Generic filters
Search in title
Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
پرامپت‌ نویسی
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
رویدادها
جیتکس
جیتکس ترکیه
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل
یادداشت
 مدیران موفق چگونه هوش مصنوعی را در بهره‌وری عملیاتی به کار می‌گیرند؟

هوش مصنوعی، صنعت و بهره‌وری عملیاتی

مدیران موفق چگونه هوش مصنوعی را در بهره‌وری عملیاتی به کار می‌گیرند؟

زمان مطالعه: 3 دقیقه

مشهد - سه‌شنبه ۲۴ شهریورماه ۱۴۰۵، اولین «همایش هوش مصنوعی صنعتی: مدیران موفق چگونه هوش مصنوعی را در بهره‌وری عملیاتی به کار می‌گیرند؟» به میزبانی دانشکده مهندسی دانشگاه فردوسی مشهد با محوریت بررسی راهکارهای بهره‌وری عملیاتی برگزار شد.

به گزارش هوشیو، این رویداد با هدف ایجاد گفتمان میان صنعتگران، مدیران ارشد سازمان‌ها و اساتید دانشگاهی جهت آسیب‌شناسی دقیق علل عدم موفقیت کامل صنایع کشور در به‌کارگیری هوش مصنوعی و تبیین راهکارهای عملیاتی خلق ارزش از داده‌ها، به کالبدشکافی چالش‌ها و فرصت‌های استقرار هوش مصنوعی در صنایع ایران پرداخت.

آسیب‌شناسی تحول دیجیتال در صنایع

دکتر مسعود مظلوم، مدیرعامل مرکز نوآوری علم داده و هوش مصنوعی ICDS، مدیر پنل و سخنران اصلی این همایش با مرور سیر تکامل هوش مصنوعی اشاره کرد که از سال ۲۰۱۲ با ظهور یادگیری عمیق (Deep Learning) و سال ۲۰۱۴ با مطرح‌شدن هوش مصنوعی صنعتی (Industrial AI)، این فناوری از خواب زمستانی خارج شده و دلیل رونق و بزرگ‌شدن آن لذت‌بردن واقعی صنعت از کاربردهای آن بوده است.

تفکیک بنیادی فناوری اطلاعات (IT) و تحول دیجیتال (DT)

مظلوم بزرگ‌ترین چالش صنایع را اشتباه‌گرفتن مسئولیت‌های واحد IT با واحد تحول دیجیتال (DT) دانست. وی تأکید کرد فناوری اطلاعات با زیرساخت، پایداری سیستم‌ها و KPIهای فنی سروکار دارد؛ درحالی‌که تحول دیجیتال ذاتاً کسب‌وکاری (Business-driven) است و به دنبال تغییر مدل درآمدزایی، ارتقای کیفیت تصمیم‌گیری و دگرگونی فرایندها در حضور داده و هوش مصنوعی است. محول‌کردن مأموریت تحول دیجیتال به واحد IT باعث بروز شاخص‌های ارزیابی غلط می‌شود. اگر واقعاً به دنبال خلق ارزش هستید، باید یک تیم جدید و مجزا تشکیل دهید.

خطای شروع از سخت‌افزار و دام GPU

به عقیده مظلوم، یکی دیگر از انحرافات رایج، شروع پروژه‌های هوش مصنوعی از خرید تجهیزات سنگین و ایجاد GPU Farm است. مظلوم تصریح کرد: «ذات تحول دیجیتال با مسائل کسب‌وکار آغاز می‌شود، نه با فناوری. مدیران ابتدا باید به سؤالات اساسی پاسخ دهند؛ سؤالاتی مانند:

  • گلوگاه‌ها و چالش‌های عملیاتی اصلی کدام‌اند؟
  • کدام فرایند بیشترین خلق ارزش را دارد؟
  • چه داده‌های مرتبطی (Relevant Data) برای پاسخ به این چالش‌ها وجود دارد؟

و تازه پس از شفاف‌شدن مسئله و داده، فناوری AI وارد می‌شود»

سه‌گانه استراتژی و تمثیل فیل مولوی

مظلوم استراتژی تحول دیجیتال را مشتمل بر سه گام دانست:

  1. استراتژی فرهنگ داده (Data Culture) برای مدیریت تغییر
  2. استراتژی داده (Data Strategy & Data Governance) جهت سنجش ۶ بعد کیفیت داده و فهرست‌نویسی دارایی‌ها
  3. استراتژی هوش مصنوعی (AI Governance)

وی با اشاره به داستان فیل مولانا، مفهوم «هوش بخشی» (Fragmental Intelligence) را نقد کرد و گفت: «یکی از دلایل شکست پروژه‌های هوش مصنوعی، نگاه جزیره‌ای به داده‌هاست؛ مثلاً فقط دیدن داده‌های یک واحد تولیدی بدون نظرداشتن به HR یا مالی. برای حل مسئله واقعی باید تصویر کامل داده‌ها (Full Picture of Data) در دسترس باشد. علاوه بر این، صنعت امروز نیازمند مترجمان داده (Data Translators) است که زبان کسب‌وکار را به زبان تیم‌های داده ترجمه کنند»

پنل تخصصی مدیران: چالش‌ها و گفتمان‌های عملیاتی

پس از ارائه کلیدی، پنل گفتمان با حضور چهار تن از مدیران برجسته استان خراسان رضوی برگزار شد.

«سید حسن هاشمی» هم‌بنیان‌گذار و رئیس هیئت‌مدیره گرین وب با اشاره به ورود مجموعه گرین‌وب با سرفصل هوش مصنوعی به بورس و اشتغال چندصد متخصص در این مجموعه، بر اهمیت «هوش جمعی» تأکید کرد و گفت: «بعضاً چه در دانشگاه‌ها چه در مجموعه‌های خصولتی، خط‌کش انتخاب افراد یکسان است و همین امر هوش جمعی را سرکوب می‌کند. باید تنوع فکری میان نخبه آکادمیک، نیروهای باتجربه و متخصصان گوناگون شکل گیرد. همچنین در شرایط فعلی، سازمان‌ها مجبورند از مدل همکاری هیبریدی؛ یعنی ترکیب هسته داخلی داده و تعامل با شرکت‌های ثالث تخصصی استفاده کنند.

«محمدعلی چمنیان» بنیان‌گذار و مدیرعامل گروه صنعتی نیان الکترونیک کاربردهای هوش مصنوعی را در سه لایه «توسعه کسب‌وکار»، «تولید و بهره‌وری صنعتی» و «محصولات و خدمات هوشمند» دسته‌بندی کرد. وی درباره مرز ورود هوش مصنوعی به تصمیم‌گیری‌ها اظهار داشت: «هوش مصنوعی برای مسائلی مناسب است که تصمیم‌گیری در آن به حجم زیادی از داده‌های گذشته و آینده و شرایط عدم قطعیت وابسته است. بااین‌حال، من هنوز اعتقاد دارم هوش مصنوعی نباید جای انسان تصمیم نهایی را بگیرد؛ بلکه باید به‌عنوان دستیار، دامنه تصمیم‌گیری را برای مدیران محدود کند.»

«محمدعلی طهرانچی» هم‌بنیان‌گذار و مدیرعامل شرکت پیشگامان موج تلفن همراه و اپلیکیشن بادصبا به آسیب‌شناسی عدم تبدیل دموها (PoC) به محصولات واقعی (Production) پرداخت و گفت: «ذات PoC و دمو آزمایشی است و لزوماً نباید همه آن‌ها به محصول تبدیل شوند. تولید محصول نرم‌افزاری چرخه‌ای، تکرارپذیر و فوق‌العاده پرهزینه است. دلیل شکست اکثر دموها، عدم وجود مالک کسب‌وکار (Business Owner) و مهم‌تر از آن، دست‌نخوردن نظام اداره سازمان است. شما نمی‌توانید فناوری هوش مصنوعی را به ساختار قدیمی تزریق کنید؛ ورود به این عرصه نیازمند دگرگونی کامل مدل ذهنی مدیران و بازنگری در کل نظام اداره سازمان است.»

«هادی صفری فارمد» معاون هوشمندسازی شرکت توزیع نیروی برق مشهد نیز بر نقش رگولاتوری دولت تأکید نمود و تصریح کرد: «دولت و مجلس باید تنها نقش حاکمیتی، تدوین اخلاق هوش مصنوعی و حفظ امنیت اجتماعی را ایفا کنند و اجازه دهند سیستم خودش به پایداری برسد. متأسفانه بسیاری از سازمان‌های بزرگ به دلیل حس مسابقه در تبلیغات و موج‌سواری، هزینه‌های هنگفتی را به هدر می‌دهند؛ تا جایی که یک نانوایی ساده با ایجاد یک ایمیل، ادعای هوشمندسازی می‌کند. ما نیازمند گذر از ادعاها به سمت «هوشمندی عملیاتی» هستیم؛ یعنی بازخوردهای استخراج‌شده توسط هوش مصنوعی بلافاصله به اقدام عملیاتی در شبکه تبدیل شوند.»

در نهایت، این رویداد با پرسش‌وپاسخ حاضران پایان یافت و به‌وضوح نشان داد که استقرار هوش مصنوعی در صنایع ایران بیش از آنکه نیازمند سخت‌افزار باشد، در گرو تغییر فرهنگ سازمانی، حکمرانی صحیح داده‌ها و اتصال فناوری به محرک‌های اصلی کسب‌وکار است.

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها

در جریان مهم‌ترین اتفاقات AI بمانید

هر هفته، خلاصه‌ای از اخبار، تحلیل‌ها و رویدادهای هوش مصنوعی را در ایمیل‌تان دریافت کنید.

[wpforms id="48325"]