حمایت مدیران، شرط پذیرش هوش مصنوعی در شرکت است

به گزارش پیوست مدیرعامل SMS.ir، مدیر مهندسی اسنپ‌فود، دانشمند داده در صبا ایده، مدیرکل ارتباطات بازار و توسعه برند مبین‌نت و مدیر ژاکت سرویس در پنلی با عنوان «وقتی هوش مصنوعی وارد قلب کسب‌وکار می‌شود» به بیان تجربیات خود در پذیرش و اجرای هوش مصنوعی در شرکت‌ها پرداختند. این پنل در رویداد بررسی آینده کسب‌وکارها در عصر هوش مصنوعی برگزار شد.

وحید خسروی، مدیرعامل SMS.ir پذیرش هوش مصنوعی را در چند مرحله تعریف می‌کند. به گفته او اول فقط چت و گرفتن جواب ساده، بعد استفاده به‌عنوان ابزار برای سریع‌تر کردن کارها، سپس ساخت فلو و اتوماسیون کارهای تکراری، و در نهایت ایجنت‌ها که خودشان تصمیم می‌گیرند. او می‌گوید در رویدادها همه از مرحله چهارم حرف می‌زنند، اما واقعیت این است که اکثر شرکت‌ها هنوز در مرحله یک و دو گیر کرده‌اند و بیشتر به‌عنوان ابزار به آن نگاه می‌کنند.

مدیرعامل SMS.ir به‌عنوان صاحب کسب‌وکار معتقد است که ساختار و سیستم عوض شده، اما همچنان به تیم‌سازی، مارکتینگ و انسان‌ها نیاز داریم. هوش مصنوعی نیروهای کارآمد را حذف نمی‌کند، بلکه به آنها اهرم می‌دهد؛ کارهای تکراری و نیروهای ناکارآمد با ورک‌فلو جایگزین می‌شوند، اما آدم‌های درجه یک که بتوانند از این ابزار استفاده کنند، در آینده هم باقی می‌مانند.

به گفته وحید خسروی در تجربه شرکتی‌اش، حدود یک‌ونیم تا دو سال پیش فرهنگ‌سازی برای استفاده از هوش مصنوعی را شروع کرده، اما هنوز بخش‌هایی مثل تیم مالی مقاومت می‌کنند. با این حال وقتی مشکل واقعی پیش آمد، خودش با کمک هوش مصنوعی راه‌حلی عملی پیدا کرد و آن را با تیم مالی مطرح کرد. اما با این وجود، تیم مالی این شرکت همچنان از هوش مصنوعی استفاده چندانی نمی‌کنند.

وحید خسروی گفت: سیستم‌ها عوض شده‌اند اما همچنان به تیم‌سازی، مارکتینگ و انسان‌ها نیاز داریم و حذف کامل نیروی انسانی فعلاً ممکن نیست. در منابع انسانی هم هوش مصنوعی نیروهای کارآمد را حذف نمی‌کند، بلکه به آن‌ها اهرم می‌دهد. کارهای تکراری و نیروهای ناکارآمد با ورک‌فلو جایگزین می‌شوند، اما آدم‌های درجه یک که بتوانند از این ابزار استفاده کنند باقی می‌مانند.

از بهره‌وری تا تحول سازمانی

کیوان علی‌محمدی، مدیر مهندسی اسنپ‌فود درباره واحد هوش مصنوعی در این شرکت گفت: درحال حاضر واحد رسمی هوش مصنوعی نداریم. شروع کار در اسنپ به این ترتیب بود که مهندسان زودتر از بقیه شروع به استفاده شخصی از هوش مصنوعی کردند. بیشتر برای کارهای روزمره‌شان همانند اینکه کد را چطور بنویسند، از چه معماری یا الگویی استفاده کنند و پیاده‌سازی را چطور انجام دهند. حدود یک تا دو سال در همین مرحله ماندیم. یعنی هر مهندس برای بالا بردن سرعت و کیفیت کار خودش از هوش مصنوعی کمک می‌گرفت.

به عقیده علی‌محمدی، کسب‌وکارهای بزرگ به خاطر ریسک و حساسیت بالا نمی‌توانند یک‌شبه و به‌صورت دیسراپتیو همه چیز را عوض کنند. در اسنپ‌فود با حمایت مدیر فنی، فرهنگ آزمایش در تیم‌های مختلف زیرساخت، پروداکت و بیزینس شکل گرفته است. نقطه شروع مناسب این است که جریان‌های کاری فعلی را بازبینی کنیم و هوش مصنوعی را داخل همان فرایندها وارد کنیم تا کارها سریع‌تر و بهتر انجام شود. نه اینکه همه‌چیز از نو ساخته شود. این همان «پذیرش» است.

به گفته مدیر مهندسی اسنپ‌فود، درصد قابل توجهی از سازمان وارد فضای آزمایش شده و هر تیم روی دغدغه اصلی خودش کار می‌کند. تیم محصول روی تعریف و اعتبارسنجی نیازمندی‌ها، تیم فنی روی ایجنت‌ها و تولید کد، و بقیه تیم‌ها هم مسائل واقعی خودشان را پیش می‌برند. در مراحل بعدی (که احتمالاً چند سال طول می‌کشد) سازمان وارد تحول واقعی خواهد شد و نحوه کار با هوش مصنوعی به‌طور کلی تغییر می‌کند.

کیوان علی‌محمدی گفت: هر سازمانی می‌تواند با کوتاه نگه داشتن حلقه‌های بازخورد و چابک بودن، سریع‌تر جلو برود. مهم‌ترین مانع و در عین حال بزرگ‌ترین اهرم تغییر، ذهنیت مدیران است. مسئله هوش مصنوعی از جنس مسائل پیچیده است و باید با آزمایش، کاوش و بهینه‌سازی مداوم پیش رفت، با راه‌های قطعی و یکباره امکان‌پذیر نیست.

سه نسل هوش مصنوعی

مسعود کاویانی، دانشمند داده در صبا ایده (آپارات، فیلیمو، سینماتیکت و صباویژن) گفت: وقتی از هوش مصنوعی حرف می‌زنیم، بیشتر مردم فقط نسل سوم یعنی مدل‌های مولد را می‌بینند. در حالی که هوش مصنوعی سه نسل دارد. نسل اول الگوریتم‌های کلاسیک بود که مثلاً زمان‌بندی قطارهای رجا را از کار دستی چند هفته‌ای به دو روز رساند. نسل دوم یادگیری ماشین بود (مثل ماشین بردار پشتیبان و خوشه‌بندی) که برای دسته‌بندی اخبار و پیدا کردن اخبار مهم استفاده می‌شد. نسل سوم همان مدل‌های مولد است که به خاطر دسترسی آسان و حتی قابلیت استفاده با صدا، عمومی شده و الان همه هوش مصنوعی را با آن می‌شناسند.

به گفته کاویانی، در شرکت‌های خصوصی مثل آپارات مشکل اصلی هزینه است. بررسی روزانه حدود ۴۵۰ هزار کامنت با مدل‌های مولد خارجی ماهانه صدها میلیون تومان هزینه دارد. راهکار این است که سیستم را لایه‌لایه بسازیم. اول فیلترهای ساده مبتنی بر قاعده، بعد الگوریتم‌های یادگیری ماشین، و فقط در موارد ضروری از مدل‌های مولد استفاده کنیم.

او گفت: ساخت مدل‌های بزرگ زبانی اختصاصی در ایران به خاطر کمبود برق و پردازنده گرافیکی برای بخش خصوصی عملاً ممکن نیست و کار حاکمیت و دانشگاه‌هاست. شرکت‌ها بهتر است مدل‌های کوچک را روی داده‌های خودشان تنظیم دقیق کنند تا هم هزینه پایین بیاید و هم روی سخت‌افزار داخلی اجرا شود.

حفظ هویت برند در تعامل با هوش مصنوعی

سپیده عابدینی، مدیرکل ارتباطات بازار و توسعه برند مبین‌نت گفت: در پیاده‌سازی هوش مصنوعی در کسب‌وکار، موضوع اصلی دیگر فقط تجربه کاربری نیست، بلکه تجربه برند است. وقتی هوش مصنوعی بخش زیادی از ارتباط با مشتری را برعهده می‌گیرد همانند مبین‌نت که حدود ۸۰ درصد پاسخگویی را به دستیار هوش مصنوعی سپرده، حفظ لحن، ماهیت و هویت برند بسیار حیاتی می‌شود. هوش مصنوعی باید حس تعامل انسانی بدهد، اما همزمان شفافیت اخلاقی رعایت شود و کاربر بداند با ماشین صحبت می‌کند. برای رسیدن به این هدف، سازمان‌ها نیاز به بلوغ فنی، نظارت انسانی و پیاده‌سازی درست در لایه‌های تجاری و عملیاتی دارند تا هویت برند حفظ شود و همه شبیه هم نشوند.

به عقیده عابدینی، در مورد آینده نیروی انسانی، سرعت انجام کارها تغییر می‌کند اما انسان حذف نمی‌شود. آینده متعلق به کسانی است که خود را با ابزار هوش مصنوعی توانمند کرده‌اند. پیش‌بینی‌هایی مثل نزدیک شدن سطح هوش انسانی و مصنوعی وجود دارد، اما به جای نگرانی از آینده مبهم، منطقی‌ترین کار این است که همین حالا ابزارها را یاد بگیریم و همگام با رشد تکنولوژی پیش برویم.

هوش مصنوع در خدمت مسئله، نه جایگزین محصول

علیرضا ایرانفر، مدیر ژاکت سرویس تأکید می‌کند که حمایت مدیر ارشد برای استفاده از هوش مصنوعی حیاتی است. بعضی مدیران مخالف کامل هستند و بعضی افراطی همه چیز را می‌خواهند با هوش مصنوعی حل کنند؛ در حالی که مسیر درست، حد وسط و هوشمندانه است.

او مفهوم «پروداکت هوش مصنوعی» را رد می‌کند و می‌گوید که محصول باید «هوش مصنوعی ردی» باشد. یعنی آمادگی تغییر و سازگاری با ابزارهای هوش مصنوعی را داشته باشد، نه اینکه خود محصول حول هوش مصنوعی ساخته شود. او مثال می‌زند که اضافه کردن قابلیت‌هایی مثل خلاصه دیدگاه‌ها فقط وقتی معنا دارد که واقعاً مسئله اصلی محصول باشد، در غیر این صورت هم هزینه بیهوده است و هم نتیجه نمی‌دهد. اول باید مسئله واقعی محصول و کاربر را شناخت، بعد سراغ هوش مصنوعی رفت.

علیرضا ایرانفر گفت: افراد باید «کارگردان پوزیشن» خودشان باشند. یعنی دولوپر فقط کدنویسی نکند، بلکه مارکتینگ، پروداکت و حتی مباحث مالی را هم بفهمد. وردپرس با آماده کردن زیرساخت برای هوش مصنوعی (بدون وابسته شدن به یک مدل خاص) الگوی درستی نشان داده و کسانی که الان افزونه‌ها و ابزارهای سازگار با هوش مصنوعی بسازند، می‌توانند از این موج بیشترین بهره را ببرند.