هوش مصنوعی نامرئی چیست و چه نقشی در تحول کسب و کارها دارد

وقتی هوش مصنوعی بی سروصدا کسب وکارها را زیرورو می کند

وقتی حرف از هوش مصنوعی نامرئی می شود، نباید دنبال ربات های انسان نما یا نمایشگرهای عجیب بگردیم. این فناوری معمولاً جایی پشت صحنه، میان داده ها، نرم افزارها و فرایندهای روزانه کار می کند. هوش مصنوعی در کسب وکار با تحلیل اطلاعات، پیش بینی اتفاق ها و اجرای اتوماسیون هوشمند می تواند مسیر تحول کسب وکارها را هموار کند؛ بدون اینکه مشتری یا حتی بعضی کارکنان حضور مستقیم آن را ببینند.

فرودگاه ها نمونه جذابی از این ماجرا هستند. مسافر فقط کارت پرواز، گیت، صف بازرسی و تحویل چمدان را می بیند، اما پشت همین تجربه ساده، صدها تصمیم ریز و درشت گرفته می شود. از تعیین گیت هواپیما گرفته تا پیش بینی شلوغی و مدیریت بارها، همه چیز باید دقیق و هماهنگ جلو برود. یک اشتباه کوچک ممکن است هزاران نفر را معطل کند.

مطالعه مقاله قبلی در دسته بندی بازی و سرگرمی با عنوان آزمون هری پاتر آیا واقعاً یک فارغ التحصیل هاگوارتز هستید.

فرودگاه؛ شهری کوچک که هرگز نمی خوابد

فرودگاه را می توان یک شهر کوچک و فوق العاده شلوغ دانست. شرکت های هواپیمایی، نیروهای امنیتی، بخش خدمات، خدمه پرواز، فروشگاه ها، کنترل ترافیک هوایی و تیم حمل بار باید هم زمان با یکدیگر کار کنند. هر واحد سیستم و هدف خودش را دارد، اما نتیجه نهایی باید برای مسافر یکپارچه به نظر برسد.

اینجاست که فناوری های هوشمند ارزش واقعی خودشان را نشان می دهند. هوش مصنوعی می تواند حجم بزرگی از داده های عملیاتی را بررسی کند و خیلی زودتر از انسان متوجه شکل گیری یک مشکل شود. برای مثال، اگر تأخیر یک پرواز روی چند گیت، برنامه نظافت، انتقال بار و پروازهای بعدی اثر بگذارد، سیستم می تواند این زنجیره را از قبل تشخیص دهد.

نکته مهم این است که مسافر قرار نیست هیچ کدام از این محاسبات را ببیند. او فقط متوجه می شود صف سریع تر حرکت کرده، چمدانش به موقع رسیده یا پیام تغییر گیت را زودتر دریافت کرده است. این همان جایی است که هوش مصنوعی نامرئی بهترین عملکردش را دارد: فناوری دیده نمی شود، اما نتیجه اش کاملاً حس می شود.

نامرئی بودن هوش مصنوعی دقیقاً یعنی چه؟

نامرئی بودن به این معنا نیست که استفاده از فناوری از کارکنان، مشتریان یا نهادهای نظارتی پنهان شود. منظور این است که ابزار هوشمند به شکل طبیعی داخل جریان کار قرار بگیرد و افراد برای استفاده از آن مجبور نباشند هر بار سراغ یک سامانه پیچیده و جداگانه بروند.

فرض کنید مدیر یک فروشگاه برای سفارش موجودی جدید باید چند ساعت فایل های فروش را بررسی کند. حالا یک سیستم هوشمند می تواند روند تقاضا، فصل، وضعیت انبار و رفتار مشتریان را تحلیل کند و پیشنهاد خرید بدهد. مدیر همچنان تصمیم نهایی را می گیرد، ولی بخش خسته کننده و زمان بر کار قبلاً انجام شده است.

وقتی فناوری درست طراحی شود، کاربر احساس نمی کند با یک «پروژه عظیم هوش مصنوعی» روبه رو شده. او فقط می بیند نرم افزاری که همیشه استفاده می کرده، حالا پیشنهادهای دقیق تری می دهد و بعضی کارها را خودکار جلو می برد. همین تجربه روان، پذیرش فناوری را هم بیشتر می کند.

تجربه بهتر، نه نمایش پرزرق وبرق

خیلی از شرکت ها برای عقب نماندن از موج بازار، قابلیت های مبتنی بر هوش مصنوعی را با عجله به محصولاتشان اضافه می کنند. نتیجه گاهی یک دکمه تازه، یک چت بات کم فایده یا داشبوردی شلوغ است که بیشتر از کمک کردن، کاربر را گیج می کند.

اما ارزش واقعی زمانی ساخته می شود که فناوری یک مشکل مشخص را حل کند. در فرودگاه، مسافر اهمیت نمی دهد برنامه ریزی گیت ها با چه الگوریتمی انجام شده است. او فقط می خواهد پروازش با کمترین دردسر انجام شود. مشتری یک بانک، فروشگاه یا شرکت بیمه هم دقیقاً همین نگاه را دارد.

پس به جای تبلیغ مداوم ابزار، بهتر است روی خروجی تمرکز شود: انتظار کمتر، پاسخ سریع تر، خطای پایین تر و تجربه ای شخصی تر. اگر مشتری از خودش بپرسد «چرا این فرایند قبلاً این قدر سخت بود؟»، یعنی فناوری کارش را خوب انجام داده است.

هوش مصنوعی چطور پشت صحنه تصمیم می گیرد؟

عملکرد هوش مصنوعی به داده وابسته است. در یک فرودگاه، اطلاعات مربوط به آب وهوا، زمان پرواز، تعداد مسافران، وضعیت گیت ها، محل هواپیماها و سابقه تأخیرها می تواند کنار هم قرار بگیرد. مدل های تحلیلی با بررسی این داده ها، سناریوهای احتمالی را پیش بینی می کنند.

البته پیش بینی به تنهایی کافی نیست. سیستم باید نتیجه را در زمان مناسب به فرد مناسب برساند. اگر هشدار شلوغی صف امنیتی زمانی صادر شود که مسافران از پرواز جا مانده اند، دیگر فایده زیادی ندارد. اطلاعات باید قبل از بحرانی شدن وضعیت وارد جریان کار شوند.

این منطق در صنایع دیگر هم کاربرد دارد. کارخانه ها می توانند خرابی دستگاه را پیش بینی کنند، بانک ها تراکنش های مشکوک را سریع تر تشخیص دهند و فروشگاه ها موجودی را براساس تقاضای واقعی تنظیم کنند. چنین کاربردهایی نشان می دهد هوش مصنوعی در کسب وکار بیش از هر چیز درباره تصمیم گیری بهتر و به موقع است.

انسان هنوز از معادله حذف نشده است

سیستم هوشمند می تواند بین هزاران گزینه بگردد، الگو پیدا کند و پیشنهاد بدهد؛ اما همیشه تمام زمینه را نمی فهمد. در موقعیت های حساس، قضاوت انسانی، تجربه و درک شرایط همچنان ضروری است.

مثلاً یک مدل ممکن است جابه جایی گیت را بهترین راه کاهش تأخیر بداند، اما مدیر عملیات بداند در آن گیت مسافری با نیازهای ویژه حضور دارد یا تیم زمینی هنوز آماده نیست. داده بخشی از واقعیت را نشان می دهد، نه همیشه تمام آن را.

به همین دلیل، موفق ترین شکل اتوماسیون هوشمند معمولاً همکاری انسان و ماشین است. ماشین محاسبه سنگین را انجام می دهد و انسان درباره استثناها، پیامدها و اولویت ها تصمیم می گیرد. هدف، کنار گذاشتن نیروی انسانی نیست؛ هدف این است که وقت او صرف کارهای ارزشمندتر شود.

درس هایی که هر کسب وکاری می تواند از فرودگاه بگیرد

اولین درس، شروع کردن از مسئله است. سازمان ها نباید فقط چون هوش مصنوعی ترند شده، سراغ آن بروند. بهتر است ابتدا نقطه های اصطکاک شناسایی شوند: مشتری کجا منتظر می ماند؟ کارکنان کدام کار را بارها تکرار می کنند؟ چه تصمیمی معمولاً دیر گرفته می شود؟

دومین درس، اهمیت اتصال سیستم هاست. در فرودگاه، اگر اطلاعات پرواز به سامانه بار یا تیم خدمات زمینی نرسد، بهترین الگوریتم هم اثر محدودی خواهد داشت. در شرکت ها نیز داده ها اغلب در نرم افزارهای جدا، فایل های پراکنده و واحدهای مستقل گیر افتاده اند.

برای رسیدن به تحول کسب وکارها باید این جزیره های اطلاعاتی تا حد ممکن به هم متصل شوند. البته این اتصال باید با رعایت امنیت، حریم خصوصی و سطح دسترسی انجام شود. جمع آوری هر داده ای صرفاً چون امکانش وجود دارد، رویکرد درستی نیست.

سومین درس، اندازه گیری نتیجه است. تعداد مدل ها یا ابزارهای خریداری شده معیار موفقیت نیست. کاهش زمان پاسخ گویی، پایین آمدن هزینه، افزایش رضایت مشتری و کمتر شدن خطاها شاخص های واقعی تری هستند. اگر خروجی بهتر نشده، احتمالاً راهکار انتخاب شده به بازنگری نیاز دارد.

کوچک شروع کنید، بعد توسعه بدهید

اجرای یک برنامه سراسری و پیچیده از همان روز اول وسوسه انگیز است، اما ریسک زیادی دارد. بهتر است یک فرایند مشخص انتخاب شود؛ مثلاً پیش بینی تقاضا، دسته بندی درخواست ها یا شناسایی تجهیزات در معرض خرابی.

پس از اجرای آزمایشی، می توان کیفیت داده، دقت پیشنهادها و واکنش کارکنان را بررسی کرد. اگر نتیجه مثبت بود، همان راهکار قدم به قدم توسعه پیدا می کند. این روش هم هزینه شکست را پایین می آورد و هم اعتماد تیم ها را بیشتر می کند.

آموزش کارکنان نیز نباید فراموش شود. وقتی افراد ندانند سیستم براساس چه اطلاعاتی پیشنهاد می دهد یا در صورت خطا باید چه کاری انجام دهند، احتمال مقاومت بالا می رود. توضیح شفاف کاربرد، محدودیت و مسئولیت هر فرد، بخش مهمی از استقرار فناوری است.

اعتماد؛ پایه ای که بدون آن هیچ سیستمی دوام نمی آورد

هرچه هوش مصنوعی بیشتر وارد عملیات روزانه شود، بحث اعتماد جدی تر خواهد شد. کارکنان باید بدانند پیشنهادها چطور استفاده می شوند و مشتریان نیز حق دارند از شیوه پردازش اطلاعات شخصی شان آگاه باشند.

نظارت انسانی، ثبت تصمیم ها و امکان بررسی عملکرد مدل ها اهمیت زیادی دارد. اگر سیستم اشتباه کرد، سازمان باید بتواند دلیل احتمالی آن را پیدا کند و مسیر اصلاح را بشناسد. سپردن کامل مسئولیت به یک جعبه سیاه، مخصوصاً در حوزه های حساس، تصمیم عاقلانه ای نیست.

امنیت هم بخشی از همین اعتماد است. داده های ضعیف، ناقص یا دست کاری شده می توانند خروجی نادرست تولید کنند. بنابراین کیفیت داده، کنترل دسترسی و پایش مداوم باید از ابتدا در طراحی پروژه دیده شوند، نه اینکه بعداً به آن اضافه شوند.

آینده ای که کمتر دیده می شود و بیشتر اثر می گذارد

در آینده احتمالاً حضور هوش مصنوعی کمتر به چشم می آید، چون داخل ابزارهای معمولی حل می شود. تقویم کاری زمان مناسب جلسه را پیشنهاد می دهد، سامانه مالی هزینه غیرعادی را علامت می زند و نرم افزار خدمات مشتری پاسخ مرتبط را قبل از تایپ کارشناس آماده می کند.

این شکل از هوش مصنوعی نامرئی قرار نیست همیشه هیجان انگیز به نظر برسد. اتفاقاً ممکن است کاملاً عادی و حتی کسل کننده باشد؛ اما همان کارهای کوچک و مداوم می توانند سودآوری، سرعت و کیفیت را به طور جدی تغییر دهند.

فرودگاه ها به ما یاد می دهند که پیچیده ترین عملیات هم می تواند برای کاربر ساده جلوه کند. پشت یک سفر روان، شبکه ای بزرگ از داده، همکاری و تصمیم های لحظه ای وجود دارد. کسب وکارها نیز زمانی از هوش مصنوعی بیشترین سود را می برند که فناوری را از ویترین بیرون بیاورند و دقیقاً در جایی قرار دهند که کار واقعی انجام می شود.

در نهایت، برنده کسی نیست که بیشتر از بقیه درباره هوش مصنوعی حرف می زند. برنده سازمانی است که آن را هوشمندانه، مسئولانه و بی سروصدا به بخشی از کار روزمره تبدیل می کند؛ طوری که کارکنان راحت تر کار کنند، مشتریان تجربه بهتری داشته باشند و نتیجه خودش گویای همه چیز باشد.

برای دریافت جدیدترین اخبار تکنولوژی با مجله هوش مصنوعی با ما همراه باشید