هوش مصنوعی در حال تغییر استخر استعدادهای CRE است. شرکت ها باید در مورد چگونگی توسعه رهبران آینده تجدید نظر کنند [part two]

نوشته متیو ماندر

این قسمت دوم از یک سریال دو قسمتی است. قسمت اول را بخوانید در مورد اینکه چگونه هوش مصنوعی هرم سنتی استعدادهای CRE را با افزایش بهره‌وری و تغییر نیازهای کارکنان تغییر می‌دهد و کسب‌وکارها را وادار می‌کند تا درباره نحوه توسعه حرفه‌ای‌های جوان و ایجاد خط لوله‌ای از رهبران آینده تجدید نظر کنند.

هوش مصنوعی چیزی را که با ارزش می شود تغییر می دهد.

هنگامی که تجزیه و تحلیل فراوان می شود، حق بیمه به این سمت می رود که بدانیم با آن چه باید کرد.

در CRE، این بدان معنی است که قضاوت، غریزه تجاری، مذاکره، اعتماد مشتری، منشأ، خلاقیت و مسئولیت پذیری باید نسبتاً مهمتر شوند – نه کمتر.

این برای متخصصان جوان مثبت به نظر می رسد. آنها می توانند به جای صرف سال ها برای جمع آوری اطلاعات، زودتر به سراغ کارهای با ارزش بالاتر بروند.

اما یک نکته وجود دارد: شما نمی توانید فقط به کسی بگویید زود قضاوت کند. قضاوت معمولاً نتیجه تجربه انباشته است.

حذف کارهای کم ارزش آسان است. تسریع در توسعه قضاوت با ارزش بالا بسیار دشوارتر است.

بنابراین صنعت با یک پارادوکس مواجه است: هوش مصنوعی به کسب و کارها اجازه می دهد تا در همان زمان از متخصصان جوان انتظار تفکر پیچیده تری داشته باشند که ممکن است برخی از تجربیاتی را که از طریق آن پیچیدگی از نظر تاریخی ایجاد شده است حذف کند.

از کار شلوغ محافظت نکنید

پاسخ اشتباه حفظ کار بی اثر است زیرا ارزش آموزشی دارد.

اگر فناوری بتواند به طور قابل اعتماد آن را در 30 دقیقه انجام دهد، هیچ کس نباید از یک تحلیلگر بخواهد که کار را به مدت چهار ساعت به صورت دستی انجام دهد.

پاسخ دفاع از شاگردی قدیمی نیست. این است که آگاهانه آن را جایگزین کنیم.

از نظر تاریخی، توسعه استعدادها می تواند به عنوان محصول جانبی کار انجام شده اتفاق بیفتد. در یک سازمان مجهز به هوش مصنوعی، توسعه به طور فزاینده ای نیاز دارد تا به بخشی صریح از مدل عملیاتی تبدیل شود.

به حرفه ای های جوان تکرارهای آگاهانه بدهید

اگر افراد با کارهای تکراری کمتری مواجه می شوند، شرکت ها باید کیفیت قرار گرفتن در معرض آنها را افزایش دهند.

یک کارمند کوچک که از هوش مصنوعی برای ساختن یک مدل امضای اولیه استفاده می‌کند، باید همچنان مفروضات را درک کند، نتیجه را به چالش بکشد، توضیح دهد که چه چیزی ممکن است مورد سرمایه‌گذاری را باطل کند، و توصیه‌ها را با آنچه واقعاً اتفاق می‌افتد مقایسه کند.

هدف از تولید مدل های بیشتر به یادگیری بیشتر از هر مدل تغییر می کند.

تصمیم را زودتر منتقل کنید

هوش مصنوعی باید متخصصان جوان را قادر سازد تا زمان کمتری را برای جمع آوری اطلاعات و زمان بیشتری را برای تفسیر آن صرف کنند.

به جای اینکه بپرسید “تحلیل چه می گوید؟” مدیران باید به طور فزاینده ای بپرسند: چه چیزی شما را شگفت زده کرد؟ کدام فرض مهم تر است؟ چه چیزی می تواند این اشتباه را ایجاد کند؟ چه چیزی را توصیه می کنید؟ چه چیزی توصیه شما را تغییر می دهد؟

این ظرفیت تولید شده توسط هوش مصنوعی را به توسعه سریع تبدیل می کند، نه فقط خروجی اضافی.

کارآموزی را واضح بیان کنید

از لحاظ تاریخی، CRE به شدت بر نزدیکی و مشاهده تکیه کرده است. متخصصان جوان با نشستن در کنار افراد باتجربه، شرکت در جلسات و به تدریج به آنها مسئولیت های بیشتری آموختند.

این مدل زمانی کمتر قابل اعتماد می شود که فناوری به کارکنان باتجربه اجازه می دهد تا کارهای بیشتری را به طور مستقل انجام دهند.

به همین دلیل است که متخصصان ارشد نیاز به نقش روشنی در پیشرفت افراد دارند، نه صرفاً بررسی عملکرد آنها. بررسی معاملات، کالبد شکافی سرمایه‌گذاری، بررسی مذاکرات، ملاقات با مشتریان و مربیگری ساختاریافته باید بخشی از شیوه عملکرد کسب‌وکارها باشد.

چه پاداش های پیشرفت را تغییر دهید

توسعه شغلی نیز باید تکامل یابد.

اگر هوش مصنوعی بتواند بیشتر تولید فنی مرتبط با مراحل اولیه شغلی را انجام دهد، ارتقاء نمی‌تواند به سادگی به مهارت تولیدی که سریع‌تر عمل می‌کند پاداش دهد.

شرکت ها باید بین کارمندی که می تواند با ابزارهای هوش مصنوعی کار کند و کارمندی که می تواند از این ابزارها برای بهبود تصمیم گیری ها استفاده کند، تفاوت قائل شوند.

عوامل متمایز کننده عبارتند از تفکر انتقادی، قضاوت، آگاهی تجاری، تاثیر مشتری، تخصص حوزه و مسئولیت پذیری.

تسلط بر مسائل هوش مصنوعی اما بعید است که تسلط بر هوش مصنوعی به تنهایی بتواند نسل بعدی رهبران CRE را ایجاد کند.

مدل استعداد بعدی

سازمان CRE آینده ممکن است کمتر شبیه یک هرم سنتی باشد و بیشتر شبیه یک ساختار محکم تر و با اهرم قوی تر باشد.

این لزوما به معنای فرصت های کمتر برای متخصصان جوان نیست. ممکن است به معنای موارد بهتر باشد.

کارمندان جوان می توانند زودتر در تجزیه و تحلیل معنادار شرکت کنند. متخصصان با تجربه می توانند زمان بیشتری را برای مشتریان، راه حل ها و مربیگری صرف کنند. شرکت ها می توانند افراد را بر اساس قضاوت نشان داده شده به جای زمان صرف شده برای انجام کارهای تکراری توسعه دهند.

اما این نتیجه به طور خودکار اتفاق نخواهد افتاد.

بین خودکارسازی یک شغل و طراحی مجدد یک سازمان پیرامون اتوماسیون تفاوت معناداری وجود دارد.

شرکت هایی که به سادگی هوش مصنوعی را پیاده سازی می کنند می توانند کارآمدتر شوند. شرکت‌هایی که درباره نحوه یادگیری، پیشرفت و ایجاد ارزش در کنار هوش مصنوعی تجدیدنظر می‌کنند، می‌توانند چیز مهم‌تری بسازند: یک سیستم استعداد که قادر به تولید نسل بعدی رهبران باشد.

CRE باید کاملاً کارهایی را که فناوری می تواند بهتر انجام دهد حذف کند. به سادگی نمی تواند از عهده حذف یادگیری با آن برآید.

نمایشگاه اضافی

منبع: متیو ماندر

درباره نویسنده

متیو ماندر موسس و مدیر Valent Advisory و رئیس سابق جهانی استراتژی و عملیات در Colliers International است. او بیش از 17 سال تجربه در Colliers، Strategy& (PwC) و RBC دارد که بر استراتژی شرکت، تحول، بهبود عملکرد و تحقق ارزش تمرکز دارد.

یادداشت مرجع

Bisnow، “AI Rush ابزارهای جدیدی را برای تحلیلگران CRE و ترس از انتظارات شغلی ارائه می دهد”، 30 مه 2025. برای نشان دادن اینکه چگونه هوش مصنوعی می تواند تعهدات، تجزیه و تحلیل بازار و کار آماده سازی معامله را فشرده کند، در مقاله ذکر شده است.