۵ دلیل اینکه چرا شرکت‌ها حالا نیاز به توسعه و اولویت‌بندی استراتژی‌های کسب‌وکار هوش مصنوعی خود دارند!

منتشر‌شده در: towardsdatascience به تاریخ ۱۰ می ۲۰۲۱
لینک منبع : 5 reasons why companies need to develop and prioritize their AI Business strategies now!

در سال ۲۰۱۸، مطالعه‌ای که توسط موسسه MIT اسلون مدیریت ریویو انجام شد نشان داد که ۵۸٪ از شرکت‌ها بر این باورند که هوش مصنوعی به طور قابل‌توجهی مدل‌های کسب‌وکار آن‌ها را تا سال ۲۰۲۳ تغییر خواهد داد. و در سال ۲۰۱۹، مقاله فوربز نشان داد که ۷۳ درصد از مدیران ارشد ایالات‌متحده دارای هدف افزایش چشمگیر سرمایه‌گذاری در فن‌آوری هستند.

اکنون بیش از هر زمان دیگری، شرکت‌ها تشخیص می‌دهند که AI برای رشد کسب‌وکار آن‌ها ضروری است. اما علی‌رغم این آگاهی، که به نظر می‌رسد همیشه در حال رشد است، من هنوز هم مشاهده می‌کنم که تعداد زیادی از شرکت‌ها در استفاده از هوش مصنوعی فراتر از تجربه پیشرفت نکرده‌اند.

گاهی اوقات، زمانی که من با مردم در بسیاری از شرکت‌ها صحبت می‌کنم، بسیاری از آن‌ها به هوش مصنوعی که فکر می‌کنند، اغلب تصوری از چیزی خارق‌العاده و تقریبا تحقق طرح‌های علمی‌تخیلی دارند. و اگر در مورد ایجاد چیزی شبیه به آن نباشد، چیزی مانند یک ربات هوشمند، پس به نظر می‌رسد که علاقه کاهش می‌یابد و معنای خود را از دست می‌دهد.

این مفهوم رمانتیک، مانع از امکان استفاده از چیزی، مثلا، کم‌تر باشکوه، که برای شرکت‌ها و مشتریان‌شان ارزش فراهم می‌کند می‌شود. و مهم‌ترین -و سریع‌ترین- ارزش در این لحظه از بلوغ تکنولوژی در بازار از توانایی آن برای تحلیل داده‌ها و تصمیم‌گیری آسان‌تر برای تیم‌ها و بخش‌های داخلی و مستقیما برای مشتریان ناشی می‌شود.

وضعیت کنونی هنر درAI چیزی است که ما آن راnarrow AI می‌نامیم، یعنیAI در عمل هوشمند نیست، اما به نظر می‌رسد که چنین باشد. این بدان معنی است که یک الگوریتم یک کار را به خوبی انجام می‌دهد. ترکیب الگوریتم‌های چندگانه با فن‌آوری‌های دیگر مانندRPA (RPA هوش مصنوعی نیست!) می‌تواند نتایج بسیار مثبتی را به همراه داشته باشد. بنابراین انتظار برای هوش مصنوعی اتلاف وقت است، و این بیماری همه‌گیر نشان داده‌است که زمان چیزی است که ما نداریم!

همه چیز در مورد زمان است …

امروزه، دستیابی به سلایق، خواسته‌ها، و نیازهای مشتریان برای فراهم کردن پیوستۀ پیشنهادهای شخصی برای رقابتی نگه داشتن کسب‌و‌کارها ضروری است. مصرف‌کنندگان هیچ صبر و زمانی برای هدر دادن ندارند. فردی که می‌خواهد محصول شما را بخرد، هیچ تمایلی به جستجوی ده‌ها صفحه از پیشنهادهای محصولی که هیچ ربطی به سلیقه او ندارند، ندارد.

او ترجیح می‌دهد که وارد یک وبسایت تجارت الکترونیک یا نرم‌افزار کاربردی شود که به او یک صفحه با چند گزینه متناسب با سلیقه او ارائه می‌دهد. تفاوت در این زمینه در کیفیت فیلتر و توانایی آن برای کشف الگوها و پیش‌بینی خواسته‌ها نهفته است. و این جایی است که تواناییAI برای کنترل دیدگاه‌ها از داده‌ها وارد عمل می‌شود.

مطالعه مقاله هوش مصنوعی نباید داده‌های ساخت‌یافته را کنار بگذارد! توصیه می‌شود.

صحبت کردن در مورد هوش مصنوعی مرتبط با کسب‌وکار.

تعریف هوش مصنوعی در طول سال‌ها به طور چشمگیری تکامل یافته است. هنوز هم می‌توان آن را به عنوان تلاشی برای شبیه‌سازی توانایی استدلال انسانی با قادر ساختن سیستم‌های کامپیوتری به «یادگیری»، «استدلال»، «تفسیر» و تصمیم‌گیری مانند انسان توصیف کرد. برای مدتی طولانی، تصور می‌شد که هوش مصنوعی محدود به سیستم‌هایی است که می‌توانند مشکلات را حل کنند یا وظایف خاصی را انجام دهند، مانند بازی شطرنج با انسان‌ها.

اما پیشرفت‌های تکنولوژیکی، تکامل را شکل داده‌اند و امروزه راه‌حل‌های AI بخشی از یک رویکرد داده محور، فرهنگی مبتنی بر جمع‌آوری، پردازش، تجزیه‌و‌تحلیل و تفسیر داده‌ها هستند. هدف این تلاش‌ها بهینه‌سازی فرایندها، افزایش رقابتی شدن، و هدایت خروجی‌های بهتر برای کسب‌وکارها و صنایع است.

امروزه، AI ابزاری را ارائه می‌دهد که داده‌ها را به تجربیات بهتر، روابط بهتر با مشتری، وفاداری بیشتر و در نتیجه یک تصمیم و پیشنهاد نهایی بهتر برای کسب‌وکار شما ترجمه می‌کند. با این حال، بسیاری از شرکت‌ها هنوز در تلاش برای دیدن هوش مصنوعی به عنوان یک ابزار ارزشمند هستند، یک تسهیل‌کننده برای ایجاد تاثیر به جای خود تاثیر.

به همین دلیل است که مهم است به یاد داشته باشیم که اجرای AI در سازمان‌ها به چیزی بیش از استخدام دانشمندان داده نیاز دارد؛ این امر نیازمند استراتژی، سازمان، انجیل، و آموزش در همه سطوح عملکردی است.

وقت آن رسیده است که بازی را به حالت اول برگردانیم

ما در لحظه تکنولوژیکی زندگی می‌کنیم قابل‌مقایسه با روزهای اولیه اینترنت، که شگفتی -و حتی برخی پیش‌بینی‌ها و ترس‌های آخرالزمانی- را زمانی که برای اولین بار ظاهر شد، برانگیخت. امروزه، همه ما می‌توانیم ببینیم که اینترنت یک بخش طبیعی از زندگی روزمره ما است که ما تنها زمانی به وجود آن توجه می‌کنیم که آن را از دست بدهیم. من شرط می‌بندم که این اتفاق به زودی در مورد هوش مصنوعی هم رخ خواهد داد.

اما برای اینکه شرکت‌ها از این اختلال سود ببرند، باید تمرکز بر روی خود فن‌آوری را متوقف کنند و آن را به عنوان تقویت‌کننده ارزشی که می‌تواند به مشتریان ارائه شود، که در قلب استراتژی‌های کسب‌وکار قرار دارد، ببینند. بسیاری از مباحثات در مورد هوش مصنوعی در تیم‌ها، دپارتمان‌ها و شرکت‌ها امروز هنوز با این سوال شروع می‌شود که ما چه داده‌هایی داریم، و چه تکنولوژی نیاز داریم که با آن کار کنیم؟

وقت آن است که وضعیت را برعکس کنید و به نیازهای مشتریان نگاه کنید. چه سوالاتی هستند که مشتریان شما می‌پرسند و وقتی پاسخ داده شود، برای آن‌ها و کسب‌وکار ارزش ایجاد خواهد کرد؟ تنها زمانی که این شفافیت را دارید، باید به دنبال داده‌های صحیح و کاربردهای مرتبط باAI باشید. این رویکرد می‌تواند به طور قابل‌توجهی بر این که آیا سیر AI شما نتایج موفقی خواهد داشت یا نه تاثیر بگذارد.

بیایید تصور کنیم که تیم شما با چالش بهبود فروش مواجه است. اگر سوالات مهم مشتریان شما در مورد بهترین زمان برای خرید محصولات بر اساس رویدادهای خاص در زندگی آن‌ها باشد، استفاده ازAI تنها با داده‌های شرکت داخلی برای ارائه پاسخ صحیح کافی نخواهد بود. با داده‌های داخلی، به احتمال زیاد می‌توانید بهترین روز را برای خرید یک محصول خاص توصیه کنید، به عنوان مثال (و مشتری شما ممکن است علاقه‌مند نباشد).

لازم است که به دنبال داده‌های خارجی در مورد رویدادهای خاص خود باشید، که به اطلاعات داخلی در مورد محصولات شما و اولویت‌های شخصی مشتریان اضافه می‌شود، برای ابزار AI مهمات فراهم می‌کند تا به پتانسیل کامل خود برسد و ارزش واقعی را به مشتری شما ارائه دهد. البته، کمبود داده یک واقعیت زندگی است. همه شرکت‌ها زیرساخت و پول لازم برای آموزش الگوریتم‌های پیچیده با مقدار و کیفیت مناسب داده‌ها را ندارند. بنابراین، بهترین کار این است که با پروژه‌های کوچک‌تر و کم‌تر بلندپروازانه شروع کنید.

در این موارد، مدل‌های قدرتمند اما ساده‌تر مانند رگرسیون خطی، ماشین‌های بردار پشتیبان، همسایه‌هایK-نزدیک‌ترین وNaive Bayes می‌توانند با مقادیر کمتری از داده‌ها آموزش داده شوند. همچنین تکنیک‌هایی مانند تولید داده‌های ترکیبی، یادگیری متحد، و یادگیری خودنظارتی وجود دارند که بسیار مفید هستند.

مطالعه مقاله به هر چیزی نگویید هوش مصنوعی! توصیه می‌شود.

ارائه یک دیدگاه جدید برای AI به‌کاررفته در کسب‌وکار.

ما به یک دیدگاه جدید نیاز داریم که تعریف کند چگونه تیم‌ها و شرکت‌ها از مرحله تجربی با تکنولوژی خارج می‌شوند و در عمل از آن برای ایجاد یک تاثیر قطعی برای مشتری و تنظیم دوره‌های کسب‌وکار خود استفاده می‌کنند. این همه‌گیری چیزهایی را که در حال حاضر در جریان است، سرعت بخشیده است. در عمل، آنچه را که احتمالا در پنج سال آینده رخ می‌داد، امروز به ارمغان آورده است.

پاندمی تکنولوژی‌های جدیدی ایجاد نکرد، اما شتاب دیجیتال تغییری در رفتار ایجاد کرد. من می‌توانم بگویم که وضعیت اضطراری ۱۹ Covid در عرض چند ماه چندین سال پیش‌بینی شده بود. این باعث شده که آینده ناگهان فرا برسد. در این زمینه، هوش مصنوعی مطرح شد. ما پیش از این شاهد پیشرفت‌های سریع و بسیاری در تحقیق و توسعه بودیم، اما متاسفانه، هنوز هم شاهد پذیرش و انتشار کند AI در شرکت‌ها بودیم.

تعداد قابل‌توجهی از شرکت‌ها هنوز هم از AI تنها در آزمایش‌ها در آزمایشگاه‌های IT استفاده می‌کنند، در حال توسعه POC های کوتاه‌مدت (اثبات مفهوم) و نمونه‌های اولیه هستند. برای بسیاری از این شرکت‌ها، کاربردهای «بالای ذهن» AI هنوز هم در حال صحبت کردن هستند، که عمدتا بر روی خودکار کردن مراکز تماس و میزه‌ای خدمات تمرکز می‌کنند.

البته، تعداد زیادی از این کاربردها نتایج مثبتی تولید می‌کنند. من باید اعتراف کنم که با افزایش قابل‌توجه تقاضای ناشی از این همه‌گیری، چتبات‌ها موفق شده‌اند به شرکت‌ها کمک کنند تا بازگشت سریع‌تر سرمایه خود را به دست آورند.

با این حال، بیشتر روبات‌هایی که امروزه در کسب‌و‌کارها استفاده می‌شوند، سطح پایینی برای پاسخ‌های خودکار خود دارند. آن‌ها هر تعامل پیچیده‌تری را نسبت به یک سوال معمولی هدایت می‌کنند و به کارکنان انسانی پاسخ می‌دهند، که در بسیاری از موارد منجر به این می‌شود که ربات نتواند درخواست را به درستی درک کند.

همه چیز خوب است، اما ما می‌توانیم چیزهای بیشتری از AI داشته باشیم.

ما باید دقیق‌تر شویم.

من اعتقاد راسخ دارم که هوش مصنوعی تنها زمانی در شرکت‌ها فعال خواهد شد که به شدت بر روی مدیران عامل، CIO ها، CDOs، و برنامه‌های هیات‌مدیره حاضر باشد. AI باید گروه‌ها و آزمایشگاه‌های فن‌آوری اطلاعات و نوآوری را ترک کند تا به یک موضوع ضروری در دستور کار مدیران اجرایی تبدیل شود. اما ما همچنین باید در نظر بگیریم که هنگامی که AI آزمایشگاه را ترک می‌کند و وارد تولید می‌شود، زیرساخت تکنولوژیکی و مسائل عملکردی را نمی‌توان نادیده گرفت. AI نیازمند سرمایه‌گذاری است.

همچنین به این معنی است که حاکمیت AI باید موضوع اصلی بحث در هنگام برنامه‌ریزی برای سنجشAI در سراسر شرکت باشد. با توجه به فرهنگ خاص و ویژگی‌های عملیاتی، هر سازمان باید مدل خود را چه متمرکز، غیر‌متمرکز و چه متحد تعریف کند.

هیچ دستورالعمل راحتی برای همه شرکت‌ها به طور مساوی قابل‌اجرا نیست. هر شرکت مدل خود را توسعه خواهد داد و به طور مداوم آن را تنظیم خواهد کرد زیرا افراد بیشتر و بیشتری با استفاده ازAI تجربه کسب می‌کنند. البته، اگر چیزی مثبت را بتوان از این لحظه بسیار چالش‌برانگیز به دست آورد، همه ما در طول این بیماری همه‌گیر زندگی می‌کنیم، این است که شتاب دیجیتالی که آن ایجاد کرده است، شروع به کمک به شکستن سد عدم اعتماد به AI کرده است، و بسیاری از ما هم اکنون می‌توانیم ابتکارات جسوری در AI را ببینیم، که علاوه بر روبات‌های ساده، شروع به ظاهر شدن کرده‌اند. در این موارد، به این معنی است که مساله قبلا آن را در دستور کار هیات‌مدیره و مدیرعامل قرار داده است!

تغییر سریع در رفتار کاربران در عادات خرید آن‌ها با شتاب تجارت الکترونیک (در مورد کاغذ توالت و ژل الکل، در آغاز پاندمی، به دنبال غذا و نوشیدنی فکر کنید؛ بعدا، با اسباب‌بازی و بعدا، با تکنولوژی و تجهیزات تناسب اندام)، باعث شکست در تشخیص تقلب تحت نظارت، الگوریتم‌های زنجیره تامین و توصیه‌هایی برای مشتریان شد.

آن‌ها برای این سناریو آموزش ندیده بودند! تغییرات ناگهانی باعث ایجاد اعوجاج‌ها در پاسخ‌های الگوریتم‌های تحت نظارت می‌شوند، زیرا آن‌ها در داده‌های تست شما گنجانده نشده اند. از سوی دیگر، بات‌ها، حتی با وجود محدودیت‌های خود، مدیریت کرده‌اند تا به شرکت‌ها کمک کنند تا با افزایش قابل‌توجه تقاضا از سوی کاربران سر‌و‌کار داشته باشند، که بسیاری از آن‌ها تازه‌واردان به خریدهای دیجیتال هستند.

البته، ضروری است که متوجه شویم AI تنها یک ربات پرحرف نیست که برای بهبود تجربه مشتری به کار گرفته شده است. خیلی بیشتر است، و می‌تواند به طور قابل‌توجهی نه تنها بر مدل کسب‌وکار بلکه بر مدل عملیاتی کل سازمان تاثیر بگذارد. ما علائم پایداری را مشاهده می‌کنیم که نشان می‌دهد حس فوریت در مورد اتخاذ AI در حال حاضر فعال شده است.

به تدریج آشکار می‌شود که AI تنها یک تکنولوژی نیست بلکه یک تکنولوژی متحول‌کننده است که جامعه ما را تغییر داده و شکل می‌دهد. و انتشار آن به شدت وابسته به این است که چگونه سطح اجرایی آن را به عنوان یک اولویت در نظر می‌گیرد و استفاده از آن را به عنوان ابزاری هدایت می‌کند که دیگر به متخصصان دارای دکترا محدود نمی‌شود بلکه به شیوه‌ای دموکراتیک‌تر در دسترس است.

در طول سال‌های گذشته، من این فرصت را داشتم که تعداد قابل‌توجهی از مشاوره‌ها را فراهم کنم، مکالمات ارزشمند و سخنرانی‌ها را برای رهبران در چندین صنعت ادامه دهم، و نشانه‌های زیادی از بلوغ را مشاهده کرده‌ام، که بسیار مثبت هستند. در بسیاری از موارد، شرکت‌ها شروع به نگرانی در مورد حاکمیت داده‌ها می‌کنند، و متوجه می‌شوند که AI تنها در مورد الگوریتم‌ها نیست، بلکه داده‌ها مکان اصلی برای بررسی هستند.

رهبران کم‌کم دارند درک می‌کنند که یک الگوریتم عالی، بدون داده، مانند یک موتور بدون سوخت یا با سوخت با کیفیت پایین است. این کار جواب نخواهد داد. همچنین، در بسیاری از مکالمات من (و برخی از مقالات اخیر من)، مفهوم « AIمسئولانه»، که شامل اخلاق، نگرانی برای امنیت داده‌ها و حریم خصوصی، و به حداقل رساندن تعصبات، در بسیاری از جنبه‌ها در نظر گرفته شده است.

پاندمی، علاقه به استفاده از AI را برانگیخته است. از بات‌ها، ما شاهد کاربردهای پیچیده‌تری خواهیم بود که در کل سازمان نفوذ می‌کنند.

ممکن است به مطالعه مقاله به هر چیزی نگویید هوش مصنوعی! علاقمند باشید.

زمان ایجاد فرهنگ مبتنی بر داده در کسب‌وکار

همانطور که دیدیم، اجرای پروژه‌های هوش مصنوعی عمدتا به استفاده کارآمد از داده‌های شرکت، تولید شده در حجم‌های بزرگ و به درستی بستگی دارد. برای انجام این کار، یک ضرورت به‌روزرسانی در فرهنگ داخلی سازمان وجود دارد که داده‌ها را در مرکز تصمیم‌گیری و برنامه‌ریزی استراتژیک شرکت قرار می‌دهد.

برای اینکه این فرهنگ در شرکت تقویت شود، لازم است روش‌های نوآورانه و ارزشمندی برای جمع‌آوری، پردازش، تجزیه‌و‌تحلیل و تفسیر حجم زیادی از داده‌ها شناسایی شود. برای این کار، ابزارها و تکنولوژی‌های متعددی می‌توانند در این فرآیند با تاکید بر کلان داده و هوش تجاری کمک کنند. ابزارهای موجود و فرآیندها نیز باید کیفیت اطلاعات و نظارت داده‌ها را تضمین کنند.

نتیجه‌گیری

همانطور که ما به تدریج می‌بینیم که AI عملیات شرکت‌ها را تغییر می‌دهد و شروع به بخشی از «حالت عادی جدید» شدن می‌کند، شروع به گسترش و اشغال فضاهای بیشتر و بیشتری در اصول عملیاتی شرکت می‌کند. اکنون چالش صرفا تکنولوژیکی نیست، بلکه فرهنگی است. همانطور که به هسته شتاب می‌بخشد، شرکت‌ها باید یک استراتژی موثر AI همسو با اهداف کسب‌وکار و مدل‌های کسب‌وکار نوآورانه داشته باشند تا در عصر دیجیتال رشد کنند.

این متن با استفاده از ربات ترجمه تخصصی مقالات هوش مصنوعی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.