این مقاله که ماه گذشته با عنوان "Digital Transformation Is About Talent, Not Technology" در وبسایت هاروارد بیزینس ریویو منتشر شده به نقش مهم توسعهٔ فردی و اهمیت استعدادها در آیندهٔ تحول دیجیتال میپردازد و آنها را بسیار مهمتر از فناوری میپندارد.
همانطور که نشریهٔ اکونومیست به تازگی عنوان کرد، یکی از بدیهیترین پیامدهای همهگیری جهانی ویروس کرونا، گسترش هرچه بیشتر خدمات داده محور در ابعاد مختلف زندگی بشری است. بر همین اساس انتظار داریم که در آیندهای نزدیک تحول دیجیتال به امری ضروریتر برای سازمانها بدل شود.
برخلاف باور عمومی، تحول دیجیتال بیشتر از این که در مورد فناوری باشد، دربارهٔ آدمها است. تقریباً با پول میشود هر فناوری جدیدی را خرید؛ اما توانایی شما برای سازگار شدن با آیندهٔ دیجیتالی بیشتر به پیشرفت در نسل نویی از مهارتها، پر کردن شکاف بین عرضه و تقاضای استعدادها و کسب اطمینان از قابلیتهای مورد نیاز در آینده نزد خود و دیگران بستگی دارد.
اغلب ما در به پایان رساندن شغل و حرفههایمان و یا باقی ماندن طولانی مدت در آنها به منفعتهای شخصی فکر میکنیم؛ اما به ندرت حاضر هستیم در مورد پتانسیلها و تواناییهای بالقوهٔ خود درنگ کرده و دربارهٔ آنها تجدیدنظر کنیم: آیا در شغل درستی قرار داردم؟ آیا حرفهام کاملاً متناسب با علایق و تواناییهایم است؟ اگر انتخاب دیگری داشتم از زندگی بیشتر لذت نمیبردم؟ علاوه بر اینها، در حالی که هر شغل نیازمند به یادگیری مستمر است، اما ما هنوز به دنبال سادگی، تکرار و موضوعات آشنا هستیم؛ و به همین دلیل بیشترمان وقت بیشتری را به انجام خودِ کارها اختصاص میدهیم و کمتر به یادگیری توجه میکنیم.
چنین نگرشی برای کوتاهمدت مناسب است؛ چون میتوانیم با سپردن کارهای خود به شیوهای شبیه به اتوپایلوتِ خلبانها ذهن خود را آزاد کنیم. اما این نگرش در بلند مدت ناکارآمد و بینتیجه است. زیرا هرچه که با کسب تجربه بهدست میآوریم، با سوزاندن فرصتهای جدیدِ یادگیری از دست میدهیم.
شکست بزرگتر از به پایان رساندن دورهٔ شغلی بدون فعالسازی توانمندیهای بالقوهٔ خودمان، این است که این دوره را بدون هیچ اکتشاف و حس کنجکاوی به پایان برسانیم. همانطور که وینستون چرچیل گفته، هرگز نباید یک بحران خوب را هدر داد. و شاید بزرگترین هدیهٔ همهگیری بیماری کرونا همین فرصتی باشد که به ما برای تجدیدنظر دربارهٔ پتانسیلهای خود و اطمینان از استواری گامهایمان به سوی آینده داده است.
فهرست مطالب
بیشتر بخوانید: استراتژی تحول دیجیتال و ۵ گام ساده برای به موفقیت رساندن آن
فعلاً خیلی زود است که بسیاری متوجه این موضوع شوند؛ ولی در بلندمدت افراد زیادی سر آخر در شغلهایی بهتر مشغول بهکار میشوند و به حرفههای کممعنی و نهچندان جالب خود در گذشته مینگرند؛ درست مثل آدمهایی که از یک رابطهٔ ناخوشایند خارج شدهاند در حالی که به نظر نمیرسید حق انتخابی برای این خروج داشته باشند.
با توجه به این موضوع، قصد داریم چند پیشنهاد ارائه کنیم: تعدادی از این پیشنهادها مبتنی بر دادههای علمی هستند و بخشی از آنها مبتنی بر تجربیاتمان در رهبری، مشاوره و راهنمایی تعدادی از رهبران فعلی و آینده است. رهبرانی در طیف وسیعی از صنایع که ما به آنها برای روبرو شدن با آیندهٔ بیشتر دیجیتالیشده یاری رساندیم.
فرضیهٔ اصلی ما صریح است: در حالی که آینده مبهمتر و ناشناختهتر از همیشه است، با تمرکز بر بازآموزی مهارتها و افزایش مهارتهای افراد، برای هماهنگی آنها با تغییرات، میتوان با اطمینان خاطر روی آینده شرط بست.
درست همانطور که تلاشهای گذشته باعث انطباق ما با جهانِ بیشتر دیجیتالی و مجازیشدهٔ امروز نسبت به گذشته شده، دلیل خاصی وجود ندارد که این روند متوقف یا برعکس شود. در هرصورت بخش بزرگی از شغلها، وظایف، فعالیتها و حرفهها راههای ابتکاری و بدیع خود را برای همزیستی با دنیای دیجیتال پیدا خواهند کرد. ۵ نکتهٔ زیر راه و روشی است که همهٔ ما را آمادهٔ آن روز میکند:
انسانها بیشترین اهمیت را دارند
فناوری همیشه دربارهٔ انجام کارهای بیشتر با کمترها بوده است. ولی این ترکیب تنها در صورتی موثر است که فناوری را با مهارتهای انسانی مناسب آن جُفت کنیم. همانقدر که رخدادهای فناورانه منجر به اتوماسیون کارها و حذف مشاغل قدیمی شدند، به همان اندازه هم باعث خلق شغلهایی جدید شدند. به همین خاطر است که از نوآوری عموماً با عبارت «تخریب سازنده» یاد میشود. ولی نباید از یاد برد که جنبهٔ خلاقانهٔ نوآوری کاملاً به انسانها بستگی دارد.
اگر بتوانیم از ویژگی ذاتی انسانها در انطباقپذیری استفاده کنیم و از آن برای مهارتآموزی و توسعهٔ مهارتهای جدید توسط نیروی کار خود بهره ببریم، میتوانیم بهطور همزمان دست به تقویت نیروی انسانی و فناوری بزنیم. معادله بسیار ساده است: اگر مهارت کافی برای استفاده از درخشانترین نوآوری را نداشته باشیم، این نوآوری به امری بیربط و بیفایده بدل خواهد شد. درست همانطور که قدرتمندترین ذهنهای بشری هم اگر با فناوری میانهای نداشته باشند، کمتر مفید واقع خواهند شد. پس وقتی رهبران به سرمایهگذاری بر فناوری میاندیشند، نخست باید به سرمایهگذاری بر افرادی فکر کنند که میتوانند آن فناوری را مفید سازند.
بیشتر بخوانید: فرهنگ سازمانی: تغییر یا شکست تحول دیجیتال
بر روی مهارتهای نرم تمرکز کنید
همانطور که تحول دیجیتال بیشتر دربارهٔ انسانها است تا فناوری به همان میزان مهارتهای کلیدی فناورانه نیز بیشتر در مورد گونهٔ مهارتهای نرم (۱) است تا مهارتهای سخت. بله! همه میدانیم که بازار استخدام برای تحلیلگران امنیت سایبری، مهندسان نرمافزار و دانشمندان علوم داده داغِ داغ است.
اما همانطور که اخیراً در مقالهٔ «آیا تحصیلات عالی هنوز مردم را برای گرفتن شغل آماده میکند؟» گفتیم، در آینده بیشتر به افرادی احتیاج است که مهارتهای موج بعدی فناوری اطلاعات را آموزش دیده باشند. به شکل تناقضآمیزی ولی تحصیلات عالی همیشه نقش دنبالهرو را بازی کرده است. هر موقع دانشگاه خواسته به نیاز کارفرماها در بازار کار پاسخ دهد، برنامههای آموزشی و دورههای مرتبط را بنا نهاده و در آن موضوعات خاص باعث ایجاد نیروهای مستعد مازاد شده است.
از دیدگاه ما، بهترین راه برای این که سازمان خود را هرچه بیشتر دادهمحور و دیجیتالی کنید این است که پیش از هر کاری به صورت گزینشی بر نفرات کنجکاو، انطباقپذیر و انعطافپذیر سازمان خود سرمایهگذاری کند. از آنجایی که هیچکس نمیداند که مهارتهای سخت کلیدی آینده چه چیزهایی هستند، بهترین اقدام توجه به افرادی است که با درجهٔ احتمال زیادی توانایی توسعهٔ فردی را در خود داشته باشند.
فلسفه توسعه استعداد فردی ما ترکیبی از تمرکز بر روی دو موضوعِ توانایی بالقوه در فراگیری مهارتهای نرم و برخورداری از دانش دربارهٔ مهارتهای سخت است. برای این منظور باید افرادی با درجهٔ بالایی از آموزشپذیری (افرادی گرسنهٔ یادگیری) را انتخاب و علاقهمندیهای آنها را با مهارتهای مورد نیاز منطبق کنیم. مادامی که میدانیم مهارتهای سختی ممکن است به زودی منسوخ شوند؛ کلید قفلها آنجا است که کنجکاوی دستنخورده باقی بماند. شایستگیهای فنی موقتی است و چیزی که باید همیشگی باشد کنجکاوی فکری است.
کلید قفلها آنجا است که کنجکاوی دستنخورده باقی بماند. شایستگیهای فنی موقتی است و چیزی که باید همیشگی باشد کنجکاوی فکری است
جهت تغییر از بالا به پایین باشد
هرچند ایدهٔ تغییرات از پایین به بالا یا از ریشه به شاخه ایدهای دلربا و بدیهی بهنظر میرسد، ولی در شرایط واقعی اگر جهت تغییر از بالا به پایین باشد احتمال تغییر بیشتر است.
فرقی نمیکند سبک رهبری تبادلی (۲) یا تحولآفرین (۳) باشد؛ این موضوع مسالهای ساده در رهبری سازمان است. در زمینه تحول دیجیتال، بدون انتخاب و توسعهٔ رهبران ارشدی که همراستا با این هدف باشند، نمیتوان انتظار تغییر یا پیشرفتی بزرگ در سطح سازمان داشت. هیچگاه روشنتر از امروز نبوده که رهبر سازمان (خواه رهبری خوب باشد خواه بد) تاثیری آبشاری مانند بر تکتکِ جنبههای سازمان خود دارد؛ تا جایی که حدود ۵۰ درصد از تغییرپذیری در گروهها و واحدهای سازمانی را میتوان به شخص رهبری سازمان منتسب کرد.
به همین دلیل است که وقتی از ما دربارهٔ مهمترین عامل در اثربخشی یک پروژهٔ تحول سازمانی سوال میشود پاسخ ما همیشه یک چیز بوده: مدیرعامل یا رئیس سازمان. البته، صنعت، زمینهٔ کسبوکار، فرهنگ، نیروی انسانی، میراث سازمان، و البته فناوری درست به اندازهٔ منابع سازمان مهم هستند. ولی اغلب این موارد در بین رقبای یک صنعت مشابه هستند؛ در حالی که ساختار فکری، ارزشها، کمالات اخلاقی و مهمتر از همه، شایستگی رهبران مولفههایی هستند که بین آنها تفاوت ایجاد میکند.
نیازی به گفتن نیست که در دنیای کسبوکار امروز همه چیز قابل تقلید است به جز استعداد. پس اگر بهدنبال تاثیر هستید روی استعدادهای عالی سرمایهگذاری کنید تا از آن طریق بیشترین ارزش برای شما خلق شود. ویژگی متمایزکنندهٔ سازمانها در جنگ جذبِ استعدادها همیشه رهبری است: مهارتهای مورد نیازی چون مهندسی نرمافزار چیزی هستند که ما معمولاً دربارهٔ آن صحبت میکنیم اما نکتهٔ کلیدی این است که افرادی را پیدا کنید که بتوانند مهندسان نرمافزار را مدیریت کنند و به شکلی آنها را در قالب گروههای کاری بکار گیرند که از دیگر مهندسان نرمافزار عملکرد بهتری داشته باشند.
اطمینان حاصل کنید که بر بینش دادهها کار میکنید
بسیاری از بحثهای فعلی در حوزهٔ داده بر هوش مصنوعی یا انواع هوش مبتنی بر رایانه مثل یادگیری ماشین، یادگیری عمیق (۴) یا پردازش زبانهای طبیعی (۵) متمرکز است. این پیشرفتهای قدرتمند در هوش مصنوعی هیجانانگیز هستند، اما اینها را نمیتوان مولفههای متمایزکنندهٔ سازمانها در آینده دانست.
مزیتهای رقابتی بسیار بزرگتر از مواردی که در بالا به آن اشاره کردیم، به کنترل درآوردن و استفاده از دادههای ارزشمند، برخورداری از مهارتهای لازم برای تبدیل این دادهها به بینشهای معنیدار و بالاتر از همه به فعلیت رساندن این بینشها است.
ما نمیتوانیم بیش از حد بر روی این نکته تاکید کنیم، زیرا بسیاری از رهبران کسبوکارها بر اساس فرضیهای غلط تصور میکنند در صورت استخدام دانشمندان علوم داده و یا خرید ابزارهای پرزرقوبرق هوش مصنوعی مشکلاتشان برطرف میشود یا به سمت فنآوری پیشرفتهتری سوق داده خواهند شد. اما تفاوت بزرگ بین گوگل، آمازون و فیسبوک با بقیه نه در قدرت مغز دانشمندان علوم دادهای که برای آنها کار میکنند یا ویژگیهای فناوریهای بکارگرفته شده توسط آنها که در وجود فرهنگ دادهمحوری در سازمان آنها است.
این شرکتها دادهها، این داراییهای شگفتانگیز خود، را تحتکنترل درآوردهاند و الگوریتمهای بزرگی را بکارگرفتهاند که امکان تفسیر و به درآمد رساندن این دادهها را برایشان فراهم کرده است. اما مزیت اصلی استراتژیک آنها و بزرگترین دارایی آنها این است که حیاتشان و نفس کشیدنشان بر اساس این دادهها است. دادهها اکسیژن این سازمانها است؛ و این چیزی نیست که بشود آن را خرید.
اگر نمیتوانید سریع شکست بخورید، مطمئن شوید که به آهستگی موفق خواهید شد
جملاتی چون «سرعت پادشاه است»، «دست بهکار شدن کلید قفلها است»، «بینقص بودن دشمن خوب بودن است»، و یا این که «باید مشتاق شکستهای سریع باشید» همه به کلیشههایی در علوم مدیریت تبدیل شدهاند.
اما تنها راه سازگار شدن با جریان تغییر و تحول پیوسته و مختلکنندهٔ فعلی سرعت داشتن و تسریع کردن امور است. البته، همیشه موازنهای بین سرعت و کیفیت وجود دارد؛ پس اگر نتوانستید به اندازهٔ کافی سریع شکست بخورید به این معنی نیست که فرهنگ لازم برای تحمل تجربیات سریع را ندارید؛ زیرا درسآموزی از این شکستها شما را قویتر و باهوشتر میکند؛ و تنها کافی است که مطمئن باشید در بلندمدت روی چیزهای درستی شرط بستهاید.
به عبارت دیگر، اگر نمیتوانید به سرعت شکست بخورید، ایرادی ندارد که به آرامی موفق شوید. با همهٔ این اوصاف شکست فقط استراتژیای برای رسیدن به موفقیت در بلندمدت است. پس اگر استراتژی دیگری انتخاب کردهاید مشکلی ندارد، فقط مطمئن شوید که به هدفتان میرسید. با این حال، به یاد داشته باشید که چیزهای اندکی هستند که باعث ایجاد حس کاذب امنتیت مثل وسواس موفقیت میشوند. خیلی مواقع میشنویم که رهبران شکستهای خود را با این عنوان که از اشتباهاتم درس میگیرم توجیه میکنند در حالی که درس گرفتن از موفقیتها بسیار کار دشوارتری از شکستها است.
در طول این چند ماه که همهگیری ویروس کرونا بر همهٔ شئون زندگی بشری تاثیر گذاشته است؛ ما به عنوان اعضای جامعهٔ جهانی چابک عمل کردیم. چابکیای که به رهبری انسانها و با پشتیبانی فناوریهای مختلف ممکن شده است. بشر مخرج مشترک مفهوم «آیندهٔ بیزوال» (Future Proofing) (۶) است. خواه انسان را مکمل فناوریهای مورد نیاز برای دورکاری فرض کنیم، خواه خود را دارای مهارتهای نرم و رهبری مورد نیاز برای برونرفت از یک بحران تاریخی بدانیم و یا خواه به این دلیل که بینش و خرد لازم برای برون رفت از این وضعیت را چه به عنوان موفقیتِ آهسته یا شکست سریع دارا هستیم. اینها همه از تکتک ما و تکتک افرادی که مسئول توسعهٔ مهارتهایشان هستیم شروع میشود. حتی در دل یک بحران هم گزینهها و فرصتهایی داریم و مهمترین آنها پرورش کنجکاوی است.
پانویس
- مهارتهای نرم (به انگلیسی: Soft skills) مهارتهای نرم ترکیبی از مهارتهای افراد، مهارتهای اجتماعی ، مهارتهای ارتباطی ، شخصیت یا ویژگیهای شخصیتی، نگرشها، ویژگی های شغلی، هوش اجتماعی و ضریب هوش هیجانی، میان دیگران است که باعث میشود افراد بتوانند در محیط خود حرکت کنند، با دیگران خوب کار کنند. عملکرد خوبی داشته و با تکمیل مهارتهای سخت به اهداف خود برسند. فرهنگ لغت انگلیسی کالینز اصطلاح «مهارتهای نرم» را به عنوان «خصوصیات مطلوب برای برخی از اشکال اشتغال که به دانش کسب شده وابسته نیست تعریف میکند: آنها شامل عقل سلیم، توانایی برخورد با افراد و یک نگرش انعطاف پذیر مثبتاند.»
- سبک رهبری تبادلی رابطهٔ بین رهبر سازمان و اعضای گروه را شکلی از تبادل فرض میکند که در آن هر عضو گروه با پذیرفتن نقش خود در گروه موضوع اطاعت از رهبری را میپذیرد.
- در سبک رهبری تحول آفرین، رهبر گروه ویژگی انگیزهبخشی و تاثیرگذاری بر قلب اعضای گروه را داراست و با برقراری ارتباط بین علایق فردی و جمعی به اعضای گروه خود این امکان را میدهند که در جهت پویایی سازمان، نوآوری و اهدافی متعالی حرکت کنند.
- یادگیری عمیق (به انگلیسی: Deep learning) (به بیانی دیگر: یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعهای از الگوریتمها است که در تلاش هستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیر خطی هستند، مدل میکنند. به بیان دیگر پایهٔ آن بر یادگیری نمایش دانش و ویژگیها در لایههای مدل است.
- پردازش زبانهای طبیعی عبارت است از استفاده از رایانه برای پردازش زبان گفتاری و زبان نوشتاری. بدین معنی که رایانهها را قادر سازیم که گفتار یا نوشتار تولید شده در قالب و ساختار یک زبان طبیعی را تحلیل و درک نموده یا آن را تولید نمایند.
- خاطرجمعسازی نسبت به آینده (به انگلیسی: Future Proofing) به فرایند پیشبینی آینده و ارائه روشهایی برای بهحداقل رساندن شدن شوکها و تنشهای رخدادها و حوادث در آینده اطلاق میشود.