همشهری آنلاین - یکتا فراهانی: بسیاری از سازمانها، پیش از آنکه به زیرساخت و داده فکر کنند، به خرید نرمافزارهای AI روی میآورند؛ اما این مسیر، گاه هزینهسازتر از آن چیزی است که تصور میشود.
در چند سال گذشته، واژه «هوش مصنوعی» از اتاقهای سرّی آزمایشگاهها خارج شده و به تیتر نخست جلسات هیئتمدیره، بولتنهای شرکتها و حتی بحثهای روزمره تبدیل شده است. از گوگل و مایکروسافت گرفته تا استارتاپهای تازهکار، همه درباره AI صحبت میکنند؛ اما آیا همه میدانند دقیقاً از چه چیزی حرف میزنند؟
یک خیال فریبنده یا عصای جادویی!؟
محسن مهدینیا، مدرس و راهبر ارشد هوش مصنوعی و علم داده، عضو مدرسین آموزشهای علم داده و هوش مصنوعی دانشگاه تهران در مورد چالشها، سوءتفاهمها و پیشنیازهای واقعی اجرای پروژههای AI میگوید: هوش مصنوعی اگرچه میتواند چهره کسبوکار را دگرگون کند، اما بدون سواد داده، زیرساخت مناسب و تیم تخصصی، چیزی جز یک خیال فریبنده نیست.
هوش مصنوعی؛ هیجان یا استراتژی؟
محسن مهدینیا تأکید دارد بسیاری از سازمانها با شنیدن موفقیت شرکتهای بزرگ، بلافاصله به فکر اجرای پروژههای AI میافتند، بدون آنکه استراتژی روشنی داشته باشند.
به گفته مدرس و راهبر ارشد هوش مصنوعی در بسیاری از جلسات استراتژیک، مدیران فقط میگویند: ما هم باید وارد هوش مصنوعی شویم! اما آیا واقعاً آمادهایم؟
بیشتر بخوانید:
نبود فرهنگ دادهمحور، پاشنه آشیل پروژهها
به گفته مهدینیا، مهمترین چالش پیشروی پیادهسازی موفق AI، نبود فرهنگ دادهمحور در سازمانهاست. در واقع وقتی داده نداریم، یا دادهها پراکنده، ناسازگار و بیکیفیتاند، چطور میخواهیم الگوریتمها را تغذیه کنیم؟ اجرای AI بدون دادههای سالم، مانند ساختن آسمانخراش روی شن روان است.
پروژههای پر زرقوبرق اما تهی از ارزش
بعضی شرکتها تنها برای نمایش پیشرو بودن در تحول دیجیتال بهسرعت ابزارهایی میخرند یا پروژههایی با جلوههای تبلیغاتی راه میاندازند.
مهدینیا هشدار میدهد این پروژهها در کوتاهمدت ممکن است هیجان ایجاد کنند، اما در بلندمدت منجر به سرخوردگی و بیاعتمادی به فناوری خواهند شد.
گامهای مهم پیش از ورود به AI
مهدینیا گامهای اساسی و مهمی را برای ورود هدفمند و موفق به دنیای هوش مصنوعی معرفی میکند:
تقویت سواد داده و هوش مصنوعی
آگاهی مدیران و کارکنان از ظرفیتها و محدودیتهای AI، نخستین گام است. او میگوید: با آموزشهای کوتاهمدت، کارگاههای تخصصی و بهرهگیری از مشاوران، میتوان انتظارات واقعبینانه از AI داشت و آن را در مسیر اهداف واقعی سازمان به کار گرفت.
سرمایهگذاری در زیرساخت داده
داشتن دادههای باکیفیت و زیرساخت مناسب برای ذخیرهسازی، تحلیل و یکپارچهسازی اطلاعات، پیشنیاز هر پروژة موفق است.
بدون زیرساخت درست، حتی بهترین الگوریتمها هم نمیتوانند معجزه کنند.
تشکیل تیمهای متخصص و چندرشتهای
محسن مهدینیا تأکید میکند بدون تیمی شامل دانشمندان داده، مهندسان داده، تحلیلگران کسبوکار، و حتی مهندسان هماهنگی انسان و ماشین، هیچ پروژهای به موفقیت نمیرسد. خرید نرمافزار کافی نیست؛ باید مغزهای آمادهای باشند که با آن نرمافزار کار کنند.
از پروژهسازی تا ارزشآفرینی واقعی
سازمانهایی که فقط به اجرای نمایشی پروژهها فکر میکنند، در نهایت دچار بیاعتمادی به AI خواهند شد. اما آنهایی که با دید دادهمحور و گامبهگام پیش میروند، در بلندمدت به مزایای قابلتوجهی خواهند رسید: کاهش هزینهها، بهینهسازی فرایندها، افزایش بهرهوری و تجربة شخصیسازیشده برای مشتریان.
هوش مصنوعی عصای جادویی نیست!
به عقیده این مدرس آموزشهای علم داده و هوش مصنوعی دانشگاه تهران AI قرار نیست تمام مشکلات را یکشبه حل کند. این ابزار تنها زمانی مؤثر است که در خدمت اهداف واقعی سازمان قرار بگیرد. برای موفقیت در AI، باید صبور بود، یاد گرفت، و عاقلانه سرمایهگذاری کرد.
هوش مصنوعی، آینده را به کسانی میدهد که امروز آمادهاش باشند
اگر قرار است هوش مصنوعی، آینده کسبوکارها را متحول کند، تنها سازمانهایی در این تحول سهم خواهند داشت که امروز برای آن استراتژی تدوین کنند؛ استراتژیای هوشمندانه، دادهمحور و مبتنی بر واقعیت.
ضمن آنکه موج AI دیریازود همهجا را درمینوردد؛ اما فقط کسانی که شنا بلدند، به آنسوی موج خواهند رسید.
نظر شما