در دنیای امروز کسبوکار، تحول دیجیتال با دو موج اصلی پیش میرود: پیادهسازی سیستمهای ERP و اجرای پروژههای هوش مصنوعی . بسیاری از سازمانها با شوق و عجله به سراغ این فناوریها میروند و انتظار دارند بهرهوری جهشی، کاهش هزینه، افزایش سرعت و بهبود کیفیت را تجربه کنند. اما واقعیت این است که بخش قابلتوجهی از این پروژهها یا شکست میخورند یا بازگشت سرمایه مطلوبی ندارند.
دلیل اصلی این موضوع روشن است: وقتی فرآیندهای ناکارآمد و قدیمی را بدون بازنگری اساسی اتوماتیک میکنیم، فقط ناکارآمدی را سریعتر، گستردهتر و پرهزینهتر میکنیم.
مایکل همر جملهای دارد که هنوز هم یک قانون طلایی در تحول دیجیتال است:
“Automate a bad process and it gets worse.” اتوماتیک کردن یک فرآیند بد، آن را بدتر میکند.
این اصل درباره ERP کاملاً صدق میکند و در دنیای هوش مصنوعی حتی خطرناکتر است؛ چون AI روی دادههای حاصل از همین فرآیندهای معیوب آموزش میبیند و همان خطاها را در مقیاسی بزرگتر تکرار و تقویت میکند.
تفاوت BPR و BPM بازاندیشی رادیکال در مقابل بهبود تدریجی
در ادامه تفاوت BPR و BPM شرح داده شده است:
– BPR چیست؟
BPR (بازمهندسی فرآیندهای کسبوکار) رویکردی استراتژیک و بنیادین است که با هدف بازطراحی کامل فرآیندها از ابتدا انجام میشود. در BPR سازمان از خود میپرسد:
این فرآیند در حالت ایدهآل باید چگونه طراحی شود؟
– نتایج مورد انتظار BPR:
- حذف بروکراسی
- کاهش تأخیرها
- سادهسازی جریان کار
- ایجاد چابکی سازمان
- آمادهسازی زیرساخت واقعی برای ERP و AI
– BPM چیست؟
BPM (مدیریت فرایند کسب و کار) زمانی معنا دارد که فرآیند اساساً درست باشد و سازمان بخواهد آن را بهتر و دقیقتر کند. در BPM سؤال این است:
چگونه میتوانیم فرآیند فعلی را بهصورت کنترلشده، بهینهتر و کارآمدتر کنیم؟
– نتایج مورد انتظار BPM
وقتی فرآیندها بهصورت اصولی طراحی شده باشند و سازمان وارد فاز BPM شود، نتایج تدریجی اما بسیار پایدار به دست میآید:
• افزایش تدریجی بهرهوری سازمان
• کاهش خطا و دوبارهکاری
• افزایش شفافیت و کنترل فرآیندها
• استانداردسازی و یکنواختسازی اجرای کارها
• بهبود تجربه مشتری و ذینفعان
• ایجاد فرهنگ بهبود مستمر در سازمان
• آمادگی بهتر برای توسعههای آینده مثل AI و تحلیلهای پیشرفته داده

۷ اصل طلایی بازمهندسی فرآیندهای کسبوکار (از نگاه مایکل همر)
این اصول یکی از معتبرترین چارچوبها برای بازطراحی فرآیند پیش از ERP و AI هستند.
۱. سازماندهی حول خروجی، نه فعالیتها
بهجای تمرکز بر «وظایف پراکنده در واحدهای مختلف»، فرآیند باید حول نتیجه نهایی طراحی شود.
مثال : بهجای اینکه درخواست مشتری بین فروش، مالی، انبار، برنامهریزی و مدیریت مدام پاسکاری شود، یک جریان یکپارچه از ثبت سفارش تا تحویل نهایی تعریف شود و یک صاحبفرآیند مشخص داشته باشد.
۲. کسانی که از خروجی استفاده میکنند، خودشان آن را انجام دهند
افرادی که مستقیماً به اطلاعات و نتایج نیاز دارند، باید تا حد امکان در همان نقطه بتوانند آن را تولید کنند.
مثال: مدیر فروش بتواند از طریق داشبوردهای تحلیلی، گزارشها و تحلیلها را مستقیم دریافت کند نه اینکه برای هر گزارش به واحد IT درخواست بدهد.
۳. پردازش اطلاعات را به جایی ببرید که اطلاعات تولید میشود
هرچه فاصله بین محل تولید داده و محل ثبت و پردازش آن کمتر باشد، خطا و تأخیر کاهش مییابد.
مثال: ثبت اطلاعات تولید، خدمات، بازرسی، پذیرش مشتری، تعمیرات و عملیات، باید همانجا و بهصورت آنلاین انجام شود نه روی کاغذ یا فرمهای جداگانه.
۴. منابع پراکنده را مانند منابع متمرکز مدیریت کنید
حتی اگر سازمان چندشعبهای یا چندسایته است، باید طوری طراحی شود که همه مثل یک واحد هماهنگ عمل کنند.
مثال : شعب، نمایندگیها، کارخانهها و استانهای مختلف از طریق ERP و سیستمهای متمرکز، به داده یکسان، سیاست یکسان و فرآیند هماهنگ متصل شوند.
۵. فعالیتهای موازی را به هم متصل و هماهنگ کنید
بهجای اجرای ترتیبی کارهایی که قابل انجام همزمان هستند، آنها را موازی و هماهنگ انجام دهید.
مثال : در پروژههای تولید محصول یا ارائه خدمت، واحدهای طراحی، تأمین، کنترل کیفیت و برنامهریزی همزمان کار کنند نه پشت سر هم.
۶. تصمیمگیری را به نزدیکترین نقطه به عملیات منتقل کنید
هرچه تصمیمگیری به سطوح عملیاتی نزدیکتر باشد، سرعت و کارایی بالاتر میرود.
مثال : کارشناس عملیاتی بتواند بسیاری از تصمیمهای روزمره را بدون نیاز به تأیید چندسطحی انجام دهد؛ بهخصوص در تولید، خدمات، مالی و پشتیبانی.
۷. اطلاعات باید فقط یکبار و در مبدأ ثبت شود
هر بار ثبت مجدد داده، یعنی خطا، تأخیر و هزینه.
مثال: اطلاعات مشتری، تأمینکننده، سفارش، درخواست خدمت یا فرمهای سازمانی فقط یک بار ثبت شوند و همان اطلاعات در همه سیستمها قابل استفاده باشند.

چرا این اصول در پروژههای هوش مصنوعی حیاتیتر هستند؟
اگر فرآیند بد باشد:
- دادههای بد تولید میکند
- AI همان خطا را یاد میگیرد
- اشتباهات بهصورت خودکار و در مقیاس بزرگتر تکرار میشوند
این یعنی: Garbage Process In → Exponential Garbage Out
سازمانهایی که قبل از ERP و AI فرآیندهای خود را بازطراحی کردهاند:
- زمان ارائه خدمت خود را کاهش دادهاند
- دوبارهکاری و هزینهها را کم کردهاند
- دادههای استاندارد و تمیز تولید کردهاند
- اجرای ERP و AI را با موفقیت بیشتری تجربه کردهاند
مسیر درست تحول دیجیتال
در این بخش مسیر استباه و درست را شرح دادهایم:
– مسیر اشتباه:
- اول ERP / AI بعد به فکر فرآیند!
– مسیر درست:
- باز طراحی فرایند (BPR)
- پیادهسازی ERP و AI (Digitalization)
- بهبود مستمر (BPM)
یعنی: بازتعریف -دیجیتالسازی – بهینهسازی
– بهترین شیوهها برای موفقیت
- شناسایی فرآیندهای کلیدی
- همراهی مدیریت ارشد
- ترکیب BPR + Lean + Six Sigma + Design Thinking
- استانداردسازی دادهها قبل از AI
- استفاده از BPM برای کنترل و بهبود مداوم

جمعبندی
اگر قصد اجرای ERP یا استفاده از هوش مصنوعی را دارید، پایه کار، فرآیند است نه نرمافزار. بازمهندسی فرآیندها قبل از هر اقدام دیجیتالی، ریسک شکست را کاهش میدهد، هزینهها را کنترل میکند و دستاوردهای تحول دیجیتال را واقعی و پایدار میسازد.
اگر سازمان شما در آستانه اجرای ERP یا AI است، گروه تحول دیجیتال میراکام کنار شماست تا:
- ارزیابی بلوغ فرآیندی انجام دهد
- فرآیندهای کلیدی سازمان را بازطراحی کند
- مسیر درست تحول دیجیتال را طراحی و پیادهسازی کند
میراکام؛ شریک تحول دیجیتال شما در عصر هوش مصنوعی
سوالات متداول
۱. BPR و BPM چه تفاوتهایی دارند؟
BPR (بازمهندسی فرآیندهای کسبوکار) به تغییرات بنیادین در فرآیندها اشاره دارد، هدف آن بازطراحی فرآیندها از ابتدا است. در حالی که BPM (مدیریت فرآیند کسبوکار) به بهبود و بهینهسازی فرآیندهای موجود با تمرکز بر دقت و کارایی اشاره دارد.
۲. چرا بازمهندسی فرآیندهای کسبوکار (BPR) قبل از ERP و AI ضروری است؟
بازمهندسی فرآیندها به سازمان کمک میکند تا فرآیندهای ناکارآمد را اصلاح کرده و پایهای مستحکم برای پیادهسازی سیستمهای ERP و AI فراهم آورد، در غیر این صورت، فرآیندهای بد، مشکلات بیشتری ایجاد میکنند.
۳. چه اصولی برای موفقیت در پروژههای ERP و AI وجود دارد؟
شناسایی فرآیندهای کلیدی، همراهی مدیریت ارشد، و ترکیب روشهای مختلف مانند BPR، Lean، Six Sigma و Design Thinking از بهترین شیوهها برای موفقیت در این پروژهها هستند.
۴. چگونه میتوان فرآیندهای بد را قبل از پیادهسازی AI اصلاح کرد؟
ابتدا باید فرآیندها بازطراحی شوند (BPR)، سپس سیستمهای ERP و AI پیادهسازی شده و در نهایت فرآیندها بهبود یافته و استانداردسازی دادهها انجام شود.
۵. چرا دادههای نامناسب در پروژههای AI مشکلساز میشود؟
اگر دادههای نامناسب وارد سیستم شوند، AI همان خطاها را یاد میگیرد و اشتباهات به صورت خودکار و در مقیاس بزرگتر تکرار میشوند، که به اصطلاح “Garbage In, Garbage Out” است.


