نقش هوش مصنوعی در دستیابی به تحول دیجیتال

شرکتهای (TMT) فن آوری ، رسانه ای و مخابراتی در رسیدن به تحول دیجیتال چگونه از هوش مصنوعی در صنعت خود استفاده می کنند.

شهرام تقی پور ، محقق و طراح و تحلیلگر سیستمهای بانکی- در دنیا پر تلاطم امروز، باید دید که چه کسانی و با چه تجربه ای در مسیر تحول دیجیتال طی طریق می کنند در این مقاله پرسشنامه ای در زمینه هوش مصنوعی تهیه و اختیار صاحب نظران در زمینه فناوری، رسانه و سرگرمی و ارتباطات از راه دور و هوش مصنوعی فعالیت داشتند قرار داده شده است نتیجه تحلیل این پرسشنامه دیدگاه ما را برای مواجهه شدن با بازار رقابتی امروزه جهت یافتن استراتژی کسب کار با استفاده از هوش مصنوعی مشخص می سازد استراتژی استفاده از هوش مصنوعی برای كسب وكار ، بسیار مهم ارزیابی شده است. شرکتهای مورد بحث هوش مصنوعی را کلید موفقیت خود دانسته و آن را در کسب و کار خود بسیار موثر می دانند. و در موارد پیشرفته تر از شیوه های بالغ تری استفاده می کنند. این دسته از سازمانهای ، طیف گسترده ای از روشهای هوش مصنوعی جهت موفقیت خود استفاده می کنند. و احتمالا حداقل یک استراتژی هوش مصنوعی در سطح شرکت استفاده کرده و تمرکز بیشتری روی آموزش می گذارند ، از استعداد فنی و غیر فنی بهره گرفته و از طریق چندین روش به عنوان مثال، نرم افزارهای شرکتی ، ابزارهای اپن سورس و هوش مصنوعی به عنوان یک سرویس بهره می جویند.
البته با چالش هایی نیز روبرو هستند. برخی از آنها مثل مشکلاتی که در زمینه پیاده سازی جمع آوری داده ها و مدیریت هزینه ها هستند. نگرانی کمتر آنها مسائل مربوط به امنیت سایبری می باشد ، شاید به این دلیل که ممکن است امنیت را در هوش مصنوعی ادغام کنند.
این سازمانها تأثیر تحول آمیز هوش مصنوعی را روی نیروی کار خود شناخته و می دانند که AI در حال تغییر نقش و مهارت های شغلی شرکت بوده و در حال بررسی این تغییرات هستند. بیشتر این شرکتها احساس می کنند هوش مصنوعی تصمیم گیری را بهبود بخشیده ، عملکرد شغلی و رضایت کارمندان را ارتقا می بخشد و هم افزایی بیشتری بین انسان و فناوری ایجاد می کند.
با پیشرفت موارد استفاده از هوش مصنوعی ، سازمانهای پیشرو از تجارب خود را برای شرکتهای تازه وارد در این حوزه به اشتراک گذاشته تا سرعت پیشبرد انواع هوش مصنوعی را افزایش دهند. حال این سوال مطرح می شود چگونه باید از هوش مصنوعی استفاده کنیم ؟ در این مقاله ابتدا به رشد سرمایه گذاری در هوش مصنوعی در صنایع مختلف اشاره شده است سپس این سوال را مطرح کرده ، سرمایه گذاری هوش مصنوعی برای شركتها با چه عواملی تغییر می یابد ، چه مزایایی دارد.
برای یافتن این سوال شرکتهای پاسخ دهنده را به سه گروه تقسیم بندی نموده :
• گروه اول شرکتهایی هستند که به بلوغ هوش مصنوعی رسیده اند موارد متعددی استقرار هوش مصنوعی را انجام داده و هیات مدیره در سطح بالایی از تخصص است و در انتخاب فن آوری ها و تأمین کنندگان ، شناسایی موارد استفاده ، ایجاد و مدیریت راه حل ها ، ادغام روشها در محیط IT و فرآیندهای تجاری خود بسیار پیشرفت کرده اند.

• گروه دوم عموماً چندین سیستم AI را راه انداخته اند اما هنوز به اندازه گروه اول بالغ نشده اند.و از نظر تعداد کاربردها و سطح مهارت هوش مصنوعی عقبتر هستند.

• گروه سوم تازه وارد بازی شده اند و هنوز دانش و مهارت خاصی در زمینه ساخت ، ادغام روشها با هم ندارند.

در گروه اول با قاطعیت پذیرش هوش مصنوعی را “موفقیت بسیار مهم” یا “بسیار مهم” برای کسب و کار خود می دانند بر اساس این اعتقاد عمل می کنند و با سرمايه گذاري در این حوزه جلوتر از بقیه هستند و از قابليت هاي هوش مصنوعي بهره می گیرند.
در مورد چگونگی تاثیرات هوش مصنوعی بر کسب و کار آنها این سه گروه با یکدیگر اختلاف نظر دارند. گروه اول انتظار بیشتری از حضور هوش مصنوعی دارند. گروه دوم به این مساله اعتقاد دارند که هوش مصنوعی در سازمانشان تحول ایجاد می کند و گروه اول محتاطتر و واقع بین تر عمل می کنند از آنجا که گروه نخست ، Ai را یک ضرورت استراتژیک می دانند ، جای تعجب نیست که آنها سرمایه گذاری بیشتری دراین زمینه انجام بدهند بنابراین در نمودار هزینه بیشتری نسبت به دو گروه دیگر انجام داده اند.
بیشتر شرکتهای گروه اول می گویند که از AI استفاده می کنند تا بتوانند از پس رقبای خود برآمده یا در رقابت باقی بمانندو تا جنبه رقابتی را افزایش دهند.
شرکتهای گروه اول در زمینه یافتن معیارهایی درزمینه هوش مصنوعی جدی هستندو همچنین صرفه جویی در هزینه ها ، همجنین موارد مربوط به مشتری و درآمد از این دست معیارها هستند و نیمی از این معیارها را برای بهره وری در نظر گرفته شده است .
در مورد چالشها باید گفت شرکتها در تلاش اند تا با استفاده از ابتکار عملهای هوش مصنوعی ارزش تجاری ایجاد کنند. چالش دیگر ترکیب هوش مصنوعی در یک بیزنس است ترس پرسنل و مقاومت آنها در برابر تغییراتی که فن آوری ها در نقششان ایجاد می کند برای آنها ترسناک است این مساله نیاز به تغییرات زیادی دارد . پیش از این رسم بر این بوده که انسانها می گفتند چه کار باید بکنند به این مساله می رسد که سیستم ها به انسانها می گویند چه کاری انجام دهند تغییر خواهد کرد احاطه بر این مساله می تواند خیلی مهم باشد.
اکثر شرکتها مشکلات زیادی در مورد کار با داده ها دارند. داده های دقیق و با کیفیت بالا ، مانند سوخت سیستم های AI هستند. مشکلات این بخش عبارتند از یافتن و دسترسی به منابع صحیح داده ای داخلی و خارجی ، تمیز کردن و جمع آوری داده است که ممکن است از سیستم های متفاوت بدست آید و اطمینان از درستی این داده هاست . بحث امنیت و حریم خصوصی از داده ها نیز چالش مهم دیگری است. مشکلات دیگر مثل کمبود مهارت و مشکل شناسایی موارد استفاده صحیح هوش مصنوعی می باشد.شرکتهایی که زودتر به منطقه بلوغ رسیده اند فشارهای بیشتری برای استفاده از این فناوریها بخاطر بحث رقابت حس کنند ، ولیکن هنوز نمی دانند کدام مناطق کاربردی بیشترین سود را دارد.
یکی از این چالشها بحث آسیب پذیری فضای سایبری است به نظر می رسد که گروه اول این مسائل را تحت کنترل دارد. نگرانی اصلی آنها بیشتر نگرانی عملیاتیآنها از ترس اینکه ممکن است کاری نادرست صورت بدهند که باعث مخل شدن روند کاری شرکت شود. که نیازمند توجه و زمان بیشتری آموزش پرسنل و روشهایی پیاده سازی هوش مصنوعی در کار است که به ویژگیهای منحصر به فرد متکی است و نگرانی های حقوقی و اخلاقی از جمله موارد دیگری است.

یافتن مسیر درست

 

فن آوری AI در حال گسترش است چرا که ایجاد و استقرار برنامه های کاربردی از طریق هوش مصنوعی آسان تر می شود. AI-as-a-service با داشتن ابزارهای فراوان و توانمند برای توسعه دهندگان ، بهتر و ارزانتر خواهد بود. بهره برداری از AI-as-a-service یک راهکار کلیدی برای شرکتهای گروه دوم و سوم است. این شرکت ها از طریق کلود به سخت افزار و نرم افزار پیشرفته هوش مصنوعی دسترسی پیدا کرده و از هزینه های زیرساختی نرم افزاری و سخت افزاری راه اندازی آن خلاص شوند.
خدمات دهندگان عمده کلاود در حال حاضر خدمات مختلفی را از قابلیتهای هوش مصنوعی ارائه می دهندمثل آماده سازی داده ها ، گفتار به متن ، متن به گفتار ، درک زبان طبیعی و تجزیه و تحلیل تصویر. سرویسهای ساخت چت بات و کال سنتر و ساخت و آموزش مدل های یادگیری ماشین وجود دارد ، بدون اینکه بخواهیم الگوریتم پیچیده ای را یاد بگیریم.
یکی از راههای دسترسی شرکتهای گروه دوم به هوش مصنوعی استفاده از نرم افزار سازمانی که قابلیت های هوشمندسازی را در خود جای داده است می باشد. این سیستم ها مبتنی بر کلاود است و برای کارکردهای تجاری مانند CRM ، ERP یا HR بصورت تخصصی کار می کند. .این سیستم ها برای استفاده کارمندانی است که لزوماً متخصص هوش مصنوعی نیستند و مرتباً با پیشرفت های فناوری به روز می شوند.اگر شرکت ها نیاز به راه حل های سفارشی نیز داشته باشند ، ابزارهایی در دسترس است که بسرعت می توان آنرا تولید کرد مثلا بکارگیری مدل یادگیری ماشین که توسط یک متخصص علم داده ، معمولا هفته ها یا ماه ها انجام می شود.
شرکتها برای اجرای طرحهای AI خود به طیف گسترده ای از مهارت ها نیاز دارند (شکل 9) را ببینید. مدیران مشاغل نتایج AI را تفسیر کرده و براساس آنها عمل می کنند و کارشناسان می توانند این راهکارها را جهت سازگاری با تغییرات سازمانی پیاده سازی کنند. شکی نیست که هوش مصنوعی باعث ایجاد تغییرات قابل توجهی در نیروی کار شده است ، و احتمالاً با رشد خود ، شرکت های بیشتری را نیز درگیر می کند.
گزارش اخیر در مورد روند سرمایه انسانی خاطرنشان می سازد: با وجود شفافیت در مورد مهارت های مورد نیاز ، تقریبا نیمی از پاسخ دهندگان برنامه ای برای پرورش این مهارت ها ندارند. نشانه هایی وجود دارد که شرکتهای AI به طور جدی به آموزش نیروی کار فکر کرده و اقدام می کنند.
سازمان های گروه اول در تلاشند تا نیروی انسانی غیر فنی خود را آموزش دهند و دو سوم افراد این سازمانها به کارمندان دیگر آموزش می دهند تا نقش های جایگزین خود را در این شرکتها بدست آورند و چگونه از هوش مصنوعی در مشاغل خود استفاده کنند.
هرچه دسترسی به فن آوری های AI آسانتر شود ، باعث ایجاد مزیت رقابتی خواهد شد. احتمالاً اجرا و ادغام این فناوری در سازمان تبدیل به یک الزام رقابتی خواهد شد در حالی این مساله در بیشتر سازمانها مساله ای جدید است ولی چالشهای همگی یکسان است.

متن مقاله

با یک ضرب المثل آفریقایی ، دریاهای صاف ملوان ماهرتربیت نمی کند. در دنیای سریع پر تلاطم ، تحول دیجیتالی امروز ، باید دید که چه کسانی و با چه تجربه ای این مسیر را طی طریق می کنند. براین اساس درمورد وضعیت هوش مصنوعی پرسش نامه تهیه و بین افرادی توزیع شد نتیجه این بررسی که آنرا seasoned نامگذاری کردیم.
افرادی که در زمینه فناوری ، رسانه و سرگرمی و ارتباطات از راه دور (TMT) دارای تخصصی در زمینه هوش مصنوعی (AI) بوده و سابقه ای هم در زمینه استقرار محصولاتی از این دست دارند در این مصاحبه شرکت کرده اند نتیجه این تحلیل مواردی را از این دیدگاه برای ما مشخص ساخت. برای مواجهه شدن با بازار رقابتی جهت استراتژی کسب و کار خود از هوش مصنوعی استفاده کرده و آن را بعنوان کلید موفقیت خود می دانند و هر کدام چشم اندازی قابل اندازه گیری از تأثیر تحول آمیز این فن آوری در کسب و کار خود دارند. با توجه به بازده شدید سرمایه گذاری ، در هوش مصنوعی نسبت به سایر رقبا و هزینه خود را براحتی پوشش می دهند.در مواجهه با فشارهای ناشی از رقبا ، استراتژی استفاده از هوش مصنوعی برای كسب وكار ، بسیار مهم ارزیابی شده است. این دسته از شرکت ها هوش مصنوعی را کلید موفقیت خود دانسته و آن را در کسب و کار خود بسیار موثر می دانند. و در موارد پیشرفته تر از شیوه های بالغ تری استفاده می کنند. این دسته از سازمانهای ، طیف گسترده ای از روشهای هوش مصنوعی جهت موفقیت خود استفاده می کنند. و احتمالا حداقل یک استراتژی هوش مصنوعی در سطح شرکت استفاده کرده و تمرکز بیشتری روی آموزش می گذارند ، از استعداد فنی و غیر فنی بهره گرفته و از طریق چندین روش به عنوان مثال، نرم افزارهای شرکتی ، ابزارهای اپن سورس و هوش مصنوعی به عنوان یک سرویس بهره می جویند.
با توجه به موفقیت های اولیه که در این زمینه بدست آورند ، با چالش هایی نیز روبرو هستند. برخی از آنها مثل مشکلاتی که در زمینه پیاده سازی جمع آوری داده ها و مدیریت هزینه ها هستند. نگرانی کمتر آنها مسائل مربوط به امنیت سایبری می باشد ، شاید به این دلیل که ممکن است امنیت را در هوش مصنوعی ادغام کنند. این سازمانها تأثیر تحول آمیز هوش مصنوعی را روی نیروی کار خود می شناسند و می دانند که AI در حال تغییر نقش و مهارت های شغلی در شرکت است و آنها در حال رسیدگی به این تغییرات هستند. بیشتر این شرکتها احساس می کنند هوش مصنوعی تصمیم گیری را بهبود بخشیده ، عملکرد شغلی و رضایت کارمندان را ارتقا می بخشد و هم افزایی بیشتری بین انسان و فناوری ایجاد می کند.
همچنین استفاده های بسیاری تولید کنندگان و مصرف کنندگان از فن آوری های هوش مصنوعی ، هم برای خود و هم برای مشتریانشان استفاده می کنند . با پیشرفت موارد استفاده از هوش مصنوعی ، سازمانهای پیشرو از تجارب خود را برای شرکتهای تازه وارد در این حوزه به اشتراک گذاشته تا سرعت پیشبرد انواع هوش مصنوعی را افزایش دهند. حال این سوال پیش می آید چگونه باید از هوش مصنوعی استفاده کنیم ؟ در سه سال گذشته صنایع در زمینه هوش مصنوعی بیش از 24 میلیارد دلار سرمایه گذاری نموده اند. غول های فناوری در سال 2017 حدود 115 استارتاپ AIfocused خریداری کرده اندکه این مقدار ، 44 درصد بیش از سال 2016 بوده است. سرمایه گذاری محدود به کسب و کار نمی شود شرکتها به دنبال بهبود قابلیت های تحقیق و توسعه خود هستند.اخیراً سامسونگ اعلام کرد که مراکز تحقیقاتی را سراسر جهان احداث کرده تا در زمینه AI به تحقیق بپردازند هدف آنها تا سال 2020 ساختن تیمی متشکل از 1000 مهندس هوش مصنوعی است.

نتیجه تحقیق ما استفاده از هوش مصنوعی بین 266 مدیر TMT در آمریکا مورد بررسی قرار گرفت تا بفهمیم استفاده از فناوریهای هوش مصنوعی چه تأثیری روی مشاغل آنها دارد (به بخش ، “متدولوژی” مراجعه کنید). همچنین می خواستیم بدانیم سرمایه گذاری هوش مصنوعی برای شركتها با چه عواملی تغییر می یابد ، چه مزایایی دارد.

در بررسی فن آوری های شناختی ،از بین 4 /18 درصد از پاسخ دهندگان ادعا کرده اند بیش از 11 درصد استقرار هوش مصنوعی باعث افزایش تولیدشان شده است پس از استفاده بعد از یکسال این مقدار به دوبرابر یعنی 37 درصد رسیده است و شرکتهای پیشرو در این حوزه از 42 به 47 درصد افزایش یافته است.

در این گزارش تحلیل خود را بیشتر روی سازمانهای باتجربه در هوش مصنوعی متمرکز کرده و روی شرکتهایی که چندین سیستم زیر بار داشته و بلوغ بیشتری در شناسایی و انتخاب فن آوری های مناسب و ساختن و ادغام روشهای هوش مصنوعی با هم دارند تمرکز کردیم .

به منظور یافتنن پاسخ و ارزیابی جوابدهندگان آنها را به گروه تقسیم کردیم :
• 30 درصد از این تعداد در آستانه بلوغ هوش مصنوعی هستند تعداد زیادی مرحله استقرار هوش مصنوعی را انجام داده و هیات مدیره در سطح بالایی از تخصص است و در انتخاب فن آوری ها و تأمین کنندگان ، شناسایی موارد استفاده ، ایجاد و مدیریت راه حل ها ، ادغام روشها در محیط IT و فرآیندهای تجاری خود بسیار پیشرفت کرده اند.
• 41 درصد از آنها عموماً چندین سیستم AI را راه انداخته اند اما هنوز به اندازه Seasoned بالغ نشده اند.و از نظر تعداد کاربردها و سطح مهارت هوش مصنوعی عقبتر هستند.
• 29 درصد از آنها تازه وارد بازی شده اند و هنوز دانش و مهارت خاصی در زمینه ساخت ، ادغام روشها با هم ندارند.

مدیریت راه حل های هوش مصنوعی

شرکت های گروه یک با قاطعیت پذیرش هوش مصنوعی را “موفقیت بسیار مهم” یا “بسیار مهم” برای کسب و کار خود می دانند: 94 درصد از مدیران شرکتهای Seasoned به این مساله باور دارند در مورد گروههای دیگر این مساله 82 درصد در گروه دوم 52 درصد در گروه سوم این باور وجود دارد. Seasoned بر اساس این اعتقاد عمل می کنند و با سرمايه گذاري در این حوزه جلوتر از بقیه هستند و از قابليت هاي هوش مصنوعي بهره می گیرند (به بخش 2 مراجعه کنید) .

چندین راه برای ارزش گذاری فن آوری های هوش مصنوعی ، از جمله بالا بردن راندمان در کوتاه مدت و سایر موارد وجود دارد.

در واقع، سه گروه از شرکت های TMT مورد بحث در مورد چگونگی تاثیرات هوش مصنوعی با یکدیگر اختلاف نظر دارند.

گروه اول انتظار بیشتری از حضور هوش مصنوعی دارند. شصت وپنج درصد از گروه سوم و 59٪ از گروه دوم به این مساله اعتقاد دارند که هوش مصنوعی در سازمانشان تحول ایجاد می کند 45 درصد از گروه اول معتقدند این تحول در سه سال اول رخ می دهد 51 درصد از گروه دوم به تحول بیش از 4 سال اعتقاد دارند این احتمال دارد که گروه های 2 و 3 کمی جاه طلب باشند و گروه اول محتاطتر و واقع بین تر ولی با این حال ، این واقعیت که گروه اول سعی دارند با سرمایه گذاری های بیشتر در زمینه AI وضعیت را بهبود بخشیده تا بدین وسیله در دراز مدت به سود دهی برسند.

از آنجا که گروه نخست ، Ai را یک ضرورت استراتژیک می دانند ، جای تعجب نیست که آنها سرمایه گذاری بیشتری دراین زمینه انجام بدهند بنابراین در نمودار هزینه بیشتری نسبت به دو گروه دیگر می بینیم (به بند 3 نگاه کنید). تقریباً نیمی از بنگاههای فصلی (49 درصد) بیش از 5 میلیون دلار درزمینه  AI در سال مالی اخیر (در برابر 42 درصد از گروه دوم و 28 درصد از گروه اول) سرمایه گذاری کرده اند. 35 درصد از گروه اول معتقدند که سرمایه گذاری خود را 20 درصد در سال آینده افزایش می دهند.

سوال اینست چرا گروه اول در سرمایه گذاری در این زمینه تندروتر هستند ؟ یک بخش از مساله در رقابت با سایر شرکتهاست. چهل و چهار درصد از شرکتهای گروه اول می گویند که از AI استفاده می کنند تا بتوانند از پس رقبای خود برآمده یا در رقابت باقی بمانند.

این احتمال وجود دارد که رقابت شدیدی بین شرکتهای گروه اول بوده و آنها از سرمایه گذاری و گسترش AI تنها بدنبال باقی ماندن در بازی رقابت هستند. 44 درصد از شرکتهای گروه نخست می گویند هوش مصنوعی به آنها کمک می کند تا جنبه رقابتی را افزایش دهند.

این شکاف نشان دهنده حرکت قوی و مستمر گروه اول برای بهره گیری از فناوری های هوش مصنوعی برای بقا است نه فقط برای پیشرفت افزایشی AI

سرمايه گذاري در AI ممكن است ناشي از بازده زیادی باشد كه از سرمايه گذاري در این زمینه دیده می شود شرکت های TMT ، در مقایسه با سایر صنایع ، سرمایه بیشتری در این نوع فناوری هاداشته و بالاترین بازده را در همین زمینه شاهد هستیم (شکل 4 را ببینید). گروه اول بازده مثبت سرمایه گذاری های AI را نشان می دهند که اکثر آنها (54 درصد)  و به ROI بالای 20 درصد رسیده اند. می بینید که واقعاً پیشتاز هوش مصنوعی هستند. بازده مالی مثبت توجیه کننده و هادی سرمایه گذاری های آینده در پروژه های جدید بوده و به آموزش و هزینه های متبادر با آن کمک می کند.

شرکتهای گروه اول در زمینه یافتن معیارهایی درزمینه هوش مصنوعی جدی هستندو همچنین صرفه جویی در هزینه ها ، همجنین موارد مربوط به مشتری و درآمد از این دست معیارها هستند و نیمی از این معیارها را برای بهره وری در نظر گرفته شده است . این گروه با وسواس بیشتری نسبت به سایر گروهها به این معیارها نزدیک می شود در عین حال هنوز فضای بیشتری برای یافتن معیارهای جدید وجود دارد.

چالشها

مزیتها استفاده از AI و بازده های مالی بدون چالش های احتمالی بدست نمی آید. شرکتها در تلاش اند تا با استفاده از ابتکار عملهای  هوش مصنوعی ارزش تجاری ایجاد کنند (شکل 5 را ببینید). برای گروههای دوم و سوم ، چالشهای عمده مواردی چون پیاده سازی و ادغام و مغایرت گیری داده ها است چرا که زیرساختها و پیاده سازی هر فناوری جدیدی می تواند بسیار پیچیده باشد.

چالش دیگر ترکیب هوش مصنوعی در یک بیزنس است ترس پرسنل و مقاومت آنها در برابر تغییراتی که فن آوری ها در نقششان ایجاد می کند برای آنها ترسناک است این مساله نیاز به تغییرات زیادی دارد . پیش از این رسم بر این بوده که انسانها می گفتند چه کار باید بکنند به این مساله می رسد که سیستم ها به انسانها می گویند چه کاری انجام دهند تغییر خواهد کرد احاطه بر این مساله می تواند خیلی مهم باشد علی الخصوص اینکه فهم این مساله که سیستم چگونه تصمیها را می گیرد بسیار مشکل است.

پاسخ دهندگان به این تحقیق گفتند که مشکلات زیادی با کار داده ها دارند. داده های دقیق و با کیفیت بالا ، مانند سوختی سیستم های AI هستند. مشکلات داده ها برای سازمان ها عبارتند از یافتن و دسترسی به منابع صحیح داده ه ای داخلی و خارجی ، تمیز کردن و جمع آوری داده هایی است که ممکن است از سیستم های متفاوت بدست آید و اطمینان از درستی این داده هاست  . بحث امنیت و حریم خصوصی از داده ها نیز چالش مهم دیگری است. برخی از مشکلات دیگر مثل کمبود مهارت و مشکل شناسایی موارد استفاده صحیح هوش مصنوعی می باشد.شرکتهایی که زودتر به منطقه بلوغ رسیده اند فشارهای بیشتری برای استفاده از این فناوریها حس کنند بخاطر بحث رقابت ، ولیکن هنوز نمی دانند کدام مناطق کاربردی بیشترین سود را دارد.

شرکتها در پی آن هستند تا نگرانی های ناشی در مورد فناوری های هوش مصنوعی را ، مدیریت کنند (به بخش 6 مراجعه کنید). یکی از این موارد آسیب پذیری فضای سایبری است به نظر می رسد که گروه اول این مسائل را تحت کنترل دارد (به بخش ، “مدیریت خطر امنیت سایبری با هوش مصنوعی” مراجعه کنید).

نگرانی اصلی آنها بیشتر نگرانی عملیاتیآنها از ترس اینکه ممکن است کاری نادرست صورت بدهند که باعث مخل شدن روند کاری شرکت شود. این امر اعلام می کند که نیازمند توجه و زمان بیشتری جهت آموزش پرسنل و روشهایی پیاده سازی هوش مصنوعی در کار داشته و بر ویژگیهای منحصر به فرد استوار است.

نگرانی های حقوقی و اخلاقی از جمله موارد دیگری است گروه  سوم  این مساله را جزو مواردی که کمترین اهمیت را دارد دسته بندی می کنند و بیشتر به موضوعات عملی و تکنیکی توجه می کنند. معتقدند که شاید مخاطرات اخلاقی داشته باشد ولی این مسائل تحت کنترل می باشد یا به پشتوانه سازمانهای بزرگتر این موضوعات را به پیش ببرند.

به عنوان مثال ، SAP یک هیئت مشاوره ای ایجاد کرده است که از دولت ، صنعت و دانشگاه برای هدایت مسائل از این دست در آن سهیم هستند.

ولی اکثر سازمانها از این خطرات احتمالی آگاهی دارند و حدود  50 درصد آن را جزو نگرانی های عمده یا خیلی بالا در باره فناوریهای هوش مصنوعی اطلاق می کنند.

86 درصد از پاسخ دهندگان گفته اند كه سازمان هایشان تا حد زیادی آمادگی لازم برای این خطرات را دارند این عدد نشاندهنده آن است که سازمان از تمامی خطرات آگاهی نداشته باشد.

طی کردن مسیر درست 

در یک نظرسنجی در Forbes Insights ، نشان می دهد در زمینه راهبری AI ، پاسخ دهندگان آن را به عنوان مهمترین عامل مشاركت در ترکیب موفقیت آمیز فناوری با صنعت بشمار آوردند. گروه دوم فعالیتهای متنوعی نجام می دهند که نشان دهنده استراتژی سازمان ها در زمینه AI است.

که شامل توسعه فرآیندی در سطح شرکت برای انتقال نمونه های اولیه AI جهت تولید کامل می باشد (به بخش 7 مراجعه کنید). با این حال ، با وجود شش مورد از 10 مورد شرکت های گروه اول ، هنوز نیازمند توسعه هستند.

فن آوری AI در حال گسترش است چرا که ایجاد و استقرار برنامه های کاربردی از طریق هوش مصنوعی آسان تر می شود. AI-as-a-service با داشتن ابزارهای فراوان و توانمند برای توسعه دهندگان ، بهتر و ارزانتر می شود. هم اکنون شرکت ها می توانند با استفاده از این توانایی ها آنرا تست و راه حل های متنوعی با هزینه های کمتر که نیازمند استعداد تخصصی و ریسک کمتری است استفاده کنند. نمونه ای از این دست می توان به ابتکار شرکت مایکروسافت اشاره کرد که ، استارتاپ Lobe را خرید که هدفشان استفاده از یادگیری عمیق بصورت ساده تر و در دسترس تر ، بدون استفاده از برنامه نویسی می باشد.

بهره برداری از AI-as-a-service یک راهکار کلیدی برای شرکتهای رده دوم و سوم است (شکل 8 را ببینید). این شرکت ها از طریق کلود به سخت افزار و نرم افزار پیشرفته هوش مصنوعی دسترسی پیدا کرده و از هزینه های زیرساختی نرم افزاری و سخت افزاری راه اندازی آن خلاص شوند. مطابق مطالعه جدید Deloitte ، شرکتها ترجیح می دهند قابلیت های پیشرفته نوآوری را از طریق سرویس های مبتنی بر کلاود استفاده کنند که این مقدار تقریبا سه برابر سایر خدمات برای استفاده از این خدمات است . خدمات دهندگان عمده کلاود در حال حاضر خدمات مختلفی را از قابلیتهای هوش مصنوعی ارائه می دهندمثل آماده سازی داده ها ، گفتار به متن ، متن به گفتار ، درک زبان طبیعی و تجزیه و تحلیل تصویر. سرویسهای ساخت چت بات و کال سنتر و ساخت و آموزش مدل های یادگیری ماشین وجود دارد ، بدون اینکه بخواهیم الگوریتم پیچیده ای را یاد بگیریم.

خدمات یادگیری عمیق بر بستر کلاود دسترسی به سخت افزار قوی جهت محاسبات بسیار سنگین را فراهم کند . راه حل های مبتنی بر سرویس ، دسترسی سریع به جدیدترین فن آوری های پیشرفته را به شرکت ها ارائه می دهد. در حقیقت ، محبوبیت AI-as-a-service به دلیل رشد سالانه جهانی آن ، 48 درصد تخمین زده می شود.

یکی از راههای دسترسی شرکتهای گروه دوم به هوش مصنوعی استفاده از نرم افزار سازمانی که قابلیت های هوشمندسازی را در خود جای داده است می باشد. این سیستم ها مبتنی بر کلاود است و برای کارکردهای تجاری مانند CRM ، ERP یا HR بصورت تخصصی کار می کند. به عنوان مثال ، Sales_force یادگیری ماشینی است که برای داده های فروش بصورت تاریخی استفاده می شود و پیش بینی می کند که چقدر و به چه مقدار به چشم انداز نزدیک شده ایم .این سیستم ها برای استفاده کارمندانی است که لزوماً متخصص هوش مصنوعی نیستند و مرتباً با پیشرفت های فناوری به روز می شوند.اگر شرکت ها نیاز به راه حل های سفارشی نیز داشته باشند ، ابزارهایی در دسترس است که بسرعت می توان آنرا تولید کرد مثلا بکارگیری مدل یادگیری ماشین که توسط یک متخصص علم داده ، معمولا هفته ها یا ماه ها انجام می شود.

شرکتهای گروه دوم بیشتر از سایرین از یادگیری ماشین خودکار استفاده می کنند، در حال حاضر هم بصورت تجاری و هم بصورت منبع باز در دسترس می باشد.

آماده سازی پرسنل

TALENT iNADEQUATE و مهارت ها اغلب مانع از پذیرش هوش مصنوعی می شوند. واضح است که گروه اول با بلوغ کلی بیشتر ، در یک سیستم های AI موفقتر عمل کرده است. با وجود این هنوز دو برابر بیشتر از سایر بخشها در بخش مهارت می باشد. تقریباً نیمی از شرکتهای گروه اول شکاف مهارتی را در رفع نیازهای هوش مصنوعی خود گزارش می دهند ، که در گروههای دیگر این میزان به یک چهارم می رسد. شرکتها برای اجرای طرحهای AI خود به طیف گسترده ای از مهارت ها نیاز دارند (شکل 9) را ببینید. مدیران مشاغل نتایج AI را تفسیر کرده و براساس آنها عمل می کنند و کارشناسان می توانند این راهکارها را جهت سازگاری با تغییرات سازمانی پیاده سازی کنند. که نشان می دهد که شرکتهای گروه اول توجه خود را برای ترکیب این راه حل ها در مشاغل خود معطوف داشته اند.

گروه ماهر در جنبه های فنی متمرکز میباشد و این تمرکز به دنبال توسعه دهندگان نرم افزار و مدیران پروژه می باشد و استارتاپ ها به دنبال کارشناسان این حوزه هستند تا انواع جدیدی از الگوریتم های هوش مصنوعی را کشف کنند. گروه دوم نیازمند تعریف پروژه هایی از این دست هستند تا دید جدیدی به این حوزه داشته باشند مثل نرم افزارهای سازمانی با قابلیت AI و سرویس AI cloudbased ، که هر دوی آنها این امکان را می دهد تا با نیروی کار فعلی خود ، کارهای بیشتری انجام دهند. شکی نیست که هوش مصنوعی باعث ایجاد تغییرات قابل توجهی در نیروی کار شده است ، و احتمالاً با رشد خود ، شرکت های بیشتری را نیز درگیر می کند. از شش مورد از 10 شرکتی که در گروه اول چهار شرکت از گروه دوم و دو شرکت از گروه سوم قرار داشته اند درباره نقش شغلی ، همین نظر را دارند. اکثریت معتقدند که فناوری های هوش مصنوعی تأثیر مثبتی بر کارمندان و استعدادهای تازه دارد.

از بین شرکتهای گروه اول: 92 درصد موافقند که هوش مصنوعی به کارکنان کمک می کند تا تصمیم گیری بهتری بگیرند ، 96 درصد معتقدند عملکرد و رضایت شغلی کارمندان را ارتقا می بخشد ، و 90 درصد می گویند کارمندان و هوش مصنوعی به هم دیگر کمک می کنند تا راه های جدیدی در مورد کارکردن ابداع کنند. گزارش اخیر در مورد روند سرمایه انسانی خاطرنشان می سازد: با وجود شفافیت در مورد مهارت های مورد نیاز ، تقریبا نیمی از پاسخ دهندگان برنامه ای برای پرورش این مهارت ها ندارند. نشانه هایی وجود دارد که شرکتهای  AI به طور جدی به آموزش نیروی کار فکر کرده و اقدام می کنند (شکل 10 را ببینید). هفت شرکت از گروه اول به متخصصان خود آموزش می دهند تا راه حل های جدیدی ایجاد کنند.

سازمان های گروه اول در تلاشند تا نیروی انسانی غیر فنی خود را آموزش دهند و دو سوم افراد این سازمانها به کارمندان دیگر آموزش می دهند تا نقش های جایگزین خود را در این شرکتها بدست آورند و چگونه از هوش مصنوعی در مشاغل خود استفاده کنند.

نتیجه گیری:

هرچه دسترسی به فن آوری های AI آسانتر شود ، باعث ایجاد مزیت رقابتی خواهد شد. احتمالاً اجرا و ادغام این فناوری در سازمان تبدیل به یک الزام رقابتی خواهد شد در حالی این مساله در بیشتر سازمانها مساله ای جدید است ولی چالشهای همگی یکسان است. سوالات اینها هستند آیا باید خودمان درست کنیم ، بخریم یا شریک شویم  که به راه حل های هوش مصنوعی دسترسی پیدا کنیم و تعادل مناسب چیست؟ آیا آنچه که قبلاً بوده را ارتقا دهیم یا روی ابتکارات تحول گرا و بالقوه بیشتر تمرکز کنیم؟ چگونه مهارت ها و نیازهای آموزشی خود را مدیریت کنیم ؟  آیا با بالغ شدن فن آوری ، تجارت ما پیشرفت می کند ؟

شرکت های TMT که تمایل به صرفه جویی در فن آوری دارند ، سرمایه گذاری بیشتری در زمینه AI انجام می دهند و تمایل دارند محصولاتشان را با Ai ترکیب کنندبا این حال ، این پتانسیل را نیز دارند که دخل و تصرفهایی در این فناوریها صورت دهند. برای ارائه راهنمایی و شناسایی روشهای پیشرو ، بررسی هایی صورت داده ایم که چطور سازمان های TMT با تجربه به هوش مصنوعی نزدیکتر می شوند.

فهمیده ایم که گروه اول:

• تشخیص دادند که هوش مصنوعی به طور چشمگیری برای استراتژی کسب و کار آنها اهمیت دارد.
• دیدگاه عملی تری نسبت به تبدیل سریع به سازمان دارنده هوش مصنوعی داشته باشند.
• سرمایه گذاری بیشتری در این راه کنند.
• از یک استراتژی هوش مصنوعی در سطح سازمان بصورت گسترده استفاده شده ودر انتقال نمونه های اولیه به سیستم های تولید حداکثر سرعت را داشته باشند.
• در استفاده از فناوری های هوش مصنوعی سرعت ببخشند.
• چالشها را با عملیات اجرایی و ترکیب سازمانی ترکیب کنند.
• با مهارت در مقابل چالشها بایستند و روسایی پیدا کنید که متخصص در تفسیر خروجی های AI باشید.
• نظر مثبت در باره هوش مصنوعی برای کارکنان ایجاد کرده و در آموزش نیروی کار در این زمینه پیش قدم باشید.

روش شناسي

 

برای به دست آوردن دیدگاهی درباره چگونگی اتخاذ تصمیم در سازمانها و بهره مندی آنها از فن آوری های هوش مصنوعی ، در Q3 2018 Deloitte در حدود 1100 مدیر IT در شرکت های مستقر در ایالات متحده را که راه حل های هوش مصنوعی نمونه سازی یا اجرا کردند ، بررسی کرد.در این گزارش 266 پاسخ دهنده که نماینده شرکت های TMT هستند ، مورد بررسی قرار گرفت. همه پاسخ دهندگان ملزم بودند در مورد فناوری های هوش مصنوعی شرکت خود آگاهی داشته باشند و 89 درصد آنها مستقیما درگیر با استراتژی هوش مصنوعی ، هزینه ، اجرای آن یا در حوزه تصمیم گیری بودند. پنجاه و دو درصد از آنها از مدیران IT هستند و بقیه استفاده کننده این فناوری بوده اند. از این میان شصت و چهار درصد مدیران سطح C هستند – از جمله مدیر عامل ، روسا و صاحبان شرکت (32 درصد) ، مدیران ارشد و CTO (26 درصد) و 36 درصد مدیران زیر سطح C هستند.

PORTFOLIO فن آوری هوش مصنوعی

 

یادگیری ماشین. با استفاده از فن آوری های یادگیری ماشین ، می توان تجزیه و تحلیل داده ها ، شناسایی الگوهای پنهان ، ایجاد طبقه بندی و پیش بینی نتایج آینده را به کامپیوتر آموزش داد. این یادگیریها ناشی از توانایی این سیستم ها برای بهبود دقت و صحت آنها در طول زمان بدون دستور خاصی برنامه ریزی شده است. یادگیری ماشین عموما به افراد فنی احتیاج دارد تا بتوانند داده ها را تهیه ، الگوریتم های مناسب را انتخاب و خروجی را تفسیر کنند.

بیشتر فن آوری های هوش مصنوعی ، از جمله برنامه های پیشرفته و تخصصی مانند پردازش زبان طبیعی و بینایی ، مبتنی بر یادگیری ماشین،  یعنی یادگیری عمیق است. نظرسنجی ما نشانگر افزایش سالانه در یادگیری ماشینی است که توسط 61 درصد از پاسخ دهندگان پذیرفته شده اند و که این میزان نسبت به سال گذشته 57 افزایش یافته است.

پردازش زبان طبیعی (NLP). NLP توانایی استخراج یا ایجاد معنی به روشی قابل خواندن و طبیعی است. NLP رابط صوتی مبتنی بر دستیاران مجازی و چت بات ها را ایجاد می کند. این فناوری رای جستجوی از داده ها مورد استفاده قرار می گیرد. شصت و شش درصد از پاسخ دهندگان NLP تائیدكرده اند كه این میزان نسبت به سال 56 درصد افزایش یافته است.

یادگیری عمیق. یادگیری عمیق زیر مجموعه یادگیری ماشین است که براساس یک مدل مفهومی از مغز انسان به نام شبکه های عصبی ساخته شده است. چرا که شبکه های عصبی دارای چندین لایه ه هم پیوسته است: یک لایه ورودی داده را دریافت کرده ، لایه های مخفی برای محاسبه داده و یک لایه خروجی که تجزیه و تحلیل را نشان می دهد. هرچه تعداد لایه های پنهان (هر یک از آنها طلاعات پیچیده تری را پردازش کنند) بیشتر باشد ، سیستم عمیق تر خواهد بود. یادگیری عمیق به ویژه برای تجزیه و تحلیل داده های پیچیده ، پر محتوی و چند بعدی مانند گفتار ، تصاویر و فیلم مفید است. در تجزیه و تحلیل داده های بزرگ بهترین گزینه است. فن آوری های جدید اجرای پروژه های یادگیری عمیق را برای شرکت ها آسانتر کرده و بصورت روز افزون در حال افزایش است. در میان پاسخ دهندگان ما ، 54 درصد ادعا کرده اند که از یادگیری عمیق استفاده می کنند ، و به نسبت به سال 2017 افزایش 19 درصدی داشته است.

مزیت رقابتی با هوش مصنوعی دیگر مزیت بهره برداری از فرآیند محسوب نشده  ، بلکه برای بهبود تجربه مشتری می باشد شناسایی اولویتها ، طراحی محتوای منحصر به فرد و هدف قرار دادن آن برای افراد مناسب. از جمله این اهداف است. ” – Vivek Khemani ، بنیانگذار ، AthenasOwl (کوانتیفی)

مدیریت خطرات سایبری با هوش مصنوعی

 

پاسخ دهندگان TMT ، آسیب پذیری سایبر را به عنوان مهمترین خطر بالقوه هوش مصنوعی عنوان کردند اگر کمی عمیقتر به این مساله نگاه کنیم سازمانی که کمتر با این فناوریها عجین شده باشد، مدیران آن نگران تر هستند. 56درصد گروه سوم یعنی تازه کاران این آسیب پذیری را نگران کننده توصیف کرده در صورتی که فقط 48 درصد از گروه دوم و 37 درصد از گروه اول این نگرانی را عنوان کردند.خاطر نشان می کنم گروه اول برنامه های امنیتی را در راه کار خود ترکیب نموده اند.

نظرسنجی ما نشان داد كه استفاده کننده گان از هوش مصنوعی نگرانی هایی در مورد قابلیت اطمینان از این سیستم ها و پتانسیل حمله سایبری دارند ، از جمله دستکاری داده ها ، سرقت داده ها و الگوریتم ها و استفاده از این فناوری ها جهت انجام حمله. این نگرانی ها در پذیرش فن آوری ها ممکن است مؤثر باشد: 34 درصد از پاسخ دهندگان برای مقابله با امنیت سایبری ، معتقدند استفاده از این فناوریها کاهش یابد. گرچه حملات مبتنی بر هوش مصنوعی هنوز رایج نشده ، اما احتمالاً با توجه به شیوع و استفاده آسان تر از این نوع فناوری ها ممکن است افزایش یابد. از طرف دیگر ، با افزایش تعداد حملات سایبری ، افزایش سریع اطلاعات امنیتی ، سازمان های زیادی از این فناوریها کمک می گیرند. مطابق نظرسنجی ESG ، 81 درصد از مدیران امنیتی برای بهبود تحلیل های امنیتی و برنامه ریزی عملیاتی در حال استفاده از یادگیری ماشینی هستند. و از این فن آوری ها را در محصولات خود استفاده می کنند. 37 درصد از سوال شوندگان می گویند که امنیت سایبری مورد استفاده برای آنها کافی است.

 

پیشنهاداتی برای گروه اول 

 

• مدیریت انواع پروژه ها — و مدیریت ریسک استراتژیک با انواع مختلف و استفاده از مقیاس های AI
• با استفاده از روش خلاقانه روش های دیگری را نیز برای تسریع پروژه های هوش مصنوعی استفاده کنید
• استراتژی هوش مصنوعی سازمان را مجدداً بررسی و متحول کنید. فن آوری ها و راه های به دست آوردن آنها به سرعت در حال تغییر هستند و مزیت دیگری ایجاد می کنند. از اصرار کردن روی روشهای قدیمی خودداری کنید.
• راه هایی را برای افزایش اعتماد به سیستم های هوش مصنوعی پیدا کنید. در مورد مخاطرات هوش مصنوعی محتاط باشید.

پیشنهادات برای گروه دوم

 

• سعی کنید در استفاده استراتژیک از هوش مصنوعی سرعت بیشتری داشته باشید و موارد خاص را از رقبا جدا کنید.
• بهترین روش اجرا را دنبال کنید. بسیاری از سازمانهای پیشرو در حال پیشرفت رویکرد جامع و سنجش خود هستند.
• به دنبال بهبود نظم و انضباط عملیاتی باشید. به فراتر از فناوری و درباره مدیریت پروژه و تغییر و تحول فکر کنید.
• با تعادل بین منابع داخلی و خارجی ، به بهبود بخشی ساختار AI ادامه دهید.
• نه تنها به دنبال جذب برنامه نویسان و کارشناسان بلکه به دنبال مدیران مشاغل و تغییر کارشناسان مدیریت که بتوانند به بهترین وجه از توان هوش مصنوعی بهره مند شوند ، باشید.

پیشنهادات برای گروه سوم

 

• از کسانی که هوش مصنوعی تجربه کرده اند بیاموزید و بر همین اساس از این موقعیتها استفاده کنید تا در رقابت بمانید.
• از روشهای مختلف استفاده از هوش مصنوعی (سرویسهای کلاود) برای به دست آوردن تجربه نیز استفاده کنید بجای آنکه فقط روی استخدام استعدادهای فنی برای ایجاد آن تمرکز کنید.
• استراتژی های هوش مصنوعی را با سطوح دیگر سازمانی منفک کنید. به دنبال راه هایی برای استفاده از هوش مصنوعی به عنوان یک ناظر رقابتی باشید ، نه فقط آنرا برای ادامه کار خود استفاده کنید.
• اطمینان حاصل کنید که یک پایگاه داده قوی برای سیستم ها ، تیم ها ، فرآیندها و ترکیب آنها با تصمیم گیرندگان کسب و کار تان ایجاد شده است. کار این تیمها نه فقط اطلاع رسانی است بلکه به هدایت سازمان نیز کمک می کنند.
• بفهمید چرا امنیت سایبری نگرانی مهمی است. برای رفع این نگرانی امنیت را از همان ابتدا با ساختارتان ادغام کنید.

شهرام تقی پور ، محقق و طراح و تحلیلگر سیستمهای بانکی و عضو گروه جامعه آزاد کسب و کار هوشمند خاورمیانه و شمال آفریقا-منا (MSBC Group)