هوش مصنوعی در امور مالی تغییرات جدیدی ایجاد‌‌ می‌‌کند

 

هفته گذشته شرکت تجاری کارت اعتباری بارکلیز برای همکاری در زمینه ارائه خدمات خرید سفارشی و پرداخت آنلاین در آلمان با شرکت آمازون به توافق رسید.

اعلام این خبر در میان خبرهای مربوط به انتخابات ایالات متحده آمریکا و فشارهای مربوط به همه‌‌گیری ویروس کرونا و لغو پیشنهاد اولیه ۳۷ میلیارد دلاری گروه مالی Ant، عملا گم شد و توجهات کمی را به خود جلب کرد. اما سرمایه‌‌گذاران و قانون‌‌گذاران باید به این موضوع توجه لازم را داشته باشند که اهمیت این مسئله به دلیل جزئیات این معامله و عواید آن برای آلمان، یا گسترش چشمگیر فعالیت‌‌‌های آمازون یا استراتژی‌‌‌های جدید کمپانی تجاری کارت اعتباری بارکلیز نیست.

در حقیقت، اهمیت اصلی این رویداد به دلیل اتصال یک شرکت سرمایه‌دار آلمانی به عنوان نماینده‌‌ای کوچک از مجموعه نهادهای مالی به مجموعه‌‌ای از تعاملات مبتنی بر سیستم‌های هوشمند است که تاثیر بزرگی بر تعاملات مالی در سطح بین‌الملل دارند. این رویداد همانند یک موفقیت برای هر دو طرف معامله به حساب‌‌ می‌‌آید؛ چرا که همواره میان بانک‌‌‌‌ها و موسسات مالی از یک سو و شرکت‌‌‌های فناوری و هوش مصنوعی از سوی دیگر یک رقابت داغ مبنی بر یافتن راه‌‌‌های تازه استفاده از کلان داده و هوش مصنوعی در امور مالی وجود دارد.

سیستم های هوش مصنوعی در امور مالی

اساساً، بانک بارکلیز و آمازون برای تأیید یا عدم تایید اعتبار داده‌‌‌‌ها با سیستم‌‌‌های تجزیه و تحلیل هوش مصنوعی پیوند دارند. چنین تحلیل‌‌‌های آماری که با سیستم‌های هوش مصنوعی انجام می‌شود، به این موسسات و شرکت‌‌‌‌ها کمک‌‌ می‌‌کند تا اقدامات بعدی مشتریان را در زمینه خدمات سفارشی پیش‌بینی کنند. جس استالی، مدیر اجرایی موسسه مالی بارکلیز، در این باره‌‌ می‌‌گوید: «من شخصاً فکر‌‌ می‌‌کنم که همکاری با آمازون یکی از مهم‌‌‌‌‌‌ترین اتفاقاتی است که در پنج سال گذشته برای بارکلیز رخ داده است.»

درباره این رقابت و نتیجه‌‌ای که مربوط به هوش مصنوعی است،‌‌ می‌‌توان گفت ‌‌‌‌‌‌‌‌آن‌‌چه در آینده رخ‌‌ می‌‌دهد،‌‌ می‌‌تواند بسیار مهم شود، چرا که برندگان آینده این رقابت را از میان فعالان امور مالی و مجموعه‌‌‌های بزرگ تعیین‌‌ می‌‌کند.

سیستم عامل‌‌‌های هوش مصنوعی که اکنون در امور مالی مستقر شده‌‌اند، قدرتمندتر از نسخه‌های گذشته خود هستند. در این زمینه پژوهش جدیدی از موسسه MIT وجود دارد که به ویژه درباره توانایی‌‌‌های به وجود آمده توسط زیرمجموعه‌‌ای از هوش مصنوعی به نام «یادگیری عمیق» هشدار‌‌ می‌‌دهد، این توانایی‌‌‌‌ها انقدر متفاوت از مدل‌های گذشته‌اند که به تعبیر این پژوهش «یک انقطاع اساسی» از گذشته را نشان‌‌ می‌‌دهد.

جک ما، بنیانگذار گروه تجارت الکترونیکی Ant و Alibaba، بدون شک یکی از اولین کسانی است که توانسته توانایی بالقوه‌‌ای را که در این زمینه وجود دارد، پیدا کند. از داده‌‌‌های مربوط به فعالیت دیجیتال مصرف‌کننده و شرکت برای پیش‌‌بینی ریسک اعتبار و ارائه خدمات سفارشی استفاده‌‌ می‌‌کند. این دلایل کلیدی باعث شده است که گروه مالی چین با چنین سرعت گیج‌‌کننده‌‌ای گسترش یابد. اما شرکت‌‌‌های غربی همچنان به رقابت خود با بارکلیز در حوزه خرده‌‌فروشی و هم در حوزه تامین مالی ادامه‌‌ می‌‌دهند تا بتوانند پیشرفت‌‌‌های لازم را به‌دست آورند.

استفاده از سیستم های هوش مصنوعی در امور مالی چه مزایا و معایبی دارد؟

مارک کارنی، رئیس سابق بانک انگلیس، طبق مشاهدات خود معتقد است که این تغییرات از نظر تئوریک‌‌ می‌‌تواند به عنوان راهی برای «دموکراتیزه کردن امور مالی» مفید باشد. مخصوصا این نوآوری‌‌‌‌ها باید شرکت‌‌‌های مالی را قادر سازد تا «امکان انتخاب بیشتر، خدمات هدفمندتر و قیمت‌گذاری دقیق‌تر» را به مصرف‌کنندگان یا مشتریان خود ارائه دهند.

آن‌‌‌‌ها همچنین باید هزینه‌‌‌های استقراض شرکت‌‌‌‌ها را کاهش دهند. شرکت Ant از داده‌‌‌های گسترده و هوش مصنوعی خود برای تجزیه و تحلیل ریسک‌‌‌های اعتباری استفاده کرده است؛ به گونه‌‌ای که این شرکت را قادر به ارائه وام‌‌‌های ارزان‌تر‌‌ می‌‌کند. هوش مصنوعی در امور مالی همچنین‌‌ می‌‌تواند به تنظیم‌کننده‌‌‌‌ها و کنترل‌کننده‌‌‌های ریسک کمک کند تا به راحتی کلاهبرداری‌‌‌های آنلاین در زمینه مالی را تشخیص دهند و تست استرس بانک‌‌‌‌ها را بهبود ببخشند.

اما در کنار همه ویژگی‌‌‌های مثبت استفاده از این راهکارهای هوشمند، هزینه‌‌‌های بالقوه زیادی نیز وجود دارد. یکی از این موارد، تمایل برنامه‌‌‌های هوش مصنوعی به سوگیری تعصبات قومی یا نژادی در تصمیم‌گیری است. مورد دیگری که‌‌ می‌‌توان به آن اشاره کرد، درباره خطرات مربوط به حفظ حریم خصوصی است.

سومین مسئله‌‌ای که وجود دارد، قانون ضد قیومیت (ضد تراست) است: از آن‌جا که داشتن یک پایگاه داده عظیم، یک مزیت قابل توجه در هوش مصنوعی است، شرکت‌‌‌های غالب عموما تمایل بیشتری دارند که بر بقیه شرکت‌‌‌‌ها تسلط داشته باشند. چهارمین مسئله مرتبط، موضوع گردآوری است: از آن‌جا که برنامه‌‌‌های هوش مصنوعی غالباً روی خطوط مشابه ساخته‌‌ می‌‌شوند، استفاده از آن‌‌‌‌ها می‌‌تواند تنوع نهادی را کاهش داده و انعطاف‌‌پذیری مالی را تضعیف کند.

با این حال، بزرگ‌‌‌‌‌‌ترین مشکل موجود، عدم شفافیت است. مقاله جدیدی که از سوی متخصصان ثبات مالی منتشر شده است، خاطرنشان‌‌ می‌‌کند: «عدم تفسیرپذیری» یا «قابلیت کنترل» روش‌‌‌های هوش مصنوعی و یادگیری ماشین‌‌ می‌‌تواند به یک خطر در سطح کلان تبدیل شود. اما ‌‌‌‌‌‌‌‌آن‌‌چه واضح است این است که استفاده از هوش مصنوعی و یادگیری ماشینی‌‌ می‌‌تواند منجر به شکل‌‌‌های جدید و غیرمنتظره‌‌ای از ارتباط بین بازارهای مالی و موسسات شود.

راهکار بهینه برای استفاده از هوش مصنوعی در امور مالی چیست؟

با این توضیحات، سوالی که به ذهن‌‌ می‌‌رسد این است که: پس واقعا چه باید کرد؟ یک ایده آشکار و وسوسه‌انگیز ممکن است این باشد که سیاستمداران دکمه «مکث» را فشار دهند و کمی از سرعت تصمیم‌گیری‌‌‌های خود بکاهند. در واقع، این همان چیزی است که به نظر‌‌ می‌‌رسد پکن در تلاش است تا با شرکت Ant  به مرحله عمل درآورد.

با این وجود، محدودکردن توانایی‌‌‌های هوش مصنوعی در امور مالی کار آسانی نخواهد بود. با توجه به مزایای بالقوه این فناوری، این‌که بیاییم و قابلیت‌‌‌های این فناوری را محدود کنیم، لزوماً ایده خوبی نیست. به نظر‌‌ می‌‌رسد بهتر است سیاست‌‌گذاران و قانون‌‌گذاران از چهار ایده برای رسیدن به اهداف خود استفاده کنند.

ایده‌هایی که در این زمینه‌‌ می‌‌تواند راهگشا باشد، این موارد است:

اول، شرکت‌‌‌‌‌‌‌‌هایی که به فعالیت‌‌‌های مالی مجهز به هوش مصنوعی مشغول هستند باید در چارچوب مالی مشخص فینتک‌‌‌‌ها تنظیم شوند. این به معنای انتقال تمام قوانین بانکی قدیمی به صنعت فینتک نیست. همانطور که جک ما گفته است، همه این قوانین لزوما برای هوش مصنوعی مناسب نیستند. اما بانکداران و ناظران مرکزی باید نظارت بر فینتک را در برنامه خود داشته باشند و قوانین و شرایط تعاملات را حفظ و رعایت کنند. حتی اگر برای عملی کردن این کار نیاز باشد تا نظارت خود را در زمینه‌‌‌های جدید مانند داده‌‌‌‌‌‌‌‌هایی که در سیستم عامل‌‌‌های هوش مصنوعی قرار دارند، گسترش دهند.

دوم، تنظیم‌‌کنندگان و مدیران ریسک باید سیلوهای اطلاعاتی را پر کنند. تعداد بسیار کمی از افراد هستند که هم در زمینه هوش مصنوعی تخصص لازم را داشته باشند و هم امور مالی را بدانند. در عوض، افرادی که این مهارت‌‌‌‌ها را دارند معمولاً در نهادها و بخش‌‌‌های مختلفی مشغول به فعالیت‌‌اند که بی ارتباط به حوزه تخصصشان است و این موضوع بسیار نگران‌‌کننده است.

سوم، ما‌‌‌‌‌‌‌‌ نمی‌‌توانیم همه بار مسئولیتی ایجاد و کنترل سیستم‌‌‌های مجهز به هوش مصنوعی را همراه با بودجه کافی و سنگین این پروژه‌‌‌‌ها به عهده افرادی بگذاریم که دید محدودی دارند و از جنبه‌‌‌های اخلاقی لزوما سنجیده عمل‌‌‌‌‌‌‌‌ نمی‌‌کنند. در مقابل، استراتژی که افراد برای ایجاد یا توسعه سامانه‌‌‌های جدید به کار می‌‌گیرند باید بر مبنای دید جامع و کل‌نگر باشد و تأثیرات اجتماعی که هر تصمیم آن‌‌‌‌ها می‌‌تواند بر کل اکوسیستم داشته باشد را مورد ملاحظه قرار دهد.

اما برای این که چنین اتفاقی به واقعیت درآید؛ نیاز به تحول چهارم است: سیاستمداران و عموم مردم باید توجه داشته باشند که روند کلی جریانات به چه صورت است و فعالان این حوزه چه عملکردی دارند. در این موارد عموما ادعایی که وجود دارد این است که این وظیفه نهادهای قانونی و دولت است. اما موضوع مهم این است که عموم مردم به جای این‌‌که این وظیفه را به متخصصان فنی واگذار کنند، باید به ‌‌‌‌‌‌‌‌آن‌‌چه در حال انجام است، توجه داشته باشند.

درک فرایندهای فناوری هوش مصنوعی در امور مالی سخت است و شناخت سیستم‌‌‌های هوشمند نیز کار آسانی نخواهد بود. اما دهه ۲۰۰۰ میلادی نشان داد که چه اتفاقی‌‌ می‌‌تواند بیفتد وقتی متخصصان شبکه به طور غیرقانونی در امور مالی ورود کنند و در این زمینه دست به اقدامات دیوانه‌کننده بزنند و سیاستمداران و قانون‌‌گذاران نیز از اقدامات آن‌‌‌‌ها چشم‌پوشی کنند. ما دیگر‌‌‌‌‌‌‌‌ نمی‌‌توانیم شاهد وقوع چنین رویدادهایی باشیم. اگر معتقدید که بحران مالی سال ۲۰۰۸ وضعیت بدی بوده است، تصور کنید یک بار دیگر چنین بحرانی ایجاد شود، اما از آن نوع پیشرفته‌تری که وابسته به یک هوش مصنوعی است و با سرعت بیشتری سیستم‌‌‌های مالی را دچار تغییرات‌‌ می‌‌کند. همین مسئله باید ما آنقدر بترساند که خود را برای ورود به یک بحث نتیجه بخش آماده کنیم.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید.

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