بهره‌گیری از هوش مصنوعی در کسب‌وکار
چه زمانی ماشین‌ها به‌جای مدیر تصمیم می‌گیرند؟
برای بسیاری از افراد ناآشنا با حوزه فناوری اطلاعات، اصطلاح «هوش مصنوعی» مبهم و رازآلود است. می‌توانید توضیح دهید که درک شما از این اصطلاح چیست؟
تاریخچه‌ای طولانی پشت اصطلاح «هوش مصنوعی» وجود دارد و به هیچ وجه موضوع جدیدی نیست. این اصطلاح از دهه ۱۹۵۰ و ۱۹۶۰ باب شد که نوشته‌های تخیلی فراوانی به آن پرداختند. اما چرا امروزه این‌قدر محبوب شده است؟ به‌نظر من یک دلیل اصلی دارد. در سال ۲۰۱۲، رویکرد جدیدی در علم کامپیوتر ظهور کرد. زمانی که می‌گویم یک رویکرد جدید، منظورم شبکه الکس‌نت است که نخستین شبکه عصبی مارپیچ به حساب می‌آید.
الکس‌نت قادر به شناسایی الگوها در عکس‌ها بود. این رویکرد به لطف فناوری کودا امکان‌پذیر شد که شرکت سخت‌افزار گرافیکی انودیا (Nvidia) آن را ابداع کرد. به این صورت، می‌شد حجم بالایی از داده‌های خام را به‌صورت همزمان پردازش کرد. بنابراین سرعت نسبتا بالایی داشت که برای آموزش یک شبکه عصبی اهمیت زیادی دارد. مهندسان کامپیوتر شروع به استفاده از الکس‌نت برای ایجاد معماری‌های مشابه برای آموزش سریع شبکه‌های عصبی کردند. امکانات سخت‌افزاری جدید به همراه چند ایده علمی باعث شد تا دریچه جدیدی در آموزش شبکه‌های عصبی کامپیوتر باز شود. نتیجه آن رواج مجدد هوش مصنوعی بود.
اما چرا از اصطلاح «هوش مصنوعی» استفاده شد؟ به این دلیل که انسان، وظایف کامپیوتر را مشخص نمی‌کند. انسان‌ها حتی نمی‌توانند به سادگی به کامپیوتر بیاموزند که چگونه تشخیص دهد عکس پیش‌رویش یک خودرو است یا نه. شاید حتی خودشان هم ندانند چگونه عکس یک ماشین از غیرماشین را تشخیص می‌دهند. هر وقت بحث هوش مصنوعی می‌شود، معمولا این موضوع دیده می‌شود. انسان‌ها به‌طور دقیق وظایف کامپیوتر یا ماشین‌ها را تعیین نمی‌کنند و خود آنها می‌توانند با شناسایی الگوهای موجود در عکس‌ها یا داده‌های خام، به افزایش دانش‌شان اقدام کنند. اما هوش مصنوعی نه راز و رمز است و نه جادو. همچنان نیازمند داده‌های ورودی است. در حقیقت، شبکه‌های عصبی اقدام به تحلیل ویژگی‌های سطح پایین و سطح بالای تصاویر می‌کنند و برای این منظور باید داده‌ها را برایشان فراهم کنیم. با این حال، دقت آنها در شناسایی الگوهای موجود بین داده‌ها از انسان هم فراتر رفته است.
مزیت سیستم‌های مبتنی بر هوش مصنوعی نسبت به سیستم‌های فاقد هوش مصنوعی چیست؟
هوش مصنوعی می‌تواند راهکارهایی برای وظایف ارائه دهد که پیش از آن امکانشان وجود نداشت یا بسیار پیچیده بود. هوش مصنوعی کار را ساده می‌کند. با بهره بردن از آن می‌توان داده‌ها را راحت‌تر تحلیل کرد و (بخشی‌از) فرآیند تصمیم‌گیری کسب‌وکارها را به ماشین‌ها سپرد. بنابراین، به‌طور خلاصه، سیستم‌های هوش‌مصنوعی توانمندتر هستند.
سیستم‌های هوش مصنوعی تقاضای زیادی دارند. اگر شما هم در کسب‌وکارتان نیاز به تحلیل حجم بالایی از داده‌ها، فیلم‌ها، تصاویر یا متون دارید، می‌توانید از آن بهره ببرید. هوش مصنوعی برای بیشتر حوزه‌های اقتصادی و صنایع کاربرد دارد. از طرفی به دلیل ظهور نسل‌های جدیدتر آن (مانند GPT-۳) تقاضایشان هم بیشتر شده است.
کارنامه سوابق همکاری شما با کسب‌وکارها تحسین‌برانگیز به نظر می‌رسد. چگونه توانسته‌اید با این تعداد کسب‌وکار همکاری کنید؟ چقدر راهکارهای شما برای آنها با یکدیگر هم‌پوشانی دارند؟
پاسخ به این سوال، مانند شمشیری دولبه است. از یک طرف، راهکارهای مبتنی بر هوش مصنوعی می‌توانند شباهت‌های بسیاری با یکدیگر داشته باشند. این موضوع به ویژه زمانی صحت دارد که درباره یک بازار گوشه‌ای مشابه صحبت می‌کنیم. اجازه دهید مثال بزنم. یک کسب‌وکار اجتماعی وجود دارد که شهروندان را به استفاده از حمل‌ونقل عمومی تشویق می‌کند. کاربر، هنگام استفاده از اتوبوس یک عکس می‌گیرد تا در شبکه اجتماعی آن منتشر شود. در این زمان، سیستم‌های هوش مصنوعی به بررسی عکس می‌پردازند تا مطمئن شوند که واقعا هنگام سوار بودن در اتوبوس گرفته شده باشد. بخشی از این فرآیند، شناسایی سوژه است که می‌تواند در راهکار سایر کسب‌وکارها هم استفاده شود.
از طرف دیگر، بسیاری از امکانات دیگر مانند چشم‌انداز و تحلیل کامپیوتری، برنامه‌ریزی عصبی زبانی، شناسایی گفتار و تصویر یا مدل‌سازی پیش‌بینی‌کننده ممکن است کاملا متفاوت بوده و نیازمند طراحی از صفر باشد. به‌طور کل، همه‌چیز بستگی به کسب‌وکار موکل ما دارد.
اپلیکیشن‌ها و نرم‌افزارهای هوش مصنوعی چه نفعی می‌توانند به کسب‌وکارها برسانند؟
بستگی به هدف آنها و روشن بودن آن دارد. زمانی که هدف شما روشن باشد، دستیابی به آن ممکن می‌شود. به‌عنوان مثال، راهکارهای هوش مصنوعی می‌توانند برای پیش‌بینی فروش و شناسایی بهره‌ورترین کارکنان استفاده شوند. زمانی که یک ایده کلی برای استفاده از آن وجود داشته باشد، می‌توان اقدام به طراحی و آزمایشش کرد. اما طبق معمول، نیازمند وارد کردن داده‌های فراوانی هستیم. پس از آن می‌توان با استفاده از ارزش‌ها و شاخص‌های تعریف‌شده هر کسب‌وکار اقدام به تحلیل آن داده‌ها کرد.
با این حال، گاهی اوقات مدیران کسب‌وکارها بدون آنکه چشم‌انداز روشنی داشته باشند، خواهان هوش مصنوعی می‌شوند. در این صورت، ما به آنها کمک می‌کنیم که مشخص کنند چه داده‌هایی می‌توان دریافت کرد، به چه هدفی می‌توان رسید و چه منافعی می‌توان از هوش مصنوعی به‌دست آورد. به نمونه‌ای از تجربه‌مان در خودروسازی توجه کنید. ما در همکاری با یکی از مشتریانمان در این صنعت، متوجه شدیم که امکان پیش‌بینی میزان فروش شرکت آنها به وسیله هوش مصنوعی وجود دارد. تیم ما از تحلیل احساسات نهفته در متون و طبقه‌بندی تصاویر استفاده کرد. این ابزارها می‌توانند در شناسایی احساسات بازار نسبت به یک محصول یا نشان تجاری خاص استفاده شوند. بخشی از ورودی هم نظرات کاربران شبکه اجتماعی و اطلاعات منتشر شده آنها در این بسترها است.
به‌طور کل، نمی‌توان گفت که هوش مصنوعی چه منافعی می‌تواند برای کسب‌وکارها داشته باشد. باید هر شرکت را به‌صورت جداگانه بررسی کرد.
فناوری‌های دیجیتال به سرعت تغییر می‌کنند. رویکرد شما در قبال تحقیق و توسعه چیست؟ آیا منتظر مراجعه مشتریان باقی می‌مانید یا فعالانه روی فناوری‌های جدید پژوهش می‌کنید تا بعدا سراغ مشتریان بروید؟
ما از واژه «تحقیق و جست‌وجو» در شرکتمان استفاده می‌کنیم. منظورمان تسلط یافتن به فناوری‌هایی است که تاکنون استفاده گسترده‌ای از آنها نکرده‌ایم. برخی از این فناوری‌های جدید را مشتریانمان به سادگی می‌توانند استفاده کنند و از آنها در انجام وظایف کاری‌شان بهره ببرند. می‌توان این فناوری‌ها را به سادگی پیاده‌سازی و اجرا کرد.
به‌طور کلی تحقیق و توسعه، ۳۰ درصد از کل کار ما را شامل می‌شود. ما توجه زیادی به آن داریم؛ چون شالوده فعالیت‌مان در حوزه فناوری است و بدون آن امکان توسعه توانمندی‌های خود و رقابت با سایر شرکت‌ها در حوزه‌ای پویا مانند هوش مصنوعی را نخواهیم داشت.
کارکنان، محور هر کسب‌وکار خدماتی هستند. اهمیت آنها در حوزه‌های مهندسی و دانش‌بنیان دوچندان هم می‌شود. رویکرد شما برای تیم‌سازی و تکامل آنها چیست؟
تیم‌های کاری ما بسیار منسجم هستند و البته مشتریان هم شاملش می‌شوند. مشتریان به اندازه مهندسانمان در موفقیت کسب‌وکار ما نقش دارند. ما با یک رویکرد برد-برد به دنبال ایجاد روابطی سودمند با کارکنان و مشتریان خود هستیم. از طرفی از جو باز شرکت، شفافیت و درک مشترک از اهداف و مسیر خود بهره‌مند می‌شویم. از طرفی تیم‌های کاری برای ما متشکل از افرادی هستند که روی وظایف مشترک به مشارکت و همکاری می‌پردازند و به همین دلیل نیازمند توجه جدی به ارتباطات هستند. اگر این ارتباطات و تعاملات به‌صورت روشن و آزاد انجام نشود، امکان همکاری و خلاقیت وجود نخواهد داشت.
رویکرد ما برای تیم‌سازی و تکامل آنها، مبتنی بر علاقه‌مان به رشد و ارتقای (حرفه‌ای و شخصی) تمام کارکنانمان است. همه‌گیری کرونا باعث شد که مجبور به انطباق رویکرد خود با شرایط شویم. با این حال، روی همکاری‌ها و تعاملات کارکنان با یکدیگر و کارکنان با مشتریان تاکید داریم.
به‌نظر شما کدام حوزه‌های اقتصادی و صنایع همچنان پتانسیل بالایی در استفاده از هوش مصنوعی دارند؟
کسب‌وکارها و شرکت‌های مختلف میزان سرمایه‌گذاری‌شان روی هوش مصنوعی را افزایش می‌دهند. درحال‌حاضر میزان تقاضای این فناوری در چند حوزه بیشتر است: فناوری‌های نوین (های‌تک) و ارتباطات، خدمات مالی، انرژی و منابع طبیعی، حمل‌ونقل و لجستیک، خودروسازی و مونتاژ. با این حال، بخشی از حوزه‌ها هنوز فضای کار زیادی در استفاده از این فناوری دارند که افزایش تقاضایشان در آینده نزدیک انتظار می‌رود. از این صنایع می‌توان به سفر و گردشگری، خدمات حرفه‌ای، مصالح و ساختمان‌سازی اشاره کرد. البته شاهد افزایش استفاده از هوش مصنوعی در بهداشت و درمان، خرده‌فروشی و آموزش هم هستیم.
به‌عنوان سوال آخر، آیا هوش مصنوعی اختصاص به شرکت‌های بزرگ دارد؟ جایگاه آن در تصمیم‌گیری چیست؟
خیر. بسیاری از مشتریان ما کسب‌وکارهای کوچک و نوپا هستند که منابع مالی زیادی ندارند و از آن به‌عنوان یک راهکار کاهش هزینه استفاده می‌کنند.
در مورد نقش هوش مصنوعی در تصمیم‌گیری باید به طبقه‌بندی انواع تحلیل‌ها پرداخت: تحلیل‌های توصیفی، پیشگویانه و تجویزی. رویکرد توصیفی نشان‌دهنده اتفاقات حال‌حاضر سیستم‌های کار است. رویکرد پیشگویانه به بررسی سناریوهای احتمالی آینده می‌پردازد و به شکلی نیمه‌خودکار، توجه مدیران را به مولفه‌های مهم در شکل‌گیری یا شکل‌دهی به آینده را معطوف می‌کند. اما در رویکرد تجویزی، تحلیل‌ها به‌صورت کاملا خودکار انجام می‌شود و ماشین‌ها تصمیم‌های آماده اجرا را به کاربران می‌دهند.
دو رویکرد نخست هوش مصنوعی هم‌اکنون هم استفاده می‌شوند. فرض کنید که شخصی برای دریافت وام به بانک مراجعه می‌کند. بانک به تحلیل اطلاعات مالی و سوابق فرد می‌پردازد. به‌عنوان مثال، رویکرد پیشگویانه، احتمال بازپرداخت موفق و به‌موقع او را تعیین می‌کند. در این مثال، ماشین فقط تحلیل‌ها را در اختیار بانک قرار می‌دهد و به دلیل ریسک بالا، مستقیما تصمیم‌گیری نمی‌کند. با این حال، احتمالا در ۵ تا ۱۰ سال آینده، شاهد افزایش استفاده از رویکرد تجویزی و تصمیم‌های کاملا ماشینی هم خواهیم بود.
