DIY
تحلیل بازارهای هوش مصنوعیکارآفرینیکسب‌و‌کار

DIY؛ رویکردی که در هوش مصنوعی می‌تواند بخش اعظم کسب‌وکارها را دچار مشکل کند

    0
    زمان مطالعه: ۴ دقیقه

    برخی از فعالیت‌های تجاری، مناسب رویکرد «خودت انجامش بده» یا DIY هستند و برخی دیگر از جمله هوش مصنوعی، مناسب آن نیستند؛ زیرا رویکرد DIY در هوش مصنوعی، گران و زمان‌بر و بیشتر مناسب کاربردهای آزمایشی است و نه کاربردهای سازمانی گسترده. در عوض، سازمان‌های خلّاق و آینده‌نگر به صورت کلی‌تری درباره رویکرد خود به هوش مصنوعی سازمانی می‌اندیشند و برای به دست‌ آوردن کارایی‌های نوین و سرعت بخشیدن به زمان ورود به بازار، به کارشناسان خارجی روی می‌آورند.

    ظهور هوش مصنوعی سازمانی

    سال‌ها، هوش مصنوعی به‌عنوان فناوری مربوط به آینده شناخته می‌شد، چیزی در حد فیلم‌های علمی- تخیلی مانند «ماتریکس» و نه ابزاری برای استفاده در کسب‌وکار. بااین‌حال، آن تصور در سال‌های اخیر، بسیار تغییر کرده است.

    طبق گزارش McKinsey از وضعیت هوش مصنوعی در سال ۲۰۲۰، سازمان‌ها به صورت روزافزون برای ارزشمندآفرینی کارشان از هوش مصنوعی استفاده می‌کنند. نیمی از پاسخ‌دهندگان گفتند که شرکت آن‌ها در حداقل یکی از فعالیت‌های کاری خود، از هوش مصنوعی استفاده کرده است که این امر نشان می‌دهد هوش مصنوعی به‌زودی رایج‌تر خواهد شد. این سازمان‌ها فقط به دنبال جدیدترین فناوری‌ها نیستند، بلکه ارزش واقعی در سراسر کسب‌وکار خود را لحاظ می‌کنند.

    تقریباً یک چهارم پاسخ‌دهندگان بیش از ۵ درصد درآمد سازمان خود را قبل از کسر بهره و مالیات (EBIT) به هوش مصنوعی اختصاص ‌می‌دادند. شرکت‌هایی که به مقدار زیاد از هوش مصنوعی استفاده می‌کنند، یعنی شرکت‌هایی که اعلام کردند ۲۰ درصد از بهره و مالیات کلی شرکت را در سال ۲۰۱۹ به کاربرد هوش مصنوعی اختصاص داده بودند، عملکرد و رهبری کلی بهتری را در مقایسه با پاسخ‌دهندگانی گزارش کردند که در استقرار هوش مصنوعی در سازمان‌شان موفق نبوده‌اند.

    کسب‌وکارها به منظور کاربردهای ارزش‌آفرین متنوعی از هوش مصنوعی استفاده می‌کنند. به عنوان مثال، بینایی کامپیوتر در سال‌های اخیر به سرعت پیشرفت کرده است. روش‌های پیشرفته یادگیری ماشین، امکان پردازش و تحلیل سریع‌تر و دقیق‌تر تصاویر را به وجود آورده‌اند که در تصویربرداری پزشکی، تولید، تصویربرداری ماهواره‌ای، مدیریت موجودی و وسایل نقلیه خودران به کار می‌روند.

    در صنایع، سازمان‌ها به منظور ارتقای عملکردهایی نظیر تحلیل دیدگاه‌ها، تشخیص کلاهبرداری، نمایندگی‌های خدمات خودکار و دستیارهای صوتی چندزبانه، از پردازش زبان طبیعی (NLP) استفاده می‌کنند.

    بر طبق گزارش شاخص هوش مصنوعی دانشگاه استنفورد در سال ۲۰۲۱، «پیشرفت در زمینه NLP به قدری سریع بوده است که پیشرفت‌های فنی از معیارهای سنجش آن‌ها، پیشی گرفته‌اند.»

    به علاوه، شرکت‌های مرتبط با صنایع شامل خرده‌فروشی، بانکداری و بهداشت، از هوش مصنوعی به منظور تقویت سیستم‌های توصیه‌گر دقیق‌تر، استفاده می‌کنند. این سازمان‌ها، با تلفیق یادگیری عمیق و رفتار کاربر می‌توانند به صورت هوشمندانه، پیشنهادات و توصیه‌های شخصی‌سازی‌شده به مشتریان خود ارائه دهند.

    هوش مصنوعی از جنبه‌های بسیاری، اینترنت جدید است و به‌زودی چنان در زندگی ما فراگیر خواهد شد که به سختی می‌توانیم زندگی بدون آن را تصور کنیم. این امر، به این معناست که اگر هنوز سازمان شما هوش مصنوعی را به خدمت نگرفته است، خیلی زود متوجه خواهید شد که از دیگران بسیار عقب مانده‌اید.

    گذار به یک راه‌حل هوش مصنوعی

    هوش مصنوعی سازمانی در حال تغییر شکل کسب‌وکار در سراسر جهان است؛ اما پیاده‌سازی این فناوری کار آسانی نیست. فقط ۸ درصد از شرکت‌ها در فعالیت‌های اصلی خود، هوش مصنوعی را به صورت فراگیر به کار می‌برند، درحالی‌که بیشتر سازمان‌ها هوش مصنوعی را تنها در یک فرایند کاری با موفقیت به کار برده‌اند. موانع اصلی برای کاربرد فراگیر هوش مصنوعی، شامل فقدان یک راهکار شفاف و فقدان استعداد برای دسترسی و فعال‌ کردن داده‌هایی است که هوش مصنوعی را به کار می‌اندازند. این موانع، راه‌حل‌های هوش مصنوعی را نقطه‌به‌نقطه محدود می‌کنند.

    در حقیقت، هنگامی که سازمان شما قصد دارد یک شریک هوش مصنوعی انتخاب کند، شما باید کارهای زیر را به منظور استقرار موفقیت‌آمیز هوش مصنوعی در سازمان‌تان به یاد داشته باشید:

    ۱- یک شریک قوی انتخاب کنید. هنگامی که سامانه‌های هوش مصنوعی بالقوه را بررسی می‌کنید، به دنبال شریک قابل‌اعتمادی باشید که نه‌تنها نیازهای مهم شما را برآورده کند (مانند بینایی کامپیوتر، NLP یا سیستم‌های توصیه‌گر) بلکه فراتر از زیرساخت هم به شما کمک کند. در طول به خدمت گرفتن هوش مصنوعی سازمانی، دانش، تخصص و راه‌حل‌های شخصی یک شریک قوی می‌تواند تمام جوانب کار شما را نظم دهد.

    ۲- راهبرد داده روشنی داشته باشید. McKinsey و شرکا، در پیمایش جدید خود دریافتند که ۴۳ درصد از پاسخ‌دهندگان، فقدان راهبرد را بزرگ‌ترین مانع اتخاذ هوش مصنوعی در کارهای روزانه می‌دانند. اطمینان حاصل کنید که دستورالعملی به منظور یافتن داده‌هایی که منجر به عملکرد هوش مصنوعی می‌شود، وجود دارد. برنامه‌ای که خوب اجرا شود، از ابتدا مشخص می‌کند که فرصت‌های بالقوه در کجا نهفته‌اند.

    ۳- بودجه برای ابزارهای ارتباطی. علاوه بر هزینه‌ای که صرف فناوری هوش مصنوعی می‌شود، مقداری از بودجه خود را به ابزارهای خاصی اختصاص دهید که همکاری و پذیرش کارآمد هوش مصنوعی را در تمام بخش‌ها، تقویت می‌کند. به عنوان مثال، نصب ابزارها یا برنامه‌های طراحی مجدد جریان کار، می‌تواند به موفقیت راه‌اندازی و اجرای زیرساخت‌های فنی شما کمک کند.

    ۴- نیروی بااستعداد، استخدام کنید. هر سازمانی برای تجربه موفقِ شروع هوش مصنوعی، نیاز به استعدادهای داخلی و خارجی دارد. درحالی‌که کمبود نیروهای بااستعداد هوش مصنوعی، چالشی ادامه‌دار است، بسیاری از سازمان‌ها ترجیح می‌دهند که به کارمندان فعلی آموزش دهند، تا توسعه هوش مصنوعی داخلی را تقویت کنند.

    ۵- پذیرش بین‌تیمی را تقویت کنید. ممکن است سیلوهای سازمانی غیرضابطه‌مند، اشتراک اطلاعات را محدود سازند و این امر بر روی استقرار اولیه سامانه هوش مصنوعی، تأثیر منفی می‌گذارد. برای هماهنگ کردن کارکنان خود، یک چشم‌انداز واحد از گذار سازمان خود به فناوری هوش مصنوعی ایجاد کنید، بیشتر با کارکنان خود ارتباط برقرار کنید، کارمندان بخش‌های مختلف را با هم آموزش دهید و از نرم‌افزار همکاری استفاده کنید.

    در واقع، بیشتر کسب‌وکارها فاقد منابع موردنیاز برای ساخت سیستم‌های هوش مصنوعی مخصوص به خود هستند، تا بتوانند با سرعت کافی با پیشتازان این عرصه رقابت کنند. در عوض، اتخاذ رویکرد DIY شراکت با فروشنده مناسب به منظور مدیریت هوش مصنوعی می‌تواند به مقدار قابل‌ملاحظه‌ای هزینه‌ها و زمان اجرا را کاهش دهد. علاوه بر این، به‌راحتی می‌توانید راه‌حل‌های جدید را بیازمایید یا آن را تغییر دهید.

    توزیع هوش مصنوعی به‌تازگی آغاز شده است و سازمان‌هایی که راهبرد هوش مصنوعی را اجرا نمی‌کنند، خیلی زود از دیگران عقب می‌مانند. با اینکه هوش مصنوعی «خودت انجام بده» ممکن است برای غلبه بر بسیاری از چالش‌هایی که سازمان هنگام اجرای هوش مصنوعی با آن مواجه می‌شود، رویکرد مناسبی به نظر برسد، اما ساخت سیستم‌های هوش مصنوعی بومی از صفر، برای بسیاری از سازمان‌ها آسان نیست.

    شما می‌خواهید در کدام سوی مسیر نوآوری هوش مصنوعی باشید؟

     

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۱ میانگین: ۵]

    هوش مصنوعی باهوش است، اما هم بازی خوبی نیست

    مقاله قبلی

    با HPC حجم کاری خود در حوزه هوش مصنوعی را مقیاس‌بندی کنید

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد.