سياق
ورود به حساب کاربری 
اتفاقی در سال ۱۴۰۵ در بازار ایران و شاید تا حدی مشابه با آن در بازار دنیا در حال روی دادن است؛ حضور پررنگ هوش مصنوعی در تولید و تحلیل و ایجاد نرمافزارها و اپلیکیشنهای مورد نیاز کسبوکارها.
ضمن تأکید بر این موضوع که کمک هوش مصنوعی در این زمینه مثبت و تعیینکننده است، برخی ادعاها و ذهنیتها و توقعات ایجادشده، غیرواقعی و خطرناک و دردسرساز در آینده نزدیک برآورد میشود.
تولید یک محصول نرمافزاری یا استفاده از آن در قدم اول و قبل از هر چیزی دانش حوزه مربوطه را نیاز دارد. تجربه انسانی و درک نیاز حوزه کاری چیزی نیست که انتظار داشته باشیم تولیدکننده یک نرمافزار آن را از هوش مصنوعی فرا بگیرد.
اگرچه ذات هوش مصنوعی در این زمینه هم کمککننده است، ولی این دانش حتی قابل تجمیع در یک شخص هم نیست و نیاز به تشکیل تیمهایی با تخصصهای مختلف و بازخورد بازار و صرف انرژی دارد.
شاید بهترین محک برای ضریب موفقیت پروژههایی که صرفاً با هوش مصنوعی ایجاد شده باشند، دریافت بازخورد از کسانی باشد که قبل از ما دست به این کار زدهاند.
بایدها و نبایدهای هوش مصنوعی
۱. به اعتبار چند پرامپت، شخصیت همهچیزدان نسازید!
ادبیات پاسخگو و رضایتبخش چتباتهای موجود بازار، ممکن است در ظاهر القاکننده کارایی بینهایت باشد؛ اما کاربردی بودن آنها، نیازمند بررسی دقیق است.متأسفانه بسیاری از ابزارهای عرضهشده در بازار ایران، بیشتر توهم کاربرد هوش مصنوعی را ایجاد میکنند تا کارایی واقعی. پیش از هر اقدامی، عملکرد عملی آنها را با دقت بررسی کنید.
صرف اینکه یک ابزار بتواند به سؤالات مختلف پاسخ دهد، متن تولید کند یا در چند ثانیه راهکاری پیشنهاد دهد، به معنی آن نیست که میتوان خروجی آن را بدون بررسی و اعتبارسنجی وارد فرآیندهای واقعی کسبوکار کرد. تفاوت میان «پاسخ مناسب» و «راهکار قابل اتکا» باید در ارزیابی هر ابزار هوش مصنوعی جدی گرفته شود.
۲. به دنبال کاربردهای «هوشمند» باشید، نه الگوریتمی
کاربردی از هوش مصنوعی را هدف قرار دهید که در دل خود، معنای تحلیل، تصمیمگیری و هوشمندی داشته باشد. برای اجرای صرف الگوریتمها، نیازی به هوش مصنوعی نیست.مثال: «انجام حسابداری توسط هوش مصنوعی» تعریف اشتباهی است، چراکه حسابداری دارای قواعد مشخص و الگوریتمی است. اما «تولید تحلیلهای مالی از دادههای حسابداری، ارائه پیشنهاد برای مدیریت نقدینگی و بهبود تصمیمات مالی» کاربرد درست و ارزشمندی از هوش مصنوعی محسوب میشود.
این تفاوت در بسیاری از پروژههای سازمانی اهمیت دارد. اگر یک فرآیند بر اساس قواعد مشخص و قابل تعریف قابل اجراست، اتوماسیون و نرمافزارهای معمولی میتوانند راهکار مناسبتری باشند. استفاده از هوش مصنوعی زمانی معنا پیدا میکند که سیستم نیاز به تحلیل حجم زیادی از اطلاعات، شناسایی الگو، پیشبینی، پیشنهاد یا پشتیبانی از تصمیمگیری داشته باشد.
۳. برای داشتن هوش مصنوعی آیا دادههای منظم و کافی برای آموزش هوش مصنوعی را در اختیار دارید؟
دسترسی به دادههای زیاد، منظم و باکیفیت، نخستین و مهمترین پیشنیاز پیادهسازی دستیارهای هوش مصنوعی است. این دادهها معمولاً در بسیاری از کسبوکارهای ایرانی، با نظم مطلوب و مورد انتظار هوش مصنوعی وجود ندارند و این بزرگترین چالش شما محسوب میشود.وجود حجم زیادی از اطلاعات لزوماً به معنای آماده بودن سازمان برای استفاده از هوش مصنوعی نیست. دادههای ناقص، پراکنده، قدیمی، تکراری یا دارای خطا میتوانند کیفیت خروجی دستیار هوش مصنوعی را کاهش دهند. بنابراین پیش از انتخاب مدل یا ابزار، باید وضعیت دادههای موجود، مستندات، راهنماها و اطلاعات عملیاتی سازمان بررسی شود.
مثال تجربی: بزرگترین چالش سیاق در آموزش دستیار «قیاس»، بازتعریف، بهروزرسانی، اصلاح غلطهای املایی و انشایی مستندات و راهنماهای قیاس بود. این پروژه پالایش داده، چهار ماه با چندین نفر نیرو به طول انجامید و در نهایت خود فرآیند آموزش دستیار جدید برای ژینو و عملیاتیسازی آن دستیار در چند روز تکمیل شد.
این تجربه نشان میدهد که در بسیاری از پروژههای هوش مصنوعی، بخش مهمی از زمان و انرژی نه صرف آموزش مدل، بلکه صرف آمادهسازی اطلاعاتی میشود که قرار است مدل بر اساس آنها پاسخگو باشد. بنابراین کیفیت داده را نباید به یک موضوع فرعی در پروژههای AI تبدیل کرد.
۴. هزینههای سرور و استهلاک بالا را محاسبه کنید
پردازشهای مرتبط با هوش مصنوعی، چه برای آموزش، چه برای ارائه سرویس و چه برای کاربری، به سرورهای بسیار قدرتمندی نیاز دارد. قیمت سرورهای مناسب از چند ده هزار دلار شروع شده و به چند صد هزار دلار میرسد.توجه داشته باشید که سرعت تغییرات فناوری، استهلاک بسیار بالایی، بیش از ۵۰ درصد در یک تا دو سال، برای این داراییها به همراه دارد. این موضوع باید در محاسبات هزینه-فایده لحاظ شود.
در چنین شرایطی، تصمیمگیری درباره زیرساخت هوش مصنوعی صرفاً بر اساس قیمت خرید اولیه منطقی نیست. هزینه نگهداری، مصرف انرژی، خنکسازی، ارتقای سختافزار، نیروی متخصص و همچنین سرعت منسوخ شدن تجهیزات باید در محاسبات اقتصادی پروژه در نظر گرفته شود.
گاهی استفاده از زیرساخت اشتراکی یا سرویسهای آماده، از نظر اقتصادی منطقیتر از خرید و نگهداری زیرساخت اختصاصی است و در برخی کاربردهای حساس نیز ممکن است معماری اختصاصی توجیه بیشتری داشته باشد. انتخاب میان این گزینهها باید بر اساس نوع کاربرد، حجم پردازش، حساسیت داده و افق زمانی پروژه انجام شود.
۵. موضوع امنیت و وابستگی به سرویسهای خارجی
با توجه به هزینههای کلان شرکتهای خارجی برای ارائه سرویسهای هوش مصنوعی، به نظر میرسد در مقطع کنونی، اهداف اصلی آنها فراتر از ارائه خدمات و شامل جمعآوری داده و مسائل راهبردی و امنیتی است. قیمت تمامشده واقعی این سرویسها بسیار بالاتر از قیمت عرضه فعلی آنهاست.از آنجا که استفاده جدی از این سرویسها، وابستگی ایجاد کرده و در لایههای داده و عملیات سازمان نفوذ میکند، بهرهگیری گسترده از آنها برای کسبوکار ایرانی نیازمند دقت، بررسی عمیق و رویکردی محتاطانه است.
در این شرایط، مسئله فقط امنیت اطلاعات نیست. تداوم دسترسی به سرویس، تغییر قیمت، تغییر شرایط استفاده، محدودیتهای جغرافیایی، تغییر مدل یا حتی توقف یک سرویس نیز میتواند بر بخشی از عملیات سازمان اثر بگذارد.
بنابراین، پیش از اتصال دادهها و فرآیندهای حساس سازمان به یک سرویس خارجی، باید درباره سطح دسترسی، نوع دادههای قابل انتقال، محل پردازش، سیاست نگهداری اطلاعات و امکان جایگزینی سرویس تصمیمگیری شود.
هوش مصنوعی؛ فرصت واقعی در کنار توقعات غیرواقعی
هوش مصنوعی بدون تردید یکی از فناوریهایی است که میتواند شیوه تولید و استفاده از نرمافزار را تغییر دهد. سرعت تولید کد، تحلیل اطلاعات، ایجاد دستیارهای تخصصی و دسترسی سریعتر به دانش، تنها بخشی از ظرفیتهایی است که در حال حاضر قابل استفاده هستند.اما این ظرفیتها نباید باعث شود دانش حوزه، تجربه انسانی، دادههای باکیفیت و فرآیندهای واقعی سازمان نادیده گرفته شوند.
در راهکارهای سازمانی، هوش مصنوعی زمانی ارزشمند است که در کنار دانش تخصصی و شناخت دقیق فرآیند قرار بگیرد. تجربه راهکار نوین سیاق در پروژههای مرتبط با نرمافزارهای سازمانی و دستیارهای هوش مصنوعی نیز نشان میدهد که بخش قابلتوجهی از مسیر، به آمادهسازی داده، شناخت مسئله و آزمون و خطای واقعی وابسته است.
به همین دلیل، بهتر است به جای پرسیدن اینکه «هوش مصنوعی چه کاری میتواند انجام دهد؟»، ابتدا پرسیده شود: «کدام مسئله واقعی سازمان را میتوان با کمک هوش مصنوعی بهتر، سریعتر یا دقیقتر حل کرد؟»
این تغییر زاویه نگاه، مرز میان استفاده واقعی از هوش مصنوعی و توهم کاربرد آن را مشخص میکند.
جمعبندی
هوش مصنوعی نه یک فناوری بیفایده است و نه راهکاری برای حل تمام مسائل سازمان.نباید از مزایای آن غافل شد؛ همانطور که نباید تحت تأثیر پاسخهای جذاب و قابلیتهای نمایشی، برای هر مسئلهای نسخه هوش مصنوعی تجویز کرد.
تولید محصول نرمافزاری همچنان به دانش حوزه، تجربه انسانی، شناخت نیاز واقعی، داده مناسب، تیم متخصص و بازخورد بازار نیاز دارد. هوش مصنوعی میتواند در تمام این مراحل کمککننده باشد، اما جایگزین تمام این عوامل نیست.
پیش از اجرای هر پروژه هوش مصنوعی، بهتر است مسئله واقعی، کیفیت داده، هزینه زیرساخت، امنیت، وابستگی و معیار موفقیت آن مشخص شود. در چنین شرایطی است که هوش مصنوعی از یک موضوع جذاب و پرسروصدا به یک ابزار واقعی برای ایجاد ارزش تبدیل خواهد شد.
هنوز دیدگاهی ثبت نشده است.