فرصت اقتصادی جدید برای مدیرانعامل
تاکنون بسیاری از کاربردهای هوش مصنوعی به پردازش اطلاعات دیجیتال محدود بود: تولید متن، تشخیص الگو در دادهها، تحلیل و پیشبینی. در صورتی که هوش مصنوعی فیزیکی یک گام فراتر مینهد و به روباتها و دستگاهها امکان میدهد محیط را مشاهده کنند، اشیا و شرایط را تشخیص دهند، تصمیم بگیرند و اقدام فیزیکی انجام دهند. اگر هوش مصنوعی مولد «فکر کردن» را بازتعریف کرد، هوش مصنوعی فیزیکی عمل کردن را برای ماشینها امکانپذیر میسازد.
محدودیتهای گذشته و فرصتهای جدید
یکی از ضعفهای اتوماسیون سنتی، وابستگی به شرایط کاملا قابل پیشبینی بود. کارخانههایی که با روباتهای سنتی تجهیز شده بودند، در مواجهه با تغییرات کوچک در محل قرارگیری قطعات یا تنوع محصولات با توقف خطوط تولید روبهرو میشدند. اما هوش مصنوعی فیزیکی این محدودیت را کاهش میدهد: نسل جدید روباتها با درک بیشتر محیط، قابلیت سازگاری و یادگیری از تجربیات را دارند و نیازی به برنامهریزی دستی برای هر سناریو نیست.
گروه مشاوره بوستون چند محرک همزمان را عامل رسیدن هوش مصنوعی فیزیکی به آستانه رشد سریع میداند:
پیشرفت مدلهای AI در درک محیط و تصمیمگیری
کاهش چشمگیر هزینههای سختافزاری (سنسورها، دوربینها، پردازندهها و اجزای روباتیک)
افزایش توان پردازشی برای پردازش بلادرنگ دادههای محیطی
رشد استفاده از دوقلوهای دیجیتال برای آموزش و شبیهسازی قبل از ورود به محیط واقعی.
این ترکیب باعث شده هزینه پیادهسازی و زمان بازگشت سرمایه بهطرز ملموسی بهبود یابد: طبق تحلیل بوستون، زمان بازگشت سرمایه از ۵ تا ۷ سال به ۱ تا ۳ سال کاهش یافته، دامنه اتوماسیون تا حدود ۵۰ درصد افزایش یافته و زمان آموزش و راهاندازی روباتها تا ۷۰ درصد کمتر شده است. نتیجه: پروژههایی که قبلا از نظر اقتصادی توجیهپذیر نبودند اکنون جذابتر شدهاند.
بخشهای اقتصادی متاثر و مقیاس اثر
تولید و کارخانهها: بیشترین تاثیر در بخش تولید و کارخانهها مشاهده خواهد شد. اتوماسیون انعطافپذیر میتواند کنترل کیفیت خودکار، مونتاژ هوشمند و مدیریت پویای خطوط تولید را فراهم کند و هزینههای نیروی کار و خطای انسانی را کاهش دهد.
انبارداری و لجستیک: روباتهای هوشمند قادر به شناسایی کالا، انتخاب مسیر بهینه، آمادهسازی سفارش و مدیریت موجودی با حداقل دخالت انسانی خواهند بود که زمان تحویل را کاهش و دقت را افزایش میدهد.
حملونقل: توسعه خودروهای خودران و سامانههای حملونقل هوشمند میتواند هزینههای حمل را کاهش دهد و بهرهوری شبکههای توزیع را بالا ببرد.
ساختوساز و کشاورزی: صنایع کمدیجیتال که هزینه نیروی انسانی و هدررفت منابع در آنها بالاست، از روباتیک فیزیکی برای انجام وظایف خطرناک، تکراری یا حساس بهرهمند میشوند.
ریسکها و نکات اقتصادی کلیدی
سرمایهگذاری اولیه و جریان نقدی: هرچند بازگشت سرمایه سریعتر شده، اما پروژهها همچنان نیازمند سرمایه اولیه، پشتیبانی فنی و زمان برای ادغام در زنجیره ارزش هستند.
تغییرات در بازار کار: برخی مشاغل تکراری کاهش مییابند، اما تقاضا برای مهارتهای فنی، دادهمحور و مدیریت سیستمهای هوشمند افزایش مییابد. هزینههای بازآموزی و جابهجایی نیروی کار باید در تحلیل اقتصادی لحاظ شود.
ریسک تامین و زنجیره ارزش: وابستگی به قطعات روباتیک، سنسورها و نیمههادیها میتواند ریسکهای عرضه ایجاد کند. متنوعسازی تامین و قراردادهای بلندمدت اهمیت مییابد.
مقررات و ایمنی: استانداردهای ایمنی، حفظ حریم خصوصی دادههای محیطی و مسائل بیمهای ممکن است هزینه و زمان پیادهسازی را افزایش دهند.
۵ گام برای مدیران
گروه بوستون پنج اقدام کلیدی پیشنهاد میدهد که برای مدیرانعامل ایرانی و منطقهای نیز قابل تطبیق است:
۱- انتخاب فرصتها با اولویت اقتصادی. فرآیندهایی را هدف بگیرید که هزینه بالایی دارند، تکراریاند یا دچار کمبود نیروی انسانی هستند. بازده سرمایه و تاثیر عملیاتی را در اولویت قرار دهید.
۲- آمادهسازی زیرساخت داده. کیفیت و دسترسی به دادههای محیطی، از جمله دادههای تصویری، حسگری و بلادرنگ، را تضمین کنید و برای مدیریت آنها، معماری دادهای مقیاسپذیر و سیاستهای مشخصی تدوین و اجرا کنید.
۳- اجرای پروژههای آزمایشی. با پروژههای کوچک و با معیارهای درآمد و هزینه مشخص شروع کنید، نتایج را بسنجید و در صورت موفقیت مقیاس کنید. استفاده از دوقلوهای دیجیتال میتواند ریسک را کاهش دهد.
۴- سرمایهگذاری روی نیروی انسانی. برنامههای بازآموزی و جذب مهارتهای مورد نیاز را طراحی کنید. نیروی کار باید توان کار در کنار سیستمهای هوشمند را کسب کند.
۵- بازطراحی فرآیندها. به جای «روباتیزه کردن یک فرآیند قدیمی»، جریانهای کاری را بازطراحی کنید تا از مزایای انعطافپذیری و یادگیری ماشین بهره کامل ببرید.
اگر شرکتها و صنایع کلیدی کشورها زودتر به این موج ورود کنند، میتوانند هزینههای تولید را کاهش دهند، بهرهوری را افزایش دهند و توان صادرات صنعتی را تقویت کنند. از منظر کلان، افزایش بهرهوری در بخشهای تولیدی و لجستیک میتواند رشد اقتصادی را شتاب دهد و فشار بر کسری نیروی ماهر در برخی مشاغل را کاهش دهد، البته همراه با نیاز به سیاستهای فعال بازار کار برای مدیریت انتقال شغلی.
هوش مصنوعی فیزیکی دستکم به اندازه هوش مصنوعی مولد برای اقتصاد دیجیتال اهمیت دارد. اما این بار تاثیر مستقیم و ملموس بر هزینه تولید، زمان تحویل و انعطافپذیری زنجیره تامین خواهد داشت. پیام برای مدیرانعامل روشن است: این فناوری صرفا یک پروژه نیست، بلکه عامل بازطراحی مدل عملیاتی و منبع بالقوه مزیت رقابتی بلندمدت است. شرکتهایی که حالا فرصتها را شناسایی و زیرساختها را آماده کنند، در سالهای آینده از مزایای قابلتوجه اقتصادی برخوردار خواهند شد.
* استاد پایداری دیجیتال دانشگاه تهران
منبع: BCG
