سه پیش‌نیاز پنهان موفقیت هوش مصنوعی؛ از داده آماده تا همراهی مدیران و مترجمان کسب‌وکار

سه پیش‌نیاز پنهان موفقیت هوش مصنوعی؛ از داده آماده تا همراهی مدیران و مترجمان کسب‌وکار

آنچه در این مقاله خواهید خواند...

هوش مصنوعی بدون این سه عامل به نتیجه نمی‌رسد؛ داده آماده، مترجم کسب‌وکار و مدیران همراه

علی گل‌زاده، مدیرعامل شرکت داتا، در پنل تخصصی اتاق تهران در الکامپ ۲۹، آمادگی داده، توانایی ترجمه نیازهای کسب‌وکار به راهکارهای فنی و همراهی مدیران میانی را از عوامل تعیین‌کننده در استقرار موفق هوش مصنوعی در سازمان‌ها دانست.

گل‌زاده در پنل «مسیر هوش مصنوعی از چت‌بات‌ها تا فرایندهای کسب‌وکار» سه مانع اصلی در مسیر استفاده عملیاتی از این فناوری را تشریح کرد: آمادگی ناکافی داده، کمبود نیروهای مسلط به هم‌زمان بر کسب‌وکار و فناوری و همراه نبودن لایه‌های مختلف مدیریتی.

به گزارش روابط عمومی داتا، پنل تخصصی «مسیر هوش مصنوعی از چت‌بات‌ها تا فرایندهای کسب‌وکار» دوشنبه ۹ شهریور ۱۴۰۵ در بیست‌ونهمین نمایشگاه الکامپ و در پاویون اتاق بازرگانی تهران برگزار شد. مازیار نوربخش، رئیس کمیسیون تحول، نوآوری و بهره‌وری اتاق تهران، رضا جمیلی، دبیر کارگروه هوش مصنوعی این کمیسیون، علی گل‌زاده، مدیرعامل شرکت هوش مصنوعی داتا و امین سمیع‌زاده، مدیر ارشد تحول دیجیتال و نوآوری جابار، از سخنرانان این نشست بودند.

محور اصلی این پنل، بررسی مسیر عبور سازمان‌ها از کاربردهای محدود و آزمایشی هوش مصنوعی و حرکت به سمت استفاده از این فناوری در فرایندهای واقعی و عملیاتی کسب‌وکار بود.

گلوگاه اصلی در لایه داده است

گل‌زاده در این پنل با بررسی فاصله میان دسترسی به فناوری و آمادگی سازمان‌ها برای استفاده عملیاتی از آن گفت دسترسی به مدل‌های متن‌باز طی یک سال گذشته آسان‌تر شده و تیم‌های ایرانی نیز امکان توسعه این مدل‌ها را در داخل سازمان‌ها پیدا کرده‌اند. با این حال، به اعتقاد او، در بسیاری از پروژه‌ها گلوگاه اصلی نه مدل و زیرساخت محاسباتی، بلکه داده و آمادگی سازمان برای استفاده مؤثر از آن است.

مدیرعامل داتا، یکپارچگی، کیفیت و معماری داده را سه چالش مهم سازمان‌های ایرانی عنوان کرد. یکپارچگی داده به گردآوری و اتصال داده‌های پراکنده سازمان مربوط می‌شود، کیفیت داده میزان قابلیت اتکا و استفاده از اطلاعات موجود را مشخص می‌کند و معماری داده نیز تعیین‌کننده نوع داده‌هایی است که باید با چه ساختار و هدفی جمع‌آوری و نگهداری شوند.

او توضیح داد در بسیاری از سازمان‌ها هنوز تمام داده‌های موردنیاز کسب‌وکار جمع‌آوری نشده و حتی برخی فیلدهای ضروری برای آموزش و استفاده از مدل‌های هوش مصنوعی از ابتدا در ساختار داده سازمان وجود نداشته‌اند.

در چنین شرایطی، صرف دسترسی به مدل‌های هوش مصنوعی یا برخورداری از زیرساخت محاسباتی قدرتمند، به‌تنهایی نمی‌تواند مسیر ورود این فناوری به فرایندهای سازمانی را هموار کند.

از نگاه گل‌زاده، اولویت بسیاری از سازمان‌ها باید فراهم کردن داده‌ای کافی، غنی و متناسب با مسئله کسب‌وکار باشد؛ داده‌ای که بتواند مدل هوش مصنوعی را به یک تصمیم، خدمت یا فرایند مشخص در سازمان متصل کند.

«مترجم کسب‌وکار» حلقه مفقوده میان تیم فنی و سازمان

بخش دیگری از صحبت‌های گل‌زاده به مسئله نیروی انسانی و فاصله میان تیم‌های فنی و بخش کسب‌وکار اختصاص داشت.

او سه لایه تخصصی زیرساخت داده، تحلیل داده و هوش مصنوعی را به‌ترتیب با نقش‌هایی مانند مهندس داده، دانشمند داده و دانشمند هوش مصنوعی توضیح داد و گفت چالش مهم در بسیاری از پروژه‌ها، در فاصله میان این نیروهای تخصصی و صاحبان مسئله در کسب‌وکار شکل می‌گیرد.

به گفته گل‌زاده، سازمان به نیرویی نیاز دارد که هم مسئله و ادبیات کسب‌وکار را بشناسد و هم با داده و فناوری‌های هوش مصنوعی آشنا باشد؛ فردی که بتواند نیاز سازمان را به یک تعریف فنی و راهکار قابل اجرا تبدیل کند. این نقش با عنوان‌هایی مانند «مترجم کسب‌وکار» یا «مفسر کسب‌وکار» شناخته می‌شود.

مدیرعامل داتا کمبود چنین نیروهایی را یکی از چالش‌های جدی پروژه‌های هوش مصنوعی در ایران دانست. مترجم کسب‌وکار باید با صاحبان مسئله گفت‌وگو کند، دغدغه‌های آن‌ها را استخراج و تحلیل کند و در نهایت مسئله را به یک خدمت یا سرویس مبتنی بر هوش مصنوعی تبدیل کند.

به گفته او، این مرحله ممکن است زمان‌بر باشد و در مقایسه با بخش‌های فنی جذابیت کمتری داشته باشد، اما کیفیت تعریف مسئله و در نهایت امکان استفاده واقعی از خروجی هوش مصنوعی تا حد زیادی به آن وابسته است.

بدون همراهی مدیران میانی، هوش مصنوعی در سازمان مستقر نمی‌شود

گل‌زاده در ادامه به تفاوت سطح پذیرش هوش مصنوعی میان شرکت‌های ایرانی اشاره کرد. به گفته او، بخشی از شرکت‌های فناوری‌محور حرکت جدی به سمت استفاده از هوش مصنوعی را آغاز کرده‌اند، اما بخش بزرگی از کسب‌وکارها همچنان در مراحل ابتدایی قرار دارند و اقدام مشخصی برای استفاده عملیاتی از این فناوری انجام نداده‌اند.

او نقش مدیران ارشد را در آغاز تحول هوش مصنوعی مهم دانست، اما در عین حال بر نقش تعیین‌کننده مدیران میانی تأکید کرد.

به گفته گل‌زاده، در صنایع و سازمان‌های بزرگ، حتی اگر مدیران ارشد از تحول مبتنی بر هوش مصنوعی حمایت کنند، بدون شناخت و همراهی مدیران میانی، این فناوری به‌سادگی در فرایندهای سازمانی مستقر نخواهد شد. تصمیم‌های تحول‌آفرین زمانی که به لایه‌های اجرایی و فرایندهای میانی سازمان می‌رسند، به درک، همکاری و پیگیری این مدیران نیاز دارند.

او فرهنگ‌سازی را مکمل حمایت مدیریتی دانست و گفت حمایت از تحول هوش مصنوعی باید از سطح مدیران ارشد آغاز شود و هم‌زمان شناخت و همراهی با این فناوری در بدنه سازمان نیز شکل بگیرد.

از نگاه گل‌زاده، این هماهنگی به کارکنان و مدیران کمک می‌کند کاربرد هوش مصنوعی را در ارتباط با مسائل واقعی سازمان ببینند و در اجرای پروژه‌ها مشارکت فعال‌تری داشته باشند.

سه پیش‌نیاز عبور از چت‌بات‌ها به فرایندهای هوشمند

مجموع دیدگاه‌های مطرح‌شده از سوی مدیرعامل داتا نشان می‌دهد عبور سازمان‌ها از کاربردهای محدود هوش مصنوعی، مانند چت‌بات‌ها، و رسیدن به فرایندهای هوشمند و عملیاتی به سه لایه اصلی وابسته است: داده آماده و قابل اتکا، توانایی ترجمه مسئله کسب‌وکار به راهکار فنی و همراهی مدیریتی و سازمانی.

ضعف در هر یک از این سه لایه می‌تواند حتی در صورت دسترسی سازمان به مدل‌های پیشرفته و زیرساخت مناسب، مسیر استقرار هوش مصنوعی را با مانع مواجه کند. به همین دلیل، موفقیت پروژه‌های هوش مصنوعی صرفاً به انتخاب مدل یا فناوری مناسب وابسته نیست و آمادگی داده، نیروی انسانی و ساختار مدیریتی سازمان نیز نقشی تعیین‌کننده در تبدیل این فناوری به ارزش واقعی کسب‌وکار دارند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

تازه ترین مقالات

درخبرنامه ما عضو بشوید...

برای دریافت جدیدترین مقالات، رویداد ها و نکات تخصصی در زمینه دیجیتال مارکتینگ، همین حالا عضو خبرنامه فایند مارکت بشوید.

پربازدیدترین مقالات