هوش مصنوعی و آیندهٔ کسب‌وکار: از کجا شروع کنیم

پرسشِ مدیران دیگر این نیست که «آیا سراغِ هوش مصنوعی برویم؟». پرسش این است که از کجا، با چه بودجه‌ای، و روی کدام کار. جوابِ این سه، فرقِ یک پروژهٔ موفق با یک هزینهٔ بی‌نتیجه است.

این نوشته سه چیز را روشن می‌کند. هوش مصنوعی واقعاً چه چیزی را در کسب‌وکار عوض می‌کند، اولین پروژه را چطور انتخاب کنید، و چه چیزی معمولاً کار را زمین می‌زند.

چه چیزی واقعاً عوض می‌شود

بیشترِ تبلیغ‌ها دربارهٔ هوش مصنوعی مبهم‌اند. سه کاربردِ روشن را می‌شود جدا کرد.

تصمیم از حدس به داده می‌رسد. دادهٔ فروشِ گذشته می‌تواند الگوی تقاضا را نشان دهد. این پیش‌بینی قطعی نیست، اما مبنای تصمیم را روشن می‌کند.

کارِ تکراری از دوشِ آدم برداشته می‌شود. پردازشِ فاکتور، دسته‌بندیِ ایمیل، جوابِ پرسش‌های همیشگیِ مشتری. این‌ها کارهایی‌اند که آدم بلد است ولی حوصله‌اش را ندارد، و ماشین دقیقاً برعکس.

سرویس می‌تواند برای هر مشتری فرق کند. پیشنهادِ محصول، پیگیریِ سفارش و پیامِ بعدی را می‌شود با رفتار و نیازِ همان مشتری هماهنگ کرد.

سه تغییرِ بالا یک وجهِ مشترک دارند: هیچ‌کدام محصولِ شما را عوض نمی‌کنند. طرزِ کارتان را عوض می‌کنند.

کجای کسب‌وکار زودتر جواب می‌دهد

همه‌جا به یک اندازه جواب نمی‌دهد. جاهایی که حجمِ کار زیاد است و قاعده‌اش روشن، زودتر نتیجه می‌دهند.

  • پشتیبانیِ مشتری. پرتکرارترین پرسش‌ها جوابِ ثابت دارند و شبانه‌روز می‌رسند. پشتیبانیِ شبانه‌روزی با دستیارِ هوشمند این مسیر را با جزئیات باز می‌کند.
  • فروش و بازاریابی. دسته‌بندیِ سرنخ‌ها، تشخیصِ مشتریِ در آستانهٔ خرید، تولیدِ پیش‌نویسِ محتوا. خروجی هنوز ویرایشِ آدم می‌خواهد، اما از صفحهٔ سفید شروع نمی‌کنید.
  • عملیات و انبار. پیش‌بینیِ تقاضا، نگهداریِ پیشگیرانهٔ ماشین‌آلات، مسیرِ بهینهٔ ارسال.
  • مالی. تشخیصِ تراکنشِ مشکوک، خواندنِ خودکارِ فاکتور، پیش‌بینیِ جریانِ نقدی.
  • منابعِ انسانی. غربالِ اولیهٔ رزومه و شناساییِ نیازِ آموزشیِ تیم. اینجا مراقب باشید: تصمیمِ نهایی دربارهٔ آدم‌ها با آدم بماند.

اگر تازه شروع کرده‌اید، پشتیبانی نقطهٔ ورودِ روشنی است. پرسش‌های تکراری را جدا کنید و نتیجه را با زمانِ پاسخ و تعدادِ ارجاع به کارشناس بسنجید.

اولین پروژه را چطور انتخاب کنیم

شروع با یک برنامهٔ بزرگ، پیش از روشن‌شدنِ مسئله، کار را مبهم می‌کند. مسیرِ کوتاه‌تر این است:

۱. یک درد را نام ببرید، نه یک فناوری را. «می‌خواهیم هوش مصنوعی داشته باشیم» هدف نیست. «می‌خواهیم مشتری برای جوابِ اولِ دایرکت معطل نماند» هدف است.

۲. ببینید دادهٔ لازم را دارید یا نه. سفارش‌های پراکنده میان فایل‌ها و دفترها را پیش از هر کاری مرتب کنید.

۳. یک نمونهٔ کوچک بسازید و اندازه بگیرید. یک فرایند، یک تیم، یک عددِ مشخص برای موفقیت. اگر عدد را از قبل تعریف نکنید، پایانِ پروژه هم معلوم نمی‌شود.

۴. بعد از نتیجه، گسترش بدهید. مقیاس‌دادن یعنی اتصال به سیستم‌های موجود، آموزشِ کاربر و تعیینِ کسی که پاسخ‌گویِ کیفیتِ خروجی باشد.

پیش از شروع، مسئولِ به‌روزرسانی را هم مشخص کنید. محصول، قیمت و پرسش‌های مشتری عوض می‌شوند و اطلاعاتِ دستیار باید همراهشان تغییر کند.

چه چیزی پروژه را زمین می‌زند

چهار مانع بیشتر از بقیه تکرار می‌شوند.

دادهٔ بی‌کیفیت. دادهٔ ناقص و ناسازگار، خروجیِ قابل‌اعتماد نمی‌دهد.

مقاومتِ تیم. وقتی کسی نداند بعد از خودکارشدنِ کارش چه بر سرش می‌آید، پروژه را پیش نمی‌برد. این را با شفافیت حل کنید، نه با بخش‌نامه.

بازدهِ نامعلوم. پروژه‌ای که معیارِ موفقیتش تعریف نشده، هنگامِ بررسیِ بودجه دفاع‌پذیر نیست.

حریمِ خصوصی و مسئولیت. دادهٔ مشتری کجا پردازش می‌شود، چه کسی به آن دسترسی دارد، و اگر مدل جوابِ اشتباه داد، جوابگو کیست. این‌ها را پیش از راه‌اندازی روشن کنید، نه بعدش.

بخرید، بسازید، یا شریک شوید

برای مسئله‌ای استاندارد مثل چت‌بات، خواندنِ فاکتور یا تحلیلِ فروش، سرویسِ آماده را با نیازتان مقایسه کنید. شاید ساختن از صفر لازم نباشد.

قابلیتی که قرار است مزیتِ رقابتیِ شما باشد، ارزشِ ساختن دارد. هزینه و تیم می‌خواهد، ولی کنترلش دستِ خودتان می‌ماند.

راهِ سوم، همکاری با تیمی است که این مسیر را ساخته باشد. خدماتِ هوشِ مصنوعیِ سیدرا همین را ارائه می‌کند و اگر بحث از یک ابزار فراتر رفت و کلِ سازمان را در بر گرفت، جایش تحولِ دیجیتالِ عمیق است.

سؤال‌های پرتکرار

کسب‌وکارِ کوچک هم به هوش مصنوعی نیاز دارد؟

نیاز، نه. وقتِ زیادی که صرفِ کارِ تکراری می‌شود، نشانه‌ای برای بررسی است. تصمیم را بر پایهٔ هزینهٔ اجرا و وقتی بگیرید که آزاد می‌شود.

هوش مصنوعی جای کارمندان را می‌گیرد؟

ممکن است بخشی از یک شغل خودکار شود و نقشِ آن فرد عوض شود. پیش از اجرا روشن کنید کدام تصمیم‌ها انسانی می‌مانند و تیم برای چه کارِ تازه‌ای آموزش می‌بیند.

چقدر طول می‌کشد تا نتیجه ببینیم؟

اندازهٔ مسئله، آمادگیِ داده و تعدادِ سیستم‌های درگیر زمان را تعیین می‌کنند. معیارِ اولین نتیجه هم باید پیش از شروع در پروپوزال نوشته شود.


تحولِ دیجیتال یک خرید نیست، یک عادتِ کاری است. با کوچک‌ترین کاری شروع کنید که هر هفته وقتتان را می‌گیرد. اگر مطمئن نیستید آن کار کدام است، نمونه‌کارهای سیدرا را ببینید یا در صفحهٔ اول به دستیارِ هوشمندِ سیدرا بگویید کسب‌وکارتان چیست.

کارِ سیدرا همین‌هاست: سایت، برند و فروشگاهِ آنلاین · دستیار و خودکارسازی با هوش مصنوعی · نوسازیِ کلِ سازمان نمونه‌های تحویل‌داده‌شده در نمونه‌کارها هست و اگر کارِ مشخصی دارید، قیمت و پروپوزال بگیرید

بازگشت به بلاگ