مدیران بخوانند: چالش‌های پنهان استفاده از هوش مصنوعی در سازمان‌ها

استفاده فزاینده سازمان‌ها از الگوریتم‌های جدید هوش مصنوعی برای رشد و پیشرفت، به ویژه در زمینه هوش تجاری و تنظیم استراتژی‌های کسب‌وکار، روندی چشمگیر است. یکی از رویکردهای محوری در این زمینه، اتخاذ مدل‌های خصوصی هوش مصنوعی است. تمایز میان هوش مصنوعی عمومی و خصوصی در این بافت بسیار مهم است؛ بسیاری از سازمان‌ها به درستی نگران دسترسی هوش مصنوعی عمومی به مجموعه داده‌های حساس و حیاتی مانند اطلاعات پرسنلی، داده‌های مالی و جزئیات سوابق عملیاتی هستند.

بنابراین، استفاده از موتورهای استدلال خصوصی که بر اساس داده‌های مختص سازمان آموزش دیده‌اند، منطقی‌ترین مسیر برای کسب بهترین نتایج از هوش مصنوعی و در عین حال حفظ مالکیت فکری ارزشمند سازمان محسوب می‌شود.

داده‌های خاص یک سازمان و امکان تنظیم دقیق مدل هوش مصنوعی داخلی، قابلیت‌های مهمی را برای سازمان‌ها فراهم می‌آورد. این قابلیت‌ها شامل ارائه پیش‌بینی‌های سفارشی و گزارش‌هایی است است که ارتباط بیشتری با واقعیت‌های روزمره کاری شرکت دارد و ریشه در داده‌های عملیاتی خود سازمان دارد. مقاله‌ای از Deloitte Strategy Insight از هوش مصنوعی خصوصی به عنوان «قطب‌نمای سفارشی» نام برده است و استفاده از داده‌های داخلی را مزیتی رقابتی می‌داند. در همین راستا، Accenture هوش مصنوعی را آماده‌کننده بزرگترین ارتقای اقتصادی و تغییر در محیط کار از زمان انقلاب‌های کشاورزی و صنعتی توصیف کرده است.

با این وجود، این رویکرد نیز مانند هوش تجاری سنتی که بر داده‌های تاریخی چندین ساله تکیه دارد، ممکن است منجر به تثبیت الگوهای گذشته در تصمیم‌گیری‌ها شود. McKinsey هشدار می‌دهد که شرکت‌ها در معرض خطر بازتاب گذشته سازمانی خود در کهربای الگوریتمی قرار دارند. علاوه بر این، نشریه Harvard Business Review به پیچیدگی‌های فنی این روند اشاره دارد و بیان می‌کند که سفارشی‌سازی مدل‌ها برای تطابق بیشتر با نیازهای شرکت دشوار است و شاید کاری نباشد که از عهده هر کسی جز متخصصان بسیار خبره در علم داده و برنامه‌نویسی برآید.

در این میان، رویکرد متعادل‌تری توسط MIT Sloane ارائه شده است؛ این نهاد توصیه می‌کند که هوش مصنوعی به عنوان یک کمک‌خلبان در نظر گرفته شود و بر لزوم پرسشگری مستمر و تأیید خروجی‌های آن، به خصوص در شرایط حساس و با ریسک بالا، تأکید می‌شود.

باور به انقلاب یا هوشیاری در برابر منافع؟

تصمیم‌گیرندگانی که قصد دارند مسیر استفاده از هوش مصنوعی خصوصی و ایمن را در پیش بگیرند، شاید بخواهند به انگیزه‌های منابعی که قویاً از این رویکرد حمایت می‌کنند، توجه نشان دهند. به عنوان مثال، شرکت‌هایی نظیر Deloitte و Accenture که خود سازنده و مدیریت‌کننده راه‌حل‌های هوش مصنوعی برای مشتریان بزرگ هستند، منافع تجاری مستقیمی در این زمینه دارند. این شرکت‌ها با همکاری غول‌های فناوری همچون AWS، Azure، Oracle و Nvidia، سیستم‌های سفارشی هوش مصنوعی را برای شرکت‌های مختلف از جمله شرکت‌های Fortune 500 توسعه می‌دهند.

با توجه به نقش تجاری این شرکت‌ها و حضور مستقیم آنها در بازار، جملاتی نظیر «بزرگترین تغییر در محیط کار از زمان انقلاب‌های کشاورزی و صنعتی» یا «قطب‌نمای سفارشی» هرچند الهام‌بخش هستند، اما لازم است به این نکته توجه داشت که انگیزه‌های این ارائه‌دهندگان ممکن است کاملاً بی‌غرضانه و صرفاً در جهت منافع مشتری نباشد.

مزیت‌های انکارناپذیر و هشدارهای مهم

البته، مدافعان هوش مصنوعی به درستی به توانایی مدل‌ها در شناسایی روندها و جریان‌های آماری با کارایی بسیار بالاتر از انسان‌ها اشاره می‌کنند. با در نظر گرفتن حجم عظیم داده‌های در دسترس سازمان‌های امروزی (شامل اطلاعات داخلی و خارجی)، داشتن نرم‌افزاری که بتواند این داده‌ها را در مقیاس وسیع تجزیه و تحلیل کند، یک مزیت فوق‌العاده محسوب می‌شود. به جای انجام تحلیل‌های دستی و زمان‌بر بر روی انبوه داده‌ها که مستعد خطا نیز هستند، هوش مصنوعی می‌تواند به سرعت از میان داده‌های اضافی عبور کرده و بینش‌های عملی و واقعی را استخراج کند.

علاوه بر این، مدل‌های هوش مصنوعی می‌توانند پرس‌وجوهایی که به زبان عادی بیان شده‌اند را تفسیر کرده و بر اساس اطلاعات تجربی – که در زمینه هوش مصنوعی خصوصی برای سازمان بسیار مرتبط است – پیش‌بینی‌هایی را ارائه دهند. این قابلیت به این معناست که پرسنل با مهارت‌های تخصصی کمتر نیز می‌توانند بدون نیاز به داشتن دانش عمیق در تحلیل آماری یا زبان‌های پرس‌وجوی پایگاه داده، از داده‌ها پرسش و پاسخ‌هایی دریافت کنند که در غیر این صورت نیازمند همکاری تیم‌های متعدد و مهارت‌های گوناگون در سراسر سازمان بود.

این صرفه‌جویی در زمان به تنهایی قابل توجه است و به سازمان‌ها اجازه می‌دهد تا انرژی خود را بر روی استراتژی‌گذاری متمرکز کنند، نه جمع‌آوری نقاط داده ضروری و پرس‌وجوی دستی اطلاعات.

با این حال، هم McKinsey و هم Gartner در خصوص اعتماد بیش از حد و منسوخ شدن داده‌ها هشدار می‌دهند. در مورد منسوخ شدن داده، داده‌های تاریخی ممکن است برای استراتژی‌گذاری، به ویژه اگر مربوط به چندین سال قبل باشند، مرتبط نباشند. اعتماد بیش از حد را شاید بتوان به بهترین وجه در زمینه هوش مصنوعی به این صورت تعریف کرد که کاربران بدون پرسش، به پاسخ‌های هوش مصنوعی اعتماد می‌کنند، جزئیات پاسخ‌ها را مستقلاً بررسی نمی‌کنند یا حتی پاسخ‌های حاصل از پرس‌وجوهای بد فرموله شده را به عنوان واقعیت می‌پذیرند.

برای هر الگوریتم نرم‌افزاری، عبارات انسانی مبهم مانند «یافته‌های خود را بر اساس داده‌های تاریخی ما قرار بده» باز و قابل تفسیر هستند، برخلاف عبارات دقیق‌تر و مشخص‌تری مانند «یافته‌های خود را بر اساس داده‌های فروش دوازده ماه اخیر، با نادیده گرفتن نقاط دورافتاده‌ای که بیش از ۳۰٪ از میانگین انحراف دارند، ارائه کن؛ هرچند این موارد استثنا را برای بررسی من ذکر کن».

هوش مصنوعی در کنار، نه جایگزین

سازمان‌ها ممکن است راه‌حل‌های هوش مصنوعی خصوصی را در کنار پلتفرم‌های هوش تجاری موجود و جاافتاده خود به کار گیرند. پلتفرم‌هایی نظیر SAP BusinessObjects و SAS Business Intelligence ده‌ها سال قدمت و تجربه کاربری دارند، و حتی ابزارهای نسبتاً جدیدتری مانند Microsoft Power BI نمایانگر حداقل یک دهه توسعه و آزمون در دنیای واقعی کسب‌وکار هستند. لذا منطقی به نظر می‌رسد که استقرار هوش مصنوعی خصوصی بر روی داده‌های کسب‌وکار به عنوان ابزاری تکمیلی در جعبه ابزار استراتژیست‌ها در نظر گرفته شود، نه یک راه‌حل جادویی که ابزارهای سنتی را کاملاً جایگزین کند.

برای کاربرانی که از هوش مصنوعی خصوصی استفاده می‌کنند و امکان ممیزی و تنظیم ورودی‌ها و الگوریتم‌های مدل خود را دارند، حفظ کنترل و نظارت انسانی از اهمیت بالایی برخوردار است؛ درست همانند استفاده از ابزارهای دیگر هوش تجاری. اگرچه در برخی سناریوها، پردازش هوشمند و اقدام بر اساس داده‌های بلادرنگ (مانند سازوکارهای قیمت‌گذاری آنلاین خرده‌فروشی) به تحلیل هوش مصنوعی یک برتری رقابتی نسبت به پلتفرم‌های BI موجود می‌دهد، اما هوش مصنوعی هنوز به یک ابزار همه‌کاره و بی‌نقص برای استراتژی کسب‌وکار تبدیل نشده است.

تا زمانی که هوش مصنوعی با هدف تحلیل داده‌های کسب‌وکار به اندازه پلتفرم‌های هوش تجاری پیشرو در بازار، توسعه یافته، آزموده شده و بالغ شود، پذیرندگان اولیه شاید لازم باشد که اشتیاق فروشندگان هوش مصنوعی و خدمات مرتبط را با تجربه عملی و نگاهی انتقادی تعدیل کنند. هوش مصنوعی ابزاری نوین با پتانسیل بسیار بالاست؛ با این حال، در اشکال کنونی خود، چه عمومی و چه خصوصی، هنوز در نسل اول قرار دارد و نیازمند رویکردی محتاطانه و آگاهانه از سوی خریداران است.