با کمک اندرو ان جی اولین پروژه‌ هوش مصنوعی خود را انتخاب کنید

 

هوش مصنوعی آماده است تا تمام صنایع را دگرگون کند، همانطور که ۱۰۰ سال پیش الکتریسیته همه چیز را تغییر داد. طبق برآورد مک کینزی، تا سال ۲۰۳۰ هوش مصنوعی سیزده تریلیون دلار رشد تولید ناخالص داخلی ایجاد خواهد کرد که بیشتر آن در بخش‌های غیر اینترنتی شامل تولید، کشاورزی، انرژی، تدارکات، حمل و نقل و آموزش خواهد بود. ظهور هوش مصنوعی فرصتی را برای مدیران فراهم کرده است تا در هر صنعتی که هستند کسب‌وکارهای خود را متفاوت‌‌تر کنند و آنها را ارتقا دهند. اما اجرای یک استراتژی هوش مصنوعی در سطح شرکت به ویژه برای شرکت‌های قدیمی چالش برانگیز است. توصیه من به مدیران در هر صنعتی که هستند این است که با قدم‌های کوچک شروع کنند. اولین قدم برای ساختن یک استراتژی هوش مصنوعی، که از راهنمای تغییر کاربری هوش مصنوعی برگرفته شده، انتخاب یک یا دو پروژه‌ هوش مصنوعی در سطح شرکت است. این پروژه‌ها به شرکت شما کمک می‌کنند تا حرکت خود را در این مسیر آغاز کنید و دانش دست اولی را از چیزی که برای ساخت یک محصول هوش مصنوعی لازم است کسب کند.

 ویژگی‌های یک پروژه آزمایشی قوی هوش مصنوعی

برای بهره‌گیری از قدرت فناوری‌های هوش مصنوعی لازم است که آنها را متناسب با زمینه کسب‌وکار خود تنظیم کنید. هدف از این یک یا دو پروژه آزمایشی فقط ایجاد ارزش نسبی است. مساله مهم‌تر این است که موفقیت این پروژه‌های آزمایشی باعث می‌شود بتوانید ذینفعان را برای سرمایه‌گذاری در ایجاد توانایی‌های هوش مصنوعی شرکت‌تان متقاعد کنید. وقتی در حال انجام یک پروژه آزمایشی هستید، سوالات زیر را از خود بپرسید:

آیا این پروژه به سرعت تبدیل به یک موفقیت می‌شود؟

از نخستین پروژه آزمایشی هوش مصنوعی خود استفاده کنید تا کارها روی غلطک بیفتند. در ابتدا پروژه‌هایی را انتخاب کنید که به سرعت انجام شوند (به طور ایده‌آل در طی ۶-۱۲ ماه) و شانس موفقیت بالایی داشته باشند. به جای انجام تنها یک پروژه آزمایشی، دو یا سه پروژه انتخاب کنید تا شانس این را داشته باشید که حداقل یک موفقیت چشم‌گیر به دست آورید.

آیا این پروژه بیش از حد پیش پا افتاده یا دست و پاگیر است؟

پروژه آزمایشی شما لازم نیست که با ارزش‌ترین کاربردهای هوش مصنوعی باشد اما باید به اندازه کافی معنی‌دار باشد تا پس از کسب موفقیت بتواند سایر رهبران شرکت‌ها را به سرمایه‌گذاری در پروژه‌های بعدی هوش مصنوعی ترغیب کند. در روزهای ابتدایی سرپرستی تیم Google Brain ، با شک و تردید گسترده‌ای در در مورد پتانسیل یادگیری عمیق روبرو شدم. برای گوگل تشخیص گفتار اهمیت بسیار کمتری نسبت به جستجوی وب و تبلیغات داشت، بنابراین تیم من به نوعی اولین مشتری داخلی گوگل بود.

با موفقیتی که در ساخت یک سیستم شناخت دقیق‌تر داشتیم ما تیم‌های دیگر را متقاعد کردیم که به Google Brain ایمان داشته باشند. برای پروژه دوم خود ، ما با Google Maps کار کردیم تا کیفیت داده‌ها را افزایش دهیم. هر پروژه موفق باعث می‌شد سرعت ما افزایش پیدا کند و می‌توان گفت Google Brain نقش اصلی را در تبدیل گوگل به شرکت بزرگ هوش مصنوعی فعلی ایفا کرد.

آیا پروژه شما مختص صنعت شما است؟

با انتخاب یک پروژه خاص برای شرکت، ذینفعان داخلی شما می‌توانند ارزش پروژه را مستقیماً درک کنند. به عنوان مثال، اگر شما یک شرکت تجهیزات پزشکی را اداره می‌کنید ، ساخت یک پروژه استخدام مبتنی بر هوش مصنوعی که قادر به نمایش خودکار رزومه‌ها است به دو دلیل یک ایده بد است:

(۱) احتمال بسیار بالایی وجود دارد که شخص دیگری یک پلت‌فرم استخدامی ایجاد کند که هم خدمات بهتری ارائه دهد و هم دیتابیس بزرگ‌تری داشته باشد. در نتیجه هم می‌تواند عملکردی بهتر از محصول شما داشته باشد و هم قیمت آن مقرون به صرفه‌تر باشد.

(۲) در مقایسه با یک پروژه که روی به کارگیری هوش مصنوعی در دستگاه‌های پزشکی کار می‌کند، این پروژه توانایی کمتری برای متقاعد کردن شرکت شما را دارد که هوش مصنوعی ارزش سرمایه‌گذاری دارد.

به هرحال ساختن یک سیستم هوش مصنوعی خاص برای مراقبت‌های بهداشتی با ارزش‌تر است، چه این پروژه استفاده از هوش مصنوعی برای کمک به پزشکان در تهیه برنامه‌های درمانی باشد یا ساده‌تر کردن روند پذیرش و ویزیت بیمارستان از طریق خودکارسازی و یا ارائه مشاوره بهداشتی شخصی‌سازی شده.

آیا با همکاران معتبر برای تسریع پروژه‌ هوش مصنوعی خود کمک می گیرید؟

اگر هنوز در حال ایجاد تیم هوش مصنوعی خود هستید، به فکر همکاری با همکاران خارج از شرکت باشید تا تخصص هوش مصنوعی را به سرعت تجربه کنید. اگرچه شما می‌خواهید تیم هوش مصنوعی داخلی داشته باشید با این حال سرعت رشد هوش مصنوعی بسیار بالا است و منتظر ماندن برای ایجاد این تیم ممکن است شما را عقب بیندازد.

آیا پروژه‌ هوش مصنوعی شما ارزش‌آفرینی می کند؟

بیشتر پروژه‌های هوش مصنوعی به یکی از این سه روش ارزش ایجاد می‌کنند:
۱- کاهش هزینه‌ها (تقریباً در هر صنعتی خودکارسازی، فرصت‌هایی برای کاهش هزینه‌ها ایجاد می‌کند)
۲- افزایش درآمد (سیستم‌های پیشنهادی و پیش‌بینی مبتنی بر هوش مصنوعی باعث افزایش فروش و کارایی می‌شوند)
۳- راه اندازی مشاغل جدید (هوش مصنوعی می‌تواند پروژه‌هایی را را اجرایی کند که قبلا امکان آن نبود)

حتی بدون داشتن “داده های بزرگ” می‌توانید ارزش ایجاد کنید. برخی از کسب و کارها، مانند موتورهای جستجو، تعداد زیادی کوئری دارند و بنابراین موتورهای جستجو با داده‌های بیشتر عملکرد بهتری دارند.

با این وجود، همه کسب و کارها این میزان داده را در اختیار ندارند و ممکن است ساخت یک سیستم هوش مصنوعی با ارزش که حداقل ۱۰۰-۱۰۰۰ داده دارند امکان پذیر باشد. توصیه می‌کنیم داده‌های زیادی که در صنعت خود دارید، ملاکی برای انتخاب پروژه‌ها نباشد. بسیاری معتقد هستند که تیم هوش مصنوعی می‌تواند هر داده‌ی بزرگی را به یک ارزش تبدیل کند در حالی که اینطور نیست. پروژه‌هایی از این دست شکست می‌خورند. مهم این است که یک تئوری را توسعه دهید در مورد اینکه به طور خاص چگونه یک سیستم هوش مصنوعی می تواند ارزش ایجاد کند.

به سوی موفقیت پروژه‌ هوش مصنوعی

استفاده از فناوری یادگیری با نظارت یک منبع غنی از ایده‌ها برای آن دسته از پروژه‌های هوش مصنوعی است که انسان‌ها آن‌ها را انجام می‌دهند. شما متوجه خواهید شد که هوش مصنوعی به جای شغل‌ها، در خودکارسازی کارها عملکرد خوبی دارد و باید سعی کنید وظایف مشخصی را که در حالت عادی انسان‌ها انجام می‌دهند شناسایی کنید و بررسی کنید که آیا این کارها توانایی خودکارشدن دارند یا نه؟ بعنوان مثال، وظایف مربوط به کار رادیولوژیست ممکن است شامل خواندن اشعه ایکس، کار با دستگاه‌های تصویربرداری، مشاوره با همکاران و برنامه‌ریزی جراحی باشد. به جای اینکه بخواهید کل شغل خود را به طور خودکار انجام دهید، بررسی کنید که آیا فقط یکی از کارها می‌تواند از طریق اتوماسیون جزئی خودکار شود یا حتی کمی سریع‌تر انجام شود؟

من قبل از اجرای یک پروژه‌ هوش مصنوعی، توصیه می‌کنم جدول زمانی و خروجی مطلوب را مشخص کنید. همچنین بودجه مناسبی را به تیم اختصاص دهید.

یک رهبر تعیین کنید

فردی را انتخاب کنید که بتواند عملکردی چندوجهی از خود نشان دهد و پلی باشد میان متخصصان هوش مصنوعی و دیگر متخصصان شرکت. با این کار مطمئن می‌شوید که وقتی پروژه‌ ی هوش مصنوعی به ثمر برسد، بقیه سازمان را تحت تأثیر قرار می‌دهد. باید تاکید کنیم که هدف تیم، ساختن یک استارت آپ هوش مصنوعی نیست. هدف آن‌ها ساختن یک پروژه موفق است که به عنوان اولین قدم نگاه شرکت و دیگر افراد را در مورد هوش مصنوعی تحت تاثیر قرار دهد و راه را برای ساخت پروژه‌های دیگر در آینده هموار سازد.

از ارزش تجاری و نظارت فنی مطمئن شوید

اطمینان حاصل کنید که اگر پروژه‌ هوش مصنوعی شما اجرایی موفقیت‌آمیز داشته باشد و صاحبان کسب‌وکار نیز موافق باشند که این پروژه ارزش کافی برای کسب‌وکار آن‌ها ایجاد خواهد کرد. نکته دیگر اینکه از امکان عملیاتی بودن پروژه خود مطمئن شوید. نظارت فنی می‌تواند هفته‌ها طول بکشد. همچنین به یک تیم فنی نیاز است تا اطلاعات شما را بررسی کند و حتی در صورت لزوم شاید آزمایش‌هایی در مقیاس کوچک انجام دهد.

یک تیم کوچک بسازید

من پروژه‌های آزمایشی بسیاری را دیده‌ام که با حدود پنج تا ۱۵ نفر اجرا شده‌اند. سطح دقیق منابع در هر پروژه بسیار متفاوت است، اما پروژه‌هایی که می‌توانند با یک تیم کوچک انجام شوند مزایایی دارند. در وهله اول می‌توان اطمینان داشت همه می‌توانند همدیگر را بشناسند و به طور متقابل کار کنند. همچنین ممکن است تخصیص منابع بدون دردسر انجام شود. در حالی که امروزه برخی از پروژه‌ها وجود دارند که نیازی به صدها و هزاران مهندس دارند، چنین سطح بالایی از منابع و نیروی انسانی برای پروژه آزمایشی هوش مصنوعی شما لازم نیست.

ارتباط برقرار کنید

زمانی که پروژه آزمایشی شما به نقاط عطف کلیدی رسید به طور خاص وقتی که نتیجه موفقیت‌آمیزی حاصل شد، حتما امکاناتی شامل گفتگو، پاداش و حتی روابط عمومی را برای تیم فراهم کنید تا درون شرکت شناخته شوند.

اطمینان حاصل کنید که تیم پروژه‌ ی هوش مصنوعی توسط مدیرعامل شناخته شده باشد. اگر یک تیم فناوری هوش مصنوعی دارید که با یک تیم تجاری کار می‌کند، مطمئن شوید که تیم تجاری، از حضور تیم هوش مصنوعی اعتبار و پاداش زیادی کسب می کند. این کار باعث می‌شود تیم‌های تجاری دیگری نیز به هوش مصنوعی روی خوش نشان دهند. من هدایت تیم Google Brain و تیم هوش مصنوعی بایدو را بر عهده داشتم که نیرو محرکه اصلی برای تبدیل این دو غول فناوری به شرکت‌های بزرگ هوش مصنوعی بودند. بنابراین فکر می‌کنم اکثر شرکت‌ها می‌توانند و باید در هوش مصنوعی مهارت داشته باشند.

لازم است تاکید کنم که هدف شما نباید رقابت با شرکت‌های پیشگام اینترنت باشد بلکه هدف شما باید تسلط بر هوش مصنوعی برای پیشبرد کسب و کار خودتان باشد. به یاد داشته باشید: اولین قدم انتخاب پروژه‌های آزمایشی مناسب و اجرای آن‌ها است.

منبع: hooshio.com

هوش مصنوعی انقلابی در پردازش اطلاعات

با شتابی که هوش مصنوعی دارد پیشرفت می‌کند و رد پایش در جای جای زندگی و کارمان پیداست، در آینده‌ای نه چندان دور بخش مهمی از زندگی ما را در بر خواهد گرفت. روزی می‌رسد که هوش مصنوعی علاوه بر اینکه به ما پیشنهاد می‌کند چه آهنگی گوش کنیم یا چه رنگ لباسی به پوست‌مان می‌آید، به جای پزشک و قاضی و پلیس هم تصمیم‌گیری می‌کند.

ایده خلق کردن موجودات هوشمندی که بتوانند کارهای انسان را انجام دهند، به اسطوره‌ها برمی‌گردد. انسان از وقتی که می‌توانسته خیال پردازی کند، همیشه به دنبال خلق کردن موجوداتی بوده که تحت فرمان او باشند و دستوراتش را اجرا کنند. البته که ساخت چنین موجودی به همین سادگی‌ها نیست و هنوز که هنوز است بشر موفق به ساخت آن نشده و فعلا در حد همان خیال پردازی‌های فیلم‌های علمی – تخیلی مانده است.

اولین تلاش انسان برای ساخت ماشینی که به جای انسان کار کند و تصمیم بگیرد، به حدود قرن ۱۷ می‌رسد. در جنگ جهانی دوم، تصمیم‌گیری و محاسبات سریع برای شکستن پیام‌های رمزی دشمن، به قدری مهم شد که آلن تورینگ (پدر هوش مصنوعی جهان) ساخت ماشین رمز شکن را آغاز کرد. داستان اختراع ماشین‌ها با قابلیت‌های مختلف، دستمایه ساخت فیلم‌های علمی – تخیلی زیادی شده است، همچنین که داستان ساخت اولین ماشین توسط آلن تورینگ، موضوع یکی از همین فیلم‌هاست.

هوش مصنوعی برنامه‌ای الهام گرفته شده از هوش انسانی است که روی ماشین‌ها پیاده‌سازی می‌شود. به این ترتیب ماشین می‌تواند همان کارهایی را که یک انسان انجام می‌دهد را در زمانی کوتاه‌تر و با دقتی بیشتر انجام دهد.

برنامه‌ها اغلب روی سیستم‌های کامپیوتری پیاده سازی می‌شوند و به واسطه این برنامه، کامپیوتر می‌تواند درمورد مسائلی که در اختیارش قرار می‌دهند تصمیم بگیرد، برنامه‌ریزی کند یا نتیجه را پیش‌بینی کند.

تصمیم‌گیری‌های هوش مصنوعی بر اساس الگوریتم‌هایی است که قابلیت درک شرایط را دارند و بر مبنای استدلال و حل مسئله مانند یک انسان هستند. بنابراین هوش مصنوعی می‌تواند در زمینه دانش‌های متفاوتی مانند فلسفه، زبان‌شناسی، ریاضی، روانشناسی، عصب‌شناسی، تئوری کنترل، احتمالات، بهینه‌سازی و فیزیولوژی استفاده شود و کمک بزرگی به تصمیم‌گیری‌های انسان باشد.

هوش مصنوعی با استفاده از الگوریتم‌ها، پردازش‌هایی روی اطلاعات و داده‌های موجود انجام می‌دهد تا بر اساس نتایج آن تصمیمات لازم برای بهبود کار را بگیرد.

حجم و تنوع زیاد داده‌های موجود در کنار هزینه پایین محاسبات و ذخیره سازی داده‌ها باعث شده مدل‌هایی ساخته شوند تا از روی این داده‌ها، اطلاعات مفید استخراج شود. سیستم‌های سنتی نرم‌افزاری این قابلیت را ندارند، در عوض هوش مصنوعی همان چیزی است که می‌تواند با استخراج داده‌های مفید از بین داده‌های موجود، چراغ روشنی در دل داده‌های تاریک باشد.

کاربردهای فراوان هوش مصنوعی در کسب و کارها

یکی از پیشرفت‌های ویژه‌ای که کسب و کارها می‌توانند داشته باشند، استفاده از هوش مصنوعی است که موجب تمایز و به دنبال آن افزایش کارآمدی و سودآوری آن‌ها می‌شود. در همین راستا شرکت‌های فعال در حوزه هوش مصنوعی،خدماتی ارائه می‌دهند که باعث بهبود عملکرد کسب و کارها می‌شود. زمینه‌های زیادی برای استفاده از هوش مصنوعی وجود دارد. به عنوان مثال هوش مصنوعی توان ارائه خدمات در حوزه‌های زیر را دارد:

– در حوزه‌های مالی مانند مدیریت ریسک، اعتبارسنجی مشتریان، پیش‌بینی آینده بازارهای مالی و عامل معامله‌گر هوشمند

– در حوزه‌های بینایی ماشین مانند تشخیص چهره، تحلیل ویدیو، ocr و تشخیص اشیا

– در حوزه‌های پردازش گفتار مانند بازشناسی گفتار، سنتز گفتار، شناسایی گوینده، چت بات، تحلیل معنایی متون، تحلیل احساسات، جستجوگر معنایی

– و دیگر حوزه‌ها مانند پیشنهاددهنده‌ها برای سایت‌های فروش، داشبوردهای تحلیلی و مدیریتی تا حوزه‌های آموزش و تفریحی

این فناوری نوین دریچه‌ای جدید به روی ابعاد مختلف زندگی بشر گشوده است تا سرعت پیشرفت دو چندان شده و دنیایی بهتر داشته باشیم.

منبع: hooshio.com

چگونه می توانیم یک قطب علمی هوش مصنوعی ایجاد کنیم؟

هوش مصنوعی در چند دهه اخیر، یکی از تاثیرگذارترین فناوری‌های حوزه کسب‌وکار بوده و نقش پررنگی دربهینه‌سازی بسیاری از فرآیندهای سازمانی داشته است. ما بر این باوریم که امروزه در هر شرکتی باید یک قطب علمی هوش مصنوعی وجود داشته باشد. این فناوری یک ابزار مهم در حوزه تجارت است که نباید با بی‌توجهی از کنار آن گذشت.

هوش مصنوعی پایه و اساس برخی از ارزشمندترین سامانه‌های امروزی را تشکیل می‌دهد و به‌زودی تبدیل به بخش جداناپذیری از دنیای کسب‌وکار و تجارت خواهد شد. علاوه براین، قابلیت‌های هوش مصنوعی باید در طول زمان پایدار بمانند تا بتوان به کمک آن، مدل‌های جدید کسب‌وکار را توسعه داده و پشتیبانی کرد. درحال‌حاضر، بسیاری از شرکت‌ها بخش قابل توجهی از منابع مالی خود را به فن‌آوری هوش مصنوعی اختصاص داده‌اند. افرادی که در این حوزه دارای مهارت‌های ضروری و تجربه باشند بسیار کمیابند، به همین دلیل نیز باید این افرادی را گرد هم آورد تا به شکلی منسجم با یک دیگر به تعامل و همکاری بپردازند. همان‌طور که تجارت الکترونیک باعث ایجاد مشاغل و تیم‌های جدیدی همچون مدیر ارشد دیجیتال و تیم پشتیبانی آنلاین شد، هوش مصنوعی نیز منجر به ایجاد یک قطب علمی و نقش‌هایی تازه در سازمان‌ها خواهد شد.

ایده ایجاد یک مرکز یا قطب علمی هوش مصنوعی، یک ایده افراطی نیست. اخیراً در یک نظرسنجی، از هیئت مدیره شرکت‌های بزرگی که از هوش مصنوعی استفاده می‌کنند، سؤالاتی پرسیده شد. 37% از این مدیران در پاسخ گفتند که هم‌اکنون یک قطب علمی هوش مصنوعی در سازمان خود دارند. بانک دویچه ، جی‌.پی. مورگان چیس ، پِفیزر ، پروکتِر و گامبِل ، انتِم و شرکت بیمه کشاورزان در میان شرکت‌های غیر فناوری هستند که تیم‌هایی متمرکز و منسجم در حوزه هوش مصنوعی دارند.

برخی از فناوری‌های مبتنی بر هوش مصنوعی از قبیل یادگیری ماشینی در میان سازمان‌ها شناخته شده‌اند. اما یادگیری ماشینی ریشه در رگرسیون آماری دارد و همین مسئله باعث می‌شود که ایده ادغام تیم‌های تحلیل و هوش مصنوعی به ذهن خطور کند. اگر در سازمان خود یک تیم تحلیل‌گر دارید که پیش‌بینی‌های تحلیلی انجام می‌دهد، اعضای این تیم که به یادگیری و پیشرفت علاقه‌مندند، می‌توانند در پروژه‌های هوش مصنوعی شرکت کنند و در این حوزه تخصص کسب نمایند. در این صورت، ادغام تیم‌ها در سازمان منطقی خواهد بود.

وظایف تیم هوش مصنوعی

یک تیم هوش مصنوعی چه از دل یک تیم تحلیل‌گر ایجاد شده باشد، چه یک تیم کاملاً جدید باشد، مسئولیت‌های زیادی بر عهده خواهد داشت. تیم هوش مصنوعی برای انجام برخی از این وظایف (از قبیل طراحی و توسعه مدل‌ها و سیستم‌های هوش مصنوعی، همکاری با نمایندگی‌های فروش و ایجاد زیرساخت فنی) می‌تواند با شرکت‌های فعال در حوزه فناوری اطلاعات همکاری کند. برخی دیگر از فعالیت‌های تیم هوش مصنوعی نیز نیازمند همکاری با مدیران کسب‌وکارها است. اگر چه این همکاری‌ها از اهمیت زیادی برخوردارند، اما برخی مسئولیت‌ها نیز تنها بر عهده تیم هوش مصنوعی خواهند بود؛ این مسئولیت‌ها به شرح زیر می‌باشند:

تعریف چشم‌انداز شرکت در حوزه هوش مصنوعی: متخصصین حوزه هوش مصنوعی باید ماهیت هوش مصنوعی، توانایی‌ها، قابلیت‌ها و کاربرد آن در طراحی و تعریف مدل‌ها و استراتژی‌های کسب‌وکار را برای مدیران اجرایی بازگو کنند؛ در غیر این صورت، ممکن است نتوانیم از حداکثر قابلیت‌های هوش مصنوعی بهره ببریم.

تشریح کاربردهای هوش مصنوعی در حوزه تجارت و کسب‌وکار: توسعه‌دهندگان قابلیت‌های هوش مصنوعی باید فهرستی از اولویت‌های شرکت برای به‌کارگیری هوش مصنوعی داشته باشند تا بتوانند میان ارزش راهبردی این کاربردها و اهداف شرکت تعادل برقرار کنند. شرکت‌ها ممکن است تنها برای آزمون و خطا وارد برخی از حوزه‌های کاربردی هوش مصنوعی شوند، اما درعین حال، باید برای خود مسیری روشن نیز ترسیم کنند که منتهی به تولید محصولات و خدمات مبتنی بر هوش مصنوعی شود.

هدف‌گذاری مناسب و واقع‌گرایانه: هوش مصنوعی به جای مشاغل و فرآیندهای کلی کسب‌وکار، کارها و فعالیت‌های جزئی را هدف قرار می‌دهد؛ به همین دلیل بهترین استراتژی برای تعریف پروژه‌های هوش مصنوعی داشتن دیدگاهی واقع‌گرایانه است نه بلندپروازانه. اما درهمین‌حین، سازمان باید تعداد زیادی پروژه‌ کوچک را در یک حوزه مشخص تعریف و اجرا کند تا بتواند توجه مدیریت شرکت را جلب کرده و در دنیای کسب‌وکار مؤثر واقع شود. این کار نیازمند طراحی نقشه مسیر و تعیین کاربردهای هوش مصنوعی در طول زمان است. مرکز هوش مصنوعی می‌تواند به یک شرکت کمک کند که «درعین حال که بزرگ می‌اندیشد، قدم‌های کوچکی بردارد».

تعیین معماری هدف برای داده‌ها: چشم‌انداز و کاربردهای هوش مصنوعی تعیین‌کننده سامانه داده‌ای و ابزارهای موردنیاز سازمان خواهند بود. نکته کلیدی هر پروژه (مبتنی بر داده) این است که همه انواع داده‌ها (یعنی داده‌های ساختاریافته، ساختارنیافته و خارجی) در آن‌ها لحاظ شوند. امروزه به‌طور معمول هَدوپ سامانه‌ای استاندارد برای مدیریت داده‌ درنظر گرفته می‌شود، اما مرکز هوش مصنوعی باید بین استفاده از سامانه‌های محلی یا ابری و راه‌حل‌های متن‌باز و عمومی یا مجوزدار تصمیم بگیرد(برای مثال، شرکت‌ها می‌توانند از یکی از سامانه‌های هدوپِ کلودرا ، سرویس‌های تحت وب آمازون و یا سامانه‌های متن‌باز استفاده کنند). درحال حاضر اکثر شرکت‌ها به جای استفاده از پکیج‌های ابزاری که در گذشته مبتنی بر هوش تجاری بودند (همچون نسخه‌های ابتدایی SAS و SPSS)، از ابزارهای تحلیلی آماده‌ای استفاده می‌کنند که بخش‌هایی از آن‌ها متن‌باز است (همچون Alteryx) و به کمک آن‌ها می‌توان به سرعت، مدل‌هایی کاربرپسند طراحی کرد.

آگاهی از نوآوری‌های برون‌سازمانی: تیم هوش مصنوعی می‌تواند به شرکت کمک کند تا روابطش با دانشگاه‌ها، مراکز فروش، استارت‌آپ‌های مبتنی بر هوش مصنوعی و سایر متخصصین و نوآوران را بهبود بخشد. شرکت‌ها می‌توانند یک اکوسیستم هوش مصنوعی ایجاد کنند و حتی روی شرکت‌های کوچک‌تری که می‌توانند برای کسب‌وکار آن‌ها ارزش‌آفرین باشند، سرمایه‌گذاری کنند. به علاوه، آگاهی از نوآوری‌ها جدید به شرکت کمک می‌کند تا بهترین ابزارها و فناوری‌ها را در اختیار بگیرد.

ایجاد شبکه‌ای متشکل از حامیان هوش مصنوعی: در صورت ایجاد شبکه‌ای متشکل از طرفدارن و حامیان، به‌کارگیری فناوری در حوزه کسب‌وکار، عملکرد مرکز هوش مصنوعی به بالاترین سطح خود خواهد رسید. فرآیند ایجاد چنین شبکه‌ای در بسیاری از شرکت‌ها آغاز شده است. براساس نظرسنجی سازمان حسابرسی دلویت در سال 2018، 45% از شرکت‌ها، مدیران ارشد خود را به عنوان حامی و طرفدار هوش مصنوعی معرفی کردند. با تجاری‌سازی شدن برنامه‌نویسی (در اثر روی کار آمدن زبان‌های برنامه‌نویسی آسانی همچون R و پایتون)، شرکت‌ها برای ایجاد قابلیت‌های درون‌سازمانی باید به‌جای برنامه‌نویسی، بیشتر بر مباحث مدل‌سازی آماری و ریاضی متمرکز شوند.

انتشار داستان موفقیت‌ها: یکی از عوامل کلیدی در موفقیت هوش مصنوعی و یا هر فناوری جدیدی، انتشار داستان موفقیت‌ها و دست‌آوردهای اولیه آن در حوزه‌هایی است که برای مخاطبین در اولویت قرار دارند. بدین ترتیب می‌توان اشتیاق و رغبت افراد به فعالیت‌های مبتنی بر هوش مصنوعی را افزایش داد. بازگو کردن این قبیل داستان‌ها می‌تواند نوعی بازاریابی برای مرکز هوش مصنوعی نیز باشد.

جذب و پرورش استعدادها

یک عامل بسیار مهم در موفقیت مرکز هوش مصنوعی، جذب و یا پرورش افراد مستعد است. این حقیقت بر هیچ‌کس پوشیده نیست که استخدام یک مهندس هوش مصنوعی یا دانشمند داده (آماردان) حرفه‌ای حتی در سیلیکُون وَلی نیز تا چه حد دشوار است. سازمان‌ها اغلب برای طراحی و اجرای الگوریتم‌های هوش مصنوعی به تعداد زیادی نیروی انسانی نیاز ندارند و افرادی که دکترای هوش مصنوعی یا علوم رایانه داشته باشند، برای این جایگاه شغلی مناسبند. اما برای به انجام رسیدن بسیاری از امور مربوط به کسب‌وکار در یک مرکز هوش مصنوعی، به تحلیل‌گرانی با مدرک دانشگاهی MBA نیاز است که با مفاهیم و قابلیت‌های هوش مصنوعی آشنایی داشته و بتوانند از ابزارهای خودکار یادگیری ماشینی استفاده کنند. البته می‌توانید در ابتدا با استخدام مشاورین و فروشندگان، کار بر روی پروژه‌های ساده و اولیه را آغاز کنید. اما ادغام این تیم با سایر تیم‌های شرکت اجتناب‌ناپذیر است.

ممکن است شما به تازگی به فکر پرورش استعدادها در حوزه هوش مصنوعی افتاده باشید. آموزش مباحث هوش مصنوعی به کارمندانی که حتی اندکی با علوم داده‌ای آشنا هستند، غیرممکن نیست. برخی از شرکت‌ها همچون سیسکو با همکاری دانشگاه‌ها، دوره‌های آموزشی در حوزه علم داده برای کارمندان خود برگزار کردند. این دوره‌ها در انتها متخصصینی دارای مدرک معتبر به شرکت تحویل دادند. این رویکرد را می‌توان در حوزه هوش مصنوعی نیز به کار بست.

شرکت‌هایی همچون ریپلای و دیتاروبوت و دانشگاه‌هایی همچون اِم‌آی‌تی ، دوره‌های آموزشی کوتاه و جامعی ارائه می‌دهند که در آن‌ها مهارت‌های متناسب با نیاز شرکت‌ها و یا به‌طورکلی‌تر، مهارت‌های موردنیاز در حوزه هوش مصنوعی، به دانش‌جویان آموزش داده می‌شود.

فرآیندها و ساختارهای سازمانی

درواقع نمی‌توان با قاطعیت گفت کدام‌یک از انواع ساختارهای سازمانی مناسب یک مرکز هوش مصنوعی است، اما ما بر این باوریم که سازمان‌ها در اغلب موارد، با ایجاد یک ساختار متمرکز و داشتن کارمندانی رسمی که باید در برابر یک واحد اداری فراگیر پاسخ‌گو باشند، موفق‌تر خواهند بود. همان‌طور که می‌دانید، افراد بااستعداد در حوزه هوش مصنوعی کمیابند، به همین دلیل، اگر این افراد در سازمان پراکنده باشند، نمی‌توان یک تیم قدرتمند ساخت. براساس تجربه‌ای که در زمان ایجاد تیم تحلیل‌گر به‌دست آوردیم، متمرکزسازی فعالیت‌ها منجر به افزایش رضایت شغلی و بقای این قبیل نقش‌ها در سازمان خواهد شد.

برای پرهیز از تشریفات غیرضروری اداری، تیم متمرکز هوش مصنوعی باید به تعدادی از اعضای خود وظایفی در حوزه امور اداری بدهد، البته منظور اموری است که ممکن است تیم هوش مصنوعی به آن‌ها نیاز پیدا کند. بدین ترتیب، کارمندان مرکز هوش مصنوعی با مسائل و مشکلات اداریِ تیم نیز آشنا خواهند شد و می‌توانند با مدیران کلیدی شرکت ارتباط برقرار کنند. تغییر وظایف و مسئولیت‌های افراد در درون یک واحد اداری می‌تواند دانش افراد را افزایش و روند انتقال دانش میان آن‌ها را بهبود بخشد. با فراگیر شدن هوش مصنوعی، کارمندان رسمی می‌توانند خطوط گزارش‌دهی سازمانی و اولیه خود را به بخش‌های اداری منتقل کنند.

تیم هوش مصنوعی باید در زمینه‌های مختلفی گزارش تهیه کند، اما از نظر ما بهترین تیم برای دریافت این گزارش، تیمی است که مسئول طراحی راهبردها و فعالیت‌های دیجیتال شرکت باشد. شرکت ProSiebenSat.1 (که بزرگ‌ترین شرکت خصوصی رسانه‌ای در آلمان است) تیم تحلیل داده خود را بین دو تیم کسب‌وکار تجاری و فناوری اطلاعات قرار داده تا بتواند بر روی طراحی یک مدل کسب‌وکار جدید در حوزه اقتصاد سامانه‌ای تمرکز کند. تیم‌های هوش مصنوعی و تحلیل در شرکت Versicherungskammer (بزرگترین شرکت دولتی بیمه‌ در آلمان) گزارش‌های خود را به مدیر ارشد اطلاعات این شرکت ارائه می‌دهند. تیم هوش مصنوعی شرکت پروکتر اند گامبل نیز با تلاش مشترک تیم‌های تحقیق و توسعه (R&D) و فناوری اطلاعات (IT) شکل گرفت. در شرکت اَنتم، قطب علمی هوش مصنوعی گزارش فعالیت‌های خود را به مدیر ارشد دیجیتال این شرکت ارائه می‌دهد.

در اجرای پروژه‌های هوش مصنوعی همچون بسیاری از پروژه‌های فناوری دیگر، داشتن سرعت مهم‌ترین عامل موفقیت است. بنابراین، تعریف دستاوردهای کوتاه‌مدت و برگزاری جلسات مکرر با سهام‌داران بهترین راهبرد برای اجرای این قبیل پروژه‌هاست. البته، اگر سیستم به توسعه یا یکپارچه‌سازی اساسی نیاز داشته باشد، می‌توان سایر روش‌های سنتی مدیریت پروژه را نیز به‌کار گرفت.

ممکن است برخی از فعالیت‌های هوش مصنوعی با اصول اخلاقی تناقض داشته باشد، به همین دلیل هرگز نباید در صورت مواجهه با چنین مسائلی، آن‌ها را نادیده بگیرید. ممکن است یک شرکت قصد داشته باشد که به عنوان بخشی از فعالیت‌های خود در زمینه هوش مصنوعی، موضعی اخلاقی اتخاذ کند یا یک هیئت بازنگری در این زمینه تشکیل دهد. برای مثال، در شرکت مایکروسافت سمت جدیدی با عنوان «کارشناس اخلاق‌شناسی در حوزه هوش مصنوعی» تعریف شده است که کمک به سایر کسب‌وکارها در حوزه مسائل اخلاقی هوش مصنوعی از جمله بایاس الگوریتمی و بررسی تأثیرات نرم‌افزارهای هوش مصنوعی بر مصرف‌کنندگان از جمله وظایف این کارشناس است.

کسب‌وکارها برای رسیدن به موفقیت باید منابع خود را نظم بخشیده و تمرکز آن‎ها را حفظ کنند. همان‌طور که می‌دانید افراد بااستعداد و متخصص در حوزه هوش مصنوعی کمیابند و به همین دلیل، این افراد به عنوان یکی از منابع موردنیاز شرکت برای ایجاد یک قطب علمی در حوزه هوش مصنوعی، اهمیت بیشتری از سایر منابع خواهند داشت. به نظر ما، در عمل یک سازمان نمی‌تواند بدون تخصیص یک بخش مجزا به هوش مصنوعی و کاربردهای آن، موفقیت چشم‌گیری در این حوزه کسب نماید.

منبع: hooshio.com

چگونه می توانیم یک قطب علمی هوش مصنوعی ایجاد کنیم؟

هوش مصنوعی در چند دهه اخیر، یکی از تاثیرگذارترین فناوری‌های حوزه کسب‌وکار بوده و نقش پررنگی دربهینه‌سازی بسیاری از فرآیندهای سازمانی داشته است. ما بر این باوریم که امروزه در هر شرکتی باید یک قطب علمی هوش مصنوعی وجود داشته باشد. این فناوری یک ابزار مهم در حوزه تجارت است که نباید با بی‌توجهی از کنار آن گذشت.

هوش مصنوعی پایه و اساس برخی از ارزشمندترین سامانه‌های امروزی را تشکیل می‌دهد و به‌زودی تبدیل به بخش جداناپذیری از دنیای کسب‌وکار و تجارت خواهد شد. علاوه براین، قابلیت‌های هوش مصنوعی باید در طول زمان پایدار بمانند تا بتوان به کمک آن، مدل‌های جدید کسب‌وکار را توسعه داده و پشتیبانی کرد. درحال‌حاضر، بسیاری از شرکت‌ها بخش قابل توجهی از منابع مالی خود را به فن‌آوری هوش مصنوعی اختصاص داده‌اند. افرادی که در این حوزه دارای مهارت‌های ضروری و تجربه باشند بسیار کمیابند، به همین دلیل نیز باید این افرادی را گرد هم آورد تا به شکلی منسجم با یک دیگر به تعامل و همکاری بپردازند. همان‌طور که تجارت الکترونیک باعث ایجاد مشاغل و تیم‌های جدیدی همچون مدیر ارشد دیجیتال و تیم پشتیبانی آنلاین شد، هوش مصنوعی نیز منجر به ایجاد یک قطب علمی و نقش‌هایی تازه در سازمان‌ها خواهد شد.

ایده ایجاد یک مرکز یا قطب علمی هوش مصنوعی، یک ایده افراطی نیست. اخیراً در یک نظرسنجی، از هیئت مدیره شرکت‌های بزرگی که از هوش مصنوعی استفاده می‌کنند، سؤالاتی پرسیده شد. ۳۷% از این مدیران در پاسخ گفتند که هم‌اکنون یک قطب علمی هوش مصنوعی در سازمان خود دارند. بانک دویچه ، جی‌.پی. مورگان چیس ، پِفیزر ، پروکتِر و گامبِل ، انتِم و شرکت بیمه کشاورزان در میان شرکت‌های غیر فناوری هستند که تیم‌هایی متمرکز و منسجم در حوزه هوش مصنوعی دارند.

برخی از فناوری‌های مبتنی بر هوش مصنوعی از قبیل یادگیری ماشینی در میان سازمان‌ها شناخته شده‌اند. اما یادگیری ماشینی ریشه در رگرسیون آماری دارد و همین مسئله باعث می‌شود که ایده ادغام تیم‌های تحلیل و هوش مصنوعی به ذهن خطور کند. اگر در سازمان خود یک تیم تحلیل‌گر دارید که پیش‌بینی‌های تحلیلی انجام می‌دهد، اعضای این تیم که به یادگیری و پیشرفت علاقه‌مندند، می‌توانند در پروژه‌های هوش مصنوعی شرکت کنند و در این حوزه تخصص کسب نمایند. در این صورت، ادغام تیم‌ها در سازمان منطقی خواهد بود.

وظایف تیم هوش مصنوعی

یک تیم هوش مصنوعی چه از دل یک تیم تحلیل‌گر ایجاد شده باشد، چه یک تیم کاملاً جدید باشد، مسئولیت‌های زیادی بر عهده خواهد داشت. تیم هوش مصنوعی برای انجام برخی از این وظایف (از قبیل طراحی و توسعه مدل‌ها و سیستم‌های هوش مصنوعی، همکاری با نمایندگی‌های فروش و ایجاد زیرساخت فنی) می‌تواند با شرکت‌های فعال در حوزه فناوری اطلاعات همکاری کند. برخی دیگر از فعالیت‌های تیم هوش مصنوعی نیز نیازمند همکاری با مدیران کسب‌وکارها است. اگر چه این همکاری‌ها از اهمیت زیادی برخوردارند، اما برخی مسئولیت‌ها نیز تنها بر عهده تیم هوش مصنوعی خواهند بود؛ این مسئولیت‌ها به شرح زیر می‌باشند:

تعریف چشم‌انداز شرکت در حوزه هوش مصنوعی: متخصصین حوزه هوش مصنوعی باید ماهیت هوش مصنوعی، توانایی‌ها، قابلیت‌ها و کاربرد آن در طراحی و تعریف مدل‌ها و استراتژی‌های کسب‌وکار را برای مدیران اجرایی بازگو کنند؛ در غیر این صورت، ممکن است نتوانیم از حداکثر قابلیت‌های هوش مصنوعی بهره ببریم.

تشریح کاربردهای هوش مصنوعی در حوزه تجارت و کسب‌وکار: توسعه‌دهندگان قابلیت‌های هوش مصنوعی باید فهرستی از اولویت‌های شرکت برای به‌کارگیری هوش مصنوعی داشته باشند تا بتوانند میان ارزش راهبردی این کاربردها و اهداف شرکت تعادل برقرار کنند. شرکت‌ها ممکن است تنها برای آزمون و خطا وارد برخی از حوزه‌های کاربردی هوش مصنوعی شوند، اما درعین حال، باید برای خود مسیری روشن نیز ترسیم کنند که منتهی به تولید محصولات و خدمات مبتنی بر هوش مصنوعی شود.

هدف‌گذاری مناسب و واقع‌گرایانه: هوش مصنوعی به جای مشاغل و فرآیندهای کلی کسب‌وکار، کارها و فعالیت‌های جزئی را هدف قرار می‌دهد؛ به همین دلیل بهترین استراتژی برای تعریف پروژه‌های هوش مصنوعی داشتن دیدگاهی واقع‌گرایانه است نه بلندپروازانه. اما درهمین‌حین، سازمان باید تعداد زیادی پروژه‌ کوچک را در یک حوزه مشخص تعریف و اجرا کند تا بتواند توجه مدیریت شرکت را جلب کرده و در دنیای کسب‌وکار مؤثر واقع شود. این کار نیازمند طراحی نقشه مسیر و تعیین کاربردهای هوش مصنوعی در طول زمان است. مرکز هوش مصنوعی می‌تواند به یک شرکت کمک کند که «درعین حال که بزرگ می‌اندیشد، قدم‌های کوچکی بردارد».

تعیین معماری هدف برای داده‌ها: چشم‌انداز و کاربردهای هوش مصنوعی تعیین‌کننده سامانه داده‌ای و ابزارهای موردنیاز سازمان خواهند بود. نکته کلیدی هر پروژه (مبتنی بر داده) این است که همه انواع داده‌ها (یعنی داده‌های ساختاریافته، ساختارنیافته و خارجی) در آن‌ها لحاظ شوند. امروزه به‌طور معمول هَدوپ سامانه‌ای استاندارد برای مدیریت داده‌ درنظر گرفته می‌شود، اما مرکز هوش مصنوعی باید بین استفاده از سامانه‌های محلی یا ابری و راه‌حل‌های متن‌باز و عمومی یا مجوزدار تصمیم بگیرد(برای مثال، شرکت‌ها می‌توانند از یکی از سامانه‌های هدوپِ کلودرا ، سرویس‌های تحت وب آمازون و یا سامانه‌های متن‌باز استفاده کنند). درحال حاضر اکثر شرکت‌ها به جای استفاده از پکیج‌های ابزاری که در گذشته مبتنی بر هوش تجاری بودند (همچون نسخه‌های ابتدایی SAS و SPSS)، از ابزارهای تحلیلی آماده‌ای استفاده می‌کنند که بخش‌هایی از آن‌ها متن‌باز است (همچون Alteryx) و به کمک آن‌ها می‌توان به سرعت، مدل‌هایی کاربرپسند طراحی کرد.

آگاهی از نوآوری‌های برون‌سازمانی: تیم هوش مصنوعی می‌تواند به شرکت کمک کند تا روابطش با دانشگاه‌ها، مراکز فروش، استارت‌آپ‌های مبتنی بر هوش مصنوعی و سایر متخصصین و نوآوران را بهبود بخشد. شرکت‌ها می‌توانند یک اکوسیستم هوش مصنوعی ایجاد کنند و حتی روی شرکت‌های کوچک‌تری که می‌توانند برای کسب‌وکار آن‌ها ارزش‌آفرین باشند، سرمایه‌گذاری کنند. به علاوه، آگاهی از نوآوری‌ها جدید به شرکت کمک می‌کند تا بهترین ابزارها و فناوری‌ها را در اختیار بگیرد.

ایجاد شبکه‌ای متشکل از حامیان هوش مصنوعی: در صورت ایجاد شبکه‌ای متشکل از طرفدارن و حامیان، به‌کارگیری فناوری در حوزه کسب‌وکار، عملکرد مرکز هوش مصنوعی به بالاترین سطح خود خواهد رسید. فرآیند ایجاد چنین شبکه‌ای در بسیاری از شرکت‌ها آغاز شده است. براساس نظرسنجی سازمان حسابرسی دلویت در سال ۲۰۱۸، ۴۵% از شرکت‌ها، مدیران ارشد خود را به عنوان حامی و طرفدار هوش مصنوعی معرفی کردند. با تجاری‌سازی شدن برنامه‌نویسی (در اثر روی کار آمدن زبان‌های برنامه‌نویسی آسانی همچون R و پایتون)، شرکت‌ها برای ایجاد قابلیت‌های درون‌سازمانی باید به‌جای برنامه‌نویسی، بیشتر بر مباحث مدل‌سازی آماری و ریاضی متمرکز شوند.

انتشار داستان موفقیت‌ها: یکی از عوامل کلیدی در موفقیت هوش مصنوعی و یا هر فناوری جدیدی، انتشار داستان موفقیت‌ها و دست‌آوردهای اولیه آن در حوزه‌هایی است که برای مخاطبین در اولویت قرار دارند. بدین ترتیب می‌توان اشتیاق و رغبت افراد به فعالیت‌های مبتنی بر هوش مصنوعی را افزایش داد. بازگو کردن این قبیل داستان‌ها می‌تواند نوعی بازاریابی برای مرکز هوش مصنوعی نیز باشد.

جذب و پرورش استعدادها

یک عامل بسیار مهم در موفقیت مرکز هوش مصنوعی، جذب و یا پرورش افراد مستعد است. این حقیقت بر هیچ‌کس پوشیده نیست که استخدام یک مهندس هوش مصنوعی یا دانشمند داده (آماردان) حرفه‌ای حتی در سیلیکُون وَلی نیز تا چه حد دشوار است. سازمان‌ها اغلب برای طراحی و اجرای الگوریتم‌های هوش مصنوعی به تعداد زیادی نیروی انسانی نیاز ندارند و افرادی که دکترای هوش مصنوعی یا علوم رایانه داشته باشند، برای این جایگاه شغلی مناسبند. اما برای به انجام رسیدن بسیاری از امور مربوط به کسب‌وکار در یک مرکز هوش مصنوعی، به تحلیل‌گرانی با مدرک دانشگاهی MBA نیاز است که با مفاهیم و قابلیت‌های هوش مصنوعی آشنایی داشته و بتوانند از ابزارهای خودکار یادگیری ماشینی استفاده کنند. البته می‌توانید در ابتدا با استخدام مشاورین و فروشندگان، کار بر روی پروژه‌های ساده و اولیه را آغاز کنید. اما ادغام این تیم با سایر تیم‌های شرکت اجتناب‌ناپذیر است.

ممکن است شما به تازگی به فکر پرورش استعدادها در حوزه هوش مصنوعی افتاده باشید. آموزش مباحث هوش مصنوعی به کارمندانی که حتی اندکی با علوم داده‌ای آشنا هستند، غیرممکن نیست. برخی از شرکت‌ها همچون سیسکو با همکاری دانشگاه‌ها، دوره‌های آموزشی در حوزه علم داده برای کارمندان خود برگزار کردند. این دوره‌ها در انتها متخصصینی دارای مدرک معتبر به شرکت تحویل دادند. این رویکرد را می‌توان در حوزه هوش مصنوعی نیز به کار بست.

شرکت‌هایی همچون ریپلای و دیتاروبوت و دانشگاه‌هایی همچون اِم‌آی‌تی ، دوره‌های آموزشی کوتاه و جامعی ارائه می‌دهند که در آن‌ها مهارت‌های متناسب با نیاز شرکت‌ها و یا به‌طورکلی‌تر، مهارت‌های موردنیاز در حوزه هوش مصنوعی، به دانش‌جویان آموزش داده می‌شود.

فرآیندها و ساختارهای سازمانی

درواقع نمی‌توان با قاطعیت گفت کدام‌یک از انواع ساختارهای سازمانی مناسب یک مرکز هوش مصنوعی است، اما ما بر این باوریم که سازمان‌ها در اغلب موارد، با ایجاد یک ساختار متمرکز و داشتن کارمندانی رسمی که باید در برابر یک واحد اداری فراگیر پاسخ‌گو باشند، موفق‌تر خواهند بود. همان‌طور که می‌دانید، افراد بااستعداد در حوزه هوش مصنوعی کمیابند، به همین دلیل، اگر این افراد در سازمان پراکنده باشند، نمی‌توان یک تیم قدرتمند ساخت. براساس تجربه‌ای که در زمان ایجاد تیم تحلیل‌گر به‌دست آوردیم، متمرکزسازی فعالیت‌ها منجر به افزایش رضایت شغلی و بقای این قبیل نقش‌ها در سازمان خواهد شد.

برای پرهیز از تشریفات غیرضروری اداری، تیم متمرکز هوش مصنوعی باید به تعدادی از اعضای خود وظایفی در حوزه امور اداری بدهد، البته منظور اموری است که ممکن است تیم هوش مصنوعی به آن‌ها نیاز پیدا کند. بدین ترتیب، کارمندان مرکز هوش مصنوعی با مسائل و مشکلات اداریِ تیم نیز آشنا خواهند شد و می‌توانند با مدیران کلیدی شرکت ارتباط برقرار کنند. تغییر وظایف و مسئولیت‌های افراد در درون یک واحد اداری می‌تواند دانش افراد را افزایش و روند انتقال دانش میان آن‌ها را بهبود بخشد. با فراگیر شدن هوش مصنوعی، کارمندان رسمی می‌توانند خطوط گزارش‌دهی سازمانی و اولیه خود را به بخش‌های اداری منتقل کنند.

تیم هوش مصنوعی باید در زمینه‌های مختلفی گزارش تهیه کند، اما از نظر ما بهترین تیم برای دریافت این گزارش، تیمی است که مسئول طراحی راهبردها و فعالیت‌های دیجیتال شرکت باشد. شرکت ProSiebenSat.1 (که بزرگ‌ترین شرکت خصوصی رسانه‌ای در آلمان است) تیم تحلیل داده خود را بین دو تیم کسب‌وکار تجاری و فناوری اطلاعات قرار داده تا بتواند بر روی طراحی یک مدل کسب‌وکار جدید در حوزه اقتصاد سامانه‌ای تمرکز کند. تیم‌های هوش مصنوعی و تحلیل در شرکت Versicherungskammer (بزرگترین شرکت دولتی بیمه‌ در آلمان) گزارش‌های خود را به مدیر ارشد اطلاعات این شرکت ارائه می‌دهند. تیم هوش مصنوعی شرکت پروکتر اند گامبل نیز با تلاش مشترک تیم‌های تحقیق و توسعه (R&D) و فناوری اطلاعات (IT) شکل گرفت. در شرکت اَنتم، قطب علمی هوش مصنوعی گزارش فعالیت‌های خود را به مدیر ارشد دیجیتال این شرکت ارائه می‌دهد.

در اجرای پروژه‌های هوش مصنوعی همچون بسیاری از پروژه‌های فناوری دیگر، داشتن سرعت مهم‌ترین عامل موفقیت است. بنابراین، تعریف دستاوردهای کوتاه‌مدت و برگزاری جلسات مکرر با سهام‌داران بهترین راهبرد برای اجرای این قبیل پروژه‌هاست. البته، اگر سیستم به توسعه یا یکپارچه‌سازی اساسی نیاز داشته باشد، می‌توان سایر روش‌های سنتی مدیریت پروژه را نیز به‌کار گرفت.

ممکن است برخی از فعالیت‌های هوش مصنوعی با اصول اخلاقی تناقض داشته باشد، به همین دلیل هرگز نباید در صورت مواجهه با چنین مسائلی، آن‌ها را نادیده بگیرید. ممکن است یک شرکت قصد داشته باشد که به عنوان بخشی از فعالیت‌های خود در زمینه هوش مصنوعی، موضعی اخلاقی اتخاذ کند یا یک هیئت بازنگری در این زمینه تشکیل دهد. برای مثال، در شرکت مایکروسافت سمت جدیدی با عنوان «کارشناس اخلاق‌شناسی در حوزه هوش مصنوعی» تعریف شده است که کمک به سایر کسب‌وکارها در حوزه مسائل اخلاقی هوش مصنوعی از جمله بایاس الگوریتمی و بررسی تأثیرات نرم‌افزارهای هوش مصنوعی بر مصرف‌کنندگان از جمله وظایف این کارشناس است.

کسب‌وکارها برای رسیدن به موفقیت باید منابع خود را نظم بخشیده و تمرکز آن‎ها را حفظ کنند. همان‌طور که می‌دانید افراد بااستعداد و متخصص در حوزه هوش مصنوعی کمیابند و به همین دلیل، این افراد به عنوان یکی از منابع موردنیاز شرکت برای ایجاد یک قطب علمی در حوزه هوش مصنوعی، اهمیت بیشتری از سایر منابع خواهند داشت. به نظر ما، در عمل یک سازمان نمی‌تواند بدون تخصیص یک بخش مجزا به هوش مصنوعی و کاربردهای آن، موفقیت چشم‌گیری در این حوزه کسب نماید.

منبع: hooshio.com