نیما نجفلی
هوش مصنوعی به یکی از محورهای تصمیمگیری سازمانها تبدیل شده است و شرکتها برای افزایش بهرهوری، کاهش هزینه و بهبود تجربه مشتری به سراغ آن میروند. اما موفقیت این ابزار با خرید فناوری بهتنهایی به دست نمیآید. در این یادداشت، به وجوه مهم استفاده هوشمندانه از ابزارهای هوش مصنوعی برای تحول سازمانی میپردازیم.
تعیین مساله و هدف
پیش از هر سرمایهگذاری باید هدف سازمان، روشن باشد. میل به هوشمند شدن یا انگیزه عقب نیافتادن از رقبا برای شروع یک پروژه کافی نیست. هدف باید مشخص، قابلاندازهگیری و مرتبط با اولویتهای کسبوکار باشد؛ مانند کاهش زمان پاسخگویی به مشتری، افزایش دقت پیشبینی، شناسایی تقلب، کاهش خطاهای عملیاتی یا کمک به کارکنان در تحلیل دادهها و تهیه گزارش. سازمان بهتر است ابتدا چند مساله مهم و پرتکرار را انتخاب کند؛ مسائلی که داده لازم برای آنها وجود دارد و نتیجهشان قابل مشاهده است. این رویکرد ریسک را کاهش میدهد.
آمادهسازی داده
هوش مصنوعی بدون داده مناسب، به نتیجه قابلاعتمادی نمیرسد. داده در سازمانها فراوان است اما اطلاعات در سامانههای مختلف پراکنده، تکراری، ناقص یا ناسازگار است. بنابراین پیش از اجرای پروژه باید مشخص شود: دادهها کجا نگهداری میشوند؟ چه کسی مالک آنهاست؟ چقدر دقیق و بهروز هستند؟ و چه کسانی اجازه دسترسی به آنها را دارند؟
برای فراهم کردن داده باکیفیت برای هوش مصنوعی باید به منشا داده (اطلاعات از چه منبعی و با چه روشی تولید شده است؟)، مجوز استفاده (آیا سازمان اجازه استفاده از داده، بهویژه اطلاعات مشتریان، را دارد؟)، سوگیری (آیا دادهها الگوهای نادرست یا جانبدارانه ایجاد میکنند؟)، قابلیت ردیابی (آیا میتوان مسیر تولید و تغییر داده و نقش آن در خروجی را مشخص کرد؟)، بهروز بودن (آیا اطلاعات برای کاربرد موردنظر هنوز معتبر است؟) و تناسب (آیا داده برای هدف، حجم و نوع تصمیم موردنظر کافی و مرتبط است؟) توجه کرد. ساماندهی داده، تعیین مالک اطلاعات، تعریف قواعد نگهداری، کنترل کیفیت و طبقهبندی محرمانگی نیز برای پیادهسازی هوش مصنوعی در سازمان موردنیاز است.
دادههای حساس و ریسک
یکی از کاربردهای مهم هوش مصنوعی، نظارت بر روندهای سازمان با استفاده از آییننامهها، قراردادها، دستورالعملها و گزارشهای داخلی است. با این حال، اتصال مدل به اسناد نباید با دسترسی آزاد به همه اطلاعات باشد و میزان دسترسی باید براساس نقش و سطح دسترسی مجاز کاربر، طبقهبندی اطلاعات و اصل "حداقل دسترسی" طراحی شود. رمزگذاری، ثبت سوابق استفاده، کنترل خروجی و بررسی انسانی اهمیت دارد. هوش مصنوعی ممکن است با اطلاعات مشتریان، کارکنان، قراردادها و دانش داخلی نیز سروکار داشته باشد. بنابراین باید از ابتدا مشخص شود چه اطلاعاتی مجاز به ورود به ابزارهاست، کدام کاربردها نیازمند تایید انسانی هستند، دادهها چگونه نگهداری میشوند و درصورت خطا چه کسی پاسخگوست.مدیریت ریسک نیز باید مستمر باشد؛ سازمان باید ریسکها را شناسایی کند، عملکرد سامانه را بسنجد، مسئولیتها را تعیین کند و درصورت تغییر شرایط، کنترلها را اصلاح کند. الزامات قانونی و چارچوبهای معتبر مدیریت ریسک باید از مرحله طراحی در نظر گرفته شوند.
تناسب زیرساخت با نیاز
لزومی ندارد که شرکتها همه زیرساختها را تهیه کنند و در بسیاری از موارد، میتوانند زیرساخت موردنیاز خود را بهصورت خدمت، خریداری کنند. نوع زیرساخت باید براساس کاربرد، حجم اطلاعات، تعداد کاربران، حساسیت داده و سرعت موردانتظار تعیین شود. گزینهها میتوانند شامل خدمات ابری، رابطهای آماده هوش مصنوعی، مدل داخلی، مدلهای متنباز یا راهکار ترکیبی باشند.
خدمات ابری برای شروع سریع مناسباند؛ رابطهای آماده قابلیت هوش مصنوعی را به سامانههای موجود اضافه میکنند؛ مدلهای کوچک داخلی برای برخی کاربردهای حساس کنترل بیشتری میدهند؛ مدلهای متنباز انعطاف بیشتری دارند، اما به دانش و نگهداری نیاز دارند. راهکار ترکیبی نیز میتواند میان امنیت، هزینه و انعطاف تعادل ایجاد کند.
در انتخاب تامینکننده باید مالکیت و محل نگهداری داده، امکان انتقال، پشتیبانی، هزینه توسعه و وضعیت دادهها پس از پایان قرارداد بررسی شود. وابستگی کامل به یک تامینکننده میتواند در آینده هزینه و ریسک ایجاد کند. پایداری دسترسی به خدمات ارائهدهندگان خارجی نیز باید در معماری دیده شود. محدودیت دسترسی، تغییر سیاست یا قیمت ارائهدهندگان و احتمال قطع سرویس میتواند پروژه را تحتتاثیر قرار دهد. برای کاربردهای حیاتی لازم است برنامه جایگزین، مانند ارائهدهنده دیگر یا مدل داخلی، پیشبینی شود.
آموزش منابع انسانی
بزرگترین مانع بسیاری از پروژهها نبود مهارت و پذیرش سازمانی است. آموزش مستمر بهتر است بر اساس سه سطح توانمندی طراحی شود.
- سواد عمومی هوش مصنوعی: همه کارکنان باید با تواناییها و محدودیتهای فناوری، خطر ورود اطلاعات محرمانه به ابزارهای عمومی و ضرورت بررسی خروجی آشنا باشند.
- مهارت کاربردی متناسب با شغل: کارکنان باید بتوانند از هوش مصنوعی در وظایف روزمره خود استفاده کنند و خروجی آن را با دانش حرفهای بررسی و اصلاح کنند.
- تخصص فنی و کنترلی: تیمهای تخصصی باید توان انتخاب، طراحی، پیادهسازی، ارزیابی و نگهداری راهکارها و همچنین مدیریت داده، امنیت و ریسک را داشته باشند.
مدیران ارشد به تخصص فنی عمیق نیاز ندارند، اما باید درباره ارزش اقتصادی، ریسک و اولویت پروژهها تصمیم آگاهانه بگیرند.
حاکمیت و مسئولیت؛ فراتر از فناوری اطلاعات
هوش مصنوعی بر کسبوکار، امنیت، امور حقوقی، منابع انسانی و مالی اثر میگذارد؛ بنابراین مدیریت آن نباید صرفا به واحد فناوری اطلاعات واگذار شود. ساختار حاکمیت شرکتی نیز باید متناسب با اندازه سازمان، تعداد کاربردها و سطح ریسک باشد. حداقل اجزای حاکمیت عبارتند از فهرست کاربردها و مدلها، طبقهبندی ریسک، مالک مشخص، ثبت تصمیمها، گزارش رخداد، کنترل تغییرات و مسیر توقف سامانه. یک الگوی ساده مسئولیتپذیری میتواند چنین باشد: واحد کسبوکار مالک نتیجه، فناوری اطلاعات مسئول اجرا، امنیت و امور حقوقی مسئول کنترل و مدیریت ارشد پاسخگوی پذیرش ریسک باشد. همچنین استفاده از ابزارهای هوش مصنوعی در سازمان باید قابلشناسایی و کنترل باشد؛ استفاده پنهان از ابزارهای عمومی برای پردازش اسناد کاری میتواند اطلاعات محرمانه را درمعرض خطر قرار دهد.
بودجهریزی و هزینههای پنهان
هزینه هوش مصنوعی فقط قیمت نرمافزار یا تجهیزات نیست؛ آمادهسازی داده، آموزش، امنیت، نگهداری، بهروزرسانی، کنترل کیفیت و تغییر فرآیندها نیز هزینه دارند. به همین دلیل بودجه بهتر است مرحلهای تخصیص یابد: طراحی، اجرای آزمایشی، ارزیابی و سپس توسعه. هزینه چند سال استفاده و نگهداری نیز باید از ابتدا محاسبه شود؛ راهکاری که در آغاز ارزان است ممکن است در بلندمدت بهدلیل پشتیبانی یا وابستگی به تامینکننده گران شود.
اجرای آزمایشی و توسعه مرحلهای
بهترین نقطه شروع برای تحول سازمان با هوش مصنوعی، یک پروژه محدود اما واقعی است. پروژه باید مالک مشخص، هدف روشن، زمانبندی، بودجه و معیار موفقیت داشته باشد. معیارها میتوانند شامل کاهش زمان، کاهش خطا، صرفهجویی مالی، افزایش رضایت مشتری یا افزایش توان کارکنان باشند. پس از اجرای آزمایشی باید پرسید: آیا ارزش عملیاتی یا اقتصادی ایجاد شده است؟ آیا ریسکها قابلکنترل بودهاند؟ آیا کارکنان و مشتریان راهکار را پذیرفتهاند؟ فقط در صورت پاسخ مناسب باید دامنه استفاده افزایش یابد؛ زیرا موفقیت یک نمونه کوچک، بهمعنای آمادگی خودکار برای استفاده گسترده نیست.
مدیریت تغییر و فرهنگ سازمانی
فناوری زمانی موفق میشود که کارکنان دلیل استفاده از آن را درک کنند. مدیریت باید شفاف توضیح دهد چه چیزی تغییر میکند و کارکنان چگونه حمایت خواهند شد. مشارکت کاربران در طراحی و آزمایش، پذیرش را افزایش میدهد. کارکنان باید بتوانند خطاها و نگرانیها را بدون ترس گزارش کنند؛ پنهانکردن ضعفها برای موفق نشاندادن پروژه، هزینه بیشتری ایجاد میکند.
فراتر از هیجان فناوری
تعداد ابزارهای خریداریشده یا کاربران، بهتنهایی معیار موفقیت نیست. برای هر پروژه باید شاخصهای مالی، عملیاتی، انسانی و ریسک تعریف شود؛ مانند صرفهجویی، دقت نتایج، تعداد خطاهای مهم، میزان استفاده واقعی، رضایت کارکنان و مشتریان و زمان کنترل انسانی. افزایش سرعت کار اگر با خطا یا نارضایتی همراه باشد، موفقیت محسوب نمیشود؛ سازمان باید آماده اصلاح یا توقف پروژه باشد.
حرکت هوشمندانه از امروز به سوی سازمان هوشمند
سرمایهگذاری در هوش مصنوعی، در اصل سرمایهگذاری برای تغییر شیوه کار و تصمیمگیری سازمان است. مسیر منطقی، نه خرید ناگهانی و گسترده و نه انتظار برای کاملشدن فناوری، بلکه شروع مرحلهای است: شناسایی مسائل واقعی، سنجش آمادگی داده و زیرساخت، آمادهسازی کارکنان، انتخاب چند کاربرد مشخص، اجرای آزمایشی، اندازهگیری نتیجه و سپس توسعه. برای مدیران ارشد، مهمترین تصمیم امروز شاید انتخاب یک ابزار خاص نباشد؛ بلکه ایجاد آمادگی سازمان برای آیندهای است که هوش مصنوعی بخشی جداییناپذیر از کسبوکار خواهد بود. سازمانی که از امروز دادههای خود را سامان دهد، کارکنان را آماده کند، امنیت و حاکمیت مناسبی داشته باشد و سرمایهگذاری را بر اساس نتیجه واقعی پیش ببرد، در آینده سریعتر و کمریسکتر از فرصتهای جدید استفاده خواهد کرد. مزیت رقابتی پایدار نه در خرید پیشرفتهترین فناوری، بلکه در توانایی ترکیب هوش مصنوعی با داده معتبر، دانش کارکنان، فرآیندهای درست و مدیریت مسئولانه شکل میگیرد.