در سازمان‌های بزرگی مانند تأمین‌اجتماعی، بخش قابل‌توجهی از تصمیم‌گیری‌ها بر پایه گزارش‌هایی انجام می‌شود که به ما می‌گویند چه اتفاقی افتاده است؛ میزان منابع، مصارف، وصول حق بیمه، هزینه‌های درمان، تعداد بیمه‌شدگان و مستمری‌بگیران، عملکرد واحدها و ده‌ها شاخص دیگر.

این گزارش‌ها ضروری‌اند، اما یک سؤال مهم وجود دارد: آیا دانستن اینکه چه اتفاقی افتاده، برای اداره یک سازمان بزرگ و پیچیده در شرایط پرریسک امروز کافی است؟ از نگاه من، پاسخ منفی است.

تأمین‌اجتماعی امروز در محیطی فعالیت می‌کند که تغییرات اقتصادی‌و‌اجتماعی می‌توانند با سرعت بیشتری از گذشته بر عملکرد آن اثر بگذارند. تورم، بی‌ثباتی اقتصادی، تغییرات بازار کار، کاهش یا افزایش فعالیت بنگاه‌ها، تغییر دستمزدها، هزینه‌های درمان و تعهدات بلندمدت، هرکدام می‌توانند بخشی از معادله منابع و مصارف سازمان را تغییر دهند.

در کنار این عوامل، شرایط منطقه و بحران‌های ژئوپلیتیکی نیز می‌توانند از مسیرهای غیرمستقیم وارد اقتصاد شوند. گزارش سال ۲۰۲۶ سازمان بین‌المللی کار درباره بحران خاورمیانه نیز بر همین موضوع تأکید دارد و نشان می‌دهد شوک‌های منطقه‌ای می‌توانند از طریق انرژی، حمل‌ونقل، زنجیره تأمین، گردشگری، سرمایه‌گذاری و بازار کار به درآمد و وضعیت اشتغال منتقل شوند.

برای سازمان تأمین‌اجتماعی، اهمیت این موضوع در یک زنجیره ساده قابل تصور است:

شوک بیرونی ← تغییر در فعالیت اقتصادی ← تغییر در اشتغال و دستمزد ← تغییر در جریان حق بیمه ← تغییر در منابع و مصارف سازمان.

البته نباید از این زنجیره نتیجه گرفت که هر تغییر در وضعیت مالی سازمان ناشی از یک بحران بیرونی است. منابع و مصارف تأمین‌اجتماعی تحت تأثیر عوامل ساختاری و بلندمدت متعددی قرار دارند و تشخیص سهم هر عامل، نیازمند بررسی داده‌های واقعی سازمان است.

اما همین احتمال کافی است تا یک سؤال مهم‌تر مطرح شود:

آیا می‌توانیم این تغییرات را قبل از اینکه در صورت‌های مالی و گزارش‌های عملکرد خود را نشان دهند، تا حدی ببینیم؟

از گزارش گذشته به هشدار زودهنگام

گزارش‌های عملکرد به ما می‌گویند چه اتفاقی افتاده است؛ اما شاید لازم باشد در کنار آن، سؤال دیگری هم مطرح کنیم: اگر همین روند ادامه پیدا کند، چند ماه بعد چه اتفاقی خواهد افتاد؟

البته اینجا باید یک تفکیک روشن انجام شود. سازمان تأمین‌اجتماعی سال‌ها است از مطالعات آکچوئری برای بررسی تعهدات، منابع و مصارف و وضعیت مالی سازمان در افق‌های بلندمدت استفاده می‌کند. بنابراین منظور از «نگاه به آینده» تکرار مطالعات آکچوئری یا جایگزین‌کردن آن نیست.

بحث، ایجاد یک لایه مکملِ هشدار زودهنگام است؛ لایه‌ای برای پایش مستمر تغییرات و شناسایی نشانه‌هایی که ممکن است پیش از تبدیل شدن به یک مسئله جدی، در داده‌های سازمان یا محیط پیرامونی آن ظاهر شوند.

تفاوت را می‌توان ساده بیان کرد:

آکچوئری می‌پرسد: با توجه به مفروضات جمعیتی، اقتصادی و بیمه‌ای، وضعیت تعهدات و منابع و مصارف سازمان در سال‌های آینده چگونه خواهد بود؟

هشدار زودهنگام می‌پرسد: در ماه‌ها و دوره‌های پیش رو، چه تغییرات معناداری در شاخص‌های اقتصادی، بیمه‌ای یا هزینه‌ای در حال شکل‌گیری است که ممکن است نیازمند توجه زودتر باشد؟

برای مثال، کاهش تدریجی فعالیت یک صنعت، تغییر در تعداد بیمه‌شدگان فعال، کاهش رشد دستمزد مشمول بیمه، افزایش مطالبات معوق یا تغییر غیرعادی در برخی هزینه‌ها، هرکدام به تنهایی شاید چندان نگران‌کننده نباشند؛ اما قرار گرفتن چند علامت در کنار یکدیگر می‌تواند نشانه شکل‌گیری یک روند باشد.

اینجا است که داده، تحلیل روند، تحقیق در عملیات و مدل‌های تصمیم‌گیری می‌توانند به سازمان کمک کنند؛ نه برای پیش‌بینی قطعی آینده، بلکه برای اینکه زمان بیشتری برای فهم مسئله و انتخاب واکنش مناسب در اختیار سازمان قرار گیرد.

به بیان ساده، هدف این نیست که یک پیش‌بینی دیگر به مجموعه گزارش‌های سازمان اضافه کنیم؛ هدف این است که اگر تغییری در حال شکل‌گیری است، تا حد امکان پیش از آنکه به یک مسئله جدی تبدیل شود، دیده شود.

تجربه جهانی چه چیزی را نشان می‌دهد؟

این نگاه فقط یک بحث نظری نیست. در سال‌های اخیر، سازمان‌های تأمین اجتماعی در کشورهای مختلف به سمت استفاده بیشتر از داده، تحلیل پیش‌بینانه و هوش مصنوعی حرکت کرده‌اند.

انجمن بین‌المللی تأمین اجتماعی (ISSA) در گزارشی که در سال ۲۰۲۵ منتشر کرد، ۳۷ مورد کاربرد هوش مصنوعی در ۲۱ نهاد تأمین اجتماعی در چهار منطقه جهان را بررسی کرده است. این کاربردها فقط به پاسخگویی به مراجعان محدود نیست و مواردی مانند کشف تقلب، مدل‌سازی پیش‌بینانه و مدیریت خودکار برخی فرایندها را نیز دربر می‌گیرد. در عین حال، همین گزارش بر اهمیت کیفیت داده، حکمرانی و انطباق استفاده از هوش مصنوعی با راهبرد سازمان تأکید دارد.

گزارش سازمان همکاری اقتصادی اروپا (OECD) در سال ۲۰۲۵ نیز نشان می‌دهد که هوش مصنوعی در برخی نظام‌های تأمین اجتماعی برای پردازش اسناد، بررسی شرایط دریافت خدمات، تحلیل داده و پشتیبانی از فرایندهای اداری مورد استفاده قرار گرفته است. در این گزارش، «تحلیل پیش‌بینانه» به‌عنوان یکی از حوزه‌های دارای ظرفیت برای پیش‌بینی تقاضا، شناسایی زودهنگام مسائل و کمک به مداخلات پیشگیرانه مطرح شده است؛ البته با تأکید بر اینکه کیفیت داده، زیرساخت، نیروی انسانی و سازوکارهای نظارتی پیش‌شرط استفاده قابل اعتماد از این ابزارها هستند.

این تجربه‌ها برای ما یک پیام مهم دارد:

هوش مصنوعی قرار نیست جای مدیر را بگیرد؛ ارزش آن می‌تواند در این باشد که فاصله میان شکل‌گیری یک مسئله و دیده‌شدن آن توسط مدیر را کوتاه‌تر کند.

از کجا باید شروع کرد؟

به نظرم برای سازمان تأمین اجتماعی، شروع این مسیر لزوماً نباید یک پروژه بزرگ و پرهزینه باشد.

حتی می‌توان از یک سؤال مشخص آغاز کرد:

آیا می‌توان فشار احتمالی بر منابع و مصارف سازمان را چند ماه زودتر از زمان فعلی شناسایی کرد؟

برای پاسخ به این سؤال، در مرحله اول حتی نیازی به هوش مصنوعی پیچیده نیست. می‌توان تعدادی شاخص کلیدی را انتخاب کرد؛ مانند روند وصول حق بیمه، تعداد بیمه‌شدگان فعال، تغییرات دستمزد مشمول بیمه، مطالبات معوق، روند هزینه‌های درمان، تعداد و ترکیب مستمری‌بگیران و سایر متغیرهایی که سازمان در حال حاضر نیز اطلاعات آنها را در اختیار دارد.

سپس به جای اینکه فقط وضعیت جاری آنها را گزارش کنیم، روند تغییرات آنها را در کنار یکدیگر ببینیم.

ممکن است نتیجه نشان دهد برخی تغییرات واقعاً قابلیت هشدار زودهنگام دارند. ممکن است هم نتیجه خلاف آن باشد. هر دو نتیجه ارزشمند است؛ چون به ما می‌گوید برای چه مسائلی می‌توان از پیش‌بینی استفاده کرد و برای چه مسائلی هنوز به داده بهتر یا روش متفاوتی نیاز داریم.

در مرحله بعد می‌توان از روش‌های تحلیل سناریو، مدل‌سازی و تحقیق در عملیات برای بررسی پیامدهای احتمالی استفاده کرد.

اما یک نکته را نباید فراموش کرد:

پیش‌بینی، تصمیم نیست.

اگر یک مدل نشان دهد که احتمال افزایش فشار بر منابع سازمان وجود دارد، این تازه ابتدای کار است. مدیر باید بداند چه گزینه‌هایی پیش رو دارد، هر گزینه چه پیامدی خواهد داشت، محدودیت‌های قانونی و اجرایی چیست و در صورت وقوع سناریوهای مختلف چه واکنشی می‌توان نشان داد.

پس مسیر منطقی شاید این باشد:

داده ← تشخیص روند ← هشدار زودهنگام ← سناریو ← گزینه‌های تصمیم ← اقدام.

نه اینکه مستقیماً از داده به یک تصمیم قطعی برسیم.

شاید مسئله اصلی، زمان باشد

تأمین اجتماعی با مسائل بزرگ و پیچیده‌ای مواجه است که بخشی از آنها ساختاری و بلندمدت‌اند و طبیعتاً با یک مدل پیش‌بینی یا یک سامانه هوشمند حل نمی‌شوند. اصلاح ساختار منابع و مصارف، پایداری منابع، مسائل جمعیتی و تعهدات بلندمدت، نیازمند تصمیم‌های اساسی و سیاستگذاری‌های جدی هستند.

اما در کنار این اصلاحات، یک ظرفیت دیگر هم می‌تواند برای سازمان ارزشمند باشد: توانایی دیدن زودترِ تغییرات.

گاهی ممکن است مسئله‌ای که امروز کوچک به نظر می‌رسد، در صورت تداوم به مسئله‌ای بزرگ تبدیل شود. تفاوت یک سازمان واکنشی با سازمانی که آمادگی بیشتری برای آینده دارد، الزاماً در این نیست که بحران را حذف کرده است؛ بلکه ممکن است در این باشد که چند هفته یا چند ماه زودتر متوجه شکل‌گیری آن شده است و در سازمانی با ابعاد و مسئولیت‌های تأمین اجتماعی، همین زمان اضافه می‌تواند ارزش زیادی داشته باشد.

شاید بنابراین، قدم اول نه طراحی یک سامانه پیچیده، نه خرید یک فناوری جدید و نه حتی صحبت از هوش مصنوعی باشد.

قدم اول می‌تواند این باشد که از خودمان بپرسیم: کدام نشانه‌ها در داده‌های سازمان، قبل از وقوع یک مسئله بزرگ‌تر ظاهر می‌شوند و آیا ما آنها را به موقع می‌بینیم؟

این سؤال، به نظرم، ارزش آن را دارد که از یک بحث نظری به یک تجربه عملی کوچک تبدیل شود.

چون قبل از اینکه درباره حل بحران صحبت کنیم، شاید لازم باشد یاد بگیریم بحران را کمی زودتر ببینیم.

آینده‌پژوهی درباره تأمین‌اجتماعی چه ضرورتی دارد؟