آنچه هیچ مشاوری نمی‌گوید: نقش سیستم در سایه برای تکامل سازمانی

نقش سیستمِ سایه در کسب‌وکارهای امروزی

اصطلاح “سیستمِ سایه” (Shadow System) به معنای سیستمی است که در سایه سیستم اصلی (رسمی و آشکار) شکل گرفته است.

به عبارت دیگر، “سیسم سایه” به جنبه‌ها، عناصر، فرآیندها، داده‌ها و رفتارهای غیررسمی، نادیده گرفته شده یا ناآگاهانه در یک سازمان اشاره دارد که در کنار سیستم‌های رسمی و طراحی شده وجود دارند. این سایه‌ها، اغلب ناخواسته یا بدون برنامه‌ریزی قبلی به وجود می‌آیند، اما می‌توانند تأثیرات قابل توجهی (مثبت یا منفی) بر عملکرد کلی سازمان داشته باشند.

در قلب هر سازمان موفق، رازی نهفته است که کمتر کسی به آن توجه می‌کند؛ همان‌طور که در طبیعت، سایه‌ها به اندازه نور ضروری هستند، در سیستم‌های سازمانی نیز عناصری وجود دارند که در حاشیه مانده‌اند اما نقش حیاتی ایفا می‌کنند. این همان مفهوم “سیستمِ سایه” است که می‌تواند دیدگاه ما را نسبت به مدیریت کسب و کار یا سازمان، متحول کند.

آنچه در کتاب‌ها، دوره‌های آموزشی، کورس‌های تحصیلی و محتوای غالب آموزشی در حوزه مدیریت کسب و کار می‌بینیم، معمولاً تمرکز بر جنبه‌های موجود در نور مدیریت دارد؛ آن بخشی که دیده می‌شود! مانند ترک کار، پرسنل سمّی، فوبیای تصمیم‌گیری در مدیران، ضعف زنجیره تأمین، مسئولیت‌گریزی و مثال‌هایی مانند این؛ حال آنکه ریشه بسیاری از موضوعات موجود در نور، جای دیگری است به اسم “سیستمِ سایه” که این مقاله، تلاش به شفاف نمودن مفهومش دارد.

درک بهتر سیستمِ سایه در مثال بیمارستان

تصور کنید در یک بیمارستان مدرن، مکانی که دقت و صحت اطلاعات حرف اول را می‌زند، پرستاران به جای گزارش رسمی خطاهای پزشکی در سیستم‌های تعریف‌شده، آن‌ها را در دفترچه‌های شخصی خود یادداشت می‌کنند تا آمار خطا، کاهش پیدا کند. ثبت این خطاها در سیستم رسمی، از دید مدیریت بیمارستان، سال‌ها به عنوان نشانه‌ای از ضعف سیستم تلقی می‌شد؛ مدیران نه تنها تلاش می‌کردند این یادداشت‌ها فاش نشوند، بلکه برای برخورد با پرستارانی که این کار را می‌کردند نیز طرح‌هایی داشتند. این واکنش طبیعی بسیاری از سازمان‌هاست. هر آنچه خارج از کانال‌های رسمی و کنترل‌شده باشد، به عنوان یک تهدید یا نقص دیده می‌شود.

اما نکته محوری اینجاست، یادداشت‌های “غیررسمی” دقیقاً همان “سیستمِ سایه” بوده‌اند. این کشف تصادفی یک مشاور، نقطه‌عطفی شد؛ مشاور متوجه شد تحلیل همین یادداشت‌های به ظاهر بی‌اهمیت و پنهان، می‌تواند الگوی پیش‌بینی خطاهای پزشکی را به طرز چشمگیری بهبود بخشد. اینجاست که ارزش واقعی سیستمِ سایه آشکار می‌شود؛ عناصری که در حاشیه قرار دارند و حتی سرکوب می‌شوند، در واقع “سیستم ایمنی پنهان سازمان” را شکل می‌دهند. در جلسات مصاحبه، مشاور متوجه شد که اگر این گزارش‌ها در سیستم رسمی ثبت می‌شد، در ظاهر آمار خطا را بالا می‌برد اما در ارزیابی پزشکان، بازبینی تجهیزات معیوب، تغییر شیفت‌های کاری و…، شده و به مرور زمان، خطا به‌صورت ریشه‌ای کاهش داشت، نه ازطریق پاک کردن صورت مسأله.

سیستمِ سایه، به‌عنوان چراغ راهنمای مدیران

در دنیای پیچیده امروز، ما معمولاً تمام توجه خود را معطوف به جنبه‌های رسمی و روشن سازمان‌ها می‌کنیم؛ اهداف کمّی (تلاش برای قابل اندازه‌گیری کردن همه چیز)، فرآیندهای استاندارد (تلاش برای تبدیل انسان به ربات هوشمند) و شاخص‌های عملکردی. اما آنچه اغلب نادیده می‌گیریم، همان سایه‌هایی است که در حاشیه سیستم شکل می‌گیرند و رشد می‌کنند. این سایه‌ها می‌توانند شامل راهکارهای غیررسمی کارکنان برای حل مشکلات، پروژه‌های شکست‌خورده‌ای که درس‌های ارزشمندی به همراه داشته‌اند، یا حتی ارتباطات غیررسمی بین بخش‌های مختلف سازمان باشند.

زمانیکه مدیرکارخانه بودم، مدت طولانی از سال را، به همراه سایر همکاران با سرویس ایاب و ذهاب شرکت رفت و آمد می‌کردم؛ جالب است بدانید راه‌حل و اطلاعات شگفت‌انگیزی در همین مسیر و در فرمت مکالمه‌های غیررسمی حاصل شد که تأثیر شگرفی بر توسعه کارخانه داشت (برخی مشکلاتی که در این رفت و آمدها گزارش شد، انگیزه قوی برای ادامه تحصیل من در مقطع دکتری تخصصی بود).

اهمیت مفهوم سیستمِ سایه یا Shadow System در عصر حاضر، یعنی دوره‌ای که با اصطلاح VUCA (بی‌ثباتی، عدم قطعیت، پیچیدگی و ابهام) توصیف می‌شود، دوچندان شده است. سازمان‌های پیشرو مانند آمازون و اسپیس‌ایکس نه به‌دلیل اجتناب از شکست، بلکه به‌خاطر توانایی‌شان در یادگیری از سایه‌های سیستم به موفقیت‌های چشمگیری دست یافته‌اند. برای مثال، اسپیس‌ایکس در مراحل اولیه توسعه موشک‌های خود، ده‌ها انفجار کنترل‌شده را تجربه کرد. اما به‌جای پنهان کردن این شکست‌ها، از داده‌های حاصل از آنها برای آموزش الگوریتم‌های یادگیری ماشین استفاده کرد. این رویکرد هوشمندانه، نمونه‌ای عینی از بهره‌برداری از سیستمِ سایه در عمل است.

در مثال بیمارستان، اگر مدیریت پس از یک دوره سرکوب شدید “سایه” و شناختن آن به‌عنوان تهدید، شروع به تحلیلش نمی‌کرد، بیمارستان از دسترسی به یک “واکسن نامرئی” محروم می‌ماند؛ این یادداشت‌ها به مثابه هشدارهای اولیه عمل می‌کردند و الگوهایی را نشان می‌دادند که می‌توانست به پیشگیری از خطاهای بزرگتر در آینده کمک کند؛ درست مانند سیستم ایمنی بدن که بی‌صدا با عوامل بیماری‌زا مبارزه می‌کند، سیستمِ سایه نیز می‌تواند ضعف‌های پنهان را آشکار و سازمان را در برابر بحران‌ها مقاوم نماید.

با این حال، مشکل اساسی اینجاست که فرهنگ‌های سازمانی سنتی معمولاً این سایه‌ها را سرکوب می‌کنند. تحقیقی که در سال ۲۰۲۲ توسط مدرسه مدیریت MIT اسلون (زیر نظر پروفسور سنگه) انجام شد، نشان داد که ۷۲ درصد از کارکنان به دلیل ترس از تنبیه، خطاهای خود را گزارش نمی‌دهند. این در حالی است که همین داده‌های سرکوب‌شده می‌توانند مانند واکسن‌های نامرئی، سازمان را در برابر بحران‌های آینده مقاوم کنند. این پارادوکس، همان چیزی است که ما را به بررسی عمیق‌تر مفهوم سیستمِ سایه سوق می‌دهد.

در مثال بیمارستان نیز، رویکرد اولیه مدیریت بر سرکوب و تنبیه مبتنی بود. اما زمانی که مشاور، رویکرد “یادگیری از خطا” را در پیش گرفت، این “سایه” از یک تهدید به یک منبع ارزشمند برای بهبود تبدیل شد. این تغییر نگرش از “سرزنش” به “یادگیری”، گام اساسی در بهره‌برداری از سیستمِ سایه است.

چارچوب نظری سیستمِ سایه

آنتی فریل بودن سیستم

برای درک عمیق‌تر مفهوم سیستمِ سایه، باید به ریشه‌های نظری آن در علوم مختلف نگاهی بیندازیم. نظریه آنتی‌فریل (شکننده‌نبودن) که توسط نسیم طالب مطرح شده است، به خوبی توضیح می‌دهد که چگونه برخی سیستم‌ها نه تنها در برابر شوک‌ها مقاومت می‌کنند، بلکه از آنها قوی‌تر می‌شوند؛ این مفهوم در دنیای کسب‌وکار به خوبی قابل مشاهده است. برای مثال، استارتاپ‌های فعال در حوزه فناوری مالی (فین‌تک) پس از هر بحران مالی، با تحلیل دقیق تراکنش‌های مشکوک و الگوهای غیرعادی که پیش از این نادیده گرفته می‌شدند، سیستم‌های تشخیص تقلب خود را ارتقا می‌دهند.

این تراکنش‌های مشکوک که زمانی به عنوان “نویز” در نظر گرفته می‌شدند، در واقع بخشی از سیستمِ سایه بودند که با تحلیل صحیح، به دارایی‌های ارزشمند تبدیل شدند.

مثال بیمارستان نیز، به خوبی مفهوم “آنتی‌فریل” را تداعی می‌کند. بیمارستان با مواجهه با نقاط ضعف خود (خطاهای پزشکی که از طریق سیستمِ سایه آشکار شد) و تحلیل آن‌ها، نه تنها در برابر شوک‌ها مقاومت کرد، بلکه قوی‌تر شد و سیستم پیش‌بینی خطای خود را ارتقا داد.

مثال بیمارستان به ما می‌آموزد که سازمان‌ها نباید تنها به داده‌ها و فرآیندهای رسمی خود بسنده کنند (گاهی داده‌ها باب میل مدیران ارشد طراحی یا ساخته می‌شوند)؛ بسیاری از بینش‌های عمیق و درس‌های ارزشمند، در لایه‌های پنهان و غیررسمی سازمان، یعنی در “سیستمِ سایه” نهفته‌اند. با تغییر دیدگاه از سرکوب به کشف و تحلیل، می‌توان از این سایه‌ها به عنوان یک منبع قدرتمند برای نوآوری، بهبود مستمر و افزایش تاب‌آوری سازمانی در دنیای پیچیده امروز بهره برد. کشف این سایه‌ها می‌تواند تفاوت بین موفقیت و شکست را رقم بزند.

نظریه پیچیدگی

نظریه پیچیدگی نیز دیدگاه دیگری درباره سیستمِ سایه ارائه می‌دهد. بر اساس این نظریه، سایه‌ها در واقع حالت‌های گذرای سیستم هستند که در مدل‌های خطی سنتی دیده نمی‌شوند. یک مثال جالب از این مفهوم در عمل، شبکه‌های برق پیشرفته در آلمان است. مهندسان این شبکه به‌طور عمدی خاموشی‌های کنترل‌شده ایجاد می‌کنند تا نقاط ضعف سیستم را شناسایی کنند. این رویکرد که به “سایه‌سازی” معروف است، به آنها اجازه می‌دهد قبل از وقوع بحران‌های واقعی، سیستم را مقاوم‌تر کنند.

در قلب پدیده‌ی “سیستمِ سایه”، نظریه پیچیدگی جایگاهی محوری دارد. این نظریه به ما یادآوری می‌کند که سازمان‌ها، همانند اکوسیستم‌های طبیعی یا شبکه‌های زیرساختی، صرفاً مجموعه‌ای از اجزای خطی و قابل پیش‌بینی نیستند. بلکه، آن‌ها سیستم‌هایی پیچیده تطبیق‌پذیر (Complex Adaptive Systems – CAS) هستند که دائم در حال تعامل، تکامل و تغییرند. در چنین سیستم‌هایی، “سایه‌ها” در واقع همان “حالت‌های گذرا” یا “نقاط انفصال” هستند که در مدل‌های خطی و ساده‌سازانه سنتی، از دید پنهان می‌مانند. این نقاط، نه لزوماً شکست‌های کامل، بلکه نقاطی هستند که در آنها سیستم از وضعیت پایدار خود خارج شده و رفتارهای غیرخطی و غیرمنتظره‌ای از خود نشان می‌دهد.

برای مثال، تولید کننده خودرو، پیش از عرضه مدل جدید به بازار، نمونه‌هایی از این خودرو را برای تست تصادف ارسال می‌کند. در ظاهر، یک هزینه زیاد و هدر رفت منابع است (خودروی صفر تولید شده، می‌رود تا عامدانه تصادف کند) اما این نقطه انفصال یا شکست، پُلی برای توسعه محصول است. تحقیقات روز در حوزه تاب‌آوری سیستم‌ها (Resilience Engineering) و مهندسی پیچیدگی (Complexity Engineering) به وضوح نشان می‌دهد که تنها با مواجهه آگاهانه با این “سایه‌ها” است که می‌توان یک سیستم را واقعاً “ضدشکننده” (Antifragile) ساخت.

در مثال تست تصادف خودرو، شاید در ظاهر یک اتومبیل صفر از دست می‌رود اما در ازای آن، مفهوم افزایش آگاهی موقعیتی یا Situational Awareness را خواهیم داشت. باتحلیل داده‌های حاصل از تست تصادف، درک عمیق‌تری از نحوه واکنش خودرو و اجزای آن در شرایط بحرانی به دست آورند، پیش از آنکه یک بحران واقعی و غیرقابل کنترل رخ دهد. این بینش به مهندس‌ها و مدیران خودروسازی کمک می‌کند تا پروتکل‌های طراحی را بهبود بخشند و به جزییاتی توجه کنند که پیش از این، حتی دیده نمی‌شدند، برسد به مهم شمردن.

آیا سیستمِ سایه همان بازخورد است؟

خیر؛ تفاوت سیستمِ سایه با مفاهیم رایجی مانند “حلقه بازخورد” در این است که حلقه‌های بازخورد معمولاً فقط داده‌های رسمی و ساختاریافته را پردازش می‌کنند، در حالی که سیستمِ سایه شامل داده‌های غیررسمی، سرکوب‌شده و حتی گاهی ناخوشایند می‌شود که معمولاً در گزارش‌های رسمی جایی ندارند. شرکت نتفلیکس نمونه‌ای جالب از بهره‌برداری از این تفاوت است. در این شرکت، بسیاری از ایده‌هایی که در جلسات رسمی رد می‌شوند، در گفتگوهای غیررسمی بین کارکنان در کافه‌تریا یا حتی در گروه‌های دوستی خارج از محیط کار دوباره مطرح و توسعه می‌یابند. این فرآیند غیررسمی که بخشی از سیستمِ سایه محسوب می‌شود، در نهایت منجر به خلق برخی از موفق‌ترین برنامه‌های این پلتفرم شده است.

نقش غیرخطی بودن

نقش غیرخطی بودن در شکل‌گیری و تأثیر سیستمِ سایه نیز قابل تأمل است. پدیده‌ای که در نظریه پیچیدگی به “اثر پروانه‌ای” معروف است، در سایه سیستم‌های سازمانی نیز مشاهده می‌شود. یک خطای به ظاهر کوچک در بخش فروش، مانند اشتباه در پیش‌فاکتورنویسی، ممکن است در نگاه اول بی‌اهمیت به نظر برسد. اما اگر این خطاها که بخشی از سیستمِ سایه هستند تحلیل شوند، ممکن است ضعف ساختاری در نرم‌افزار CRM شرکت یا حتی مشکل بزرگتری در فرآیندهای داخلی را آشکار کنند. شرکت زارا نمونه‌ای عینی از بهره‌برداری از این مفهوم است. این شرکت با رصد خطاها و انحرافات غیررسمی در سیستم انبارداری خود که پیش از این نادیده گرفته می‌شدند، توانست سیستم لجستیک خود را بهینه‌تر کند و مزیت رقابتی قابل توجهی به دست آورد.

برای درک بهتر سیستمِ سایه، می‌توان آن را در قالب یک چارچوب سه‌بُعدی بررسی کرد (موارد داخل پرانتز، مربوط به مثال بیمارستان است):

بُعد اول: سایه داده‌ها (ثبت داده‌های خطای پزشکی در دفترچه شخصی)؛

بُعددوم: سایه رفتارها (پنهان‌کاری، ثبت پنهانی، تلاش برای سرکوب گزارش‌های رسمی و کتمان واقعیت) و

بُعد سوم: سایه ساختارها (خودفریبی، جلوگیری از توسعه، بستری برای توسعه پنهان‌کاری‌های سازمان یافته).

سایه داده‌ها شامل اطلاعاتی می‌شود که معمولاً جمع‌آوری یا گزارش نمی‌شوند، مانند نظرات حذف‌شده کاربران در یک پلتفرم دیجیتال.

سایه رفتارها شامل اقدامات غیررسمی کارکنان برای حل مشکلات است که خارج از فرآیندهای رسمی انجام می‌شود.

سایه ساختارها نیز به روابط قدرت نامرئی و ارتباطات غیررسمی در سازمان اشاره دارد که معمولاً در چارت سازمانی دیده نمی‌شوند.

یک پلتفرم آموزش آنلاین ایرانی نمونه‌ای جالب از بهره‌برداری از سایه داده‌ها است. این شرکت با تحلیل نظراتی که کاربران ارسال کرده اما به دلایلی حذف شده بودند، توانست ویژگی‌های جدید و ارزشمندی به سرویس خود اضافه کند که نیاز واقعی کاربران را برطرف می‌کرد.

شناسایی سیستمِ سایه در سازمان‌ها

در اعماق هر سازمان، لایه‌هایی از واقعیت وجود دارند که معمولاً در گزارش‌های رسمی و جلسات مدیریتی جایی ندارند، اما درک آنها می‌تواند تفاوت بین موفقیت و شکست را رقم بزند. شناسایی این سایه‌ها نیازمند نگاهی ظریف و متفاوت به سازمان است، نگاهی که فراتر از شاخص‌های کمی و نمودارهای عملکردی را می‌بیند.

اولین نشانه‌های وجود سایه‌های مفید در سازمان معمولاً در رفتارهای غیررسمی کارکنان آشکار می‌شود. به عنوان مثال، در یک شرکت تولیدکننده لوازم الکترونیکی، مهندسان برای حل سریع‌تر مشکلات فنی، یک گروه ارتباطی غیررسمی در پیام‌رسان‌های داخلی ایجاد کرده بودند؛ این کانال که خارج از چارچوب رسمی IT شرکت فعالیت می‌کرد، در واقع سیستمی موازی برای حل مشکلات بود که مدیریت از وجود آن بی‌خبر بود. وقتی سرانجام این کانال کشف شد، به جای برخورد تنبیهی، مورد تحلیل قرار گرفت و مشخص شد که این راهکار غیررسمی کارکنان، در بسیاری موارد مؤثرتر از سیستم رسمی تیکت‌دهی IT عمل کرده است. این کشف منجر به بازطراحی کامل سیستم پشتیبانی فنی شرکت شد.

نوع دیگری از سایه‌های سیستم در خطاهای تکرارشونده سازمانی خود را نشان می‌دهد. در یک بانک ایرانی که به‌عنوان مشاور آنجا حاضر هستم، اشتباهات مکرری در ورود اطلاعات مشتریان رخ می‌داد. با وجود آموزش‌های متعدد، این خطاها ادامه داشت. بررسی عمیق‌تر نشان داد که مشکل اصلی نه از کارکنان، بلکه از طراحی ضعیف نرم‌افزار ورود اطلاعات نشأت می‌گرفت. کارکنان برای جبران این نقص، راهکارهای غیررسمی ابداع کرده بودند که خود منبع خطاهای جدید می‌شد؛ این مثال نشان می‌دهد که چگونه سیستمِ سایه می‌تواند نقاط ضعف ساختاری را آشکار کند.

یا برای مثالی دیگر، وقتی مشاور برای ارتقا توانمندی کارکنان، طرح‌های آموزشی پیشنهاد می‌دهد تا به مرور زمان، سطح توانمندی افراد علاقمند بالا رفته و تفویض اختیار برای آزاد شدن زمان مدیران ارشد صورت پذیرد، یک مدیر قدرت طلب در زمان‌هایی که مشاور حضور ندارد یا برنامه‌های آموزشی در جریان نیست، افراد مستعد و توانمند را درگیر با کارهای جزیی می‌کند تا نتوانند در امور محول شده اصلی، تمرین و تجربه داشته باشند. مشاور و مجری آموزش، می‌بینند که پس از مدتی، افراد علاقه خود را از دست داده و مدیر ارشد که در سایه برنامه را تغییر داده، معترض است و به همین سادگی، پروژه متوقف می‌شود. در اینجا، مدیر قدرت طلب که گمان می‌کند با تفویض اختیار، از قدرت و حس مرجعیت او کاسته خواهد شد، “در سایه” اقدام به فعالیت‌های مخرب دارد که تبعاتش در “نور” دیده می‌شود اما هرگز ردیابی نمی‌گردد.

ابزارهای شناسایی سایه‌های سیستم به اندازه خود سایه‌ها متنوع هستند. یکی از مؤثرترین روش‌ها، نقشه‌برداری از جریان‌های اطلاعاتی پنهان است. در یک مطالعه موردی جالب در شرکت نرم‌افزاری، تحلیل ارتباطات غیررسمی کارکنان در سامانه‌های چت داخلی نشان داد که بسیاری از مشکلات فنی پیش از ارجاع به بخش فنی، توسط همکاران در سایر دپارتمان‌ها حل می‌شوند. این “شبکه‌های حل مسئله خودجوش” که قبلاً ناشناخته بودند، پس از شناسایی به بخشی رسمی از ساختار سازمان تبدیل شدند.

تکنیک مصاحبه‌های ساختارنیافته با کارکنان خط مقدم نیز می‌تواند گنجینه‌ای از بینش‌های پنهان را آشکار کند. در یک بیمارستان خصوصی در تهران، گفتگوهای عمیق با پرستاران نشان داد که آنها یک سیستم غیررسمی برای اولویت‌بندی بیماران بر اساس معیارهای بالینی ابداع کرده بودند که با پروتکل‌های رسمی تفاوت داشت. تحلیل این سیستم غیررسمی منجر به بازنگری در پروتکل‌های تریاژ بیمارستان شد که بهبود قابل توجهی در نتایج درمانی بیماران به همراه داشت.

نمونه‌های واقعی از بهره‌برداری از سیستمِ سایه

تجربیات سازمان‌های پیشرو در سراسر جهان نشان می‌دهد که بهره‌برداری هوشمندانه از سایه‌های سیستم می‌تواند به مزیت رقابتی قابل توجهی تبدیل شود. شرکت آمازون در مواجهه با شکست فیر فون، به جای پنهان کردن این شکست، تمام داده‌های مربوط به آن را تحلیل کرد و درس‌های آموخته شده را به سایر بخش‌های کسب‌وکار، به ویژه سرویس AWS منتقل کرد. این رویکرد باعث شد که شکست یک محصول به عاملی برای رشد سایر بخش‌های شرکت تبدیل شود.

در سطح داخلی نیز نمونه‌های جالبی از استفاده ناخودآگاه از سیستمِ سایه وجود دارد. یک استارتاپ ایرانی فعال در حوزه حمل و نقل هوشمند، متوجه شد که رانندگان از روش‌های غیررسمی برای ارتباط با یکدیگر و حل مشکلات مسیر استفاده می‌کنند. این شرکت به جای مقابله با این رفتار، این شبکه ارتباطی غیررسمی را مطالعه و از آن برای توسعه ویژگی‌های جدید اپلیکیشن خود استفاده کرد. نتیجه این کار افزایش رضایت کاربران و کاهش قابل توجه شکایات بود.

صنایع سنتی ایران نیز نمونه‌های جالبی از سیستمِ سایه ارائه می‌دهند. در بسیاری از سازمان‌های خانواده‌محور، روابط غیررسمی بین کارکنان اغلب مؤثرتر از روابط رسمی عمل می‌کند. یک شرکت تولیدی مواد غذایی توانست با شناسایی و رسمیت بخشیدن به برخی از این ارتباطات غیررسمی، زمان تصمیم‌گیری‌های استراتژیک را تا ۴۰ درصد کاهش دهد.

تبدیل سایه‌ها به مزیت رقابتی

تبدیل سایه‌های سیستم از تهدید به فرصت نیازمند تغییر نگرش اساسی در مدیریت سازمان است. اولین گام، ایجاد “فضاهای امن سایه‌ای” است. شرکت گوگل با ایجاد آزمایشگاه‌های تحقیق و توسعه که در آنها کارکنان می‌توانند آزادانه ایده‌های غیرمتعارف را آزمایش کنند، به این سایه‌ها مجال بروز می‌دهد. بسیاری از ویژگی‌های موفق محصولات گوگل از همین آزمایش‌های به ظاهر غیررسمی نشأت گرفته‌اند.

رویکرد دیگر، ایجاد سیستم‌های مستندسازی سایه‌ها است. یک شرکت مشاوره مدیریت ایرانی، “بانک اطلاعات خطاها” را ایجاد کرده که در آن نه تنها اشتباهات ثبت می‌شوند، بلکه راهکارهای غیررسمی که کارکنان برای حل آنها ابداع کرده‌اند نیز مستند می‌شود. این بانک اطلاعات به مرجع ارزشمندی برای حل مسائل مشابه تبدیل شده است.

تغییر فرهنگ سازمانی نیز نقش کلیدی دارد؛ یک شرکت هواپیمایی در ایران، به جای سرزنش اشتباهات، جلسات ماهانه‌ای به نام “جشن یادگیری از خطا” برگزار می‌کند که در آن کارکنان به اشتراک گذاشتن تجربیات شکست خود تشویق می‌شوند. این رویکرد باعث ایجاد محیطی شده که در آن سایه‌های سیستم به راحتی شناسایی و تحلیل می‌شوند (نرخ فروش بلیت این شرکت ۷% نسبت به مدت مشابه سال قبل، علیرغم اضافه شدن ایرلاین‌ها، افزایش نرخ بلیت و کاهش تقاضا، افزایش یافت).

نتیجه‌گیری

سایه‌های سیستم نه دشمنان سازمان، بلکه معلمانی نامرئی هستند که درس‌های ارزشمندی برای بقا و رشد سازمان در خود دارند. همانطور که در طبیعت، سایه‌ها به اندازه نور ضروری هستند، در سازمان‌ها نیز این عناصر به ظاهر حاشیه‌ای می‌توانند منبع بینش‌های تحول‌آفرین باشند. سازمان‌های آینده‌نگر کسانی هستند که به جای سرکوب این سایه‌ها، یاد گرفته‌اند چگونه از آنها به عنوان سوخت نوآوری استفاده کنند.

شروع این مسیر می‌تواند با گام‌های ساده‌ای مانند ایجاد جلسات “اعتراف به خطاهای مفید“، “صداقت بیرحمانه” یا راه‌اندازی سیستم‌های جمع‌آوری راهکارهای غیررسمی کارکنان آغاز شود. مهم این است که بدانیم در پس هر شکست ظاهری، فرصتی برای یادگیری نهفته است و در هر انحراف از مسیر رسمی، امکان کشف راه‌های جدیدی وجود دارد. آینده متعلق به سازمان‌هایی است که این حقیقت را درک کرده‌اند.

من در یک شرکت تولیدی ایرانی، به کمک اینترنت و وب‌سایت سازمانی، پیشنهاد راه‌اندازی سیستم تعاملی را ارائه دادم به این ترتیب که هر فرد می‌توانست بدون نام و نشان، مسأله‌ای که در طول روز با آن درگیر است را در یک فضای اشتراکی و امن مطرح نماید، سایر همکاران نیز می‌توانستند در همان بستر، پیشنهادات خود برای حل آن مسأله (یا مدیریت کردنش) را ارائه داده و بدون در نظر گرفتن اینکه پیشنهاد به اجرا رسید یا نه، هم مطرح کننده مسأله و هم مشارکت کنندگان در پاسخ، پاداش دریافت می‌کردند.

پس از سه ماه، مشکلات طرح شده در گروه، شروع به تقلیل از “بحرانی” به “مسائل قابل حل” شده و پس از یکسال، مشکلات ساختاری به طرز شگفت‌انگیزی تا ۶۳% کاهش یافت به نحوی که پرسنل، چون در رفع این مشکلات دخیل شدند، از سلامت سیستم، داوطلبانه حمایت می‌کردند و نیاز به اهرم‌های تنبیهی و کنترلی، کاهش چشمگیر داشت. اگر علاقمند به این موضوع هستید، حتی در سطح پروژه کارشناسی ارشد می‌توانید از بحث سیستمِ سایه، منتفع شوید.

مطالعه تکمیلی

Taleb, N. N. (2012). Antifragile: Things That Gain from Disorder

Snowden, D. (2020). Cynefin Framework: Complexity vs. Chaos

MIT Sloan Study (2022). “The Hidden Cost of Blame Culture”

HBR (2023). “Failure Intelligence: How Shadow Data Drives Innovation“