مهندسی رشد کسب‌وکار با هوش مصنوعی

در سومین پنل رویداد AI Summit پنج متخصص بازاریابی و توسعه کسب‌وکار تجربیات عملی خود را از به‌کارگیری هوش مصنوعی در کمپین‌ها و استراتژی‌های بازاریابی به اشتراک گذاشتند. این پنل که به راهبری «کارن آهنگری»، مدیر سئوی «بیت‌پین» برگزار شد، بر چالش‌های واقعی و راه‌حل‌های عملی تمرکز داشت.

چالش‌های پیاده‌سازی AI در سازمان‌های بزرگ

«روزبه شاهرخی»، معاون توسعه کسب‌وکار «آپتایم»، با بیان تجربیات خود در صنعت نفت و انرژی، پنل را با چالشی مهم آغاز کرد: «پیاده‌سازی نوآوری و هوش مصنوعی در سازمان‌های بزرگ، بیش از هر چیز نیازمند شناخت دقیق زنجیره ارزش است.» او توضیح داد که اگر فضای استارتاپ‌ها و سازمان‌های بزرگ را دو سیاره تصور کنیم، جو، دما و قوانین این دو کاملاً متفاوت است. در استارتاپ‌ها سرعت بالا، تمرکز روی نوآوری و آمادگی برای خطا غالب است؛ اما در سازمان‌های بزرگ نگاه کوتاه‌مدت مدیریتی، فرایندهای پیچیده و مقاومت نسبت به شفافیت و تغییر مانع نوآوری می‌شوند.

او مثال زد: «یک استارتاپ محصولی برای تشخیص موقعیت‌های خطرناک در صنعت نفت داشت، اما زنجیره ارزش بالادست را نمی‌شناخت و نمی‌دانست با کدام EPCها یا سرویس کمپانی‌ها باید مذاکره کند. نتیجه، اتلاف چندین سال زمان بود.» شاهرخی با لبخند گفت: «زمانی فکر می‌کردم داشتن محصول یعنی طی کردن ۹۰٪ مسیر؛ اما حالا می‌دانم این رقم شاید ۱۰ تا ۲۰٪ بیشتر نباشد.» و اشاره کرد که یک مدیر باسابقه ایرانی به او گفته بود: «در ایران R&D لازم نیست؛ R&J لازم است: راه بنداز، جا بنداز.» یعنی توانایی معرفی، مذاکره، دریافت فیدبک و انطباق محصول، از خود محصول مهم‌تر است.

او به چالش‌های سازمان‌های بزرگ در پذیرش هوش مصنوعی هم اشاره کرد: «مقاومت‌های شغلی و سیاسی، ترس از شفافیت، تداخل با منافع پنهان، فشار مدیران برای انجام کارها به روش سنتی و انتظار خروجی سریع، ارزان و بدون خطا.»

برای مقابله با این موانع، او پیشنهاد کرد که «نوآوران اولیه» در بازار شناسایی شوند، تیم‌های مشترک با سازمان‌های بزرگ تشکیل شود، مدل ذهنی و عملیاتی سازمان‌ها شناخته شود، مدیران میانی آموزش ببینند، گزارش‌های جهانی ارائه شود و قراردادها شفاف و مشوق‌دار طراحی گردد. همچنین داشتن نیرویی با تجربه از داخل سازمان بزرگ در تیم استارتاپی، کلید موفقیت است.

تعادل بین خلاقیت انسانی و هوش مصنوعی

سپس آهنگری، بحث را به سوی «رعنا کرمانشاهی»، مدیر کمپین‌های بازاریابی «ملی‌گلد»، کشاند و پرسید که چگونه بین خلاقیت انسانی و استفاده از هوش مصنوعی تعادل ایجاد می‌کنند. کرمانشاهی توضیح داد که تیم او یک قانون ۴۰-۶۰ دارد: ۰ تا ۶۰٪ کار کمپین (ایده، جهت‌گیری، تولید اولیه محتوا) توسط هوش مصنوعی انجام می‌شود، اما ۶۰ تا ۱۰۰٪ باید توسط نیروی انسانی تکمیل و پالایش شود. دلیلش واضح بود: «هوش مصنوعی لحن برند، تجربه بازار ایران، صنعت طلا و ظرایف فرهنگی را نمی‌شناسد.»

کرمانشاهی مثال عملی زد: «ما الان یک کمپین داریم به نام «ترکیب برنده». ایده اولیه‌اش از AI آمد که می‌توانیم پیش‌بینی قیمت طلا بگیریم. ولی خیلی متفاوت شد! رسیدیم به یک بازی که آدم‌ها درگیرش می‌شوند. پیش‌بینی شبیه لاتاری می‌شد که ایده جذابی نیست و احتمالاً نمی‌توانستیم اجرا کنیم. پس کار کردیم تا رسیدیم به یک گیم.»

او تأکید کرد: «جایی که AI خیلی به ما کمک می‌کند، تحلیل دیتا است. در هر تیمی که دیتا انالیست ندارد، من به عنوان سرپرست تیم از سایت‌های AI استفاده می‌کنم. نمودارها را با AI می‌کشم، آنالیزها را با AI انجام می‌دهم، اما بستگی دارد که بهش بگویم نیازم چیست، مخاطبم چه شکلی است، رفتارش چیست.»

استفاده از AI به عنوان ابزار، نه اسباب‌بازی

سپس آهنگری بحث را به سمت «امیر جباری»، مدیر ارشد بازاریابی «بیمه بازار»، برد و پرسید چگونه می‌توان هوش مصنوعی را به «ابزار» تبدیل کرد و نه صرفاً یک اسباب‌بازی تولید محتوا. جباری گفت: «اصل اساسی، Feedback Loop است.» او توضیح داد که هوش مصنوعی بر پایه یادگیری ماشینی است و اگر فیدبک داده نشود، کیفیت خروجی بهبود نمی‌یابد. مثال او از یک پست اینستاگرام بود: «داده‌ها و انتظار دقیق، شامل لحن برند، پرسونای مخاطب و نرخ تعامل مشخص شد و پس از انتشار، به AI گزارش داده شد که «من انتظار ۵٪ اینگیجمنت داشتم، شد ۲٪». این حلقه فیدبک باعث رشد تدریجی کیفیت خروجی می‌شود، اما اکثر تیم‌ها چنین حلقه‌ای ایجاد نمی‌کنند.»

او هشدار داد: «اول مشخص کنید خروجی خوب از AI یعنی چه؛ بدون معیار، هیچ خروجی‌ای خوب به نظر نمی‌رسد.» او همچنین یادآور شد که هوش مصنوعی تهدید نیست، بلکه در بازاریابی و حوزه مالی، فرصت‌های جدید و کاهش هزینه‌ها را به همراه دارد.

برنامه ۳۰ روزه؛ از کجا شروع کنیم؟

آهنگری از جباری پرسید: «اگر یک تیم بخواهد وارد حوزه هوش مصنوعی شود و در یک بازه ۳۰ روزه خروجی ملموس ارائه دهد، به سراغ کدام وظایف یا تسک‌ها باید رفت؟»

جباری با premise سؤال مخالفت کرد و پاسخ داد: «من چندان با نگاه تسک‌محور موافق نیستم. موضوع اصلی، داشتن دید چرخه عمر مشتری است؛ یعنی باید Top of Funnel، Middle of Funnel و Bottom of Funnel را هم‌زمان در نظر بگیریم.»

او توضیح داد: «در گام نخست، معمولاً تمرکزم روی Top of Funnel و انجام تحقیقات عمیق است. با کمک AI تلاش می‌کنم شناخت دقیقی از بازار به دست بیاورم؛ سگمنتیشن را با عمق بیشتری انجام می‌دهم و از داده‌های ترکیبی و Synthetic Data استفاده می‌کنم. مدل، داده‌های مختلف را با هم تلفیق می‌کند، سرنخ می‌دهد، تحلیل می‌کند و در نهایت به سگمنت‌های قابل‌اتکا می‌رسیم.»

جباری ادامه داد: «مرحله بعد، توسعه پرسونای مخاطب است. سپس از مدل می‌خواهم براساس این داده‌ها، طرح اولیه کمپین را ارائه دهد. همان‌طور که پیش‌تر اشاره کردم، این‌جا حلقه فیدبک اهمیت پیدا می‌کند. دوباره به مدل برمی‌گردم و می‌گویم: با توجه به سگمنت‌ها و اندازه هر سگمنت، چه اهدافی باید تعیین کنیم؟ این رفت‌وبرگشت مداوم، کیفیت خروجی را بالا می‌برد.»

او افزود: «پس از آن، وارد مراحل تولید محتوا و برنامه‌ریزی کمپین می‌شویم. این روند، مجموعه‌ای یکپارچه از نقاطی است که هوش مصنوعی می‌تواند در آن‌ها نقش مؤثر داشته باشد. بعد از مرحله جذب کاربر نیز به ابتدای چرخه بازمی‌گردیم: کاربران جدید را دوباره سگمنت‌بندی می‌کنیم؛ آن‌هایی که ثبت‌نام کردند اما خرید نکردند، افرادی که تا مرحله سبد خرید پیش رفتند یا کسانی که سفارش گذاشتند. سپس برای هر گروه کمپین‌های Retention یا Reactivation طراحی می‌کنیم.»

چک‌لیست نه‌گفتن به AI

آهنگری از کرمانشاهی پرسید: «مارکتر باید در چه حوزه‌هایی برود سراغ AI و مهم‌تر، در چه مواردی به AI نه بگوید و آن مسئله را دست تیم استراتژی و خلاقیت بسپارد؟»

کرمانشاهی پاسخ داد: «یک چالشی که خودم داشتم این بود: «اگر کسی خروجی AI می‌داد، از نظر من حتی اگر خوب هم بود، باور داشتم کسی که مسئول این کار است(مخصوصاً در حوزه خلاقیت و استراتژی) باید بتواند خروجی خام AI را بهترش کند و بهینه‌اش کند.»

او چک‌لیست خود را ارائه داد:

۱. هرگز از خروجی خام استفاده نکنید: «یکی از نبایدها این است که از خروجی خام AI استفاده نکنیم و بهینه‌اش کنیم. یک جاهایی ممکن است AI چیزی بگوید که کاملاً اشتباه است.»

۲. پرامپت‌ها را ذخیره کنید: «پرامپت‌هایی که می‌نویسید، همیشه ذخیره کنید که جاهای دیگر بتوانید از آن استفاده کنید. من مثلاً چتی که هفت ماه پیش داشتم را برای همان یک پروژه ذخیره کردم و گفتگو را با همان پیش می‌برم. خروجی خیلی بهتر می‌شود.»

۳. در تولید محتوای بصری محتاط باشید: «در حوزه دیزاین، پرامپت‌های خام AI خیلی کاربردی نیست. آن چیزی که دیزاینر تیم من رسیده، دیزاینر تیم دیگری هم به آن می‌رسد. اگر روی استعدادهای خلاقانه خودمان تأکید کنیم، کیفیت کار خیلی بهتر می‌شود.»

۴. محتوای متنی را بازنویسی کنید: «جایی که قرار است محتوای متنی تولید شود، می‌توانیم اتوماتیک کنیم و از AI کمک بگیریم، اما بیاییم دوباره آن‌ها را بازنویسی کنیم، متناسب با برند خودمان.»

۵. ایده را از خودتان داشته باشید: «در ایده‌پردازی که در تیم ما خیلی مهم است، از خروجی خام استفاده نکنیم و مداوم روی آن کار کنیم؛ محتوای انبوه با AI تولید کنیم، ولی در نهایت ایده از خودمان باشد که جای دیگری عین آن را نبینیم، مخصوصاً در بیزنس‌های ایرانی که خیلی سریع می‌توان کپی کرد.»

سنجش اثر واقعی AI بر رشد کسب‌و‌کار

آهنگری در ادامه «مهیار محمدی»، مدیر ارشد بازاریابی «تارا»، را وارد بحث کرد و پرسید: «چگونه می‌توان اثر واقعی AI بر KPIها را سنجید؟» محمدی پاسخ داد که بدون تعریف KPI درست، هوش مصنوعی ارزشی ندارد. بسیاری از کسب‌وکارها پیش از AI هم اثر کمپین‌ها را درست نمی‌سنجیدند و فقط با مشاهده افزایش فروش نتیجه‌گیری می‌کردند. او افزود: «AI شابلونی عمل می‌کند مگر داده درست به آن بدهیم.»

۷۰ درصد شکست؛ نه به علت تکنولوژی

آهنگری سوالی جامع را از شاهرخی پرسید: «فرض کنیم من مدیرعامل یک مجموعه هستم و عاشق AI هستم. می‌خواهم بروم سراغ AI ولی نمی‌دانم از کجا شروع کنم. چطور سازمان بزرگم را برای پذیرش AI آماده کنم و در این مسیر از چه باید بترسم؟»

روزبه شاهرخی با آماری تکان‌دهنده پاسخ داد: «آمار جهانی نشان می‌دهد ۷۰ درصد پروژه‌های تحول دیجیتال در دنیا شکست می‌خورند، نه به علت تکنولوژی، بلکه به علت مدیریت تغییر.»

مدیریت تغییر؛ کلید موفقیت

شاهرخی توضیح داد: «وقتی AI قرار است پیاده شود، اسمش Change Management است، نه استقرار یا آموزش. مدیریت تغییر سه فاکتور دارد: تکنولوژی، فرایندها و افراد. ما نمی‌توانیم AI را بیاوریم و همان مدل عملیاتی سنتی را دورش بچینیم. قطعاً باید مدل عملیاتی و مدل ذهنی شرکت تغییر کند.»

او از تحقیق PwC نقل کرد: «۵۷ درصد مدیران اعتقاد داشتند نوآوری در رشد بیزینس کمک می‌کند، ۶۳ درصد آن را از کار عملیاتی مهم‌تر می‌دانستند، ولی ۴۳ درصد می‌گفتند به خاطر منابع مالی اجرا نمی‌شود.»

نوآوری باز؛ راه‌حل واقعی

شاهرخی راه‌حل را در «Open Innovation» دانست: «در ایران عموم سازمان‌ها نوآوری بسته دارند؛ خودشان همه‌چیز را توسعه می‌دهند. ولی نوآوری باز یعنی هم به درون سازمان نگاه کنیم، هم به بیرون. ریسک را می‌پذیریم اما منافع بیشتر و منابع مالی کمتر است.»

او مثال زد: «الان شرکت‌هایی داریم که سولوشن آپتایم را با سولوشن‌های خودشان ترکیب کرده‌اند و می‌فروشند. این یعنی Open Innovation.»

شاهرخی تأکید کرد: «شرکت‌های موفق واحد دیجیتال و Chief Digital Officer دارند. نه اینکه این مسئولیت را به مدیر IT بدهند.»

او در پایان افزود: «در دنیا، در الزامات جذب مدیران ارشد نگاه می‌کنند آیا تجربه تحول دیجیتال دارند. در ایران هم باید این‌ها در نظر گرفته شود. مدل ذهنی مدیران باید تغییر کند.»

سوال حیاتی؛ کجای زنجیره ارزش؟

آهنگری در پایان از محمدی پرسید: «اگر یک پروژه AI-based به شما ارائه شود، چه سوالاتی باید پاسخ داده شود تا مطمئن شوید آن پروژه واقعاً شکست نمی‌خورد؟»

محمدی با تأکید گفت: «من چندین بار با پروژه‌های این مدلی برخورد کردم. چیزی که خیلی مهم بوده این است که آن ابزار هوش مصنوعی را گاهی متوجه نمی‌شوند که در کجای زنجیره ارزش دارد نقش‌آفرینی می‌کند.»

او توضیح داد: «ابزارهای هوش مصنوعی قابلیت‌های خیلی فراتر از آن چیزی که قبلاً می‌گفتیم یک محصول می‌تواند تولید کند، دارند. گاهی با این مواجه می‌شوم که یا می‌روند سراغ قسمتی که در یک اکوسیستم، در یک زنجیره ارزش، کمترین ارزش را ایجاد می‌کند، یا در قسمت‌های مختلفی ارزش ایجاد می‌کند اما انتخاب نکرده‌اند که الان روی کدام قسمت بازار می‌خواهند دست بگذارند.»

محمدی سوالات کلیدی را مطرح کرد: «اگر این تصمیم را درست گرفته باشند و بگویند از صفر تا صد یک صنعتی را آنالیز کرده‌ایم و در این نقطه می‌ایستیم، سوال این است: آیا این نقطه، نقطه پول‌سازی است؟ آیا نقطه‌ای است که همین الان دچار چالش است؟ آیا دارم مشکلی را راحت‌تر حل می‌کنم یا نه؟ و اگر دارم این کار را می‌کنم، آیا کسی هست که حاضر باشد بابت آن به من پول بدهد؟»