رایزن دیجیتال؛ هوش مصنـوعی در جایگاه تصمیمگیری
منتشرشده در نشریه شماره ۳۷ آفتاب خاورمیانه - اسفند ۱۴۰۳
1403/12/18
نویسندگان: گراهام کنی و راجر مُوزر
ترجمه و تدوین: تحریریه آفتاب خاورمیانه
ابزارهای هوش مصنوعی بهسرعت در حال پیشرفت هستند و هر روز، نقش بیشتری در سازمانها پیدا میکنند. در این مطلب، سه مطالعه موردی کاربرد هوش مصنوعی در سطح مدیریتی را بررسی میکنیم که توانستهاند به افزایش اثربخشی و رقابتپذیری شرکتها کمک کنند.
هوش مصنوعی در جایگاه مشاور خبره
هوش مصنوعی از چند دهه پیش، در قالب سامانههای خبره (Expert systems) در صنایع گوناگون ازجمله مالی، مهندسی، پزشکی و آموزش مورد استفاده قرار گرفته است. این سامانهها نرمافزارهایی هستند که از دانش متخصصان برخوردار هستند و از مهارتهای آنها تقلید و الگوبرداری میکنند.
با این حال، بیشتر سازمانها ترجیح میدهند تصمیمگیری در سطح مدیریت را به متخصصان انسانی سپرده و از هوش مصنوعی، دور نگه دارند. علت این محافظهکاری، پیچیدگی و تحولات دائمی مسائل مدیریتی است. اما برخی شرکتهای پیشرو، از هوش مصنوعی برای "سنجش فرصتهای سرمایهگذاری"، "پیشبینی عملکرد و پیشنهاد قیمت" و "آموزش منابع انسانی" استفاده کردهاند که در ادامه بهترتیب به نمونههای آنها میپردازیم.
ارزیابی فرصتهای سرمایهگذاری
یک شرکت سرمایهگذاری در آلمان که از نام مستعار "باواریا ونچرز" برای آن استفاده میکنیم، در جستجوی استارتآپهای مناسب برای سرمایهگذاری بود و برای این کار، تحلیلگران باواریا درخواستهای ارسالشده توسط استارتآپها را تحلیل و از میان آنها، آیندهدارترین موارد را انتخاب میکردند. با این حال، با گذشت زمان تعداد درخواستهای دریافتی آنها دوبرابر تعداد توان تحلیلگران شد و فشار برای بررسی درخواستها نیز افزایش یافت. مدیران شرکت میگویند «فرآیند بررسی درخواستها بسیار زمانبر و پیچیده بود، چون عوامل متعددی باید در نظر گرفته میشد و در این بین، قضاوت شخصی از روی تجربه، نقش بسیار مهمی ایفا میکرد. اما بهخاطر حجم بالای درخواستها، مجبور بودیم این مسئولیت مهم را به تحلیلگران تازهکار محول کنیم که تجربه و توانایی لازم را ندارند.»
تحلیلگران تازهکار اغلب گزینههای خوب را نادیده میگرفتند و در این شرایط، حتی تهیه و ارائه یک الگوی تصمیمگیری توسط متخصصان کارآزموده نیز فایدهای نداشت.
تحلیل با هوش مصنوعی
مدیران باواریا تصمیم گرفتند بهجای آموزش تحلیلگران تازهکار، یک سامانه خبره با نام "AI-4-VC"را ایجاد کنند که وظیفه تحلیل را برعهده بگیرد. جوزف، یکی از مدیران شرکت، در مورد مراحل ساخت این سامانه میگوید: «اولین قدم، مراجعه به یک دانشگاه برای طراحی سامانهای بود که درخواستهای استارتآپها را براساس شاخصهای شرکت، با سرعت و دقت بالا رتبهبندی کند. پس از رتبهبندی، یک تحلیلگر ارشد بهصورت دورهای بر عملکرد الگوریتم نظارت میکند. درصورتی که الگوریتم گزینه اشتباهی را انتخاب کرده باشد، بهطور خودکار، وزن معیارهای الگوریتم دوباره تنظیم میشود.»
سامانه هوش مصنوعی AI-4-VC زمان صرفشده برای درخواستهای نامناسب را به حداقل رساند. این کار به شرکت باواریا ونچرز کمک کرد تا سریعتر به درخواست استارتآپهای مستعدتر پاسخ بدهد. AI-4-VC نشان داد که حتی با کمترین میزان دادهها نیز میتواند، استارتآپهای مستعد را شناسایی کند.
آموختن از این تجربه
یک متخصص علوم رایانه با تبحر نسبی در یادگیری ماشین، میتواند چنین سامانهای را ایجاد کند. شرکتهای بزرگ فناوری پلتفرمهایی ارائه کردهاند که با استفاده از یادگیری ماشین و پردازش زبان .طبیعی (NLP)، امکان ایجاد سیستمهای خبره را فراهم میکنند. اگر بهدنبال انعطافپذیری و مقیاسپذیری هستید، پلتفرمهایی مانند پلتفرم هوش مصنوعی گوگل کلاود، آمازون سیگمستر، یادگیری ماشین اژور (Azure) گزینههای مناسبی برای شما هستند. همچنین برای نمونهسازی سریعتر یا تمرکز روی پردازش زبان طبیعی، ابزارهایی مانند هاگینگ فیس یا کولب (Colab) مناسبتر هستند.
تقاضای بیشازحد مشتریان
یک شرکت تحلیل دادههای ماهوارهای هندی با نام مستعار "ست ویستا آنالیتیکس (Sat Vista Analytics)" ، با بررسی وضعیت زمینهای کشاورزی و پیشبینی میزان محصول، امکان "تصمیمگیری از فضا" را ارائه میدهد. روهان، مدیر ارشد فناوری این شرکت توضیح میدهد: «ما با تحلیل عملکرد کشاورزان و نتایج برداشت، به بانکها کمک میکنیم که برای تسهیلاتدهی به این کشاورزان، بهتر تصمیم بگیرند. ما همچنین به شرکتهای کشاورزی کمک میکنیم که با توجه به بازده احتمالی زمینهای کشاورزی، قیمت محصولات را در قراردادها بهتر تعیین کنند.»
مهمترین مشکل ست ویستا، حجم بالای تحلیلهای لازم برای مشتریان درمقابل تعداد محدود متخصصان شرکت بود. متخصصان این شرکت، باید وظایف متعددی مانند آمادهسازی دادهها برای تحلیل (پیشپردازش) تا شناسایی و تفسیر پوشش گیاهی را برعهده داشتند.
ایجاد آواتار تحلیلگر
مدیران پس از بررسی شرایط، متوجه شدند که بهخاطر پیچیده بودن فرآیند بررسی و پیشبینی، خودکارسازی کلاسیک کافی نیست. بنابراین، تصمیم گرفتند سامانههایی را بهعنوان "آواتارهای تحلیلگر" ایجاد کنند که با استفاده از هوش مصنوعی، شبیه متخصصان شرکت، دادهها را تحلیل کنند. برای این کار، آنها شیوههای تحلیل متخصصان خود را بررسی کرده و از رفتار آنها، الگوهایی برای ایجاد الگوریتم (مجموعه قوانینی برای هوش مصنوعی) استخراج کردند.
خلاقیت مهم ست ویستا این بود که برای ایجاد الگوریتم بهجای اینکه از متخصصانشان درخواست کنند که قوانینی که در فرآیند تحلیل مدنظر قرار میدهند را مطرح کنند، رفتار آنها را بررسی کردند؛ مدیر ارشد فناوری شرکت توضیح میدهد: «بهجای اینکه در مورد روشهای آنها برای پردازش، تحلیل و تفسیر دادههای ماهوارهای بپرسیم، رفتارشان را رصد کردیم تا ببینیم در مواجهه با دادههای متفاوت، چه کاری انجام میدهند.»
آواتارهای تحلیلگر شرکت ست ویستا با یک رویکرد ساده مبتنیبر فناوری یادگیری ماشین، کار خود را آغاز کردند و سپس با اضافه شدن دادههای جدید، توانمندتر شدند. با توجه به کیفیت عملکرد این آواتارها، متخصصان انسانی شرکت، وقت بیشتری برای پروژههای پیچیدهتر و بیسابقه پیدا کردهاند. علاوهبر این، هوش مصنوعی وظیفه آموزش متخصصان کمتجربه و تازهوارد را نیز برعهده گرفته است و بدون نیاز به دخالت متخصصان، بهترین شیوههای پردازش و تصمیمگیری را به آنها یاد میدهد.
آموختن از این تجربه
بهدنبال ایجاد آن دسته از پلتفرمهای هوشمصنوعی باشید که بتوانند بهصورت خودکار و با مشاهده عملکرد متخصصان، الگوهای تصمیمگیری آنها را شناسایی و تقلید کنند. پلتفرم مناسب کسبوکار شما باید قابلیت یادگیری مداوم و پردازش دادهها در کمترین زمان ممکن را داشته باشد. این ویژگیها باعث میشود سامانه خبره شما با دریافت دادههای جدید، پیشرفت کرده و براساس تصمیمگیریهای متخصصان، تصمیمهای هوشمندانهتری اتخاذ کند.
آموزش و ارتقای کارکنان
یک شرکت استرالیایی با نام مستعار "باهوشتر باشیم"، در نظر داشت مهارتهای حل مساله کارکنان بخش تحقیقوتوسعه (R&D) خود را ارتقا دهد. آنها تصمیم گرفتند که برای تقویت مهارتها و توانایی حل مساله کارکنانشان، دورههای آموزشی آنلاین برگزار کنند. با این حال مدیران شرکت متوجه میزان زحمتهای اجرایی برگزاری این دوره، هزینههای بالای مالی و هماهنگیهای متعدد برای پاسخگویی به همه نیازهای آموزشی کارکنانشان شدند.
ایجاد جعبهابزار آموزشی
شرکت "باهوشتر باشیم" تصمیم گرفت سامانهای ایجاد کند که با بهرهگیری از ابزارهای تخصصی متنوع هوش مصنوعی، به کارکنانشان آموزش بدهند. لئو، رئیس بخش تحقیق وتوسعه، توضیح میدهد: «این ابزارها میتوانند مفاهیم را توضیح بدهند، به سوالات پاسخ بدهند و به هر فرد با توجه به مسائل او، توصیههای خاص ارائه بدهند.» ابزارهای استفادهشده توسط این شرکت، انعطافپذیر بوده و همانطور که به همه درخواستهای کارکنان جواب میدهند، بهفرمان آنها، محتوای غیرضروری را نیز حذف میکنند.
ابزارهای این سامانه به کارکنان کمک کرد مسائل را از جنبههای گوناگون ارزیابی کنند. لئو بهعنوان مثال میگوید «فردی که با یک مشکل در حوزه فناوری روبهروست، میتواند انتخاب کند که از ابزاری استفاده کند که به او توضیحات فنی میدهد یا سراغ ابزاری برود که دیدگاههای جدید را در اختیارش میگذارد یا ابزاری که دستورالعملهای متفاوت برای حل مساله او ارائه میدهد.» برای مثال، یک کارمند بخش تحقیق وتوسعه این شرکت که با یک مشکل در زمینه معدن مواجه است، میتواند از یک ابزار که نرمافزارهای معدن را آزمایش میکنند، یک ابزار با دانش زمینشناسی یا یک ابزار با تخصص ماشینآلات استفاده کند. با این حال، مسالهای که در اینجا ایجاد شد، ضرورت انتخاب مرتبطترین ابزار برای هر مشکل خاص بود.
انتخاب ابزار مناسب برای هر مساله باید براساس تشخیص فردی صورت میگرفت که ممکن بود در مواردی، دقیق نباشد. درنتیجه شرکت "باهوشتر باشیم" یک سامانه نظرسنجی ایجاد کرد که کارمندان در مورد مفید بودن هر کدام از این ابزارها بازخورد ارائه دهند. این "سامانه توصیهگر" به کارکنان کمک میکرد که براساس بازخورد همکارانشان، در هر مساله مناسبترین ابزار در اختیارشان قرار بگیرد.
آموختن از این تجربه
اگر بهدنبال افزایش قابلیتهای حل مساله خود هستید، از پلتفرمهای هوش مصنوعی متنوع در حوزههای گوناگون استفاده کنید. این پلتفرمها مسائل پیچیده را پردازش میکنند و با کاربران نیز تعامل اثربخش خواهند داشت. همچنین یک سامانه منعطف ایجاد کنید که همکاران شما، خودشان بتوانند ابزار مورد نیازشان را انتخاب کنند.