ارزش آفرینی هوش مصنوعی منوط به تبدیل یک پروژه فناورانه به مسئله‌ کسب و کار است

به گزارش خبرگزاری آنا، حسین بیانی، معاون فناوری شرکت داتا، در افتتاحیه رویداد «ایران AI» با اشاره به ضرورت عبور از نگاه صرفاً فناورانه به هوش مصنوعی اظهار کرد: برای ارزیابی وضعیت هوش مصنوعی در کشور باید علاوه بر رتبه‌ها و آمار‌های مختلف، به تجربه‌های واقعی و میزان تبدیل این فناوری به ارزش اقتصادی توجه کنیم.

وی افزود: هدف از برگزاری رویداد‌هایی مانند «ایران AI» باید انتقال تجربه‌های واقعی باشد تا فعالان این حوزه بتوانند از مسیر‌های طی‌شده استفاده کنند و به جای تکرار مباحث، درباره چگونگی اجرای موفق پروژه‌های هوش مصنوعی در سازمان‌ها گفت‌و‌گو کنند.

هوش مصنوعی در خدمت خلق ارزش

بیانی با اشاره به مفهوم خلق ارزش در اقتصاد دیجیتال بیان کرد: مواد اولیه اقتصاد دیجیتال با اقتصاد کلاسیک تفاوت دارد و داده در این اقتصاد نقش اساسی ایفا می‌کند. داده مصرف نمی‌شود و می‌تواند بار‌ها در فرایند‌های مختلف مورد استفاده قرار گیرد تا در نهایت به ارزش اقتصادی منجر شود.

وی ادامه داد: با وجود سرمایه‌گذاری و هیجان ایجادشده پیرامون هوش مصنوعی، هنوز تعداد پروژه‌هایی که توانسته باشند این فناوری را به شکل گسترده و عملیاتی وارد فرایند‌های سازمانی کنند، محدود است و باید علت این مسئله را در نحوه نگاه به پروژه‌های هوش مصنوعی جست‌و‌جو کرد.

معاون فناوری شرکت داتا تأکید کرد: پروژه هوش مصنوعی صرفاً یک پروژه فناوری نیست، بلکه پروژه تغییر سازمان است. زمانی که سازمان برای پذیرش این تغییر آماده باشد، مسیر اجرای فناوری نیز ساده‌تر و اثربخش‌تر خواهد شد.

آمادگی سازمانی، پایه اجرای موفق

بیانی با اشاره به اهمیت آمادگی سازمان‌ها برای پذیرش هوش مصنوعی گفت: در بسیاری از مباحث مربوط به این فناوری درباره داده، سخت‌افزار، مدل و یکپارچگی و پایش سرویس‌ها صحبت می‌شود، اما آمادگی سازمان برای پذیرش هوش مصنوعی نیز باید به عنوان یکی از ارکان اصلی پروژه مورد توجه قرار گیرد.

وی افزود: اگر یکی از مؤلفه‌های اصلی پروژه فراهم نباشد، دستیابی به یک پروژه موفق در سازمان دشوار خواهد شد. سازمان باید بتواند تغییر ایجادشده را بپذیرد و میان فناوری جدید و سامانه‌های موجود خود ارتباط مناسبی برقرار کند.

بیانی با اشاره به تجربه فعالیت در سازمان‌های مختلف بیان کرد: نخستین چالش در زمان ورود هوش مصنوعی به یک سازمان، معمولاً توجه به زیرساخت‌ها و سامانه‌های موجود است. سامانه‌های قدیمی بخشی از هویت و فرایند‌های سازمان را شکل داده‌اند و کنار گذاشتن ناگهانی آنها می‌تواند مقاومت ایجاد کند.

وی ادامه داد: متخصصان هوش مصنوعی در زمان ورود به محیط‌های صنعتی باید بتوانند خلق ارزش را با در نظر گرفتن سامانه‌های موجود دنبال کنند. ایجاد تغییر بدون توجه به ساختار فعلی سازمان ممکن است باعث مقاومت بدنه سازمان شود و پروژه را از مرحله آزمایشی فراتر نبرد.

مسئله کسب‌وکار و سنجش مستمر

معاون فناوری شرکت داتا، پیدا کردن مسئله واقعی کسب‌وکار را گام مهم دیگری در اجرای پروژه‌های هوش مصنوعی دانست و اظهار کرد: اگر راهکار مورد نظر ارزش کسب‌وکاری مشخصی ایجاد نکند، به‌خصوص در سازمان‌های مالی که هزینه و درآمد اهمیت زیادی دارد، ادامه پروژه با دشواری مواجه خواهد شد.

وی افزود: پروژه باید از ابتدا با یک مسئله مشخص کسب‌وکاری آغاز شود و شاخص‌های قابل اندازه‌گیری برای ارزیابی نتیجه آن وجود داشته باشد. در این شرایط می‌توان مشخص کرد که هوش مصنوعی تا چه اندازه توانسته است به هدف مورد نظر دست پیدا کند.

بیانی با تأکید بر ضرورت پایش مدل‌ها گفت: مدل‌های هوش مصنوعی پس از عملیاتی شدن نیز به نظارت و ارزیابی مستمر نیاز دارند، زیرا شرایط داده‌ها و رفتار کاربران تغییر می‌کند و این تغییرات می‌تواند بر عملکرد مدل اثر بگذارد.

وی ادامه داد: تغییر شرایط اقتصادی و اجتماعی می‌تواند داده‌های جدیدی ایجاد کند و عملکرد مدلی که در یک مقطع زمانی مناسب بوده است، در شرایط جدید تغییر کند. پایش مستمر، دنبال کردن تصمیم‌های مدل و توجه به توصیف‌پذیری از اقداماتی است که می‌تواند به استفاده مطمئن‌تر از هوش مصنوعی کمک کند.

حاکمیت هوش مصنوعی در مسیر عملیاتی شدن

بیانی با اشاره به مرحله عملیاتی شدن مدل‌های هوش مصنوعی بیان کرد: تصمیم‌هایی که توسط سامانه‌های هوش مصنوعی گرفته می‌شوند ممکن است برای سازمان هزینه ایجاد کنند و به همین دلیل لازم است مسئولیت و سازوکار مشخصی برای نظارت بر این تصمیم‌ها وجود داشته باشد.

وی افزود: حاکمیت هوش مصنوعی باید بخشی از فرایند عملیاتی شدن این فناوری باشد تا مشخص شود تصمیم‌های تولیدشده چگونه ارزیابی و در صورت نیاز اصلاح یا متوقف می‌شوند.

معاون فناوری شرکت داتا همچنین بر توجه به تغییرات مقرراتی تأکید کرد و گفت: الزامات تنظیم‌گری می‌تواند بر داده، مدل و فرایند‌های مورد استفاده در پروژه‌های هوش مصنوعی اثر بگذارد و سازمان‌ها باید از ابتدا امکان انطباق پروژه با تغییرات مقرراتی را در نظر بگیرند.

وی تأکید کرد: توجه به حاکمیت، ریسک و الزامات تنظیم‌گری در کنار فناوری می‌تواند کمک کند پروژه‌های هوش مصنوعی با ثبات بیشتری وارد مرحله عملیاتی شوند.

مدل مناسب، نه الزاماً مدل بزرگ‌تر

بیانی با اشاره به تنوع مدل‌های هوش مصنوعی اظهار کرد: تعداد مدل‌هایی که یک سازمان در اختیار دارد، به اندازه تعداد مدل‌های عملیاتی و ارزش ایجادشده توسط آنها اهمیت ندارد. بسیاری از نیاز‌های سازمان‌ها را می‌توان با مدل‌های ساده‌تر نیز پاسخ داد.

وی ادامه داد: برای هر مسئله باید مشخص شود چه تصمیمی قرار است بهبود پیدا کند، چه میزان ریسک وجود دارد و چه هزینه‌ای برای اجرای راهکار قابل قبول است. انتخاب مدل باید بر اساس همین ملاحظات انجام شود.

معاون فناوری شرکت داتا افزود: مهندسی مناسب به معنای دستیابی به بیشترین عملکرد با کمترین تجهیزات و هزینه است و در بسیاری از کاربردها، مدل‌های کوچک‌تر با تعداد پارامتر کمتر می‌توانند پاسخگوی نیاز سازمان باشند.

بیانی در پایان چهار گام را برای آغاز پروژه‌های هوش مصنوعی پیشنهاد کرد و گفت: ابتدا باید یک مسئله کسب‌وکاری مشخص پیدا شود، سپس فردی با مسئولیت کسب‌وکاری در رأس پروژه قرار گیرد. پروژه نیز بهتر است در یک بازه ۹۰ روزه با شاخص‌های اولیه ارزیابی شود و در صورت دستیابی به اهداف تعیین‌شده، توسعه آن ادامه پیدا کند.

وی خاطرنشان کرد: اگر سازمان پس از اجرای پروژه‌های دوم و سوم همچنان مجبور باشد هر بار از نقطه صفر شروع کند، نشان می‌دهد هنوز برای استقلال در استفاده از هوش مصنوعی آماده نشده است. تکرار تجربه، استفاده از آموخته‌های پروژه‌های قبلی و حرکت مرحله‌به‌مرحله می‌تواند سازمان را به سطح بالاتری از آمادگی برساند.

بیانی در جمع‌بندی سخنان خود گفت: زیرساخت و مدل‌های هوش مصنوعی قابل خرید یا اجاره هستند، اما فرهنگ سازمانی و آمادگی برای پذیرش این فناوری با آموزش، اطلاع‌رسانی، فضاسازی و اصلاح فرایند‌ها شکل می‌گیرد. ایجاد این آمادگی می‌تواند زمینه تبدیل هوش مصنوعی به پروژه‌های عملیاتی و ارزش‌آفرین را فراهم کند.