گزارش نخستین همایش هوش مصنوعی در صنعت الکترونیک
مریم کاملان
- ۱۷ آبان ۱۴۰۴
در روزی که دانشکده مهندسی انرژی دانشگاه صنعتی شریف میزبان متخصصان و فعالان صنعت الکترونیک بود، گفت‌وگو درباره هوش مصنوعی از مرز فناوری فراتر رفت و به مسئله‌ای راهبردی برای آینده صنعت ایران بدل شد. در نخستین همایش «هوش مصنوعی در صنعت الکترونیک» شرکت‌کنندگان از تجربه‌های واقعی، چالش‌های زیرساختی و مسیرهای آینده سخن گفتند.
در عصری که هوش مصنوعی از یک مفهوم فناورانه فراتر رفته و به نیروی محرک صنایع بدل شده است، نخستین همایش «هوش مصنوعی در صنعت الکترونیک» به همت شرکت نیراسیستم و با حمایت مرکز کارآفرینی دانشگاه صنعتی شریف و شرکت برنا طراح الکتریک، روز ۳۰ مهر ۱۴۰۴ در دانشکده مهندسی انرژی دانشگاه شریف برگزار شد. این رویداد با هدف بررسی نقش هوش مصنوعی در طراحی و توسعه محصولات و نیز در مدیریت و رشد کسب‌وکارها شکل گرفت و بستری ارزشمند برای صنعتگران، پژوهشگران و مدیران صنعت الکترونیک فراهم آورد تا با تازه‌ترین روندها، چالش‌ها و فرصت‌های این حوزه آشنا شوند.
هوش مصنوعی به عنوان مزیت رقابتی در توسعه محصولات
پنل نخست این همایش به راهبری محسن رضوانیان و با حضور امیرحسین پناهی نائینی (مدیر پروژه شرکت پویندگان راه سعادت)، گلشن افضلی (مدیر هوش مصنوعی و توسعه محصول شرکت آرتین توسن تکنو) و علی جمالیان (مدیرعامل شرکت برنا طراح الکتریک) برگزار شد. این پنل به بررسی نقش هوش مصنوعی در فرایند طراحی و نوآوری محصول و تأثیر آن بر کارایی و رقابت‌پذیری صنایع الکترونیک پرداخت.
وقتی هوش مصنوعی جان می‌بخشد
در دور نخست گفتگو و معرفی، پناهی با اشاره به سابقه طولانی شرکت پویندگان در استفاده از فناوری‌های هوش مصنوعی، تصویری روشن از کاربردهای واقعی این فناوری در صنعت تجهیزات پزشکی ارائه داد. او توضیح داد علی‌رغم اینکه هوش مصنوعی بحث روز است اما این شرکت از سال‌ها قبل از فناوری‌های pattern recognition و شبکه‌های عصبی برای تشخیص آریتمی‌های قلبی استفاده کرده است.
او درباره پروژه همکاری با اورژانس کشور چنین گفت: «ما الگوریتم گلاسکو را که قادر به تشخیص ۷۰۰ تا ۸۰۰ عارضه قلبی است، به کار گرفتیم. این الگوریتم را با دانش متخصصان اورژانس کشور غنی‌سازی کردیم و یک سیستم هشدار پنج مرحله‌ای طراحی کردیم که برخی از این هشدارها بسیار حساس هستند؛ آن‌قدر که حتی کاردیولوژیست‌ها در تشخیص آن‌ها اشتباه می‌کنند و تجویز غلط می‌تواند منجر به مرگ بیمار شود.»
او افزود: «این سیستم که اکنون در اورژانس تهران استفاده می‌شود، طبق گزارش‌های اورژانس کشور، روزانه حداقل جان دو نفر را نجات می‌دهد.»
با این حال، او درباره چالش‌های امنیتی هوش مصنوعی هشدار داد و از تشبیه «چوپان دروغگو و چوپان راستگو» استفاده کرد: «باید از زمانی بترسیم که هوش مصنوعی نزدیک به هوش طبیعی شود. همانطور که در تعامل با انسان‌ها ممکن است از نیت‌شان غافل شویم، در مورد هوش مصنوعی نیز باید مراقب باشیم و بنا را بر اعتماد کامل نگذاریم.» او تأکید کرد که هوش مصنوعی باید به‌عنوان یک سیستم پشتیبان تصمیم مورد استفاده قرار گیرد، نه جایگزین کامل انسان.
چالش‌های توسعه محصول مبتنی بر هوش مصنوعی
افضلی با بیان تجربیات خود در آرتین توسن تکنو، به چالش‌های توسعه محصولات مبتنی بر هوش مصنوعی پرداخت. او مسیر توسعه محصولات هوش‌محور را به چند مرحله اصلی تقسیم کرد و بر ضرورت آغاز این فرایند از شناخت دقیق نیاز واقعی بازار تأکید داشت. به باور او، بسیاری از شرکت‌ها پیش از درک مسئله، به سراغ ساخت محصول می‌روند و همین باعث می‌شود حتی طرح‌های اولیه موفق، در ادامه در بازار دوام نیاورند.
او یادآور شد که استفاده از هوش مصنوعی همیشه راه‌حل مناسب نیست و گاه می‌توان با رویکردهای ساده‌تر به نتیجه رسید.او افزود: «باید این را در نظر گرفت که لزوماً راه‌حل همه مشکلات، هوش مصنوعی نیست. ممکن است با راه‌حل‌های ساده‌تر موجود دیگر مسئله حل شود.»
در ادامه، مسئله داده به عنوان چالش محوری مطرح شد. افضلی توضیح داد که محصولات مبتنی بر هوش مصنوعی بیش از هر چیز به داده‌های کافی و برچسب‌خورده وابسته‌اند؛ منابعی که به سختی در دسترس قرار می‌گیرند و اغلب خود به مزیت رقابتی یک کسب و کار تبدیل می‌شوند.
او به چالش خاص زبان فارسی نیز اشاره کرد: «بسیاری از کارکردهای ما مربوط به زبان فارسی، لهجه‌های مختلف و ویژگی‌های خاص ایران است. داده‌های استاندارد و تمیزی که برای استفاده‌های آکادمیک طراحی شده‌اند، نمی‌توانند مبنایی برای توسعه محصول باشند.»
در پایان، بر اهمیت نگهداری و پشتیبانی مستمر پس از عرضه محصول تأکید کرد و گفت: «وقتی محصول به بازار عرضه شد و در محیط عملیاتی قرار گرفت، نباید رها شود. بازخورد مشتری، رفع باگ‌ها و به‌روزرسانی مداوم ضروری است. این همان چیزی است که مشتری می‌خواهد.»
Edge Computing؛ راهکار بهینه برای صنایع ایران
علی جمالیان با نگاهی استراتژیک، بحث را به سمت معماری سیستمهای AI سوق داد و از مفهوم Edge Computing یا پردازش در لبه شبکه سخن گفت.
او با اشاره به انقلاب صنعتی چهارم توضیح داد: «ما در بحث IT فرصت‌ها را از دست دادیم، اما در حوزه IoT و AI هنوز می‌توانیم جبران کنیم.» او تأکید کرد که با توجه به شرایط صنایع ایران که با ۲۰ تا ۳۰ درصد ظرفیت کار می‌کنند، باید تمرکز را روی بازار و After Market گذاشت، نه خط تولید.
جمالیان یکی از مهم‌ترین چالش‌های زیرساختی را مطرح کرد: «یک رک دیتا با CPU معمولی بین ۷ تا ۱۱ کیلووات برق مصرف می‌کند، اما همین رک اگر به GPU-based تبدیل شود، بین ۵۵ تا ۱۶۵ کیلووات مصرف دارد؛ یعنی ضریب ۱۵ تا ۱۶ برابری. وقتی ما نمی‌توانیم این انرژی را تأمین کنیم، چگونه می‌خواهیم پردازش‌های AI انجام دهیم؟»
او راه‌حل را در Edge Computing دانست: «مزیت کار کردن در لبه شبکه، سرعت بالا و امکان استفاده از قطعات ارزان‌تر است. درست است که در یک نگاه کلان، متمرکز کردن پردازش‌ها هزینه کمتری دارد، اما با توجه به شرایط فعلی کشور، پردازش در لبه هزینه کمتری برای کشور ایجاد می‌کند.»
جمالیان به فرصت‌های منطقه‌ای نیز اشاره کرد: «صنایع ما در ایران از صنایع امارات جلوتر هستند. همان خلأیی که در IoT و AIoT در ایران وجود دارد، در کشورهای اطراف ما نیز هست. شرکت‌های بزرگ برای مجموعه‌های کوچیک وقت نمی‌گذارند، بنابراین فضای کار خوبی برای Solution Maker های ایرانی در منطقه وجود دارد.»
الکترونیک و هوش‌مصنوعی
در فاصله استراحت بین دو پنل، فرصتی برای گفتگوی اختصاصی هوشیو با علی جمالیان، مدیرعامل برنا طراح الکتریک فراهم شد که بینش عمیق‌تری از چالش‌ها و فرصت‌های صنعت الکترونیک ایران ارائه داد.
جمالیان در پاسخ به این سوال که برای مهندسان الکترونیک که می‌خواهند وارد حوزه AI شوند، چه مسیری را پیشنهاد می‌کنید؟ گفت: «ما از نظر سخت‌افزاری خیلی عقب‌تر از حوزه نرم‌افزار هستیم. دلیلش این است که از لحاظ ساختاری در مارکت جایگاه تعریف نکردیم و خودمان را دست‌کم گرفتیم. فکر کردیم نمی‌توانیم با چین یا کشورهای دیگر در قیمت یا تکنولوژی رقابت کنیم.»
او با تأکید ادامه داد: «در حالی که فضا در این قسمت از حوزه نرم‌افزار بازتر است؛ به شرط اینکه در لبه حرکت کنیم. یعنی کسی که طراحی را انجام می‌دهد، به علم روز سوار باشد.»
او در پاسخ به این سوال که «آیا این به معنای بومی‌سازی کامل است یا می‌توانیم از قطعات خارجی استفاده کنیم؟» گفت: «دقیقا تلفیق هر دو کنار هم معنا دارد. ما باید درباره Solution Making صحبت کنیم. یک قسمتش بومی‌سازی است و یک قسمتش استفاده از تجهیزات روز دنیا که به‌صورت ماژولار کنار هم قرار می‌گیرند و آن راه حل را می‌سازند.»
او افزود: «هرچه ما بتوانیم آن درصد بومی را بالاتر ببریم، حاشیه سود بیشتری می‌توانیم ایجاد کنیم.»
جمالیان با اشاره به اینکه این قابلیت را صد در صد در ایران می‌بیند افزود: «اولین بحثی که در پنل گفتم این بود که ما AI را دیگر لوس کردیم؛ آن‌قدر استفاده کردیم که در جای اصلی خودش نیست. دومین بحث، پررنگ بودن بال نرم‌افزار نسبت به سخت‌افزار بود.»
او با استفاده از تشبیه جالبی ادامه داد: «تمام تلاشم در پنل این بود که بگویم بال سخت‌افزار و Edge Processing که می‌توانیم روی سخت‌افزار ایجاد کنیم، ارزش‌افزوده بیشتری برای ما ایجاد می‌کند. این دو اگر بالانس شوند، جواب درست می‌دهد. اگر بخواهیم مثل بقیه بحث‌ها بال نرم‌افزاری را قوی‌تر کنیم، با آن نمی‌شود پرواز کرد. امیدوارم این پیام را به مخاطبانم رسانده باشم.»
سخنرانی علیرضا جعفر، ریاست مرکز کارآفرینی شریف
پیش از آغاز پنل دوم، مهندس جعفر، رئیس مرکز کارآفرینی دانشگاه شریف، درباره رویکرد این مرکز نسبت به هوش مصنوعی صحبت کرد.
او با اشاره به سابقه ۲۵ ساله این مرکز گفت که از زمان تأسیس در زمستان ۱۳۷۹، مأموریت آن همواره ایجاد پیوند میان دانشگاه و صنعت بوده و یادآور شد که مرکز کارآفرینی شریف نخستین مرکزی است که در دانشگاه‌های کشور شکل گرفت و از همان ابتدا بر آموزش کاربردی فناوری‌ها تمرکز داشت.
او در ادامه به تجربه‌های گذشته مرکز اشاره کرد و گفت: «جالب است که ما در سال ۱۳۹۲ یک دوره آموزشی با عنوان «کاربرد هوش مصنوعی در بازارهای مالی» برگزار کردیم. اما توجه واقعی صنایع به AI در سال‌های اخیر شکل گرفت و متأسفانه بخش زیادی از این توجه هیجانی و اغراق‌آمیز است.»
جعفر با تاکید بر این نکته افزود که مرکز کارآفرینی شریف به همین دلیل با احتیاط وارد همکاری‌های این حوزه می‌شود:
«ما در مرکز کارآفرینی یک عینک از جنس نوآوری و کارآفرینی زده‌ایم. می‌خواهیم درک و بینش صحیحی از یک صنعت یا یک ترند فناوری بگیریم و بعد از آن برای توسعه کسبوکار استفاده کنیم.»
همین نگاه سبب شده مرکز تنها در برنامه‌هایی مشارکت کند که جنبه آموزشی و آگاهی‌بخش واقعی داشته باشند. جعفر سپس به چند نمونه از این همکاری‌های هدفمند مرکز اشاره کرد. از جمله پروژه مشترکی با پلتفرم «دیوار» که در بهار سال گذشته آغاز شد و هدف آن استفاده از هوش مصنوعی برای بهبود فرایندهای پشتیبانی و گفت‌وگو با کاربران بود. به گفته او خروجی این پروژه منجر به شکل‌گیری محصولی شد که اکنون با نام «گفتا» به‌صورت مستقل فعالیت می‌کند.
او همچنین به تفاهم‌نامه همکاری با شرکت «تپسل» و همکاری با موزه کامپیوتر برای برگزاری رویداد «AI & I» اشاره کرد و در ادامه گفت که نیراسیستم را سال‌هاست که می‌شناسد و ورود این مجموعه به حوزه هوش مصنوعی را مبتنی بر تجربه و شناخت دانست؛ همین سابقه را دلیل همکاری مرکز با نیراسیستم در برگزاری این رویداد برشمرد.
جعفر در پایان ابراز امیدواری کرد که این همکاری و برنامه‌هایی از این دست بتوانند به شکل‌گیری درک درستی از هوش مصنوعی در فضای صنعتی کشور و ارتقای بینش مدیران نسبت به هوش مصنوعی و نیز به ظهور ایده‌ها و استارتاپ‌های تازه در این حوزه منجر شود.
فرصت‌ها و تهدیدهای هوش مصنوعی در توسعه سازمان
پنل دوم این همایش با راهبری مجدد محسن رضوانیان و حضور سعید رضایی (معاون نوآوری و توسعه کسبوکار ماموت دیجیتال)، احسان مجیدی (مدیرعامل شرکت نیراسیستم پویا) و میثم سطوتی (کارشناس منابع انسانی مجموعه گلدیران) به بررسی تأثیرات سازمانی هوش مصنوعی پرداخت.
تجربه ماموت دیجیتال: از تئاتر تا عمل
در ابتدا سعید رضایی درباره رویکرد ماموت به AI صحبت کرد: «ما دو رویکرد در کشور داریم: شعار و عملیات. متأسفانه همیشه بیشتر سرمایه‌ها و انرژی‌ها سمت تئاتر رفته است؛ یک روزی Industry 4.0 بود، یک روزی نوآوری و شتاب‌دهی، امروز هم هوش مصنوعی است.»
او ادامه داد: «ما در ماموت ابتدا مقداری درگیر این تئاتر شدیم، اما خیلی سریع راه را محدودتر، مرتب‌تر و منسجم‌تر دیدیم. امروز AI Studio ماموت دیجیتال به‌صورت تخصصی روی سفارشی‌سازی راه‌حل‌های AI برای شرکت‌های گروه کار می‌کند.»
هوش مصنوعی در منابع انسانی گلدیران
میثم سطوتی با نمایشی خلاقانه، پنل را با یک تماس تلفنی ساختگی با استیو جابز آغاز کرد و به داستان افول نوکیا اشاره کرد: «شرکتی که تغییر را نپذیرفت و بر غرور خود ادامه داد، محکوم به فنا شد. این درس مهمی است درباره لزوم تغییر و انطباق با فناوری‌های نوین.»
سطوتی تصویری واضح از کاربرد AI در فرآیندهای منابع انسانی ارائه داد:
«جذب و استخدام هوشمند؛ برای انتشار آگهی، از پلتفرم‌هایی مثل ای‌استخدام استفاده می‌کنیم که هنگام نوشتن عنوان شغل، به‌صورت خودکار پیشنهاد می‌دهد چه مواردی در آگهی لازم است تا کامل‌تر و به‌روزتر باشد.»
«دسته‌بندی هوشمند رزومه‌ها؛ برای پوزیشن‌های چالشی که رزومه‌ها معمولاً ناقص هستند، از چت‌بات دیوار استفاده می‌کنیم. این چت‌بات در هر ساعت از شبانه روز اطلاعات لازم را جمع‌آوری می‌کند و داده‌های تمیزتری در اختیار ما قرار می‌دهد.»
سطوتی به نمایشگاه کاری اشاره کرد که در آن یک سیستم مصاحبه سه‌بعدی ارائه شده بود: «متقاضی با یک عینک سه‌بعدی می‌توانست با AI مصاحبه کند. اگر این به شکل آنلاین و بدون نیاز به عینک توسعه یابد، می‌تواند بسیار مؤثر باشد.»
او با استناد به جمله معروف دیو اولریش گفت: «تکنولوژی فقط داده به شما می‌دهد، اما انسان معنا را می‌سازد. در هر بخش از سازمان که AI را به کار می‌بریم، باید آن روح انسانی حفظ شود. هوش مصنوعی می‌تواند داده فراهم کند، اما تصمیم نهایی و معنابخشی با انسان است.»
ورود نیراسیستم به حوزه هوش مصنوعی
احسان مجیدی درباره استراتژی نیراسیستم برای ورود به حوزه AI توضیح داد:
«در بعد فنی، در لایه پروژه‌ای که با کارفرما کار می‌کنیم، روی پردازش صوت برای تشخیص و جهت‌یابی صوت با AI کار کردیم و موفق شدیم AI را روی تراشه پیاده‌سازی کنیم؛ نه به‌صورت مرسوم که بسیاری از شرکت‌ها پیش می‌روند. این توانمندی را داریم که آن را به حوزه‌های دیگر بسط دهیم و با شرکت‌های دیگر همکاری داشته باشیم.»
«در بعد آموزشی از مرداد ماه امسال تصمیم گرفتیم در حوزه AI ورود کنیم. موفق شدیم برای اولین بار در ایران دوره‌های آموزشی Embedded AI را تعریف و اجرا کنیم. یک اجرای مشترک با پارک علم و فناوری دانشگاه شریف داشتیم و اکنون در مجموعه خودمان نیز دوره‌ها در حال اجرا است. هدف ما توانمندسازی مهندسان است تا بدنه سازمان‌ها به سمت AI حرکت کنند.»
چهار معیار اساسی برای سرمایه‌گذاری روی AI
یکی از سؤالات کلیدی پنل این بود که مدیران با چه معیارهایی باید تصمیم به سرمایه‌گذاری روی فناوری‌های AI بگیرند. سعید رضایی با بیان تجربیات خود در آینده‌پژوهی، چهار معیار اساسی را مطرح کرد:
۱. زیرساخت‌های درست
رضایی با صراحت گفت: «قبل از اینکه سازمانی بخواهد روی AI سرمایه‌گذاری کند، باید سؤال کند: آیا زیرساخت درست دارم؟ آیا سیستم درستی هست که بتوانم از داده‌هایش استفاده کنم؟»
او با اشاره به یک واقعیت تلخ افزود: «متأسفانه ما در بسیاری از صنایع هنوز در خانه پایینی مانده‌ایم. سیستم و فرایند باید درست شناخته شود و درست کار کند، بعد ابزارها بیایند و آن را تسهیل کنند. داده‌هایی که از فرایند اشتباه می‌آید، اثربخشی بسیار کمتری دارد. ابزارهایی که سال‌های گذشته استقرار یافته‌اند، امروز تولیدکننده آن داده‌ها هستند. ما قرار است از ابزارهای قدیمی و غیراستاندارد که روی فرایندهای غیراستاندارد کار می‌کنند، محصول بگیریم! این کار آسان نیست.»
او به نکته‌ای استراتژیک نیز اشاره کرد: «اولین چیزی که آمریکا تحریم کرد، سیستمهای استاندارد ERP دنیا بود. چون آن‌ها می‌دانند این‌ها خیلی مهم‌تر از یک قطعه سخت‌افزار هستند.»
۲. عملیاتی و دست‌یافتنی بودن
رضایی تأکید کرد: «هدف‌گذاری باید منطقی باشد. یک نقشه راه دقیق داشته باشیم. متأسفانه ما وقتی می‌خواهیم برای چیزی بودجه بگیریم یا پروپوزالش را مصوب کنیم، یک فضاپیما نشان می‌دهیم و می‌گوییم دو سال دیگر سفینه می‌فرستیم! باید دست‌یافتنی باشد، عملیاتی باشد و هدف‌گذاری منطقی داشته باشد.»
۳. تیم پایه درست
رضایی گفت: «آدمی که قرار است این کار را بکند، باید در سازمان واقعاً کاربلد باشد. خیلی مهم است که آدم‌هایی پای این کار باشند که سابقه موفقیت دارند. من از نزدیک تلاش بچه‌هایی را می‌بینم که می‌خواهند یک ابزار کاربردی AI خلق کنند؛ واقعاً کار آسانی نیست. تازه بعد از اینکه فکر می‌کنی محصول درست شده، می‌فهمی هیچی درست نشده و باید خیلی کار کرد.»
۴. ارزش‌آفرینی مشخص
او افزود: «ابزار باید در راستای ویژن سازمان، در راستای مزیت رقابتی، در راستای یکی از ارزش‌های سازمان _چه رضایت کارکنان، چه رضایت مشتریان، چه کیفیت محصول_ ارزش خلق کند.»
سوگیری و تبعیض: چالش پنهان هوش مصنوعی
موضوع سوگیری و تبعیض احتمالی در سیستمهای AI موضوع دیگری بود که در این پنل به ان پرداخته شد؛ موضوعی که می‌تواند به احساس بی‌عدالتی در بین کارکنان منجر شود.
میثم سطوتی به نمونه‌ای واقعی اشاره کرد: «در یکی از زیرمجموعه‌های گوگل، هنگام استفاده از AI برای مدیریت عملکرد و جذب و استخدام، ناخواسته سیستم دچار سوگیری شده بود و یکی از جنسیت‌ها را بیشتر استخدام می‌کرد؛ بخاطر داده‌ای که از استخدام‌های قدیم به آن داده بودند.»
چالش اعتماد به مدیران
سطوتی به چالش دیگری نیز اشاره کرد: «زمانی که دسترسی‌پذیری به AI فراگیر شود، ممکن است کارکنان فکر کنند همه کارها را که هوش مصنوعی انجام می‌دهد، پس مدیر ما چه کاری انجام می‌دهد؟ چرا این‌قدر حقوق می‌گیرد؟ چه کار بیشتری از من انجام می‌دهد؟»
مجیدی در مقابل نگرانی دیگری را بیان کرد: «من برعکسش را بیشتر شنیده‌ام. خیلی از افراد دغدغه دارند که با توسعه AI، آیا ما را نگه می‌دارند یا نه؟ نگاه مدیر این است که اگر AI توسعه پیدا کند، چگونه می‌توانم نیروها را کمتر کنم؟ این سوگیری وجود دارد و این یک دغدغه جدی برای همه است؛ آیا آینده شغلی من به خطر می‌افتد؟»
فرهنگ قبل از فناوری
یکی از مهم‌ترین بحث‌های پنل، اهمیت فرهنگ‌سازی قبل از پیاده‌سازی فناوری بود.
سطوتی به جمله معروف جک ولش استناد کرد: «فرهنگ، استراتژی را برای صبحانه می‌خورد. باید قبل از همه چیز، فرهنگ استفاده از هوش مصنوعی را در سازمان جا بیندازیم. وقتی می‌خواهیم ساعت شناوری را برای پرسنل اجرا کنیم یا دورکاری را راه‌اندازی کنیم، اگر فرهنگش از قبل نباشد، با شکست مواجه می‌شویم.»
سطوتی با استفاده از یک تشبیه مکانیکی، فرآیند تغییر سازمانی را توضیح داد: «مثل زمانی که می‌خواهیم یک پیچ را جابجا کنیم؛ باید اول پیچ را شل کنیم، تغییر و جابجایی را انجام دهیم، بعد دوباره سفتش کنیم.»
او افزود: «باید یک سری آزمون و خطا را در ابتدا انجام دهیم، روی چند نفر و روی قسمت‌های مختلف سازمان تست کنیم ببینیم آیا جواب می‌دهد یا نه. اگر جواب داد و دیدیم شبکه سازمان، آن افراد تأثیرگذار غیررسمی، همراه می‌شوند، کم‌کم شروع به تغییر کنیم.»
تغییر از بالا به پایین یا پایین به بالا؟
در پاسخ به این سؤال که آیا فرهنگ‌سازی باید از مدیران آغاز شود یا از کارکنان، سطوتی توضیح داد: «دو حالت وجود دارد. یکی آنجا که کارکنان نیاز را حس می‌کنند و سازمان به سمت آن می‌رود؛ این رفع نیاز است. اما برای ایجاد تحول واقعی، باید از بالا، مطابق با ویژن و استراتژی سازمان، حرکت آغاز شود. نقش مدیران ارشد و مدیرعامل در اینجا بسیار حیاتی است.»
نیک‌زیستی دیجیتال: چالش فراموش شده
رضایی یکی از کلان‌روندهای مهم آینده را مطرح کرد که کمتر به آن پرداخته می‌شود:
«یکی از روندهای مهم از ۲۰۲۵ به بعد، نیک‌زیستی دیجیتال یا Digital Well-being است. ببینید امروز آدم‌ها در خانه‌هایشان تلویزیون هوشمند دارند که به اینترنت وصل است، گوشیشان هوشمند است، ایرپاد آخرین مدل دارند، ساعتشان هوشمند است، حتی یخچال و اجاق گازشان هوشمند است.»
او ادامه داد: «بعد از این زندگی دیجیتالی، یک دفعه وارد کارخانه با دستگاه‌های قدیمی می‌شوند و انگار وارد دهه ۱۹۶۰ می‌شوند! این شکاف بین زندگی شخصی و کاری، در جایی که روزی ۷ تا ۱۰ ساعت سر کار هستیم، خودش باعث می‌شود که فرهنگ هوش مصنوعی یا هر چیز دیجیتالی را نتوان جا انداخت.»
رضایی راه‌حل را در هم‌سطح کردن زندگی کاری و شخصی دانست: «اگر واقعاً بخواهیم این را در ده سال آینده انجام دهیم، یکی از آن‌ها هم‌سطح کردن زندگی کاری و شخصی آدم‌هاست. در شرکت‌های تکنولوژیک این مسئله کمتر است، اما بالای ۷۰ درصد صنایع ما همچنان صنایع تولیدی، سنتی و قدیمی هستند. این باید حل شود.»
هوش مصنوعی برای کدام بخش سازمان مناسب‌تر است؟
یکی از سؤالات عملیاتی مهم این بود که کدام بخش سازمان کاندیدای بهتری برای استقرار AI است.
آنجا که داده است
احسان مجیدی با دیدی واقع‌بینانه گفت: «بستگی دارد به نوع سازمان دارد که B2B یا B2C است. ما چیزی که امروز در ایران می‌بینیم این است که در لایه‌هایی که به مشتری نزدیک‌ترند _ مارکتینگ، فروش، خدمات مشتری_ بیشترین استفاده از AI می‌شود. چون احتمالاً روی نرخ فروش، کیفیت یا حفظ مشتری تأثیر می‌گذارد.»
مجیدی نتیجه‌گیری کرد: «سازمان بدون داده هیچ کاری نمی‌تواند بکند. حتی اگر بهترین هوش مصنوعی را با کمترین هزینه به شما بدهم، اگر داده نداشته باشید، چه استفاده‌ای می‌کنید؟ بهترین راه‌حل این است که سازمان نگاه کند در کدام لایه بیشترین داده تمیز را دارد و می‌تواند از AI برای تحلیل آن داده‌ها استفاده کند.»
ماتریس اولویت‌بندی
رضایی یک راه‌حل عملی ارائه داد: «می‌توانید فرایندهایتان را لیست کنید و یک ماتریس درست کنید:
آیا فرایند استقرار دارد یا ندارد؟ آیا داده دارد یا ندارد؟ ارزش و اهمیت آن فرایند چقدر است؟ مضرب این‌ها به شما می‌گوید کدام فرایند برای ورود AI مناسب‌تر است.»
او پیشنهاد داد: «برای تست، فرایند مالی خوب است. معمولاً دقیق‌ترین داده را از لحاظ سیستمی دارد چون استانداردهای حسابداری روی آن سوار است.»
تهدیدها: فراتر از رقابت
احسان مجیدی با استناد به مدل پنج نیروی رقابتی مایکل پورتر، تهدیدات AI را تحلیل کرد:
۱. تهدید تازه‌واردها: یک استارتاپ به نام Diode Computer در آمریکا آمده است که با AI می‌خواهد PCB طراحی کند؛ شما با کدنویسی مشخصات برد را می‌دهید و AI خودش طراحی می‌کند. ۱۱ میلیون دلار هم راند یک جذب سرمایه کرده. این تهدید تازه‌واردها است. همه کسانی که در این صنعت کار می‌کنند باید فکری کنند.
۲. تهدید کالاهای جایگزین: آیا محصول من قرار است توسط AI با محصول دیگری جایگزین شود؟ آیا محصول من پنج سال دیگر فروش نمی‌رود؟ اگر اینطور است، چه استراتژی دارم؟
۳. رقابت بین بازیگران موجود: آیا رقبای من به سمت AI رفته‌اند؟ مدیران و مهندسان ارشد باید ایده داشته باشند و بتوانند سازمان را با این حجم از تغییرات منطبق کنند.
تهدیدهای امنیتی و استراتژیک
رضایی تهدیدها را به سطح بالاتری برد: «می‌خواهم تهدیدها را از نگاه آینده‌پژوهانه و فلسفی بگویم. یکی از دغدغه‌ها، خالی شدن افراد، چه در سازمان و چه در جامعه، از معنا و تفکر است. پژوهشگرانی بر این اعتقادند که یکی از ریسک‌هایی که این حجم از استفاده از AI می‌تواند داشته باشد، همذات پنداری با AI است.»
او افزود: «از حالتی که تکنولوژی ابزار ما باشد، رد خواهیم شد و این حس درهم‌تنیدگی بین انسان و تکنولوژی با AI اتفاق خواهد افتاد؛ که یک شمشیر دو لبه است. تهدیدش خیلی خطرناک است، فرصتش هم خیلی مثبت.»
تهدید Time to Market
رضایی به تهدید مهم دیگری اشاره کرد: «برای کسب‌وکارهای کوچیک، تهدید Time to Market را خیلی جدی می‌بینم. بسیاری از افراد می‌بینند چه چیزی امروز در حوزه هوش مصنوعی سرش دعواست و می‌گویند بیاییم این را درست کنیم. غافل از اینکه این چیزی که امروز آدم‌ها نیاز دارند، احتمال زیاد شش ماه، یک سال پیش یکی به آن فکر کرده و تا یک هفته دیگه محصولش روی میز است.»
او تأکید کرد: «اگر نیازی را روی میز می‌گذاریم و می‌خواهیم برایش بیزینس مدل دربیاوریم، این نیاز باید رو به آینده باشد؛ حداقل یک بازه دو ساله، سه ساله.»
مدیران سنتی در برابر هوش مصنوعی
یکی از مخاطبان سؤال مهمی درباره برخورد مدیران سنتی با AI مطرح کرد. سطوتی با استناد به جمله معروف جک ولش پاسخ داد: «زمانی که تغییرات بیرون بیشتر از تغییرات درون باشد، آن سیستم محکوم به نابودی است. مدیران سنتی می‌توانند این را قبول نکنند و کم‌کم رو به نابودی بروند.»
او افزود: “اگر ما به‌عنوان مشاور منابع انسانی در جایگاهی باشیم که مدیرعامل و مدیران ما را قبول داشته باشند، باید همراه شوند؛ حتی اگر خودشان قبول نداشته باشند. استراتژی و تغییرات بیرونی این را به آن‌ها تحمیل می‌کند.»
رضایی نیز راه حلی ارائه داد: «به مدیران سنتی داده جدید بدهید. اتفاقات و کلیپ‌های جدید را برایشان بفرستید. دستشان را بگیرید و به نمایشگاه‌های تکنولوژی ببرید. واقعیتش این است که ما نسلی هستیم که سرعت تغییرات در طول زندگی‌مان بسیار بالا بوده و حق بدهیم به کسانی که هنوز آماده نشده‌اند.»
چالش‌های مقاومت در برابر AI
مخاطبی درباره مقاومت سازمانی در برابر AI سؤال کرد. مجیدی پاسخ داد: «من برعکس را بیشتر دیدم. همه دوست دارند محصولی بخرند که AI-based باشد. حتی اکنون حاکمیت هم ترویج می‌کند که AI توسعه پیدا کند.»
او افزود: «مقاومت بیشتر از این جهت است که هنوز داده به آن میزان کافی وجود ندارد و شفافیت کم است. بسیاری از شرکت‌ها ادعای AI دارند اما مشخص نیست واقعاً کاری شده یا نه.»
تهدید زیرساختی و امنیتی
مخاطبی درباره تهدید قطع دسترسی به سرویس‌های ابری و پردازنده‌های خارجی سؤال کرد. مجیدی پاسخ داد: «این تهدید همیشه در کشور ما وجود داشته و یکی از دلایلی که IoT از سال ۹۵-۹۶ صدا کرد اما توسعه پیدا نکرد، همین تهدید است. حاکمیت نیز به دلیل ترس از عوامل خارجی، اجازه توسعه نمی‌دهد.»
رضایی نیز افزود: « تلاشی هم در حال انجام است. در وزارت صنعت کمیته کامپیوتر دیجیتال ایجاد شده. خودم و دوستان دیگر در آنجا تلاش می‌کنیم که این تهدیدها را کنترل کنیم؛ در شورای عالی فضای مجازی و جاهای مختلف.»
نقش کاتالیزوری مراکز کارآفرینی
یکی از مخاطبان از حوزه دانش‌بنیان‌ها درباره تلفیق صنعت و دانش‌بنیان‌ها در حوزه AI سؤال کرد. رضایی پاسخ داد: «در شرایطی که سردرگمی و به‌هم‌ریختگی بسیاری در این حوزه وجود دارد، نقش جاهایی مثل مرکز کارآفرینی شریف که از بالا دارد نگاه می‌کند و چراغش را روی کل اکوسیستم می‌تابد، هم کوچک هم بزرگ، هم تکنولوژی امروز هم فراتر از امروز، پررنگ می‌شود.»
او افزود: «این کاتالیزورها می‌توانند باعث شوند هم‌افزایی اتفاق بیفتد، به جای اینکه این همه جزیره شکل بگیرند.»
بلوغ دیجیتال پیش‌نیاز است
یکی از مدیران حاضر در سالن نیز در پایان سوالات مخاطبان در پنل دوم نکته‌ای را مطرح کرد: «باید قبول کنیم که مصرف‌کننده تکنولوژی‌های آن‌ور آب هستیم. امیدوارم به سرنوشت BI دچار نشویم که در بسیاری سازمان‌ها پشتش تنها یک اکسل بود! »
او ادامه داد: «سازمانی که بالغ نیست، یعنی سازمانی که داده ندارد، از این داده تفسیر و اطلاعات نگرفته و BI نداشته، قطعاً AI به‌عنوان یک ابزار در لایه‌های میانی مدیریت و کارشناسی استفاده خواهد شد. نهایتا با آن محتوا تولید می‌کنند، محتوای مارکتینگ می‌سازند، رزومه‌ها را تحلیل می‌کنند و کار یبیشتر از این نمی‌توانند انجام دهند. اما سازمان‌هایی که یک بلوغ فرایندی و دیتایی دارند، داده دارند و این داده روی فرایند است، آن‌ها می‌توانند از ابزار AI برای تسهیل‌گری بیشتر استفاده کنند. بلوغ دیجیتال یک پیش‌نیاز بسیار مهم است.»
نگاه به آینده
نخستین همایش «هوش مصنوعی در صنعت الکترونیک» نشان داد که مسیر پیوند میان صنعت و هوش مصنوعی در ایران نه‌تنها امکان‌پذیر بلکه در حال شکل‌گیری است. گفت‌وگوهای تخصصی این رویداد بر ضرورت شناخت دقیق نیاز بازار، تقویت زیرساخت داده و ایجاد فرهنگ سازمانی سازگار با فناوری تأکید داشتند. امید می‌رود در سال‌های پیش رو شاهد شکوفایی صنعت الکترونیک در حوزه هوش مصنوعی باشیم.
