هوش مصنوعی پروژه فناوری نیست، پروژه تغییر سازمان است

ضرورت انتقال از شعار به اشتراک‌گذاری تجربیات واقعی

حسین بیانی در ابتدای سخنان خود با تأکید بر لزوم پرهیز از تکرار مکررات در همایش‌ها، اعلام کرد که هدف اصلی باید انتقال تجربیات واقعی پیاده‌سازی هوش مصنوعی باشد. وی با مقایسه مدل خلق ارزش در اقتصاد کلاسیک و اقتصاد دیجیتال خاطرنشان کرد که در اقتصاد دیجیتال، داده ماده اولیه‌ای است که مصرف نمی‌شود و تکرار این چرخه باید به نرخ بازگشت سرمایه (ROI) بالایی منجر شود؛ اتفاقی که به گفته وی، هنوز پروژه‌های شاخص و ملموسی با نرخ بازگشت سرمایه بالا برای آن در کشور مشاهده نمی‌شود.

هوش مصنوعی؛ پروژه تغییر سازمان، نه صرفاً زیرساخت فنی

معاون فناوری داتا با اشاره به اینکه نگاه ابزاری و زیرساختی به هوش مصنوعی علت اصلی عدم سوددهی پروژه‌هاست، تصریح کرد: «پروژه هوش مصنوعی پروژه فناوری نیست، بلکه پروژه تغییر سازمان است». به باور وی، تا زمانی که سازمان شرایط و آمادگی لازم برای پذیرش را نداشته باشد، صرفِ تأمین سخت‌افزار و زیرساخت‌ها به تراز مالی مثبت و درآمدزایی منجر نخواهد شد.

احترام به سامانه‌های سنتی (Legacy) و مدیریت مقاومت بدنه سازمان

بیانی با هشدار نسبت به تقابل با سیستم‌های قدیمی سازمان‌ها افزود: «سامانه‌های سنتی (Legacy) هویت سازمان هستند و نمی‌توان آن‌ها را به یک‌باره کنار گذاشت». وی تأکید کرد که متخصصان باید بتوانند خلق ارزش را روی همین سامانه‌های موجود انجام دهند؛ در غیر این صورت، بدنه سازمان مقاومت نشان داده و پروژه هرگز از مرحله اثبات مفهوم (PoC) فراتر نخواهد رفت.

تمرکز بر مسائل ملموس کسب‌وکار و هدایت غیرفنی پروژه‌ها

به گفته بیانی، برای موفقیت پروژه‌های هوش مصنوعی باید ابتدا یک مسئله واقعی کسب‌وکاری تعریف شود و مسئولیت پروژه نیز بر عهده فردی از جنس کسب‌وکار باشد تا ارزش مالی ایجادشده—به‌ویژه در حوزه‌های حساس مانند صنعت بانکی و مالی—کاملاً ملموس و قابل سنجش باشد.

چالش‌های مرحله استقرار، جابه‌جایی رفتار داده‌ها (Data Drift) و حاکمیت انسان‌محور

وی مرحله استقرار (Deployment) را سخت‌ترین گام در پروژه‌های هوش مصنوعی دانست؛ جایی که دیگر خبری از داده‌های تمیز محیط آزمایشگاهی (PoC) نیست و رفتارهای پیش‌بینی‌نشده رخ می‌دهد. بیانی همچنین با اشاره به تغییرات محیطی و اقتصادی در داده‌های بانکی، بر پایش مداوم مدل‌ها تأکید کرد و افزود که داده‌ها ماه به ماه دچار جابه‌جایی و تغییر رفتار (Data Drift) می‌شوند. از همین رو، به دلیل ریسک و هزینه تصمیمات، حضور انسان در چرخه تصمیم‌گیری (Human-in-the-Loop) و حاکمیت هوش مصنوعی الزامی است.

پرهیز از تب مدل‌های بزرگ (LLM) و اهمیت فرهنگ سازمانی

معاون فناوری داتا با نقد تمرکز بیش از حد روی مدل‌های بزرگ زبانی (LLM) و چت‌بات‌ها یادآور شد که بسیاری از نیازهای واقعی سازمان‌ها با مدل‌های ساده‌تر یادگیری ماشین (ML) و هزینه بسیار کمتر برطرف می‌شود. هنر مهندسی در این است که با کمترین تجهیزات و پارامترها، بالاترین کارایی حاصل شود.

وی در جمع‌بندی سخنان خود چارچوبی ۴ گامه‌ای برای استقرار موفق هوش مصنوعی ارائه داد:

1. شناسایی یک مسئله ملموس کسب‌وکاری.
2. سپردن مدیریت پروژه به یک لیدر کسب‌وکاری.
3. تعیین مهلت ۹۰ روزه برای تحقق شاخص‌های کلیدی عملکرد (KPI) و توقف پروژه در صورت عدم موفقیت.
4. پرهیز از شروع مجدد از صفر در پروژه‌های بعدی (که نشان‌دهنده آمادگی واقعی سازمان است)

بیانی در پایان خاطرنشان کرد: «مدل‌ها و سخت‌افزارها قابل خرید و اجاره هستند، اما آنچه قابل خرید نیست، فرهنگ سازمانی در پذیرش هوش مصنوعی و اصلاح فرآیندهاست».