مهمترین کاربردهای هوش مصنوعی در کسبوکارهای ایرانی
هوش مصنوعی دیگر موضوعی محدود به شرکتهای فناوری یا آزمایشگاههای تحقیقاتی نیست. در چند سال گذشته، ابزارهای مبتنی بر هوش مصنوعی به تدریج وارد بخشهای مختلف کسبوکار شدهاند و از تولید محتوا و پاسخگویی به مشتری گرفته تا تحلیل اطلاعات، مدیریت دانش، فروش، منابع انسانی و تصمیمگیری مدیریتی را تحت تأثیر قرار دادهاند. با این حال، وقتی درباره استفاده از هوش مصنوعی در ایران صحبت میکنیم، نمیتوان همان نسخهای را که برای یک شرکت بزرگ در آمریکا یا اروپا طراحی شده، بدون تغییر برای یک کسبوکار ایرانی در نظر گرفت. محدودیتهای دسترسی به برخی سرویسها، هزینههای ارزی، پراکندگی اطلاعات، استفاده گسترده از فرآیندهای دستی، ساختار متفاوت سازمانها و حتی زبان فارسی، باعث میشوند که کاربردهای هوش مصنوعی در کسبوکارهای ایرانی تا حدی مسیر متفاوتی داشته باشند.
برای بسیاری از شرکتهای ایرانی، مسئله اصلی این نیست که «چگونه از هوش مصنوعی استفاده کنیم؟» بلکه این است که «کدام بخش از کسبوکار بیشترین ظرفیت را برای استفاده از هوش مصنوعی دارد؟». پاسخ این سؤال هم الزاماً یک چتبات یا ابزار تولید متن نیست. در یک سازمان ممکن است بیشترین ارزش در تحلیل اسناد و قراردادها ایجاد شود، در سازمانی دیگر در اتوماسیون فرآیندهای تکراری، و در یک شرکت فروشگاهی ممکن است هوش مصنوعی بیشتر در شناخت مشتری و پیشبینی تقاضا کاربرد داشته باشد. بنابراین بهتر است به جای نگاه کردن به هوش مصنوعی به عنوان یک محصول واحد، آن را به عنوان یک لایه هوشمند در بخشهای مختلف کسبوکار ببینیم.
۱. دسترسی هوشمند به دانش و اطلاعات سازمان
یکی از مهمترین کاربردهای هوش مصنوعی برای شرکتهای ایرانی، مدیریت حجم زیادی از اطلاعاتی است که در طول سالها در سازمان تولید شدهاند. قراردادها، آییننامهها، دستورالعملها، گزارشهای مالی، فایلهای اکسل، مکاتبات، مستندات فنی، گزارش جلسات و هزاران فایل دیگر معمولاً در پوشههای مختلف، کامپیوتر کارکنان یا سامانههای جداگانه نگهداری میشوند. وجود این اطلاعات به خودی خود به معنای در دسترس بودن دانش سازمانی نیست. مشکل زمانی آشکار میشود که یک مدیر یا کارمند برای پاسخ به یک سؤال ساده مجبور باشد چندین فایل را باز کند، از افراد مختلف سؤال بپرسد یا ساعتها در پوشههای قدیمی جستوجو کند.
هوش مصنوعی میتواند این وضعیت را تغییر دهد. به جای اینکه کاربر صرفاً نام یک فایل را جستوجو کند، میتواند سؤال خود را به زبان طبیعی مطرح کند و سیستم اطلاعات مرتبط را از میان منابع مختلف پیدا کرده و در اختیار او قرار دهد. برای مثال، کارشناس یک شرکت میتواند درباره شرایط یک قرارداد، سابقه یک پروژه، دستورالعمل داخلی یا مشخصات یک محصول سؤال کند و پاسخ را بر اساس اطلاعات موجود در سازمان دریافت کند. این کاربرد برای شرکتهایی که حجم زیادی از اسناد و دانش تخصصی دارند، اهمیت ویژهای دارد؛ زیرا بخشی از ارزش واقعی سازمان در همین اطلاعات پراکنده و گاهی فراموششده قرار گرفته است.
۲. اتوماسیون کارهای تکراری
بخش قابل توجهی از زمان کارکنان در بسیاری از شرکتها صرف فعالیتهایی میشود که به تصمیمگیری پیچیده نیاز ندارند؛ انتقال اطلاعات از یک سیستم به سیستم دیگر، بررسی فایلها، تهیه گزارشهای دورهای، دستهبندی درخواستها، ارسال پیام، ثبت اطلاعات، پیگیری وضعیت کارها و مجموعهای از فعالیتهای مشابه. انجام دستی این کارها نه تنها زمانبر است، بلکه احتمال خطای انسانی را نیز افزایش میدهد.
هوش مصنوعی میتواند در کنار سیستمهای اتوماسیون، بخشی از این فعالیتها را هوشمند کند. تفاوت مهم اینجاست که اتوماسیون سنتی معمولاً بر اساس قوانین از پیش تعیینشده کار میکند، در حالی که سیستمهای هوشمند میتوانند با دادههای غیرساختاریافته مانند متن، ایمیل، سند یا درخواست کاربر نیز کار کنند. برای نمونه، یک درخواست دریافتی میتواند ابتدا توسط هوش مصنوعی تحلیل و دستهبندی شود، سپس به واحد مربوطه ارسال شود و در صورت نیاز، اطلاعات لازم برای ادامه فرآیند استخراج شود. چنین رویکردی میتواند تعداد زیادی از فعالیتهای اداری روزمره را از دوش کارکنان بردارد.
۳. خدمات مشتری و پشتیبانی هوشمند
پشتیبانی مشتری یکی از حوزههایی است که هوش مصنوعی میتواند در آن اثر قابل مشاهدهای ایجاد کند. مشتریان معمولاً سؤالهای تکراری زیادی دارند؛ از وضعیت سفارش و نحوه استفاده از محصول گرفته تا شرایط خدمات، قیمت، قوانین بازگشت یا مشکلات رایج. پاسخ دادن به این پرسشها به صورت دستی، مخصوصاً در شرکتهایی با تعداد زیاد مشتری، هزینه قابل توجهی ایجاد میکند.
دستیارهای هوشمند میتوانند بخشی از این ارتباط را بر عهده بگیرند و به صورت شبانهروزی به سؤالات مشتریان پاسخ دهند. البته ارزش اصلی چنین سیستمی زمانی ایجاد میشود که صرفاً یک مدل عمومی نباشد و بتواند اطلاعات واقعی شرکت را درک کند. یک دستیار پشتیبانی باید بداند شرکت چه محصولاتی دارد، شرایط خدمات آن چیست، چه سیاستهایی برای مشتریان تعریف شده و در چه شرایطی باید درخواست را به یک نیروی انسانی منتقل کند. در این حالت، هوش مصنوعی به جای اینکه صرفاً یک چتبات باشد، به بخشی از فرآیند خدمات مشتری تبدیل میشود.
۴. تحلیل داده و کمک به تصمیمگیری مدیران
داده در بسیاری از شرکتهای ایرانی وجود دارد، اما همیشه به اطلاعات قابل استفاده برای تصمیمگیری تبدیل نمیشود. اطلاعات فروش، مالی، مشتریان، موجودی، منابع انسانی و عملیات ممکن است در چندین نرمافزار و فایل مختلف ذخیره شده باشند و مدیر برای رسیدن به یک تصویر کلی مجبور باشد گزارشهای متعددی را بررسی کند.
هوش مصنوعی میتواند ارتباط با دادهها را سادهتر کند. به جای اینکه مدیر برای هر گزارش به یک متخصص داده یا کارشناس نرمافزار وابسته باشد، میتواند سؤال خود را به زبان طبیعی مطرح کند؛ برای مثال درباره روند فروش، تغییرات هزینهها، عملکرد یک محصول یا تفاوت عملکرد واحدهای مختلف سؤال کند و پاسخ تحلیلی دریافت کند. در سطح پیشرفتهتر، سیستم میتواند روندهای غیرعادی را نیز شناسایی کند و مواردی را که نیاز به بررسی بیشتر دارند، به مدیر اطلاع دهد.
البته استفاده از هوش مصنوعی در این حوزه به معنای واگذاری تصمیمگیری به ماشین نیست. ارزش واقعی در این است که مدیر بتواند سریعتر و با اطلاعات کاملتر تصمیم بگیرد. هوش مصنوعی میتواند تحلیل را سریعتر کند، اما تصمیم نهایی همچنان به شرایط واقعی کسبوکار و قضاوت انسانی وابسته است.
۵. فروش و بازاریابی شخصیسازیشده
بازاریابی یکی دیگر از حوزههایی است که هوش مصنوعی میتواند تغییر قابل توجهی در آن ایجاد کند. بسیاری از شرکتها حجم زیادی از اطلاعات مربوط به مشتریان خود دارند، اما از این اطلاعات برای ایجاد تجربه شخصیسازیشده استفاده نمیکنند. سابقه خرید، رفتار مشتری، علاقهمندیها، تعامل با محتوا و نوع درخواستهای مشتری میتواند تصویر دقیقتری از نیازهای او ایجاد کند.
سیستمهای هوش مصنوعی میتوانند این اطلاعات را تحلیل کنند و به تیم فروش و بازاریابی کمک کنند تا مشتریان را بهتر بشناسند، گروههای مختلف مشتریان را شناسایی کنند و محتوای مناسبتری برای هر گروه ارائه دهند. در فروش نیز میتوان از هوش مصنوعی برای اولویتبندی سرنخها، تحلیل مکالمات فروش، پیشنهاد محصولات مرتبط و شناسایی فرصتهای احتمالی استفاده کرد. در نتیجه، تیم فروش به جای اینکه زمان خود را صرف بررسی دستی تمام سرنخها کند، میتواند روی مواردی تمرکز کند که اطلاعات موجود، اهمیت بیشتری برای آنها نشان میدهد.
۶. تولید و مدیریت محتوای فارسی
تولید محتوا یکی از اولین کاربردهایی بود که باعث شد هوش مصنوعی به شکل گسترده وارد کسبوکارها شود. تولید متن برای وبسایت، شبکههای اجتماعی، ایمیل، توضیحات محصول، مقالات، تبلیغات و اسناد داخلی اکنون میتواند با کمک مدلهای زبانی بسیار سریعتر انجام شود.
برای کسبوکارهای ایرانی، پشتیبانی مناسب از زبان فارسی اهمیت ویژهای دارد. تولید محتوای فارسی فقط ترجمه متن انگلیسی نیست؛ لحن، ساختار جمله، اصطلاحات تخصصی و فرهنگ مخاطب باید در نظر گرفته شود. به همین دلیل، استفاده حرفهای از مدلهای زبانی در ایران نیازمند توجه به کیفیت زبان فارسی و همچنین اطلاعات اختصاصی هر برند است. یک سیستم هوشمند میتواند بر اساس لحن و دانش یک سازمان، پیشنویسهای اولیه تولید کند و در اختیار تیم محتوا قرار دهد تا انسان آن را بررسی و نهایی کند.
۷. منابع انسانی و مدیریت کارکنان
هوش مصنوعی در منابع انسانی نیز میتواند کاربردهای متنوعی داشته باشد. از پاسخگویی به سؤالات کارکنان درباره قوانین و فرآیندهای داخلی گرفته تا تهیه گزارش، دستهبندی درخواستها، تحلیل نیازهای آموزشی و کمک به مدیریت دانش کارکنان.
یکی از کاربردهای جالبتر در این حوزه، ایجاد دستیارهای سازمانی برای کارکنان است. تصور کنید هر کارمند بتواند یک دستیار هوشمند داشته باشد که اطلاعات مربوط به نقش شغلی، فرآیندهای سازمان، پروژهها و ابزارهای مورد استفاده او را بشناسد و در انجام کارهای روزمره کمک کند. چنین سیستمی میتواند زمان صرفشده برای پیدا کردن اطلاعات یا انجام فعالیتهای اداری را کاهش دهد و در عین حال دسترسی کارکنان به دانش سازمانی را سادهتر کند.
۸. بررسی قراردادها و اسناد حقوقی
شرکتها معمولاً با تعداد زیادی قرارداد، نامه، توافقنامه و سند حقوقی سروکار دارند. بررسی دستی این اسناد میتواند زمان زیادی بگیرد، مخصوصاً زمانی که مدیر یا کارشناس حقوقی بخواهد یک مجموعه بزرگ از قراردادها را با معیار مشخصی بررسی کند.
هوش مصنوعی میتواند متن قراردادها را تحلیل کند، بخشهای مهم را استخراج کند، بندهای خاص را پیدا کند و مواردی را که نیاز به بررسی انسانی دارند مشخص کند. برای مثال، میتوان از سیستم خواست تمام قراردادهایی را که تاریخ تمدید آنها نزدیک است پیدا کند یا بندهای مرتبط با جریمه، تعهدات، مدت قرارداد و شرایط فسخ را استخراج کند. چنین ابزارهایی جایگزین متخصص حقوقی نیستند، اما میتوانند بخش قابل توجهی از کارهای جستوجو، استخراج و مقایسه را سریعتر کنند.
۹. پیشبینی تقاضا و مدیریت موجودی
برای شرکتهای تولیدی، بازرگانی و فروشگاهی، پیشبینی تقاضا اهمیت زیادی دارد. موجودی بیش از اندازه میتواند سرمایه شرکت را درگیر کند و موجودی کمتر از نیاز نیز ممکن است باعث از دست رفتن فروش شود. تصمیمگیری درباره میزان سفارش یا تولید نیز معمولاً به عوامل مختلفی وابسته است.
مدلهای هوش مصنوعی میتوانند با استفاده از دادههای تاریخی فروش، روندهای بازار، فصلها و سایر متغیرهای مرتبط، الگوهایی را شناسایی کنند که بررسی آنها به صورت دستی دشوار است. این پیشبینیها میتوانند در کنار تجربه مدیران قرار بگیرند و به برنامهریزی خرید، تولید و موجودی کمک کنند. میزان دقت چنین سیستمهایی البته به کیفیت و حجم دادههای موجود وابسته است و نباید پیشبینی مدل را بدون بررسی شرایط واقعی بازار به عنوان یک حقیقت قطعی در نظر گرفت.
۱۰. هوش مصنوعی در صنایع و کسبوکارهای تخصصی
کاربرد هوش مصنوعی محدود به فروشگاههای اینترنتی یا شرکتهای خدماتی نیست. صنایع مختلف از جمله نفت و گاز، انرژی، ساختمان، مهندسی، تولید، بانکداری، بیمه، حملونقل و آموزش نیز میتوانند از آن استفاده کنند. در این صنایع، ارزش اصلی هوش مصنوعی معمولاً در ترکیب مدلهای عمومی با دانش تخصصی همان صنعت ایجاد میشود.
برای مثال، در یک شرکت مهندسی میتوان از هوش مصنوعی برای بررسی اسناد فنی، استخراج اطلاعات از نقشهها و گزارشها، کمک به محاسبات و تهیه مستندات استفاده کرد. در یک مجموعه صنعتی، سیستم میتواند به عنوان دستیار دانش فنی عمل کند و اطلاعات مربوط به تجهیزات، سوابق تعمیرات و دستورالعملها را در اختیار کارشناسان قرار دهد. در آموزش نیز میتوان از هوش مصنوعی برای ایجاد دستیار آموزشی، تولید محتوای اختصاصی و تحلیل روند یادگیری استفاده کرد. بنابراین آینده استفاده از هوش مصنوعی صرفاً در ابزارهای عمومی نیست؛ بخش مهمی از بازار به سمت سیستمهای تخصصی و متناسب با نیاز هر صنعت حرکت خواهد کرد.
۱۱. تبدیل جلسات و مکالمات به اطلاعات قابل استفاده
جلسات بخش جداییناپذیر فعالیت بسیاری از سازمانها هستند، اما اطلاعاتی که در آنها تولید میشود معمولاً به شکل ساختاریافته ثبت نمیشود. ممکن است ساعتها جلسه برگزار شود اما بعد از جلسه، تنها چند نکته پراکنده در یک پیام یا فایل ثبت شود.
ابزارهای هوش مصنوعی میتوانند صدای جلسه را به متن تبدیل کنند، موضوعات اصلی را استخراج کنند، تصمیمهای گرفتهشده را مشخص کنند و وظایف و اقدامات بعدی را از میان صحبتها استخراج کنند. این قابلیت زمانی ارزش بیشتری پیدا میکند که اطلاعات جلسه بتواند وارد فرآیندهای بعدی سازمان شود؛ برای مثال یک تصمیم به یک کار مشخص تبدیل شود یا مسئول انجام یک اقدام مشخص شود. در این حالت، هوش مصنوعی میتواند فاصله میان «جلسه» و «اقدام» را کوتاهتر کند.
۱۲. ایجاد دستیارهای هوشمند اختصاصی برای هر سازمان
شاید مهمترین تغییر در مرحله بعدی استفاده از هوش مصنوعی این باشد که شرکتها دیگر صرفاً از یک ابزار عمومی هوش مصنوعی استفاده نکنند، بلکه دستیارهای اختصاصی خود را داشته باشند. چنین دستیارهایی میتوانند به اطلاعات، فرآیندها و ابزارهای سازمان متصل باشند و متناسب با نقش هر کاربر رفتار کنند.
برای مثال، مدیرعامل ممکن است یک دستیار مدیریتی داشته باشد که گزارشهای سازمان را خلاصه کند و اطلاعات مورد نیاز او را ارائه دهد؛ مدیر فروش دستیار دیگری داشته باشد که وضعیت مشتریان و فرصتهای فروش را بررسی کند؛ و واحد منابع انسانی نیز دستیار مخصوص خود را برای پاسخگویی به کارکنان و مدیریت فرآیندهای منابع انسانی در اختیار داشته باشد. در این مدل، هوش مصنوعی دیگر یک نرمافزار جداگانه در کنار سایر نرمافزارهای سازمان نیست، بلکه به تدریج به یک لایه مشترک میان کارکنان، اطلاعات و سیستمهای مختلف تبدیل میشود.
چالشهای استفاده از هوش مصنوعی در ایران
با وجود فرصتهای گسترده، پیادهسازی هوش مصنوعی در یک کسبوکار ایرانی همیشه ساده نیست. کیفیت دادهها، پراکندگی اطلاعات، امنیت، هزینه استفاده از مدلهای خارجی، محدودیتهای دسترسی به برخی سرویسها، زیرساخت سختافزاری و نبود فرآیندهای استاندارد از جمله مسائلی هستند که باید از ابتدا مورد توجه قرار گیرند. در سازمانهای بزرگ، مسئله حریم خصوصی و کنترل دسترسی به اطلاعات نیز اهمیت بیشتری پیدا میکند؛ زیرا همه کاربران نباید الزاماً به تمام اطلاعات سازمان دسترسی داشته باشند.
از طرف دیگر، یکی از اشتباهات رایج این است که شرکتها ابتدا یک ابزار هوش مصنوعی خریداری کنند و بعد به دنبال پیدا کردن کاربرد برای آن باشند. رویکرد منطقیتر این است که ابتدا فرآیندهای سازمان بررسی شوند و مشخص شود کدام فعالیتها زمان زیادی مصرف میکنند، کدام بخشها بیشترین خطا را دارند، چه اطلاعاتی بلااستفاده مانده و در کدام قسمتها تصمیمگیری به اطلاعات بیشتری نیاز دارد. سپس میتوان مشخص کرد که هوش مصنوعی دقیقاً در کدام نقطه باید وارد شود.
آینده هوش مصنوعی در کسبوکارهای ایرانی
مسیر استفاده از هوش مصنوعی در کسبوکارهای ایرانی احتمالاً از ابزارهای ساده تولید متن و چتباتها به سمت سیستمهای عمیقتر و یکپارچهتر حرکت خواهد کرد. در مرحله بعد، سازمانها به جای داشتن چند ابزار جداگانه، به سمت ساخت محیطهایی خواهند رفت که در آنها هوش مصنوعی بتواند دانش سازمان را درک کند، با سیستمهای مختلف ارتباط داشته باشد، فرآیندها را اجرا کند و در اختیار کارکنان مختلف قرار بگیرد.
این تغییر به معنای حذف انسان از فرآیندهای کسبوکار نیست. اتفاقاً در بسیاری از موارد، هدف اصلی استفاده از هوش مصنوعی این است که انسان زمان کمتری را صرف کارهای تکراری، جستوجوی اطلاعات و پردازش اولیه دادهها کند و زمان بیشتری برای تصمیمگیری، خلاقیت، ارتباط با مشتری و حل مسائل پیچیده داشته باشد.
برای کسبوکارهای ایرانی، بنابراین سؤال اصلی دیگر این نیست که آیا باید از هوش مصنوعی استفاده کنند یا نه. سؤال مهمتر این است که کدام بخش از کسبوکار بیشترین آمادگی را برای هوشمند شدن دارد و چگونه میتوان این فناوری را به شکلی امن، قابل کنترل و متناسب با واقعیتهای سازمان به کار گرفت. شرکتی که بتواند دانش، دادهها و فرآیندهای خود را به درستی در کنار هوش مصنوعی قرار دهد، میتواند از این فناوری فراتر از تولید چند متن یا پاسخ به چند سؤال استفاده کند و آن را به بخشی از زیرساخت واقعی کسبوکار خود تبدیل کند.
Comments