هوش مصنوعی و داده کاوی (AI & DM)

فناوری‌های هوش مصنوعی و کلان داده تا زمانی که در انحصار مدیران و مقامات بالای سازمانی هستند، به پیشرفت و سودآوری واقعی منجر نمی‌شوند.

ما در دورانی زندگی می‌کنیم که تقریباً هرروز، یک تکنولوژی جدید مبتنی بر هوش مصنوعی معرفی می‌شود. در تمامی زمینه‌ها، از فین‌تک گرفته تا فناوری‌های آموزشی، مواردی که زمانی غیرممکن به نظر می‌رسیدند، حالا به واقعیت‌های تجاری تبدیل‌شده‌اند. به‌علاوه شکی نیست که کلان داده و هوش مصنوعی، پیشرفت‌های قابل‌توجهی را در حوزه‌ی مدیریت به وجود آورده‌اند، مخصوصاً که این فناوری‌ها به بهبود تصمیم‌گیری‌های آگاهانه کمک می‌کنند. اما برخی از انواع تصمیمات – به‌ویژه تصمیماتی که در رابطه با استراتژی، نوآوری و بازاریابی اتخاذ می‌شوند، همچنان به انسان‌هایی نیاز دارند که نگاه کل گرا و همه‌جانبه‌ای به مسائل داشته باشند و بر اساس شواهد و حقایق، قضاوت کیفی کنند. لااقل تا به امروز، هیچ فناوری هوش مصنوعی قادر نیست زمینه‌های احساسی، انسانی و سیاسی را در تصمیمات خودکار لحاظ کند.

به‌عنوان‌مثال صنعت بهداشت و درمان را در نظر بگیرید که AI در آن نقش تأثیرگذاری ایفا می‌کند. حتی اگر هوش مصنوعی بتواند به یک پزشک در تشخیص و پیشنهاد درمان یک بیمار مبتلا به سرطان کمک کند، بازهم درنهایت تنها خود پزشک قادر است با در نظر گرفتن شرایط بیمار و احساسات او ( و همچنین خانواده‌ی او) تصمیم بگیرد که درمان را با جراحی پیش ببرد یا شیمی‌درمانی. آنچه در دنیای پزشکی مهم‌تر از تشخیص بیماری است، همکاری با بیمار برای پیدا کردن درمان مناسبی است که با نگاهی جامع و همدلانه، شرایط خاص او را در نظر بگیرد.

فناوری‌های هوش مصنوعی می‌توانند با فراهم کردن داده‌ها و پیش‌بینی‌های صحیح، به مدیران و کارمندان کمک کنند که بهترین تصمیم را در مناسب‌ترین زمان اتخاذ کنند. حالا فرض کنیم که سیستم AI بتواند دانش فوق‌العاده‌ای را در اختیار یک کارمند قرار دهد. تا زمانی که او در بیمارستانی کار می‌کند که در آن بوروکراسی شدید حاکم است و هر اقدام، به دستور و مجوز کتبی مدیر ارشد صورت می‌گیرد، این دانش فوق‌العاده به تصمیم‌گیری بهینه‌ی کارمند فوق منجر نخواهد شد. اگر می‌خواهیم ارزش واقعی را از هوش مصنوعی استخراج‌کنیم، باید به تمام کارمندان در تمام سطوح سازمانی اجازه دهیم تصمیمات نهایی را با مساعدت هوش مصنوعی اتخاذ کنند و مطابق با این تصمیمات عمل کنند. به‌طور خلاصه، باید قدرت تصمیم‌گیری مبتنی بر قضاوت افراد را دموکراتیزه کنیم.

AI & Decision Making

اغلب مقالاتی که در مورد تأثیرات هوش مصنوعی و کلان داده بر پروسه‌ی تصمیم‌گیری نوشته‌شده، اهمیت تشکیل تیم‌های متمرکز و دانشمندان داده را پررنگ می‌کنند. این بدان معنی است که شرکت‌هایی که از همکاری دانشمندان داده‌ی بیشتری بهره می‌برند، شانس موفقیت بیشتری دارند. اما الساندرو دی فیوره، مدیرعامل مرکز نوآوری‌های استراتژیک اروپا (ECSI) در تحقیقات اخیر خود این ایده را رد می‌کند. به گفته‌ی او، شرکت‌هایی که تعداد زیادی متخصص علوم داده استخدام می‌کنند، لزوماً به سودآوری بیشتری دست پیدا نمی‌کنند. تحقیقات او نشان می‌دهد که این دموکراتیزه کردن ابزارهای هوش مصنوعی و قدرت تصمیم‌گیری بین کارمندان و مدیران است که ارزش ملموس بیشتری به وجود می‌آورد.

به‌عنوان‌مثال، حتماً میدانید که در شرکت‌های پلتفرم‌های اینترنتی نظیر Airbnb، داده‌ها مهم‌ترین عنصر مدل کسب‌وکار هستند. Airbnb معتقد است که هر کارمند باید به سطوح بالای داده‌های خود دسترسی داشته باشد تا تصمیمات آگاهانه‌ای اتخاذ کند. این امر در مورد تمام دپارتمان‌های سازمان مانند بازاریابی، توسعه‌ی کسب‌وکار و منابع انسانی صادق است. مثلاً کارمندان می‌توانند در هرلحظه، بررسی کنند که چه تعداد از میزبانان، در چه مکان‌هایی از سرویس‌های عکاسی حرفه‌ای این شرکت استفاده می‌کنند و این اطلاعات را با روندها، الگوها و پیش‌بینی‌های جدید تطبیق دهند.

دسترسی به داده، امری ضروری و لازم بوده اما کافی نیست. کارمندان علاوه بر داده، به ابزارها و مهارت‌های استفاده و تفسیر آن نیز نیاز دارند. شرکت Airbnb نمی‌تواند در هر یک از اتاق‌ها، یک دانشمند داده داشته باشد و از طرفی، رشد بین‌المللی این شرکت، وضعیت را پیچیده‌تر هم می‌کند. به همین دلیل Airbnb  یک دانشگاه داده راه‌اندازی کرد که برنامه‌های آموزشی را در سه سطح و بیش از ۳۰ واحد ارائه می‌داد. هدف این است که دانش و مهارت‌های لازم را در اختیار تمام کارمندان قرار دهیم تا بتوانند به‌درستی از داده‌ها استفاده و آن‌ها را تفسیر کنند. این امر باعث می‌شود کارمندان به‌سرعت از فرصت‌های نوآوری بهره ببرند. به‌عنوان‌مثال، مدیران محصول یاد می‌گیرند کد SQL خود را بنویسند و تجربیاتشان را در مورد اینکه آیا باید محصولی را در یک شهر جدید عرضه کنند یا خیر، تفسیر کنند. نتیجه: از زمان راه‌اندازی این برنامه در اواخر سال ۲۰۱۶، بیش از ۲۰۰۰ کارمند آموزش دیدند و کاربران فعال هفتگی (WAU) پلتفرم داخلی شرکت، از ۳۰ درصد به ۴۵ درصد افزایش یافتند.

Unilever

مثال دیگر، شرکت چندملیتی یونیلیور است. این شرکت در راستای برنامه‌ای که Insights Engine نام دارد، مجموعه‌ای از سیستم‌ها و ابزارهای مبتنی بر AI را معرفی کرده است که تمامی بازاریابان جهان می‌توانند به آن‌ها دسترسی داشته باشند. در دسترس بودن دیدگاه مشتریان (که از داده‌ها مشتق می‌شوند)، نرخ تصمیم‌گیری‌های غیرمتمرکز بازاریابان در تمام سطوح سازمان را افزایش می‌دهد. یکی از ابزارهای فوق، پلتفرم هوش مصنوعی People World است که می‌تواند هزاران اسناد تحقیقاتی مشتریان و داده‌های رسانه‌های اجتماعی را استخراج کند. این پلتفرم می‌تواند به تمام پرسش‌های معمول بازاریابان در حوزه‌های خاص، پاسخ دهد. درواقع این راهکار با حذف خلاء اطلاعاتی، اعتماد بازاریابان به «یک منبع منسجم حقیقت» را افزایش می‌دهد و به آن‌ها کمک می‌کند در مدت‌زمان بسیار کوتاه‌تر، تصمیمات آگاهانه و مؤثری اتخاذ کنند.

در طول یک دهه‌ی گذشته، هزینه و زمان موردنیاز برای سازمان‌دهی و آنالیز داده‌ها، تا حد زیادی کاهش‌یافته است. اما هنوز بسیاری از شرکت‌ها به‌صورت بسیار متمرکزی از هوش مصنوعی استفاده می‌کنند. واحدهای سازمانی هوش مصنوعی، معمولاً داشبوردهایی را برای مدیران ارشد توسعه می‌دهند تا این فناوری‌ها را به‌طور انحصاری در اختیار مقامات بالا قرار دهند. واقعیت این است که اگر می‌خواهیم کارمندان به کمک هوش مصنوعی تصمیمات بهینه‌تری اتخاذ کنند، باید کنترل و متمرکز کردن تصمیمات را کنار بگذاریم. دموکراتیزه کردن هوش مصنوعی، به تصمیم‌گیری‌های بهتر و سریع‌تر منجر می‌شود و به شرکت‌ها کمک می‌کند نسبت به تغییرات فرصت‌های بازار، واکنش‌های چابک و سریعی نشان دهند.

هوش مصنوعی لزوماً یک پدیده منفی برای دنیای انسانی نیست؛ زمینه‌های متعددی را می‌توان نام برد که در آنها استفاده از هوش مصنوعی منجر به بهبود عملکرد و کاهش استرس انسان‌ها در محیط کار می‌شود. در حوزه کسب‌وکار و کارآفرینی نیز می‌توان روی هوش مصنوعی به‌عنوان یک ابزار قدرتمند برای تسهیل امور حساب کرد.

1- هوش مصنوعی و مدیریت منابع انسانی

بخش منابع انسانی در هر شرکتی وظایفی از قبیل جذب و استخدام نیرو، آموزش و توسعه، تعیین حقوق و مزایا، مسائل رفاهی کارکنان و … را برعهده دارد

در این میان جذب و استخدام کارکنان مستعد برای شرکت بعضاً فرآیندی بسیار چالش‌برانگیز و استرس‌زا است که می‌توان به کمک هوش مصنوعی، این فرآیند را به‌گونه‌ای ساده‌تر و مطلوب‌تر به انجام رساند. وقتی گاه چندین هزار متقاضی برای تنها یک فرصت شغلی ثبت‌نام می‌کنند، بررسی چندین هزار رزومه و شناسایی توانایی‌های بالقوه متقاضیان کاری بسیار دشوار برای کارکنان بخش منابع انسانی خواهد بود.

بهره‌گیری از سیستم‌های مبتنی بر هوش مصنوعی می‌تواند بار سنگینی را از دوش این کارکنان بردارد. اگر یک سامانه هوشمند طراحی شود که بتواند تقاضاهای شغلی و رزومه‌های مربوطه را بر اساس معیارهای مدنظر شرکت طبقه‌بندی و غربال کند، آنگاه کارکنان بخش منابع انسانی قادر خواهند بود امورات باقیمانده را با فراغ بال و در زمان کمتری به انجام برسانند.

2- هوش مصنوعی و مدیریت زمان

زمان‌بندی و استفاده مناسب از زمان جزو مهم‌ترین عوامل موفقیت شرکت‌ها به حساب می‌آید. بر اساس نتایج یک تحقیق، زمان‌بندی در 42 درصد موارد می‌تواند تفاوت بین شکست و موفقیت را در استارت‌آپ‌ها رقم بزند. از این رو اصلاً عجیب نیست که امروزه بسیاری از شرکت‌ها تلاش می‌کنند تا به بهترین نحو ممکن از هوش مصنوعی در مدیریت زمان بهره بگیرند و با تکیه بر اطلاعات پردازش‌شده از زمان حال و گذشته، شانس بیشتری برای پیش‌بینی دقیق‌تر روندهای آتی داشته باشند.

هدف از به‌کارگیری هوش مصنوعی در زمان‌بندی این است که شرکت‌ها بتوانند پیش‌بینی دقیق‌تری از آینده داشته باشند، از منابع دردسترس خود به بهترین نحو استفاده کنند و اتلاف زمان و منابع را به حداقل برسانند. بهره‌گیری حداکثری از مزایای هوش مصنوعی در زمینه مدیریت زمان می‌تواند نقش به‌غایت مؤثری را در سرنوشت آینده یک استارت‌آپ ایفا کند.

3- هوش مصنوعی و خدمات مشتریان

اعتبار هر شرکت تا حد زیادی وابسته به کمیت و کیفیت خدماتی است که به مشتریان خود ارائه می‌دهد، و همین نکته کافی است تا به نقش حیاتی خدمات مشتریان در موفقیت یک کسب‌وکار پی ببریم. درعین‌حال باید توجه داشت که پاسخگویی به حجم زیادی از تماس‌های تلفنی، شکایات و درخواست‌هایی که روزانه به‌سوی بخش امور مشتریان شرکت‌ها سرازیر می‌شود، کاری بسیار خسته‌کننده و زمان‌بر است.

امروزه اما دیگر شرکت‌ها برای ارائه خدمات مناسب به مشتریانشان از شیوه‌های سنتی پیروی نمی‌کنند؛ بهبود کارآیی ناشی از به‌کارگیری سیستم‌های مبتنی بر هوش مصنوعی می‌تواند از سنگینی وظایف کارکنان بخش خدمات مشتریان بکاهد و فشارهای روانی آنها را تخفیف دهد. به‌کارگیری ربات‌های سخنگو یک نمونه آشنا از بهره‌گیری از هوش مصنوعی برای بهبود عملکرد در بخش خدمات مشتریان است. شما می‌توانید به کمک یک ربات سخنگو به‌راحتی مشتریان خود را مدیریت کنید، چرا که پیشرفت فناوری امکان مکالمه همزمان با تعداد زیادی از مشتریان را فراهم نموده است.

مشتریان عموماً اهمیت ویژه‌ای برای پاسخگویی سریع به درخواست‌ها و سؤالاتشان از بخش خدمات مشتریان یک شرکت قائلند و به همین دلیل تأثیرات مثبت استفاده از فناوری هوش مصنوعی در بخش خدمات مشتریان می‌تواند درنهایت وجهه و اعتبار شرکت را بهبود بخشد.

4- هوش مصنوعی و مدیریت پرتفوی (سبد سرمایه‌گذاری)

مدیریت پرتفوی یکی دیگر از حوزه‌های کاربرد هوش مصنوعی در کسب‌وکار است که به‌ویژه در استارت‌آپ‌ها از اهمیت به‌سزایی برخوردار است. اگر استارت‌آپ شما درزمینهٔ مدیریت سرمایه نیز دستی بر آتش دارد می‌توانید روی ربات‌های مشاور هم برای دریافت مشاوره‌های مالی مؤثر حساب کنید. این ربات‌ها اغلب قادرند با دریافت حجم کمی داده، شما را در مدیریت پرتفوی شرکتتان یاری کنند و هزینه استفاده از آنها بسیار کمتر از حق مشاوره‌ای است که مشاوران مالی از شما طلب می‌کنند.

ربات‌های مشاور با استفاده از الگوریتم‌های ویژه‌ای فعالیت می‌کنند که برای ایجاد یک پرتفوی مالی مطابق با اهداف تعیین‌شده از سوی سرمایه‌گذار، طراحی شده‌اند. در طراحی الگوریتم‌های این ربات‌ها همچنین به درجه ریسک‌پذیری سرمایه‌گذار نیز توجه شده است. راب برگر، ستون‌نویس مجله فوربس، در این مورد می‌گوید: «ربات‌های مشاور، سرمایه‌گذاری را به کاری ساده تبدیل کرده‌اند».

فارغ از حوزه‌ای که هوش مصنوعی در آن به کار گرفته می‌شود، باید توجه داشت که هدف هوش مصنوعی درواقع «تسهیل امور» است و نه چیز دیگر.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *