پژوهشها میگویند تیم‌های پرستاره به چالش مدیریتی قرن تبدیل شده‌اند
انباشت نوابغ؛ فرصت یا تهدید متا؟
تا اینجای کار بیش از دوازده تن از مهندسینOpenAI به همراه متخصصان برجسته‌ای از شرکت‌های «انتروپیک» و «دیپ‌مایند» گوگل جذب متا شده‌اند. فرض زاکربرگ بر این است که با تجمیع استعدادهای برتر و اعطای منابع نامحدود به آنها، بتواند از رقبا پیشی بگیرد و شتاب توسعه سامانه‌های هوش مصنوعی را به قدری بالا ببرد که به مرز «هوش مصنوعی عمومی» برسند؛ همان سرحد فرضی که در آن مدل‌ها از ظرفیت انسان فراتر می‌روند.
اما همان‌طور که اهالی ورزش هم می‌دانند، پر کردن یک تیم با فوق‌ستاره‌ها الزاما به موفقیت منجر نمی‌شود. بدون مدیریت هوشمندانه، انباشت نیروهای نخبه در یک گروه، می‌تواند به کاهش بازدهی یا حتی شکست کامل منجر شود، چون احتمال تقابل خودبزرگ‌بینی‌ها و ضعف سازگاری بالاست.
بوریس گرویسبرگ، استاد مدرسه کسب‌وکار هاروارد که بیش از دو دهه روی پویایی تیم‌ها مطالعه کرده، می‌گوید: «این باور در وال استریت و سیلیکون ولی وجود دارد که کافی است توانمندترین افراد را دور هم جمع کنید تا جادو رخ دهد. اما جادویی در کار نیست. آنچه در بسیاری موارد اتفاق می‌افتد، حسادت فراوان، خنجر از پشت زدن و خرابکاری عمدی است.»
در متا، وظیفه دور نگه داشتن ستاره‌ها از چنین دام‌هایی بر عهده الکساندر وانگ ۲۸ ساله، مدیرعامل سابق Scale AI، و نت فریدمن ۴۸ ساله، مدیرعامل پیشین «گیت‌هاب» است؛ مدیرانی که به تازگی برای هدایت واحد ۵۰ نفره نوابغ متا منصوب شده‌اند.
به گزارش بلومبرگ، دهه‌ها پژوهش دانشگاهی، چالش‌های پیش روی این دو را روشن کرده است.
در دهه ۱۹۷۰، «مردیث بلبین»، پژوهشگر حوزه مدیریت، مشاهده کرد تیم‌هایی که صرفا از افرادی با بهره هوشی بالا تشکیل شده بودند، مشاجرات طولانی و انسجام کمی داشتند و در تصمیم‌گیری به شدت با مشکل مواجه بودند، چون اعضا بیشتر به دنبال بحث و جدل بودند تا همکاری.
در سال ۲۰۱۱، گرویسبرگ و همکارانش پژوهشی را منتشر کردند که نشان می‌داد در وال استریت، از یک جایی به بعد، اضافه کردن تحلیلگران فوق ستاره به تیم‌های تحقیقاتی شرکت‌های تراز اول، عملا به عملکردشان آسیب می‌زد. ظاهرا نقطه عطفی وجود دارد که از آن نقطه به بعد تکبر و خودمحوری افراد ستاره غلبه می‌کند و به جای همکاری، اطلاعات را احتکار می‌کنند. این نقطه آنجاست که فوق‌ستاره‌هایی با حوزه‌های تخصصی مشابه، حدود نصف تیم را تشکیل می‌دهند.
همچنین، پژوهش دیگری نشان می‌دهد که عملکرد تیمی به‌شدت وابسته به این است که ارتباط بین اعضا چقدر خوب باشد و در چه حدی بتوانند با هم همکاری کنند. تیم‌هایی که در بحث‌ها اجازه می‌دهند هر کسی به نوبت حرفش را بزند، فارغ از توانایی ذهنی ذاتی افراد حاضر در اتاق، معمولا از «هوش جمعی» بالاتری برخوردار هستند.
نکات مدیریتی ابرتیم‌ها
در هدایت ابرتیم‌ها، چند اصل مدیریتی اهمیت فوق‌العاده‌ای دارند. یکی از آن موارد این است که حوزه فعالیت هر فرد باید به‌روشنی تعریف شده باشد. لیندرد گریر، استاد مدرسه کسب‌وکار راس دانشگاه میشیگان می‌گوید: «اگر مسیر شنای هر فرد کاملا مشخص و باز باشد، دیگران را به چشم تهدید نمی‌بیند.» به گفته او هم‌پوشانی استعداد و پیشینه تا زمانی که افراد جدا از یکدیگر نگه داشته شوند، اشکالی ندارد.
مورد مهم دیگر این است که از همان ابتدا آشکارا مشخص شود چه کسی اختیار تصمیم‌گیری در چه مسائلی را خواهد داشت، در غیر این صورت، رقابت بر سر قدرت می‌تواند باعث از هم پاشیدن گروه شود.
آنیتا ویلیامز وولی، استاد مدرسه کسب‌وکار تپر دانشگاه کارنگی ملون می‌گوید: «گاهی اوقات سلسله‌مراتب قدرت و اینکه یک نفر به همه دستور بدهد چه‌کار کنند، بار منفی دارد، اما واقعیت این است که وجود سلسله‌مراتب در برخی زمینه‌ها به هماهنگی تیم‌ها کمک می‌کند.» به گفته وولی، سلسله‌مراتب قدرت می‌تواند موضوعی باشد و بسته به مساله تغییر کند، اما در محیطی که همه می‌خواهند در راس کار باشند، شفافیت حیاتی است.
مساله دیگر ایجاد هماهنگی و هم‌افزایی گروهی است به نحوی که اعتماد بین اعضا بیشتر شود، به راحتی با هم ارتباط بگیرند و هدف مشترکی داشته باشند.
به گفته گرویسبرگ با وجود اینکه مطالعات بسیاری در تایید این اصول ساخت تیم‌های عالی وجود دارند، بسیاری از رهبران سازمانی همچنان حاضر نیستند زمان لازم را برای پیاده‌سازی آن صرف کنند. او می‌گوید: «ما مدیران عامل و مدیران اجرایی زیادی نداریم که صبوری و سخت‌گیری لازم برای پیاده‌سازی این اصول را داشته باشند. من همیشه می‌گویم، اگر برای روز جمعه یک تیم بسیار کارآمد و با عملکردی بالا احتیاج دارید، پنج‌شنبه زمان مناسبی برای پایه‌گذاری‌اش نیست.»
اگرچه این هشدار کلی است و درباره تمام سازمان‌ها صدق می‌کند، اما مصداق ویژه‌اش شرکت متاست که برای جا نماندن از گوگل و OpenAI سعی دارد شتاب‌زده ابرتیم خود را بسازد.
تازه اینجا بحث پول پیش می‌آید که تقریبا همیشه شرایط را پیچیده‌تر می‌کند.
با توجه به تلاش‌های گسترده و علنی زاکربرگ برای شکار استعدادها - که شامل پیشنهاد بسته‌های پرداختی بیش از ۲۰۰میلیون دلاری بوده - جزئیات قراردادهای بسیاری از استخدام‌های جدید به اطلاع عموم رسیده است. این موضوع می‌تواند تلاش‌های تیم‌سازی را به شدت تحت فشار قرار دهد و بر پویایی تیم تاثیرگذار باشد.
وولی می‌گوید: «در چنین بستری، برای بسیاری از گروه‌ها، دریافتی افراد تقریبا به منزله درجه نظامی افراد تلقی می‌شود. شما دو ستاره روی شانه‌تان دارید و دیگری سه ستاره. دقیقا همین سلسله مراتب قدرت را مشخص می‌کند. مدیران باید با صداقت و صراحت آشکاری مشخص کنند که چنین چیزی درست است یا نه.»
مایکل دل، مدیرعامل شرکت تکنولوژی دل در یکی از مصاحبه‌های خود گفته بسته‌های پیشنهادی گزاف برای استخدام‌های جدید هوش مصنوعی می‌تواند باعث نارضایتی کارکنان باسابقه متا شود. به گفته او مردم معمولا یک درک نسبی از عدالت دارند و می‌خواهند در مقایسه با دیگران و فرصت‌هایی که در بازار کلی وجود دارد، منصفانه با آنها برخورد شود.»
به گفته گرویسبرگ، شاید این نارضایتی بلافاصله خود را نشان ندهد، اما در دوره بازنگری حقوق و مزایای بعدی عیان می‌شود.
نوابغ برای مدیریت نوابغ
یکی از سخنگویان متا در پاسخ به پرسشی درباره چالش‌های احتمالی مدیریت در «آزمایشگاه ابر هوش متا»، به بلومبرگ گفت: «می‌دانیم که آزمایشگاه ابرهوش متا توجه‌های بسیاری را به خود جلب کرده و به نظر میرسد هرکسی در این باره یک نظری دارد، اما تمرکز ما فقط روی کار است تا ابر هوش شخصی را توسعه دهیم.»
زاکربرگ برخی از گزارش‌های رسانه‌ای درباره جزئیات بسته‌های پیشنهادی به متخصصین هوش مصنوعی را رد کرده است، اما از استراتژی خود برای ایجاد یک ابر تیم دفاع می‌کند و در مصاحبه‌ای که اخیرا با نشریه The Information داشته، گفته: «هوش مصنوعی قرار است مهم‌ترین تکنولوژی زندگی ما باشد. این تکنولوژی، بنیان توسعه هر چیزی در شرکت خواهد بود و تاثیری گسترده بر جامعه خواهد داشت. بنابراین ما فقط می‌خواهیم خیالمان راحت باشد که بهترین افراد، از کارآفرینان گرفته تا پژوهشگران و مهندسانی که روی داده‌ها و زیرساخت‌ها کار می‌کنند، بر این موضوع متمرکز شوند.»
تا اینجای کار می‌شود گفت بزرگ‌ترین سرمایه‌گذاری زاکربرگ روی الکساندر وانگ (بنیان‌گذار شرکت Scale AI) است. متا ۱۴.۳میلیارد دلار در شرکت Scale AI سرمایه‌گذاری کرد، بدون آنکه کنترل آن را به دست گیرد. این شرکت سال گذشته از ارائه خدمات داده برای آموزش سامانه‌های هوش مصنوعی ۸۷۰میلیون دلار درآمد به دست آورد.
با این حال، گزارش‌ها حاکی از آن است که پس از سرمایه‌گذاری متا برخی از مشتریان برجسته این شرکت، از جمله گوگل و OpenAI، در حال قطع همکاری هستند. این موضوع زمزمه‌هایی را برانگیخته مبنی بر اینکه شاید هدف واقعی متا جذب خود وانگ بوده، نه خرید ۴۹ درصد از سهام این کسب‌وکار.
درست است که وانگ استعداد شگرفی در ریاضیات و علوم دارد و اکنون شهرت خوبی به عنوان یک بنیان‌گذار برای خود به هم زده است، اما نه او و نه استارت‌آپش تاکنون پژوهش انقلابی و نوآورانه‌ای در حوزه هوش مصنوعی ارائه نکرده‌اند. سازمان وانگ با ارتشی از پیمانکاران همکاری داشتند که کارشان برچسب‌گذاری و پالایش داده بود؛ افرادی که طبق توصیف خود وانگ همان «بیل و کلنگ» عصر طلا را در عرصه هوش مصنوعی فراهم می‌کردند. اکنون او باید در متا احترام تیمی از دانشمندان کلاس جهانی هوش مصنوعی را به دست بیاورد.
وانگ به سخت‌کوشی‌اش شهره است و توقعش از نیروها بالاست. او در سال ۲۰۲۴ نوشت: «چیزی که بیش از حد به نظر میرسد، همان مقدار درست و کافی است.» یکی دیگر از ویژگی‌های برجسته و شناخته شده وانگ تلاشش برای برخورداری از حداکثر نوابغ ممکن در سازمان است تا بتوانند پابه‌پای جاه‌طلبی او پیش بروند.
گرویسبرگ، که اخیرا یک مطالعه موردی درباره Scale AI داشته، می‌گوید وانگ در جلسات هفتگی استخدام حضور دارد. شخصا مدارک هر متقاضی را بررسی می‌کند و مدیرانش را مجبور می‌کند با دقت از انتخابشان دفاع کنند. یکی از مدیران به گرویسبرگ گفته است: «همه افراد در همه بخش‌ها زیر ذره‌بین الکس هستند. او واقعا به استخدام افراد برجسته اهمیت می‌دهد. روشی که اغلب برای سنجش این موضوع داریم، ترکیب بهره هوشی و هوش حسی است. بعد آن را با مقدار فوق‌العاده‌ای سرسختی و پشتکار در هم می‌آمیزیم.»
حالا سوال اینجاست که آیا آنچه در شرکت وانگ جواب داد در متا هم نتیجه‌بخش خواهد بود؟
گرویسبرگ می‌گوید: «فکر می‌کنم متا باهوش‌ترین فردی را که من می‌شناسم به خدمت گرفته است. سازمان ستاره‌اش را جذب کرده. حالا باید ببینیم می‌توانند یک ابرتیم بسازند یا نه.»
