بازتعریف هوشمندانه مدل‌های کسب‌وکار با هوش مصنوعی؛ سنگ بزرگ برندارید!
برنا - گروه علمی و فناوری؛ مدیر سابق محصول هوش مصنوعی دیجی‌کالا با تأکید بر ضرورت رویکرد مسئله‌محور در استفاده از هوش مصنوعی گفت: ۷۵ درصد شرکت‌ها هنوز مسیر روشنی برای بهره‌گیری مؤثر از AI ندارند.
در نشست «ایستگاه آینده» اینوتکس ۲۰۲۵، علی منصور، مدیر سابق محصول هوش مصنوعی دیجی‌کالا و از فعالان پیشرو در حوزه تحول دیجیتال، از تحول آرام اما بنیادینی سخن گفت که هوش مصنوعی مولد در بطن مدل‌های کسب‌وکار ایجاد کرده است.
به گزارش برنا، او با نگاهی داده‌محور و مسئله‌محور، به نقد رویکرد‌های سطحی و نمایشی سازمان‌ها پرداخت و چارچوبی عملیاتی برای عبور از سردرگمی رایج در پیاده‌سازی AI ارائه داد.
۷۵ درصد شرکت‌ها مسیر روشنی ندارند
منصور سخنان خود را با استناد به یافته‌های یک گزارش معتبر آغاز کرد: «۷۵ درصد شرکت‌ها هنوز هیچ نقشه‌راهی برای بهره‌گیری هدفمند از هوش مصنوعی مولد ندارند و کمتر از ۴۰ درصد مدیران درک دقیقی از مزایای این فناوری برای کسب‌وکار خود دارند.»
به گفته او، این در حالی است که تنها در یک سال، نرخ استفاده از AI مولد در شرکت‌ها از ۳۳ درصد به ۶۵ درصد رسیده است: «این شکاف بین پذیرش سریع و فهم محدود، یک زنگ خطر جدی برای سازمان‌هاست.»
گذار از پرسش‌های بنیادی به رویکرد‌های عملی
منصور تأکید کرد که سازمان‌ها باید از مرحله تردید عبور کنند: «امروز دیگر زمان پرسیدن اینکه آیا از AI استفاده کنیم گذشته است. اکنون باید بپرسیم چگونه و کجا؟» او افزود: «سازمان‌ها باید بدانند که AI الزاماً راه‌حل همه مسائل نیست، اما در برخی حوزه‌ها، می‌تواند راه‌حلی بهتر، سریع‌تر و کارآمدتر از روش‌های سنتی ارائه دهد.»
پنج گام تا پیاده‌سازی مؤثر AI در سازمان؛ از شناسایی تا هم‌راستایی استراتژیک
منصور چارچوبی پنج‌مرحله‌ای را برای پیاده‌سازی مؤثر هوش مصنوعی مولد در سازمان‌ها پیشنهاد داد:
۱. شناسایی پتانسیل‌ها:
بررسی دقیق فرآیند‌های تکراری، زمان‌بر و داده‌محور برای کشف نقاطی که AI می‌تواند در آنها ایجاد ارزش کند.
۲. شناخت موارد کاربرد بالفعل:
آغاز با ابزار‌های ساده، اما اثربخش مانند چت‌بات‌ها، سامانه‌های پاسخگویی هوشمند یا تولید خودکار محتوا.
۳. اولویت‌بندی پروژه‌ها:
تمرکز بر پروژه‌های کوچک، سریع‌الاجرا و همسو با اهداف راهبردی. او توصیه کرد که سه معیار اثرگذاری، سهولت اجرا و هم‌راستایی با مأموریت کلان سازمان در این اولویت‌بندی لحاظ شوند.
۴. ارزیابی داده و ابزار:
سنجش زیرساخت‌های داده‌ای، امنیت اطلاعات و دسترسی به ابزار‌های اجرایی برای کاهش ریسک شکست پروژه.
۵. تطبیق با استراتژی سازمان:
او هشدار داد: «هر پروژه‌ای که با استراتژی کلان سازمان هم‌راستا نباشد، نه تنها ارزش خلق نمی‌کند، بلکه می‌تواند بار اضافی برای تیم‌ها ایجاد کند.»
مسئله‌محوری، نه ابزارمحوری
منصور رویکرد ابزارمحور را یکی از دام‌های رایج در اجرای پروژه‌های AI دانست. او گفت: «به‌جای اینکه بپرسیم کجا می‌توان از هوش مصنوعی استفاده کرد، باید بپرسیم در کدام مسئله، AI می‌تواند راه‌حل بهتری از وضع فعلی ارائه دهد؟» این تغییر نگاه، به گفته او، موجب می‌شود پروژه‌ها واقعی‌تر، هدفمندتر و اثربخش‌تر باشند.
سنگ بزرگ، نشانه نزدن است؛ با پروژه‌های ساده، اما مؤثر شروع کنید
او با نقل مثلی هشدار داد که سازمان‌ها نباید جذب پروژه‌های بزرگ و نمایشی شوند: «سنگ بزرگ نشانه نزدن است. پیاده‌سازی موفق AI از دل پروژه‌های کوچک، قابل‌اجرا و مسئله‌محور می‌گذرد؛ پروژه‌هایی که به‌تدریج، فرهنگ استفاده از هوش مصنوعی را در سازمان نهادینه می‌کنند.»
انتهای پیام/
انتقاد نماینده مجلس شورای اسلامی از کج‌رفتاری‌های مدیریتی در کشور؛
معاون توسعه مرکز توسعه همکاری‌های تحول و پیشرفت ریاست جمهوری گفت:
رئیس سازمان فضایی ایران در گفت‌وگو با برنا مطرح کرد؛
نظر شما
پیشنهاد سردبیر
پرونده ویژه
