آنچه مدیران درباره مسیر هوش مصنوعی در ایران باید بدانند

در همایش AI Summit 2025  «پوریا حداد»، بنیان‌گذار و مدیرعامل فیلاگر، تجربیات خود در پیاده‌سازی هوش مصنوعی در سازمان‌های بزرگ را به اشتراک گذاشت. رویدادی که با تلاش دانشکده مدیریت صنعتی و فناوری دانشکدگان مدیریت دانشگاه تهران و همکاری با مجموعه‌های فیلاگر و هوشلاین شکل گرفت.

حداد بیان کرد که موفقیت AI در کسب و کارها از ایجاد نقطه صفر برای جمع‌آوری داده‌ها شروع می‌شود؛ یعنی شناسایی داده‌های کلیدی سازمان و فراهم کردن زیرساختی برای جمع‌آوری و مدیریت آن‌ها. حداد گفت که این مرحله، پایه‌ای است برای هر اقدام پیشرفته در حوزه هوش مصنوعی.

راهکار ورود کسب و کارها به دنیای هوش مصنوعی

او سپس به استراتژی‌های Quick Win اشاره کرد؛ نتایجی ملموس و سریع که کسب و کارها را ترغیب می‌کند تا در مسیر AI سرمایه‌گذاری کنند. اولین مورد اتوماسیون فرآیندها با  AI Agentها بود؛ به طوری که یک تیم کوچک تازه‌کار با ابزارهای هوش مصنوعی بتواند فرآیندهایی را انجام دهد که قبلاً به نیروی انسانی ارشد بیشتری نیاز داشت.

مورد دوم، شخصی‌سازی مدل‌های زبانی برای نیازهای خاص کسب و کار بود. پس از این Quick Winهای اولیه و کسب رضایت، می‌توان با گذشت چندین ماه با استفاده‌های از داده‌های کسب و کار یک مدل مناسب برای آن آموزش داد و ساخت.

حداد در پایان به اهمیت برنامه‌ریزی کوتاه‌مدت شش ماهه و به‌روزرسانی مداوم تأکید کرد و خاطر نشان ساخت این پنجره زمانی نامحدود نیست و سرعت رشد تکنولوژی به قدری بالاست که برنامه‌های طولانی‌مدت کمتر عملی هستند و موفقیت در AI نیازمند انعطاف و آزمایش‌های هدفمند است.

هوش مصنوعی به‌عنوان پارادایم: بازطراحی کسب و کارها و خلق ارزش با داده

در ادامه همایش AI Summit 2025، «دکتر ایوب محمدیان»، رئیس دانشکده مدیریت صنعتی و فناوری تهران، به بررسی پارادایم شیفت هوش مصنوعی در کسب و کارها پرداخت. او تأکید کرد که هوش مصنوعی دیگر صرفاً یک فناوری برای کارایی یا کاهش هزینه نیست، بلکه سیستم عاملی است که می‌تواند کل مدل کسب و کار و فرآیندها را بازطراحی کندو فرصت‌های رشد و نوآوری را برای سازمان‌ها فراهم کند.

محمدیان سه سطح ورود به هوش مصنوعی در کسب و کار را معرفی کرد:

1. سطح پشتیبانی: بهبود کارایی و سرعت در فرآیندهای تکراری و روتین.
2. سطح توانمندسازی: ایجاد قابلیت‌ها و فرصت‌های جدید که پیش‌تر امکان‌پذیر نبودند.
3. سطح بازطراحی: بازنگری کامل مدل کسب و کار و خلق نوآوری مبتنی بر داده و AI.

برای تحقق این تغییرات، محمدیان هفت تغییر کلیدی را پیشنهاد کرد:

تغییر مدل ذهنی مدیران: تغییر از نگاه همه‌چیزدان به طراح سیستم؛ جایی که تصمیمات تکراری توسط الگوریتم‌ها گرفته می‌شوند.

تغییر مدل تصمیم‌گیری: از برنامه‌ریزی کلان و جلسات طولانی به آزمایش‌های کوچک و مداوم (Continuous AB Testing) .

بازتعریف استراتژی: از رقابت صنعتی صرف به استراتژی اکوسیستم داده، با تمرکز بر ایجاد مزیت رقابتی پایدار توسط داده.

بازطراحی مدل کسب و کار: از محصول ثابت و معامله محور به محصولات یادگیرنده و اشتراک محور بر اساس عملکرد.

شخصی‌سازی تجربه مشتری: از تجربه یکسان برای همه به تجربه کاملاً شخصی‌سازی‌شده و پویا، پیش‌بینی نیازها و رفتار مشتری.

بازطراحی فرآیندها: از زنجیره ارزش خطی به حلقه‌های یادگیری مستمر و مبتنی بر داده.

KPIهای عصر AI: تعریف شاخص‌های عملکرد بر اساس داده، یادگیری و اثربخشی الگوریتم‌ها، نه صرفاً سود مالی.

نقشه راه ۹۰ روزه

محمدیان در پایان سخنرانی، یک نقشه راه ۹۰ روزه برای شروع پیاده‌سازی پیشنهاد داد:

۳۰ روز اول – مشاهده و فهمیدن: بررسی کسب و کار و صنعت، شناسایی تصمیمات کلیدی تکراری و نیازمند به بهینه‌سازی.

۳۰ روز دوم – آزمایش کوچک: اجرای آزمایش‌های کوتاه و جمع‌آوری داده برای یادگیری مداوم و اصلاح فرآیندها.

۳۰ روز سوم – تدوین نقشه راه رسمی: مستندسازی و برنامه‌ریزی برای تغییرات گسترده در مدل کسب و کار، فرآیندها و تجربه مشتری.

این سخنرانی تأکید داشت که ورود جدی به AI نیازمند تفکر استراتژیک، آزمایش مستمر و بازطراحی مدل کسب و کار است و تنها از طریق این مسیر است که سازمان‌ها می‌توانند از مزایای واقعی هوش مصنوعی بهره‌مند شوند.

سوگیری هوش مصنوعی می‌تواند تصمیم‌های کسب و کار را از مسیر خارج کند

«سینا فایضی»، بنیان‌گذار هوشلاین درباره خطر مهم هوش مصنوعی صحبت کرد: سوگیری. او توضیح داد که هر چند هوش مصنوعی شگفت‌انگیز است و زندگی ما را ساده‌تر کرده، اما کوچک‌ترین خطا در داده‌ یا طراحی مدل می‌تواند اثر دومینویی ایجاد کند و تصمیم‌های کلیدی سازمان را منحرف کند.

او تأکید کرد همان‌طور که این سوگیری می‌تواند در HR رخ دهد، در سیاست نیز تأثیرگذار است؛ به‌ طوری ‌که در انتخابات آینده آمریکا، هوش مصنوعی قطعاً نقشی تعیین‌کننده خواهد داشت. اما سوال اصلی این است: AI طرف چه کسی را می‌گیرد؟

او گفت برای رفع این چالش، مدل‌ها باید از جنبه‌های مختلف تحلیل شوند:
آیا خطا به‌دلیل کمبود داده است؟ آیا مشکل فرهنگی یا زبانی وجود دارد؟ آیا سوگیری جنسیتی یا نژادی نقش دارد؟

فایضی سپس به نتایج گزارش IBM 2025 اشاره کرد:
۷۳٪ شرکت‌ها بزرگ‌ترین چالش AI را «اعتماد» می‌دانند و ۶۴٪ مدیران نگران رفتار غیر قابل ‌توضیح مدل‌ها هستند. او توضیح داد که پاسخ مدل‌ها اغلب به نحوه پرسش ما وابسته است؛ یعنی سؤال سوگیری می‌سازد و مدل همان سوگیری را تقویت می‌کند.

او سخنرانی را با یک پیام کلیدی به پایان رساند:
مدیران و کاربران باید هوشیارتر از همیشه باشند؛ هوش مصنوعی کار را ساده می‌کند، اما ساده‌سازی بیش از حد می‌تواند ما را به سمت «پاسخ‌های اشتباه ولی مطمئن» ببرد. وظیفه رسانه‌ها، افزایش آگاهی درباره همین خطرات پنهان است.