این مطلب ترجمه کتابچه AI Transformation Playbook نوشته شده توسط Andrew Ng است.
این کتابچه یکی از بهترین مراجع برای تحول در هوش مصنوعی در شرکت ها و سازمان ها است.
فناوری هوش مصنوعی (AI) اکنون آماده است تا هر صنعتی را متحول کند، درست مانند کاری که برق ۱۰۰ سال پیش انجام داد. از حالا تا سال ۲۰۳۰، پیشبینی میشود که هوش مصنوعی حدود ۱۳ تریلیون دلار رشد تولید ناخالص داخلی (GDP) ایجاد کند.
اگرچه تاکنون این فناوری ارزش فوقالعادهای را برای شرکتهای پیشرو در حوزه فناوری مانند گوگل، بایدو، مایکروسافت و فیسبوک به وجود آورده است، اما موجهای بعدی خلق ارزش فراتر از صنعت نرمافزار خواهند بود.
این کتابچه راهنمای تحول هوش مصنوعی حاصل بینشهایی است که از رهبری تیم Google Brain و گروه هوش مصنوعی بایدو به دست آمدهاند؛ تیمهایی که نقش کلیدی در تبدیل گوگل و بایدو به شرکتهایی پیشتاز در زمینه هوش مصنوعی ایفا کردند.
هر سازمانی میتواند با پیروی از این راهنما به یک شرکت قدرتمند در زمینه AI تبدیل شود،
هرچند این توصیهها عمدتاً برای شرکتهای بزرگ با ارزش بازار یا ارزیابی بین ۵۰۰ میلیون دلار تا ۵۰۰ میلیارد دلار طراحی شدهاند.
گام های این کتابچه
۱- اجرای پروژههای آزمایشی برای ایجاد شتاب اولیه
۲- ساخت تیم هوش مصنوعی داخلی
۳- ارائه آموزش گسترده در زمینه AI
۴- تدوین استراتژی هوش مصنوعی
۵- توسعه ارتباطات داخلی و خارجی
برای پروژههای اولیهی هوش مصنوعی، موفق بودن آنها اهمیت بیشتری دارد تا اینکه حتماً بیشترین ارزش تجاری را داشته باشند. این پروژهها باید بهاندازهای معنادار باشند که موفقیت اولیه آنها بتواند شرکت شما را با هوش مصنوعی آشنا کند و سایر افراد در سازمان را برای سرمایهگذاری در پروژههای بیشتر متقاعد سازد؛ اما نباید آنقدر کوچک باشند که دیگران آن را بیاهمیت تلقی کنند.
نکته مهم این است که چرخ حرکتی (Flywheel) پروژههای AI به حرکت درآید، تا تیم هوش مصنوعی شما بتواند شتاب و اعتماد به نفس کسب کند.
ویژگیهای پیشنهادی برای چند پروژه نخست هوش مصنوعی:
ترجیحاً باید امکانپذیر باشد که یک تیم هوش مصنوعی تازهکار یا خارجی (که ممکن است آشنایی عمیقی با حوزه کاری شما نداشته باشد) با تیمهای داخلی شما (که دارای دانش تخصصی عمیق هستند) همکاری کند، و راهحلهایی بسازند که ظرف ۶ تا ۱۲ ماه اثرگذاری آنها شروع شود.
پروژه باید از نظر فنی امکانپذیر باشد.
هنوز شرکتهای زیادی هستند که پروژههایی را آغاز میکنند که با فناوریهای فعلی AI غیرممکن است. داشتن مهندسان مورد اعتماد هوش مصنوعی برای بررسی صحت و امکانپذیری پروژه پیش از شروع، به اطمینان از عملی بودن آن کمک میکند.
پروژه باید هدف مشخص و قابل اندازهگیری داشته باشد که ارزش تجاری ملموس ایجاد کند.
زمانی که من هدایت تیم Google Brain را برعهده داشتم، تردیدهای زیادی در خود گوگل (و در سطح جهانی) نسبت به فناوری یادگیری عمیق وجود داشت. برای اینکه تیم بتواند شتاب بگیرد، من تیم Google Speech را بهعنوان اولین مشتری داخلی انتخاب کردم و ما بهطور نزدیک با آنها همکاری کردیم تا دقت سیستم تشخیص گفتار گوگل را به شکل قابل توجهی افزایش دهیم.
تشخیص گفتار پروژهای معنادار در گوگل بود، اما مهمترین پروژه شرکت محسوب نمیشد—مثلاً از نظر تأثیر مالی، اهمیت کمتری نسبت به کاربرد هوش مصنوعی در جستوجوی وب یا تبلیغات داشت. اما با موفقیت در پروژه تشخیص گفتار، تیمهای دیگر به ما اعتماد پیدا کردند و این موضوع باعث شد تیم Google Brain شتاب لازم را به دست آورد.
زمانی که تیمهای دیگر شاهد موفقیت همکاری تیم Google Speech با تیم Google Brain شدند، ما توانستیم مشتریان داخلی بیشتری جذب کنیم.
دومین مشتری بزرگ داخلی تیم ما، Google Maps بود، که از یادگیری عمیق برای بهبود کیفیت دادههای نقشهها استفاده کرد. با داشتن دو پروژه موفق، من گفتگوهایی را با تیم تبلیغات آغاز کردم.
این شتاب تدریجی منجر به اجرای پروژههای هوش مصنوعی موفق بیشتری شد.
این روند، مدلی قابل تکرار است که شما نیز میتوانید در شرکت خود از آن استفاده کنید.
در حالی که همکاری با شرکای بیرونی دارای تخصص فنی عمیق در AI میتواند به شما کمک کند تا شتاب اولیه را سریعتر به دست آورید، در بلندمدت اجرای برخی پروژهها با یک تیم داخلی هوش مصنوعی کارآمدتر خواهد بود. علاوه بر این، خواهید خواست برخی پروژهها را درون شرکت نگه دارید تا مزیت رقابتی منحصربهفردتری ایجاد کنید.
دریافت حمایت از مدیران ارشد برای ساخت این تیم داخلی اهمیت دارد. در دوران رشد اینترنت، استخدام یک مدیر ارشد فناوری اطلاعات (CIO) نقطه عطفی برای بسیاری از شرکتها بود تا استراتژی منسجمی برای استفاده از اینترنت داشته باشند. در مقابل، شرکتهایی که پروژههای پراکندهای نظیر بازاریابی دیجیتال، آزمایشهای علم داده و راهاندازی وبسایتهای جدید انجام میدادند، نتوانستند از قابلیتهای اینترنت بهرهبرداری کنند، زیرا این پروژههای آزمایشی کوچک به اندازهای مقیاسپذیر نبودند که بتوانند بقیه شرکت را متحول کنند.
در عصر هوش مصنوعی نیز، یک لحظه کلیدی برای بسیاری از شرکتها، شکلگیری یک تیم متمرکز هوش مصنوعی خواهد بود که بتواند به کل شرکت کمک کند. این تیم هوش مصنوعی میتواند زیرمجموعهای از CTO، CIO یا CDO (مدیر ارشد داده یا مدیر ارشد دیجیتال) باشد، در صورتی که مهارتهای لازم را داشته باشند. همچنین میتواند تحت رهبری یک CAIO (مدیر ارشد هوش مصنوعی) قرار گیرد.
مسئولیتهای کلیدی واحد AI عبارتاند از:
ایجاد توانمندی هوش مصنوعی برای پشتیبانی از کل شرکت
اجرای مجموعهای اولیه از پروژههای میانوظیفهای برای پشتیبانی از بخشها یا واحدهای تجاری مختلف با پروژههای AI؛ پس از تکمیل پروژههای اولیه، ایجاد فرآیندهای تکرارپذیر برای ارائه مستمر مجموعهای از پروژههای ارزشمند هوش مصنوعی
توسعه استانداردهای یکپارچه برای جذب و حفظ نیرو
توسعه پلتفرمهای سراسری در شرکت که برای چندین بخش/واحد تجاری مفید باشند و بهاحتمال زیاد توسط یک واحد منفرد توسعه نخواهند یافت؛ برای مثال، همکاری با CTO/CIO/CDO برای توسعه استانداردهای یکپارچه انبار داده
بسیاری از شرکتها بهگونهای سازماندهی شدهاند که چندین واحد تجاری به مدیرعامل گزارش میدهند. با ایجاد یک واحد AI جدید، شما قادر خواهید بود استعدادهای هوش مصنوعی را در قالب ماتریسی به بخشهای مختلف اختصاص دهید تا پروژههای میانوظیفهای را پیش ببرند.
شرح وظایف جدید و ساختارهای تیمی جدیدی شکل خواهد گرفت. نحوهای که من اکنون کار تیمهای خود را در نقشهایی مانند مهندس یادگیری ماشین، مهندس داده، دانشمند داده و مدیر محصول هوش مصنوعی سازماندهی میکنم، با دوران پیش از AI متفاوت است. یک رهبر خوب در حوزه AI میتواند در تنظیم فرآیندهای صحیح به شما مشاوره دهد.
در حال حاضر، رقابتی شدید برای جذب استعدادهای AI وجود دارد، و متأسفانه بیشتر شرکتها برای استخدام دانشجوی دکترای AI از دانشگاه استنفورد (یا حتی دانشجوی کارشناسی) با مشکل مواجه خواهند شد. از آنجا که این رقابت در کوتاهمدت عمدتاً بازی با جمع صفر است، همکاری با یک شریک جذب نیروی انسانی که بتواند در ساخت تیم AI به شما کمک کند، ضروری خواهد بود.
هیچ شرکتی در حال حاضر بهاندازه کافی نیروی متخصص AI در داخل سازمان خود ندارد. اگرچه رسانهها حقوقهای بالا در حوزه هوش مصنوعی را بیش از حد بزرگنمایی کردهاند (اعدادی که در مطبوعات گزارش میشوند معمولاً استثنا هستند)، اما پیدا کردن استعداد در حوزه AI واقعاً دشوار است.
خوشبختانه با رشد محتوای دیجیتال، از جمله دورههای آنلاین گسترده (MOOCs) مانند کورسرا، کتابهای الکترونیکی و ویدیوهای یوتیوب، آموزش تعداد زیادی از کارکنان در مهارتهایی مانند هوش مصنوعی، بیش از هر زمان دیگری مقرونبهصرفه شده است.
مدیر ارشد یادگیری (CLO) هوشمند میداند که وظیفهاش گردآوری محتوا است، نه تولید آن، و همچنین باید فرآیندهایی برای اطمینان از تکمیل دورههای آموزشی توسط کارکنان ایجاد کند.
ده سال پیش، آموزش کارکنان به معنی استخدام مشاورانی بود که به محل شرکت میآمدند تا سخنرانی کنند. اما این روش ناکارآمد بود و بازگشت سرمایه (ROI) مشخصی نداشت. در مقابل، محتوای دیجیتال بسیار مقرونبهصرفهتر است و تجربهای شخصیتر برای کارمندان فراهم میکند. اگر بودجهای برای استخدام مشاوران دارید، محتوای حضوری باید تکمیلکننده محتوای آنلاین باشد. (این روش به «کلاس معکوس» معروف است. من دریافتهام که اگر این روش بهدرستی اجرا شود، یادگیری سریعتر و لذتبخشتر خواهد بود. برای مثال، کلاس یادگیری عمیق من در دانشگاه استنفورد به همین روش تدریس میشود.)
استخدام چند متخصص AI برای ارائه محتوای حضوری نیز میتواند انگیزه کارکنان را برای یادگیری تکنیکهای AI افزایش دهد.
هوش مصنوعی شغلهای بسیاری را دگرگون خواهد کرد. شما باید به همه کارکنان دانشی بدهید تا بتوانند با نقشهای جدید خود در عصر AI سازگار شوند. مشورت با یک متخصص به شما امکان میدهد تا یک برنامه آموزشی سفارشی برای تیم خود طراحی کنید. با این حال، یک برنامه آموزشی پیشنهادی میتواند به شکل زیر باشد:
۱. مدیران ارشد و رهبران کسبوکار: (⩾۴ ساعت آموزش)
هدف:
توانمندسازی مدیران برای درک آنچه هوش مصنوعی میتواند برای سازمان انجام دهد، آغاز تدوین استراتژی AI، تصمیمگیری در خصوص تخصیص منابع، و همکاری مؤثر با تیمهای هوش مصنوعی برای اجرای پروژههای ارزشمند.
سرفصلها:
درک کلی کسبوکار از AI، شامل فناوری پایه، داده، و آنچه AI میتواند و نمیتواند انجام دهد
آشنایی با تأثیر هوش مصنوعی بر استراتژی شرکت
مطالعه موردی از کاربردهای AI در صنایع مشابه یا صنعت خاص شرکت
۲. رهبران واحدهایی که پروژههای AI اجرا میکنند: (⩾۱۲ ساعت آموزش)
هدف:
رهبران واحدها باید بتوانند جهتگیری پروژههای AI را مشخص کنند، منابع اختصاص دهند، پیشرفت را پیگیری و در صورت لزوم اصلاحاتی اعمال کنند تا موفقیت پروژه تضمین شود.
سرفصلها:
درک کلی کسبوکار از AI، شامل فناوری پایه، داده، و قابلیتها و محدودیتهای AI
درک فنی ابتدایی از AI، شامل دستهبندی اصلی الگوریتمها و نیازمندیهای آنها
درک ابتدایی از فرآیند و چرخه کاری پروژههای AI، نقشها و مسئولیتهای تیم AI، و نحوه مدیریت این تیمها
۳. کارآموزان مهندسی هوش مصنوعی: (⩾۱۰۰ ساعت آموزش)
هدف:
مهندسان تازهکار AI باید بتوانند داده جمعآوری کنند، مدلهای AI را آموزش دهند، و پروژههای خاص AI را تحویل دهند.
سرفصلها:
درک فنی عمیق از یادگیری ماشین و یادگیری عمیق؛ درک پایه از سایر ابزارهای AI
آشنایی با ابزارهای موجود (متنباز و سایر ابزارهای جانبی) برای ساخت سیستمهای هوش مصنوعی و داده
توانایی اجرای فرآیندها و چرخه کاری تیمهای AI
همچنین: آموزش مداوم برای بهروز ماندن با پیشرفتهای فناوری AI
۴. تدوین استراتژی هوش مصنوعی
استراتژی هوش مصنوعی، شرکت شما را در مسیر ایجاد ارزش هدایت خواهد کرد و همزمان موجب ایجاد خندقهای دفاعی رقابتی میشود. زمانی که تیمها شروع به دیدن موفقیت پروژههای اولیه AI میکنند و درک عمیقتری از AI پیدا میکنند، شما قادر خواهید بود نقاطی را شناسایی کنید که در آنها AI میتواند بیشترین ارزش را ایجاد کند و منابع را بر آن حوزهها متمرکز نمایید.
برخی از مدیران فکر میکنند که تدوین استراتژی AI باید اولین قدم باشد. اما بر اساس تجربه من، بیشتر شرکتها قادر نخواهند بود استراتژی معناداری برای AI تدوین کنند مگر آنکه پیش از آن مقداری تجربه پایه در این زمینه کسب کرده باشند، چیزی که پیشرفت نسبی در مراحل ۱ تا ۳ برایتان فراهم میکند.
روش ساختن خندقهای دفاعی رقابتی (defensible moats) نیز با AI در حال تحول است. در اینجا چند رویکرد پیشنهاد میشود:
ایجاد چند دارایی دشوار در حوزه AI که با یک استراتژی منسجم همراستا باشند:
AI به شرکتها امکان میدهد مزیتهای رقابتی منحصربهفرد را به شیوههای جدیدی بسازند.
آثار مهم مایکل پورتر در حوزه استراتژی کسبوکار نشان میدهد که یکی از راههای ساختن کسبوکاری دفاعپذیر، ایجاد چند دارایی دشوار است که با یک استراتژی منسجم همسو باشند. در این صورت برای رقبا بسیار دشوار خواهد بود که بهطور همزمان همه این داراییها را تقلید کنند.
استفاده از AI برای ایجاد مزیت خاص در بخش صنعتی خودتان:
بهجای رقابت "کلی" در زمینه AI با شرکتهای بزرگی مانند گوگل، توصیه من این است که به یک شرکت پیشرو در استفاده از AI در صنعت خاص خودتان تبدیل شوید؛ جایی که توسعه قابلیتهای منحصربهفرد در AI برایتان مزیت رقابتی به همراه میآورد.
اینکه AI چگونه بر استراتژی شرکت شما اثر میگذارد، به صنعت و شرایط خاص شما بستگی دارد.
طراحی استراتژیهایی منطبق با "چرخه طلایی AI" (بازخورد مثبت):
در بسیاری از صنایع، شاهد خواهیم بود که تجمع دادهها به ساختن کسبوکارهایی دفاعپذیر منجر میشود.
برای مثال، موتورهای جستجوی پیشرو مانند گوگل، بایدو، بینگ و یاندکس مجموعه دادههای عظیمی در اختیار دارند که نشان میدهد کاربران پس از جستوجو روی کدام لینکها کلیک میکنند. این دادهها به این شرکتها کمک میکند موتور جستجوی دقیقتری بسازند (A)، که باعث جذب کاربران بیشتر میشود (B)، و همین باعث تولید دادههای بیشتر میشود (C).
این چرخه بازخورد مثبت، شکستن آن را برای رقبا بسیار دشوار میکند.
داده، دارایی کلیدی سیستمهای هوش مصنوعی است.
بنابراین بسیاری از شرکتهای موفق در AI دارای استراتژی داده بسیار پیشرفتهای هستند. عناصر کلیدی استراتژی داده شما ممکن است شامل موارد زیر باشد:
کسب داده بهصورت استراتژیک:
سیستمهای AI میتوانند با ۱۰۰ داده ("داده کم") تا ۱۰۰ میلیون داده ("داده بزرگ") ساخته شوند. اما داشتن داده بیشتر تقریباً هرگز ضرر ندارد.
تیمهای AI از استراتژیهای پیچیده و چندساله برای جمعآوری داده استفاده میکنند. این استراتژیها باید با صنعت و شرایط شما تطابق داشته باشند.
برای مثال، گوگل و بایدو محصولات رایگان متعددی دارند که مستقیماً درآمدزا نیستند، اما دادههایی تولید میکنند که میتوان آنها را در جای دیگری به درآمد تبدیل کرد.
انبارهای داده یکپارچه:
اگر ۵۰ پایگاه داده جداگانه زیر نظر ۵۰ معاون یا بخش مختلف داشته باشید، برای یک مهندس یا نرمافزار AI تقریباً غیرممکن خواهد بود که به این دادهها دسترسی داشته باشد و بین آنها ارتباط برقرار کند.
در عوض، دادههای خود را در یک یا در نهایت چند انبار داده متمرکز تجمیع کنید.
تشخیص اینکه چه دادهای ارزشمند است و چه دادهای نیست:
داشتن چندین ترابایت داده لزوماً به این معنا نیست که تیم AI میتواند از آنها ارزش استخراج کند.
انتظار اینکه تیم AI بهطور جادویی از یک مجموعه داده بزرگ، ارزش خلق کند، احتمال شکست بالایی دارد.
من متأسفانه شاهد بودهام که مدیرعاملها بیش از حد روی جمعآوری دادههای بیارزش سرمایهگذاری کردهاند یا حتی شرکتی را صرفاً به خاطر دادههایش خریدهاند، و بعداً متوجه شدهاند که آن دادهها عملاً بیفایده هستند.
برای پرهیز از این اشتباه، تیم AI را از مراحل ابتدایی در فرآیند جمعآوری داده درگیر کنید و اجازه دهید به شما در اولویتبندی نوع دادههایی که باید جمعآوری و ذخیره شوند کمک کند.
ایجاد اثر شبکهای و مزیتهای پلتفرمی:
در نهایت، AI میتواند برای ساختن خندقهای رقابتی سنتی نیز بهکار گرفته شود.
برای مثال، پلتفرمهایی با اثر شبکهای، کسبوکارهایی بسیار دفاعپذیر هستند. آنها معمولاً دارای دینامیک "برنده همه چیز را میبرد" هستند که شرکتها را مجبور به رشد سریع یا نابودی میکند.
اگر AI به شما امکان دهد که سریعتر از رقبایتان کاربران را جذب کنید، این میتواند به ساختن خندقی دفاعی از طریق دینامیکهای پلتفرمی تبدیل شود.
بهطور گستردهتر، شما همچنین میتوانید از AI بهعنوان یک جزء کلیدی در استراتژیهای کمهزینه، با ارزش بالا یا دیگر استراتژیهای کسبوکار استفاده کنید.
هوش مصنوعی تأثیر قابل توجهی بر کسبوکار شما خواهد داشت. به میزانی که این فناوری بر ذینفعان کلیدی شما تأثیر میگذارد، شما باید یک برنامه ارتباطی اجرا کنید تا از همراستایی (alignment) اطمینان حاصل شود. در ادامه، مواردی آورده شده که باید برای هر گروه مخاطب در نظر بگیرید:
روابط با سرمایهگذاران:
شرکتهای پیشرو در AI مانند گوگل و بایدو اکنون تا حد زیادی به خاطر قابلیتهای هوش مصنوعی خود و تأثیر آن بر سودآوریشان، شرکتهای ارزشمندتری شدهاند. توضیح یک تئوری روشن درباره ایجاد ارزش از طریق AI در شرکت شما، شرح رشد قابلیتهای AI، و داشتن یک استراتژی هوشمندانه در این زمینه، به سرمایهگذاران کمک میکند تا ارزش شرکت شما را بهدرستی درک و ارزیابی کنند.
روابط با دولت:
شرکتها در صنایع با مقررات شدید (مانند خودروهای خودران، مراقبتهای بهداشتی) با چالشهای منحصربهفردی برای پایبندی به قوانین مواجهاند. توسعه یک روایت معتبر و قانعکننده درباره هوش مصنوعی که ارزش و مزایایی را که پروژه شما میتواند برای صنعت یا جامعه به همراه داشته باشد، توضیح دهد، گامی مهم در ایجاد اعتماد و حسن نیت است. این کار باید با ارتباط مستقیم و گفتوگوی مداوم با قانونگذاران همراه باشد، همزمان با اجرای پروژه شما.
آموزش مشتری/کاربر:
هوش مصنوعی احتمالاً مزایای قابل توجهی برای مشتریان شما به همراه خواهد داشت، بنابراین اطمینان حاصل کنید که پیامهای مناسب در بازاریابی و نقشه راه محصول بهدرستی انتقال داده میشود.
جذب استعداد/استخدام:
به دلیل کمبود نیروی متخصص در AI، داشتن برند کارفرمایی قوی تأثیر چشمگیری در توانایی شما برای جذب و نگهداشت این نوع استعدادها خواهد داشت. مهندسان هوش مصنوعی میخواهند روی پروژههایی هیجانانگیز و معنادار کار کنند. یک تلاش نسبتاً کوچک برای به نمایش گذاشتن موفقیتهای اولیه شما میتواند بسیار مؤثر واقع شود.
ارتباطات داخلی:
از آنجا که هوش مصنوعی هنوز بهدرستی درک نشده است و بهویژه هوش مصنوعی عمومی (AGI) بیشازحد تبلیغ شده، ترس، تردید و عدم اطمینان وجود دارد. بسیاری از کارکنان همچنین نگران از دست دادن شغل خود بهدلیل خودکارسازی توسط AI هستند، اگرچه این نگرانی بهطور گستردهای وابسته به فرهنگ است (برای مثال، این ترس در ایالات متحده بسیار بیشتر از ژاپن دیده میشود).
ارتباطات داخلی شفاف، هم برای توضیح مفاهیم هوش مصنوعی و هم برای پاسخ به نگرانیهای کارکنان، باعث کاهش مقاومت درونی در برابر پذیرش هوش مصنوعی خواهد شد.
درک اینکه چگونه اینترنت صنایع را متحول کرد، برای پیمودن مسیر رشد هوش مصنوعی بسیار مفید است. اشتباهی وجود دارد که بسیاری از کسبوکارها در زمان ظهور اینترنت مرتکب شدند و امیدوارم شما آن را در دوران ظهور هوش مصنوعی تکرار نکنید.
ما در عصر اینترنت آموختیم که:
مرکز خرید + وبسایت ≠ شرکت اینترنتی
حتی اگر یک مرکز خرید، یک وبسایت راهاندازی کرده و محصولات خود را از طریق آن به فروش برساند، این بهتنهایی آن را به یک شرکت اینترنتی واقعی تبدیل نمیکند.
آنچه یک شرکت اینترنتی واقعی را تعریف میکند این است:
آیا شرکت خود را بهگونهای سازماندهی کردهاید که کارهایی را که اینترنت به خوبی انجام میدهد، بهدرستی انجام دهد؟
برای مثال، شرکتهای اینترنتی بهشکل گستردهای از آزمایشهای A/B استفاده میکنند؛ آنها بهطور روتین دو نسخه از یک وبسایت را همزمان اجرا میکنند تا ببینند کدام بهتر عمل میکند. حتی ممکن است صدها آزمایش بهطور همزمان اجرا شود، کاری که برای یک مرکز خرید فیزیکی بسیار دشوار است.
شرکتهای اینترنتی میتوانند هر هفته محصول جدیدی عرضه کنند و در نتیجه سریعتر یاد بگیرند، در حالی که یک مرکز خرید شاید فقط هر فصل طراحی خود را تغییر دهد.
شرکتهای اینترنتی همچنین شرح وظایف خاصی برای نقشهایی مانند مدیر محصول و مهندس نرمافزار دارند و این نقشها فرآیندها و جریانکاری خاص خود را دارند.
یادگیری عمیق (Deep Learning)، یکی از سریعترین حوزههای رشد در AI، شباهتهایی با رشد اینترنت دارد.
امروزه میبینیم که:
هر شرکت معمولی + فناوری یادگیری عمیق ≠ شرکت AI
برای اینکه شرکت شما در AI به موفقیت برسد، باید ساختار سازمان خود را بهگونهای تنظیم کنید که بتواند از قابلیتهای منحصربهفرد هوش مصنوعی بهخوبی استفاده کند.
برای اینکه شرکت شما واقعاً یک شرکت AI باشد، باید:
منابعی برای اجرای سیستماتیک چندین پروژه ارزشمند AI داشته باشد:
شرکتهای AI دارای فناوری و نیروی متخصص (چه درونسازمانی و چه برونسپاریشده) هستند که میتوانند چندین پروژه AI را بهصورت نظاممند اجرا کنند و ارزش مستقیم برای کسبوکار ایجاد نمایند.
درک کافی از AI در سازمان وجود داشته باشد:
باید یک آگاهی عمومی از AI وجود داشته باشد، بههمراه فرآیندهایی برای شناسایی و انتخاب پروژههای ارزشمند AI بهصورت نظاممند.
جهتگیری استراتژیک شرکت همراستا با موفقیت در آیندهای مبتنی بر AI باشد.
تبدیل یک شرکت موفق به یک شرکت موفق در زمینه هوش مصنوعی چالشبرانگیز است، اما با پشتیبانی شرکای مناسب، کاملاً امکانپذیر است. تیم من در Landing AI متعهد به کمک به شرکا در مسیر تحول هوش مصنوعیشان است، و من نیز به اشتراکگذاری بهترین تجربیات ادامه خواهم داد.
برنامه تحول AI ممکن است ۲ تا ۳ سال طول بکشد، اما باید انتظار داشته باشید که نتایج ملموس اولیه را در عرض ۶ تا ۱۲ ماه مشاهده کنید.
با سرمایهگذاری در مسیر تحول AI، از رقبا جلوتر خواهید بود و از قابلیتهای هوش مصنوعی برای پیشرفت قابلتوجه شرکت خود بهرهبرداری خواهید کرد.
Andrew Ng ، رئیس هیئت مدیره و مدیرعامل Landing AI
خوشحال میشم نقد و نظرتون درباره این مطلب بنویسید.
