدان اختیارات متمرکز هستند، برای مقیاسپذیر کردن همان طرحها به طور میانگین به ۱۳.۵ ماه زمان نیاز دارند. این اختلاف پنج و نیم ماهه در دنیای پرشتاب فناوری، میتواند مرز بین رهبری بازار و عقبماندگی کامل باشد.[3]
رشد بیسابقه جایگاههای مدیریتی جدید
نیاز مبرم به مدیریت این پیچیدگیها باعث شده تا ساختار منابع انسانی در سطح کلان شرکتها دچار یک دگرگونی تاریخی شود. دادههای تکمیلی نشان میدهد که در سال ۲۰۲۶، حدود ۷۶ درصد از سازمانها یک مدیر ارشد هوش مصنوعی را در ترکیب هیئت مدیره خود منصوب کردهاند.[5]
این رقم نشاندهنده یک جهش خیرهکننده نسبت به سال گذشته است، چرا که در سال ۲۰۲۵ تنها ۲۶ درصد از شرکتها چنین جایگاهی را در ساختار سازمانی خود تعریف کرده بودند. این رشد سریع نشان میدهد که کسبوکارها اهمیت استراتژیک این فناوری را به خوبی درک کردهاند.[5]
با این وجود، تعریف جایگاه شغلی به تنهایی برای ایجاد تحول کافی نبوده است. کمتر از یکسوم مدیران ارشد هوش مصنوعی در این پیمایش اعلام کردهاند که این فناوری در حال تغییر دادن مدل کسبوکار سازمان آنها، از جمله نحوه قیمتگذاری یا تولید محصول است.[1]
این آمار نشان میدهد که بسیاری از شرکتها هنوز هوش مصنوعی را به عنوان یک ابزار جانبی برای بهینهسازی فرآیندهای موجود میبینند. آنها هنوز نتوانستهاند از این فناوری به عنوان یک موتور محرک برای خلق جریانهای درآمدی کاملا جدید و نوآورانه استفاده کنند.[2]
مسیر پیشروی سازمانهای دادهمحور
برای عبور از این مرحله گذار، کارشناسان معتقدند که رهبری موفق هوش مصنوعی اکنون نیازمند رویکردی جامعتر است. مدیران این حوزه باید بتوانند شواهد را جمعآوری کنند، بر تصمیمات مالی تاثیر بگذارند و موفقیتها را با معیارهای دقیق تجاری اندازهگیری کنند.[1][2]
در بریتانیا، این چالشها حتی پررنگتر از میانگین جهانی است؛ جایی که تنها ۱۱ درصد از مدیران ارشد هوش مصنوعی دارای اختیارات کامل بر استراتژی نیروی کار هستند. این فقدان اختیار باعث میشود تا آموزش و ارتقای مهارتهای کارکنان برای کار با سیستمهای جدید با کندی پیش برود.[1]
در نهایت، ۷۱ درصد از مدیران شرکتکننده در این نظرسنجی ابراز نگرانی کردهاند که سازمان آنها در خطر عقبماندن از رقبای خود در مسیر تحول هوش مصنوعی قرار دارد. این نگرانی مشترک، فشار بر هیئتمدیرهها را برای بازنگری در ساختارهای توزیع قدرت افزایش داده است.[4][5]
قدم بعدی برای شرکتهای بزرگ، حل تضاد میان استقلال سیستمهای هوشمند و کنترل انسانی است. در حالی که ۹۶ درصد از مدیران پیشرو میگویند خروجیهای هوش مصنوعی میتواند به طور مستقل اقداماتی را آغاز کند، این رقم در میان سایر مدیران تنها ۴۰ درصد است.[1]
شفافسازی حقوق تصمیمگیری
یکی از راهکارهای پیشنهاد شده در این گزارش، شفافسازی حقوق تصمیمگیری در درون سازمانها است. در حال حاضر، تنها ۶۱ درصد از مدیران ارشد هوش مصنوعی میگویند که حقوق تصمیمگیری در زمینه این فناوری به وضوح تعریف شده و به طور مداوم در شرکت اعمال میشود.[1][5]
این ابهام ساختاری باعث میشود تا از هر ده سازمان، چهار مورد در زمان تخصیص بودجه یا توقف پروژههای ناموفق دچار سردرگمی شوند. مدیران پیشرو در این زمینه بسیار قاطعتر عمل میکنند و بودجه طرحهایی که به نتیجه نمیرسند را فورا متوقف میکنند.[4][5]
این ابهام ساختاری باعث میشود تا از هر ده سازمان، چهار مورد در زمان تخصیص بودجه یا توقف پروژههای ناموفق دچار سردرگمی شوند.
نکات کلیدی
- پیمایش جهانی آیبیام نشان میدهد ۶۳ درصد از پروژههای هوش مصنوعی تحت هدایت مدیران ارشدِ توانمند، به نتایج ملموس تجاری دست مییابند.
- با وجود نقش کلیدی مدیران هوش مصنوعی، تنها ۱۸ درصد از آنها کنترل کامل بر بودجه و تصمیمات سرمایهگذاری این حوزه دارند.
- سازمانهای پیشرو موفق شدهاند زمان انتقال پروژههای هوش مصنوعی از مرحله آزمایشی به تولید نهایی را به هشت ماه کاهش دهند.
- سرعت انتصاب مدیران ارشد هوش مصنوعی در شرکتها از ۲۶ درصد در سال ۲۰۲۵ به ۷۶ درصد در سال ۲۰۲۶ افزایش یافته است.
آنچه نمیدانیم
- هنوز مشخص نیست که آیا سازمانها در سال آینده ساختار بودجهبندی خود را برای اعطای استقلال مالی بیشتر به مدیران هوش مصنوعی تغییر خواهند داد یا خیر.
- تأثیر دقیق مقررات جدید هوش مصنوعی بر سرعت تصمیمگیریهای سازمانی و استقلال این مدیران همچنان در هالهای از ابهام قرار دارد.
- مدیران ارشد هوش مصنوعی
- تمرکز بر استقلال مالی و چابکی در تصمیمگیری برای مقیاسپذیری سریع پروژهها.
- مدیران ارشد مالی و ریسک
- تاکید بر حاکمیت شرکتی، انطباق با مقررات و مدیریت دقیق سرمایهگذاریهای کلان.
- تحلیلگران سازمانی
- بررسی شکاف ساختاری میان استراتژی فناوری و قدرت اجرایی در شرکتها.
دیدگاههایی که این گزارش پوشش نداده
- کارکنان خط مقدم که مستقیما با ابزارهای هوش مصنوعی کار میکنند
- مشتریان نهایی محصولات توسعهیافته با هوش مصنوعی
منابع
[1]IBMمدیران ارشد هوش مصنوعیIBM Study: Chief AI Officers Struggle to Convert AI Initiatives into Measurable Results
مطالعه در IBM →
[2]Emergentمدیران ارشد هوش مصنوعیIBM research shows Chief AI Officers excel at identifying AI value creation opportunities
مطالعه در Emergent →
[3]StockTitanتحلیلگران سازمانیHow was IBM's 2026 chief AI officer study conducted?
مطالعه در StockTitan →
[4]Quantisnowمدیران ارشد مالی و ریسکIBM study: only 18% of 1,600+ Chief AI Officers control AI investment decisions
مطالعه در Quantisnow →
[5]AI Certsتحلیلگران سازمانیIBM's newest global study of 1,667 Chief AI Officers
مطالعه در AI Certs →
بیشتر در تحلیل داده
مشاهده همه →افکار عمومی
نظرسنجیهای جدید: افت محبوبیت ترامپ و ونس در پی انتخابات میاندورهای
3 منبع
نظرسنجی سیاسی
نظرسنجی جدید پیو: افت کمسابقه امیدواری جمهوریخواهان به آینده حزب در برابر احیای خوشبینی دموکراتها
4 منبع
هوش مصنوعی در علم
نظرسنجی اوپنایآی: هوش مصنوعی زمان اکتشافات علمی را به نصف کاهش میدهد
6 منبع
خشونت خانگی
گزارش جدید هرانا: قتل دستکم ۸۴ زن و دختر در هفت ماه نخست سال ۱۴۰۵
3 منبع
نظرات
هر زاویه. هر روز.
اخبار تحلیل داده با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.





