هوش مصنوعی در کسب‌وکار: تاریخچه، مفاهیم و کاربردها

17

هوش مصنوعی در کسب‌وکار امروز فقط یک ترند فناورانه نیست؛ یک تغییر بنیادین در شیوه تصمیم‌گیری، تعامل با مشتری و رشد سازمان‌هاست. در این بخش، نگاهی کاربردی و بدون پیچیدگی‌های فنی به هوش مصنوعی در کسب‌وکار داریم: از مفاهیم پایه و تفاوت‌های کلیدی گرفته تا کاربردهای واقعی و نکاتی که هر مدیر باید بداند. هدف این است که هوش مصنوعی در کسب‌وکار را نه به‌عنوان یک پروژه پیچیده، بلکه به‌عنوان ابزاری قابل استفاده و نتیجه‌محور بشناسید و ببینید کجا می‌تواند واقعاً به کسب‌وکار شما کمک کند.

مقدمه: هوش مصنوعی چیست و چرا امروز برای هر کسب‌وکاری مهم است؟

هوش مصنوعی در کسب‌وکار دیگر یک فناوری آینده‌نگرانه نیست؛ بلکه به یکی از ارکان اصلی رشد و بقای سازمان‌ها در دنیای امروز تبدیل شده است. هوش مصنوعی فناوری نوینی است که از روی توانایی‌های انسان الگوبرداری شده و می‌تواند مسائل مختلف را حل کرده و در موقعیت‌های مهم، تصمیم‌گیری کند.

نکته مهم اینجاست که این توانایی تفکر، از بسیاری جهات با تفکر انسانی متفاوت است؛ اما دانشمندان همواره تلاش کرده‌اند تا تقلیدی موفق از هوش انسانی ارائه دهند. هوش مصنوعی در کسب‌وکار دقیقاً از همین نقطه آغاز می‌شود: جایی که ماشین‌ها یاد می‌گیرند مثل انسان فکر کنند، اما با سرعتی بسیار بیشتر و بدون خستگی.

تعریفی که جان مک‌کارتی در سال ۲۰۰۴ ارائه داده، هوش مصنوعی را نوعی علم مهندسی می‌داند که سعی در ساخت ابزارهای هوشمند دارد. او که به خاطر ابداع زبان LISP شناخته می‌شود، اقدامات ارزنده‌ای در پدید آوردن هوش ماشینی داشته است. همین تعریف امروزه پایه‌ای شده برای اینکه هوش مصنوعی در کسب‌وکار به شکل عملی به کار گرفته شود.

تاریخچه هوش مصنوعی: از یونان باستان تا تحول دیجیتال امروز

ایده هوش مصنوعی و ساخت ابزاری که بتواند قدرت فکر کردن داشته باشد، به یونان باستان باز می‌گردد. اما سیر تدریجی به وجود آمدن هوش ماشینی از دیروز تا به امروز را می‌توان این‌گونه بیان کرد:

آلن تورینگ و آزمون معروف

چند سال قبل از آن که هوش مصنوعی توسط جان مک‌کارتی تعریف شود، فردی به نام آلن تورینگ در سال ۱۹۵۰ میلادی بحث مکالمه هوش مصنوعی را مطرح کرد. او درباره ماشین‌های محاسباتی و هوش مباحثی عنوان کرد که سرمنشأ پیدایش هوش ماشینی بود.

در مقاله‌ای که تورینگ ترتیب داده بود، یک پرسش مهم دیده می‌شود:

آیا ابزاری که ساخته دست انسان است، می‌تواند به قابلیت تفکر برسد؟

سپس تورینگ که به پدر علم رایانه معروف است، آزمونی را طراحی کرد که به آزمون تورینگ معروف است. در این آزمون یک ممتحن انسانی می‌کوشد تا بین جواب متنی رایانه و پاسخی که توسط انسان ارائه می‌شود، تفاوت‌هایی قائل شود. اگر نتواند تفاوت را تشخیص دهد، یعنی ماشین از هوش انسانی برخوردار است.

همچنین مقاله تورینگ به خاطر باز کردن کد ENIGMA آلمان‌های نازی طی جنگ جهانی دوم معروف است. او در این مقاله می‌کوشد تا به این پرسش پاسخ بدهد که آیا ماشین قادر به فکر کردن است؟ او در ادامه آزمون تورینگ را مطرح می‌کند تا نشان دهد که آیا رایانه می‌تواند به اندازه هوش انسانی کارایی داشته باشد. این نقطه، سرآغاز هوش مصنوعی در کسب‌وکار به شکل امروزی است.

جان مک‌کارتی و اولین تعریف رسمی

در سال ۱۹۵۶، جان مک‌کارتی در نخستین اجلاس هوش ماشینی در دانشگاه دارتموث، اولین تعریف در این زمینه را ارائه کرد. او که مخترع زبان Lisp است، در آخر همان سال به همراه الن نیول، جی‌سی شاو و هربرت سایمون یکی از مبانی مهم در این زمینه را (نظریه منطقی) پایه‌ریزی کرد.

فرانک روزنبالت و اولین کامپیوتر نورونی

در سال ۱۹۶۷، فرانک روزنبالت توانست اولین کامپیوتر موسوم به Mark 1 را بسازد. این کامپیوتر بر اساس یک شبکه نورونی و با آزمون و خطا راه‌اندازی شد. تنها یک سال بعد، فردی به نام ماروین مینسکی و سیمور پیبرت، کتابی تألیف کردند که پرسپترون‌ها نام داشت. آن‌ها با انتشار این کتاب توانستند قدم مهمی در زمینه شبکه‌های عصبی بردارند. آن‌ها با مطرح کردن موضوعاتی که در این کتاب آمده است، توانستند در برابر پروژه‌های مطالعاتی شبکه‌های عصبی پاسخ مسوطی ارائه دهند.

دهه ۸۰ و ۹۰: رشد شبکه‌های نورونی

در دهه هشتاد میلادی نیز شبکه‌های نورونی در سطح وسیعی در برنامه‌های هوش ماشینی مورد استفاده قرار گرفتند. در سال نود و هفت میلادی نیز دیپ بلو از آی‌بی‌ام توانست استاد بزرگ شطرنج جهان، گری کاسپاروف را در یک مسابقه شطرنج شکست دهد. این رویداد نقطه عطفی بود که نشان داد هوش مصنوعی در کسب‌وکار می‌تواند فراتر از بازی عمل کند.

IBM Watson و انقلاب در پردازش زبان طبیعی

 در سال 2011 با کمک هوش مصنوعی شرکت IBM Watson توانست قهرمانانی چون کن جینگر و برد روتر را در بازی‌های ژئوپاردی شکست دهد. این دستاورد نشان داد هوش مصنوعی در کسب‌وکار می‌تواند به فهم زبان طبیعی و تصمیم‌گیری هوشمند مجهز شود.

مینوا و یادگیری عمیق

در سال ۲۰۱۵ نیز ابررایانه‌ای موسوم به مینوا بایدو ساخته شد که از نوعی شبکه عصبی عمیق به نام شبکه نورونی کانولوشن برخوردار است. این ابرکامپیوتر جهت شناسایی و طبقه‌بندی عکس‌ها به کار می‌رود و دقت آن در تشخیص، به مراتب از یک فرد معمولی بیشتر است. این نمونه‌ای عملی از هوش مصنوعی در کسب‌وکار در حوزه بینایی ماشین است.

آلفاگو و شکست قهرمان جهانی

در سال ۲۰۱۶ نیز برنامه آلفاگو دیپ مایند که به وسیله یک شبکه عصبی عمیق حمایت می‌شد، توانست لی سودول را در یک مسابقه شکست دهد. لی سودول قهرمان جهانی لیگ گو می‌باشد. این برد از این جهت حائز اهمیت است که تنها با چهار حرکت توانست، بیش از چهارده و نیم تریلیون حرکت را طراحی کرده و پیشنهاد بدهد. گفتنی است: گوگل برنامه دیپ مایند را به قیمت چهارصد میلیون دلار خریداری نمود.

هوش مصنوعی، یادگیری ماشین و یادگیری عمیق: تفاوت‌ها را بشناسید

گاهی اوقات ممکن است یادگیری عمیق و یادگیری ماشین با هم اشتباه گرفته شوند. این دو، از زیرمجموعه‌های هوش مصنوعی هستند. البته باید خاطرنشان کرد، یادگیری عمیق در زیرگروه یادگیری ماشین قرار می‌گیرد.

یادگیری ماشین چیست؟

یادگیری ماشین شاخه‌ای از علم رایانه است که به سیستم‌ها این امکان را می‌دهد بدون برنامه‌ریزی صریح، از داده‌ها یاد بگیرند و عملکرد خود را بهبود دهند. این نوع یادگیری از شبکه‌های متعددی ایجاد شده است.

یادگیری عمیق چیست؟

منظور از اصطلاح «عمیق»، شبکه‌ای است که از سه لایه تشکیل شده باشد. این لایه‌ها می‌تواند متضمن ورودی‌ها و خروجی‌های متعددی باشد. هر یک از این ورودی‌ها و خروجی‌ها می‌تواند یک الگوریتم عمیق باشند.

وجه تمایز یادگیری عمیق و یادگیری ماشین

وجه تمایز یادگیری عمیق و فراگیری ماشین، در چگونگی فراگیری هر الگوریتم است:

• فراگیری عمیق می‌تواند استخراج داده‌ها را به صورت خودکار درآورد. همچنین باعث می‌شود تا مداخلات دستی انسان را به صفر رسانده و توانایی بهره‌گیری از مجموعه اطلاعات بزرگ‌تر را فراهم نماید.

• لکس فریدمن در سخنرانی ام‌آی‌تی خود گفته است، فراگیری عمیق را می‌توان تحت عنوان فراگیری ماشین مقیاس‌پذیر در نظر گرفت.

• فراگیری ماشین کلاسیک یا غیرعمیق عمدتاً به دخالت انسان جهت یادگیری مرتبط می‌شود. کارشناسان از تمامی ویژگی‌های هوش استفاده می‌کنند تا بتوانند بین ورودی‌های اطلاعات تمایز قائل شوند. درک و تعیین این وجه از تمایز نیازمند فراگیری اطلاعات ساختاریافته و سازمانی است.

یادگیری ماشین عمیق چگونه کار می‌کند؟

یادگیری ماشین عمیق قادر است از مجموعه اطلاعات مشخص‌شده برای آگاهی از الگوریتم خود کمک بگیرد. یا مجموعه داده‌ها تحت عنوان یادگیری نظارت‌شده شناخته می‌شوند (ولی الزاماً به یک مجموعه اطلاعات معین‌شده نیازی ندارد). همچنین قادر است اطلاعاتی را که دارای ساختار نیست، به صورت خام مثل نوشتار و تصویر وارد نماید.

یادگیری عمیق در کنار این امکانات، قادر است به صورت خودکار تمامی ویژگی‌ها را تعیین کرده و هرکدام از این دسته‌بندی‌ها را از یکدیگر بازشناسد. برعکس یادگیری ماشینی، جهت پردازش اطلاعات به تداخل انسانی نیازی نیست. این موضوع به ما این فرصت را می‌دهد تا فراگیری ماشینی را به صورت جالب‌تری ارزیابی کنیم.

اقسام هوش مصنوعی: ضعیف، قوی و ابرهوش

هوش مصنوعی را می‌توان به دو قسم هوش ماشینی ضعیف و قوی تقسیم‌بندی کرد:

هوش ماشینی ضعیف (ANI)

درباره هوش ماشینی ضعیف یا ANI باید گفت: این نوع هوش جهت مسئولیت‌های خاص متمرکز شده است. این نوع از هوش ماشینی بیشترین تسلط را بر زندگی ما دارد. بعضی از برنامه‌های پرمصرف و مفیدی نظیر سیری اپل، الکسای آمازون، IBM Watson و اتومبیل خودران از این دست هستند. همین نوع هوش مصنوعی است که امروزه در هوش مصنوعی در کسب‌وکار بیشترین کاربرد را دارد.

هوش ماشینی قوی

هوش ماشینی قوی نیز متشکل از هوش عمومی مصنوعی (AGI) و ابرهوش ماشینی (ASI) است:

• هوش عمومی مصنوعی (AGI): یک نوع شکل تئوری از هوش است که سعی دارد خود را به هوش بشری نزدیک کند.

• ابرهوش ماشینی (ASI): می‌تواند در برخی جهات از هوش و امکانات ذهنی انسان نیز جلو بیفتد.

اما هوش مصنوعی قوی نمی‌تواند از محدوده تئوری خویش پا فراتر گذاشته و نمونه عملی ارائه دهد. هرچند که محققین این علوم سعی دارند تا هوش ماشینی را توسعه داده و ایرادات و نواقص آن را برطرف کنند.

کاربرد هوش مصنوعی در زندگی و کسب‌وکار

هوش مصنوعی پیوند عمیق و ناگسستنی با زندگی بشر دارد. هرچند که حضور این پدیده در زندگی ما اغلب نامرئی توصیف می‌شود، اما نقش آن را نمی‌توان انکار کرد. موتورهای جستجو، محصولاتی که در رابطه با تشخیص گفتار و تشخیص چهره وجود دارند، نوعی هوش ماشینی به شمار می‌روند. حتی در برخی از وسایل نقلیه مانند پهبادها و نقلیه‌های خودران نیز از هوش ماشینی استفاده می‌شود. تبلیغات بی‌شماری در زمینه گسترش هوش ماشینی موجود است که از هر فناوری نوظهوری انتظار می‌رود.

چرخه گارتنر: هوش مصنوعی در کسب‌وکار کجای این چرخه ایستاده؟

طبق چرخه تبلیغات گارتنر، ابداعاتی مانند اتومبیل‌های خودران و دستیاران شخصی، در زمره هوش مصنوعی قرار می‌گیرند. در توضیح چرخه تبلیغات گارتنر باید یادآوری کرد: این چرخه یک نوع نمودار گرافیکی است. این جدول می‌تواند یک الگوی رایج باشد که با هر تکنولوژی یا خلاقیتی به وجود می‌آید. گارتنر بالغ بر نود چرخه در زمینه‌های مختلف فراهم می‌آورد تا مسیری برای ردپای بلوغ و تکامل تکنولوژی برای مشتریان باشد. بنابراین می‌توان نتیجه‌گیری کرد که نوآوری‌هایی که در محصولات متنوعی ارائه شده است، به نحوی با هوش ماشینی در ارتباط هستند.

همان‌گونه که لکس فریدمن طی سخنرانی خویش در ام‌آی‌تی در سال دو هزار و نوزده گفته است: ما در اوج انتظارات خود در این زمینه هستیم و هر روزه سطح انتظارات ما نیز از این مسئله بیشتر می‌شود.

کاربردهای هوش مصنوعی در کسب‌وکار

از هوش مصنوعی می‌توان در حوزه‌های مختلفی استفاده کرد. در ادامه، کاربردهای کلیدی هوش مصنوعی در کسب‌وکار را به صورت جزئی و کاربردی بررسی می‌کنیم:

---

۱. تشخیص گفتار (ASR) و پردازش زبان طبیعی

این قابلیت تحت عنوان تشخیص خودکار گفتار (ASR) یا تشخیص گفتار رایانه‌ای یا گفتار به نوشتار نیز شناخته می‌شود. این قابلیت، امکان پردازش زبان طبیعی (NLP) برای دریافت و فهم گفتار انسان در فرمت نوشتاری را داراست. بسیاری از گوشی‌های همراه در دستگاه‌های خود، برای جستجوی صوتی از تشخیص گفتار کمک می‌گیرند.

کاربرد در کسب‌وکار:

• دستیارهای صوتی در خدمات مشتریان

• تبدیل جلسات و مکالمات به متن

• سیستم‌های تلفنی هوشمند برای پاسخگویی خودکار

• زیرنویس‌گذاری خودکار ویدیوهای آموزشی و تبلیغاتی

۲. ارائه سرویس به مشتری: نمایندگان مجازی

نمایندگان مجازی که به‌صورت مجازی و آنلاین خدمت می‌کنند، می‌توانند جایگزین نیروی کار انسانی شوند. این نمایندگان با دستیاران مجازی فادرند به پرسش‌های رایج در زمینه‌های گوناگون نظیر حمل‌ونقل، امنیت سایبری، خرید در فضای مجازی و… پاسخ دهند. مشاوران فروش آنلاین نیز به همین سبک می‌توانند به کاربران خود سرویس بدهند.

کاربرد در کسب‌وکار:

• چت‌بات‌ها برای پشتیبانی ۲۴ ساعته

• دستیاران مجازی برای پاسخ به سوالات متداول

• کاهش هزینه‌های پشتیبانی و افزایش رضایت مشتری

• نمونه‌های واقعی: ربات‌های پیام‌رسان که در سامانه‌های تجارت الکترونیک فعالیت می‌کنند، فیس‌بوک مسنجر و اسلک هستند.

۳. بینایی رایانه‌ای (Computer Vision)

بینایی رایانه‌ای به کامپیوترها این امکان را می‌دهد تا داده‌های معناداری را از عکس‌های دیجیتال، فیلم‌ها و دیگر ورودی‌های بصری کسب کند. سپس می‌توان بر مبنای آن ورودی‌ها، اقدامات لازم را به عمل آورد. این ویژگی می‌تواند اطلاعات را از تصویر جدا کرده و آن را شناسایی کند.

بینایی رایانه‌ای با کمک شبکه‌های کانولوشنال، کاربردهای فراوانی در شناسایی عکس در شبکه‌های اجتماعی دارد. همچنین این فناوری در رادیولوژی و اتومبیل‌های خودران کاربرد دارد.

کاربرد در کسب‌وکار:

• تشخیص چهره برای امنیت و احراز هویت

• کنترل کیفیت محصولات در خط تولید

• تحلیل تصاویر پزشکی برای تشخیص بیماری

• تشخیص پلاک خودرو در سیستم‌های پارکینگ هوشمند

• طبقه‌بندی خودکار محصولات در انبارها

۴. ارائه توصیه و پیشنهاد به مشتری (Recommendation Systems)

با کمک اطلاعات رفتار مصرف گذشته، الگوریتم‌های هوش ماشینی قادر است به فهم فرایندهای اطلاعاتی کمک کرده و بر گسترش تکنیک‌های فروش متقابل اثر بگذارد. ارائه این توصیه‌ها به مشتری، در طول عملیات پرداخت، می‌تواند برای خرده‌فروشان مجازی کمک‌کننده باشد.

کاربرد در کسب‌وکار:

• پیشنهاد محصولات مشابه در فروشگاه‌های آنلاین

• سیستم‌های توصیه‌گر در نتفلیکس، یوتیوب و اسپاتیفای

• افزایش نرخ تبدیل و فروش متوسط سبد خرید

• شخصی‌سازی تجربه کاربری برای هر مشتری

۵. دادوستدهای خودکار سهام (Algorithmic Trading)

در بازارهای مالی نیز شبکه‌ها و محیط‌هایی وجود دارند که بر اساس هوش ماشینی طراحی و تولید شده‌اند. این پلتفرم‌ها قادرند به شکل مؤثری سبد سهام را مدیریت کرده و هزاران دادوستد را بدون مداخله انسانی سر و سامان بدهند.

کاربرد در کسب‌وکار:

• مدیریت خودکار سبد سرمایه‌گذاری

• پیش‌بینی روند بازار با تحلیل داده‌های تاریخی

• کاهش ریسک با تصمیم‌گیری سریع‌تر از انسان

• معاملات با فرکانس بالا (High-Frequency Trading)

۶. بهره‌وری عملیاتی و اتوماسیون هوشمند

با توسعه کسب‌وکار، برخی امور سازمانی می‌تواند دچار پیچیدگی شوند. حتی هوش مصنوعی باعث افزایش تعداد کارکنان و رشد فرایندهای جدید می‌شود. پیچیده شدن فرایند داده‌های سازمانی می‌تواند به ناکارآمدی عملیاتی منتهی شود. این امر باعث می‌شود دستیابی به اهداف تجاری، دورنمای روشن خود را از دست بدهد.

راه‌حل: استفاده سازمان‌ها از آن دسته از اطلاعاتی است که برای فهم عملکرد شغلی، شفاف‌سازی مشکلات و دیگر زمینه‌ها به کار می‌رود.

کاربرد در کسب‌وکار:

• اتوماسیون هوشمند فرایندهای تکراری

• کاهش خطای انسانی در فرایندهای داده‌محور

• تحلیل علت ریشه‌ای انحراف از هنجارهای سازمانی

• مجهز کردن مدیران به اطلاعات مفید برای رشد و توسعه کسب‌وکار

قابل‌ذکر است؛ الگوریتم‌های تخصصی، نگرشی ارائه می‌دهند که درباره چرایی ریشه انحراف از هنجارهای سازمانی است. همچنین، طی نظرسنجی‌های به عمل آمده، مشخص شد؛ چهل و دو درصد از شرکت‌کنندگان، عملیات فناوری داده‌ها را به‌عنوان یک موضوع مهم در زمینه هوش ماشینی می‌شناسند.

۷. پیش‌بینی فروش و تحلیل رفتار مشتری

پیش‌بینی فروش با کمک هوش مصنوعی، امری جدید تلقی نمی‌شود. این موضوع سال‌ها است که بر میزان فروش و رونق کسب‌وکارها اثر داشته است. ردیای این تأثیر را می‌توان در دهه‌های گذشته دید و آن را تا سال‌های بعد نیز دنبال کرد.

در حقیقت بیشتر کسب‌وکارها به خاطر بیماری کووید نوزده سعی دارند شکل فعالیت خود را به‌صورت دیجیتالی و آنلاین درآورند. به بیان روشن‌تر این که سیستم‌های اطلاعات‌رسانی مبتنی بر وب، قادر هستند به‌عنوان عاملی مؤثر جهت رشد و توسعه فروش مورد استفاده قرار گیرند. گفتنی است، راه‌حل‌های هوش ماشینی به تیم‌های اطلاعات این امکان را نیز می‌دهد تا با شرایط جدید هماهنگ شوند. با کمک هوش ماشینی می‌توان پیش‌بینی‌های درست و قابل‌اعتمادتری در زمینه فروش داشته باشیم.

کاربرد در کسب‌وکار:

• پیش‌بینی تقاضا برای مدیریت موجودی

• شناسایی مشتریان پرخطر برای از دست دادن (Churn Prediction)

• تقسیم‌بندی مشتریان بر اساس رفتار خرید

• قیمت‌گذاری پویا بر اساس تقاضا و رقابت

۸. مدیریت داده و دسته‌بندی هوشمند اطلاعات

هوش مصنوعی این امکان را می‌دهد تا آماده‌سازی اطلاعات سرعت گرفته و مدیریت داده به شکل مطلوبی بهبود یابد. اما کارشناسان برای این امر نقطه ضعفی نیز متصور شده‌اند:

نقطه ضعف: ارزیابی و تجزیه داده‌ها توسط هوش مصنوعی تنها به میزان اطلاعاتی هستند که در دست است. از همین رو، بیشتر دانشمندان و کارشناسان داده وقت زیادی را برای مرتب کردن و مدیریت اطلاعات صرف می‌کنند. این آماده‌سازی برای به نمایش گذاشتن ارزش تجاری یک سازمان می‌باشد.

به عنوان مثال، اطلاعات خام ممکن است با دسته‌بندی کسب‌وکاری که شما دارید، هماهنگ نباشد. لذا ممکن است، شما به شیوه‌ای خاص، اطلاعات دسته‌بندی کرده و سپس آن را به سهامدار ارائه نمایید. از طرف دیگر نیز ممکن است، هنوز از دسته‌بندی تعریف‌شده‌ای برای یک گروه اطلاعات جدید برخوردار نباشید.

از همین رو، هوش مصنوعی کمک می‌کند تا تعریف جدیدی از اطلاعات دسته‌بندی گروه‌ها مبنی بر مشخصات مشترک آن‌ها به شما ارائه نماید. بنابراین چنانچه این موضوع به یک شخص واگذار شود، می‌تواند فرایند را طولانی کرده و دیگر مداخله دستی انسان برای مجموعه اطلاعات بزرگ به صرفه نباشد.

با این همه، الگوریتم‌های هوش ماشینی می‌تواند در گروه‌بندی اطلاعات، کاهش هزینه‌ها و صرفه‌جویی در زمان در زمینه تجاری کمک‌کننده باشند. همچنین، مجموعه اطلاعات مشخص‌شده می‌توانند به دسته‌بندی اطلاعات جدید به وسیله الگوریتم‌های یادگیری کنترل‌شده کمک نمایند. این در حالی است که یادگیری بدون کنترل قادر است به کسب‌وکارها در پیدا کردن دسته‌بندی‌های جدید اطلاعات، اثر خوبی بگذارند.

کاربرد در کسب‌وکار:

• دسته‌بندی خودکار ایمیل‌ها و اسناد

• تحلیل احساسات مشتریان از نظرات و بازخوردها

• شناسایی الگوهای پنهان در داده‌های بزرگ

• کاهش هزینه‌های ذخیره‌سازی و پردازش داده

۹. هوش مصنوعی و رایانش ابری (IBM Cloud)

آی‌بی‌ام در پیشبرد تکنولوژی‌های بر پایه هوش مصنوعی شرکت‌ها فعالیت دارد. همچنین این فناوری در آینده نیز در سیستم‌های یادگیری ماشینی در حوزه‌های مختلف نقش خواهد داشت. این فناوری می‌تواند در زمینه‌های ذیل جهت توسعه هوش ماشینی شرکت داشته باشد:

• ساده‌سازی گردآوری اطلاعات و نحوه دسترسی به آن‌ها

• فراهم کردن یک زمینه ارزیابی آماده برای کسب‌وکار

• تولید دستگاهی مقیاس‌پذیر و مورد اعتماد که بر پایه هوش ماشینی طراحی شده باشد

• بهینه‌سازی و یکپارچه کردن سیستم‌ها در تمامی قواعد کاری کسب‌وکار

• انتقال برنامه‌ها و سامانه‌های هوش ماشینی به فضای ابری

موفیقت‌های واقعی هوش مصنوعی در کسب و کار

هوش مصنوعی در کسب‌وکار وقتی از حرف به عمل می‌رسد، نتایج شگفت‌انگیزی ایجاد می‌کند. در این بخش، نمونه‌های واقعی از شرکت‌های جهانی و ایرانی را بررسی می‌کنیم که با به‌کارگیری هوش مصنوعی، مدل کسب‌وکار خود را متحول کرده‌اند.

---

۱. آمازون (Amazon):

آمازون یکی از پیشروترین شرکت‌ها در استفاده از هوش مصنوعی در کسب‌وکار است. موتور توصیه‌گر آمازون که بر پایه یادگیری ماشین و سیستم‌های توصیه‌گر کار می‌کند، مسئول ۳۵ درصد از فروش این شرکت است.

چطور کار می‌کند؟

• الگوریتم‌های یادگیری عمیق رفتار خرید کاربران را تحلیل می‌کنند

• بر اساس تاریخچه خرید، جستجو و حتی مدت توقف روی محصولات، پیشنهادهای شخصی‌سازی‌شده ارائه می‌شود

• سیستم‌های پردازش زبان طبیعی (NLP) نظرات مشتریان را تحلیل و محصولات را دسته‌بندی می‌کنند

نتیجه: آمازون با هوش مصنوعی در کسب‌وکار توانسته تجربه خرید را برای هر مشتری شخصی‌سازی کند و نرخ تبدیل فروش را به‌شدت افزایش دهد.

۲. نتفلیکس (Netflix):

نتفلیکس سالانه میلیاردها دلار برای تولید محتوا خرج می‌کند، اما راز موفقیتش هوش مصنوعی است. موتور توصیه‌گر نتفلیکس ۸۰ درصد از محتوایی که کاربران تماشا می‌کنند را تعیین می‌کند.

چطور کار می‌کند؟

• یادگیری ماشین الگوهای تماشای کاربران را تحلیل می‌کند

• بینایی رایانه‌ای محتوای ویدیوها را برچسب‌گذاری می‌کند (مثل صحنه‌های اکشن، کمدی، درام)

• حتی پوسترهای شخصی‌سازی‌شده برای هر کاربر نمایش داده می‌شود

• هوش مصنوعی در تصمیم‌گیری برای تولید محتوای جدید هم نقش دارد (مثل سریال House of Cards)

نتیجه: نتفلیکس با هوش مصنوعی در کسب‌وکار توانسته هزینه‌های بازاریابی را کاهش دهد و وفاداری مشتریان را افزایش دهد.

۳. گوگل (Google):

گوگل یکی از پیشگامان هوش مصنوعی در کسب‌وکار است. از جستجوی گوگل تا ترجمه، از نقشه تا جیمیل، همه‌جا ردپای هوش مصنوعی دیده می‌شود.

نمونه‌های کلیدی:

• RankBrain: الگوریتم جستجوی گوگل که از یادگیری ماشین برای فهم بهتر Queryهای کاربران استفاده می‌کند

• Google Translate: با شبکه‌های عصبی عمیق ترجمه بین بیش از ۱۰۰ زبان را ممکن کرده است

• DeepMind: زیرمجموعه گوگل که آلفاگو را ساخت و در تشخیص بیماری‌های چشمی و سرطان هم موفق بوده است

• Google Ads: با هوش مصنوعی تبلیغات را به مخاطب مناسب هدف‌گیری می‌کند

نتیجه: گوگل با هوش مصنوعی در کسب‌وکار توانسته درآمد تبلیغاتی خود را به صدها میلیارد دلار برساند.

۴. آی‌بی‌ام (IBM):

IBM Watson یکی از معروف‌ترین نمونه‌های هوش مصنوعی در کسب‌وکار است. این پلتفرم در حوزه‌های مختلفی از جمله سلامت، مالی، خرده‌فروشی و امنیت سایبری استفاده می‌شود.

کاربردهای واقعی:

• در پزشکی: تحلیل میلیون‌ها مقاله علمی و پیشنهاد درمان به پزشکان

• در بانکداری: شناسایی تقلب و مدیریت ریسک

• در خرده‌فروشی: پیش‌بینی تقاضا و مدیریت موجودی

• در خدمات مشتری: چت‌بات‌های هوشمند برای پاسخگویی ۲۴ ساعته

نتیجه: IBM با هوش مصنوعی در کسب‌وکار توانسته به سازمان‌ها کمک کند تا تصمیم‌های بهتر و سریع‌تری بگیرند.

۵. تسلا (Tesla): خودرانی با هوش مصنوعی

تسلا یکی از پیشروترین شرکت‌ها در زمینه اتومبیل‌های خودران است. هوش مصنوعی قلب فناوری خودرانی تسلاست.

چطور کار می‌کند؟

• بینایی رایانه‌ای با دوربین‌ها و سنسورها محیط اطراف را تحلیل می‌کند

• شبکه‌های عصبی عمیق تصمیم‌گیری می‌کنند (ترمز، فرمان، تغییر مسیر)

• داده‌های میلیون‌ها کیلومتر رانندگی برای آموزش مدل‌ها استفاده می‌شود

• به‌روزرسانی‌های OTA (Over-The-Air) قابلیت‌های جدید را به خودروها اضافه می‌کند

نتیجه: تسلا با هوش مصنوعی در کسب‌وکار صنعت خودرو را متحول کرده و به سمت آینده‌ای بدون راننده انسانی حرکت می‌کند.

۶. اسپاتیفای (Spotify):

اسپاتیفای با هوش مصنوعی تجربه شنیدن موسیقی را شخصی‌سازی کرده است. پلی‌لیست‌های معروف مثل Discover Weekly و Daily Mix با یادگیری ماشین ساخته می‌شوند.

چطور کار می‌کند؟

• پردازش زبان طبیعی پادکست‌ها و آهنگ‌ها را تحلیل می‌کند

• یادگیری ماشین سلیقه کاربران را از رفتار شنیداری آن‌ها یاد می ‌گیرد

• سیستم‌های توصیه‌گر آهنگ‌های جدید و مرتبط پیشنهاد می‌دهند

نتیجه: اسپاتیفای با هوش مصنوعی در کسب‌وکار توانسته کاربران را ساعت‌ها در پلتفرم خود نگه دارد.

۷. علی‌بابا (Alibaba):

علی‌بابا بزرگ‌ترین پلتفرم تجارت الکترونیک چین است و از هوش مصنوعی در تمام بخش‌های کسب‌وکار خود استفاده می‌کند.

کاربردها:

• چت‌بات‌ها برای پاسخگویی به میلیون‌ها مشتری در روز

• بینایی رایانه‌ای برای جستجوی تصویری محصولات

• پیش‌بینی تقاضا برای مدیریت انبارها

• ترجمه خودکار برای ارتباط با مشتریان بین‌المللی

نتیجه: علی‌بابا با هوش مصنوعی در کسب‌وکار توانسته در روزهای شلوغ مثل «روز مجردها» میلیاردها تراکنش را مدیریت کند.

۸. دیجی‌کالا: پیشروی هوش مصنوعی در ایران

دیجی‌کالا به‌عنوان بزرگ‌ترین فروشگاه آنلاین ایران، از هوش مصنوعی در کسب‌وکار خود استفاده می‌کند.

کاربردها:

• سیستم توصیه‌گر برای پیشنهاد محصولات مشابه

• تحلیل نظرات مشتریان با پردازش زبان طبیعی

• پیش‌بینی فروش برای مدیریت موجودی

• چت‌بات‌ها برای پشتیبانی اولیه

نتیجه: دیجی‌کالا با هوش مصنوعی توانسته تجربه خرید آنلاین را در ایران بهبود ببخشد.

۹. اسنپ: هوش مصنوعی در حمل‌ونقل

اسنپ به‌عنوان بزرگ‌ترین پلتفرم حمل‌ونقل ایران، از هوش مصنوعی برای بهبود خدمات خود استفاده می‌کند.

کاربردها:

• الگوریتم‌های مسیریابی برای کوتاه‌ترین و سریع‌ترین مسیر

• قیمت‌گذاری پویا بر اساس تقاضا و ترافیک

• پیش‌بینی تقاضا در ساعات مختلف شبانه‌روز

• تشخیص تقلب در پرداخت‌ها و سفرها

نتیجه: اسنپ با هوش مصنوعی در کسب‌وکار توانسته خدمات سریع‌تر و ارزان‌تری به کاربران ارائه دهد.

۱۰. بانک‌ها و مؤسسات مالی:

بانک‌ها و مؤسسات مالی در سراسر جهان از هوش مصنوعی برای شناسایی تقلب، مدیریت ریسک و ارائه خدمات بهتر استفاده می‌کنند.

کاربردها:

• تشخیص تقلب: الگوریتم‌های یادگیری ماشین تراکنش‌های مشکوک را در لحظه شناسایی می‌کنند

• امتیازدهی اعتباری: با تحلیل داده‌های مشتریان، ریسک اعطای وام ارزیابی می‌شود

• چت‌بات‌ها: پاسخ به سوالات متداول مشتریان

• معاملات خودکار: مدیریت سبد سهام و معاملات با فرکانس بالا

نتیجه: بانک‌ها با هوش مصنوعی در کسب‌وکار توانسته‌اند امنیت تراکنش‌ها را افزایش دهند و هزینه‌های عملیاتی را کاهش دهند.

نکات کلیدی برای مدیران کسب‌وکار: راهنمای عملی

اگر مدیر یا صاحب کسب‌وکار هستید و می‌خواهید هوش مصنوعی را وارد سازمان خود کنید، این نکات راهنمای عملی شماست:

---

۱. شروع کوچک هوش مصنوعی در کسب‌وکار، فکر بزرگ

لازم نیست همه فرایندهای سازمان را یک‌جا هوشمند کنید. این کار هم پرهزینه است هم پرریسک. به جای آن:

• یک حوزه مشخص را انتخاب کنید (مثلاً پشتیبانی مشتری یا پیش‌بینی فروش)

• یک پروژه پایلوت تعریف کنید با اهداف روشن و قابل اندازه‌گیری

• نتایج را بسنجید و در صورت موفقیت، به حوزه‌های دیگر گسترش دهید

مثال عملی: یک فروشگاه آنلاین می‌تواند با یک چت‌بات ساده هوش مصنوعی در کسب‌وکار برای پاسخ به سوالات متداول شروع کند و پس از موفقیت، به سیستم توصیه‌گر محصول و پیش‌بینی تقاضا گسترش دهد.

۲. داده‌محور باشید

کیفیت داده‌های شما، کیفیت خروجی هوش مصنوعی در کسب‌وکار را تعیین می‌کند. قانون طلایی: زباله وارد کنی، زباله تحویل می‌گیری.

• داده‌های خود را جمع‌آوری و پاکسازی کنید

• ساختار منظمی برای ذخیره‌سازی داده‌ها ایجاد کنید

• امنیت و حریم خصوصی داده‌ها را جدی بگیرید

به یاد داشته باشید: هوش مصنوعی تنها به میزان اطلاعاتی که در دست دارد می‌تواند تحلیل ارائه دهد

۳. نیروی انسانی را فراموش نکنید

هوش مصنوعی در کسب‌وکار جایگزین انسان نیست؛ مکمل آن است. بهترین نتایج وقتی به دست می‌آید که انسان و ماشین در کنار هم کار کنند:

• کارکنان را آموزش دهید تا با ابزارهای هوش مصنوعی کار کنند

• نگرانی‌های شغلی را مدیریت کنید و نشان دهید هوش مصنوعی کارهای تکراری را برمی‌دارد، نه فرصت‌های شغلی خلاقانه را

• نقش‌های جدید مثل «تحلیل‌گر داده» و «متخصص اخلاق هوش مصنوعی» ایجاد کنید

۴. به‌روز باشید

فناوری‌های هوش مصنوعی در کسب‌وکار به سرعت در حال تحول هستند. آنچه امروز پیشرفته است، فردا ممکن است منسوخ شود:

• یادگیری مستمر را در سازمان نهادینه کنید

• در کنفرانس‌ها و رویدادهای تخصصی شرکت کنید

• با متخصصان در ارتباط باشید

• نسخه‌های جدید ابزارها و الگوریتم‌ها را دنبال کنید

۵. اهداف تجاری را تعیین کنید، نه اهداف فناورانه

هوش مصنوعی در کسب‌وکار وسیله است، نه هدف. قبل از هر پروژه از خود بپرسید:

• این پروژه چه مشکلی از کسب‌وکار من حل می‌کند؟

• چه شاخصی (KPI) برای موفقیت تعریف کرده‌ام؟

• چه میزان بازگشت سرمایه (ROI) انتظار دارم؟

• اگر این پروژه شکست بخورد، چه برنامه‌ای دارم؟

مثال عملی: هدف نباید «استفاده از یادگیری عمیق» باشد؛ هدف باید «کاهش ۳۰ درصدی هزینه‌های پشتیبانی مشتری» باشد.

۶. از متخصصان هوش مصنوعی در کسب‌وکار کمک بگیرید

لازم نیست همه چیز را خودتان بسازید. گزینه‌های زیادی وجود دارد:

• پلتفرم‌های آماده مثل IBM Watson، Google AI و Microsoft Azure

• شرکت‌های مشاوره متخصص در هوش مصنوعی

• استخدام متخصص در تیم داخلی

• همکاری با دانشگاه‌ها و مراکز تحقیقاتی

۷. اخلاق و مسئولیت‌پذیری را جدی بگیرید

هوش مصنوعی در کسب‌وکار قدرت زیادی دارد و با قدرت زیاد، مسئولیت زیاد می‌آید:

• سوگیری‌های الگوریتمی را شناسایی و رفع کنید

• شفافیت در تصمیم‌گیری‌های هوش مصنوعی را تضمین کنید

• حریم خصوصی مشتریان را محترم بشمارید

• قوانین و مقررات مربوط به داده و هوش مصنوعی را رعایت کنید

۸. فرهنگ نوآوری بسازید

موفقیت هوش مصنوعی در کسب‌وکار تنها به فناوری بستگی ندارد؛ به فرهنگ سازمانی هم بستگی دارد:

• آزمون و خطا را تشویق کنید

• شکست‌ها را به عنوان فرصت یادگیری ببینید

• ایده‌های کارکنان را در زمینه هوش مصنوعی بشنوید

• موفقیت‌های کوچک را جشن بگیرید تا انگیزه ایجاد شود

۹. از رقبا و پیشروان یاد بگیرید

• مطالعه موردی شرکت‌هایی مثل آمازون، گوگل، نتفلیکس و IBM را بررسی کنید

• الگوهای موفق را شناسایی و بومی‌سازی کنید

• از اشتباهات دیگران درس بگیرید و همان مسیر را تکرار نکنید

۱۰. صبور باشید

هوش مصنوعی در کسب‌وکار یک شبه نتیجه نمی‌دهد. ممکن است ماه‌ها طول بکشد تا:

• داده‌ها جمع‌آوری و پاکسازی شوند

• مدل‌ها آموزش ببینند

• فرایندها بازطراحی شوند

• کارکنان با ابزارهای جدید سازگار شوند

صبر، سرمایه‌گذاری مستمر و تعهد مدیریت ارشد سه عامل حیاتی موفقیت هستند.

نتیجه‌گیری: چرا هوش مصنوعی در کسب‌وکار یک ضرورت است؟

هوش مصنوعی در کسب‌وکار دیگر یک انتخاب لوکس یا یک فناوری آینده‌نگرانه نیست؛ بلکه به یک ضرورت رقابتی تبدیل شده است. در این متن، مسیر تحول این فناوری را از یونان باستان تا امروز دنبال کردیم و دیدیم که چگونه از یک ایده فلسفی درباره «تفکر ماشین» به ابزاری عملی برای هوش مصنوعی در کسب‌وکار حل مسائل پیچیده کسب‌وکارها رسیده است.

مرور مسیر طي‌شده:

از آزمون تورینگ در سال ۱۹۵۰ که پرسید «آیا ماشین می‌تواند فکر کند؟»، تا دیپ بلو که در سال ۱۹۹۷ استاد بزرگ شطرنج را شکست داد، تا IBM Watson که در سال ۲۰۱۱ قهرمانان ژئوپاردی را مغلوب کرد، و تا آلفاگو که در سال ۲۰۱۶ قهرمان جهانی گو را به زانو درآورد — همه این نقاط عطف نشان می‌دهند که هوش مصنوعی در کسب‌وکار مسیری تکاملی و پیوسته را طی کرده است.

امروز ما در نقطه‌ای ایستاده‌ایم که هوش مصنوعی در کسب‌وکار نه فقط در آزمایشگاه‌ها و مسابقات، بلکه در تمامی ارکان کسب‌وکار حضور دارد:

• در پشتیبانی مشتری با چت‌بات‌ها و دستیاران مجازی

• در فروش و بازاریابی با سیستم‌های توصیه‌گر و پیش‌بینی رفتار مشتری

• در تولید و کنترل کیفیت با بینایی رایانه‌ای

• در مالی و سرمایه‌گذاری با معاملات خودکار سهام

• در مدیریت داده با دسته‌بندی هوشمند اطلاعات

• در زیرساخت ابری با پلتفرم‌هایی مثل IBM Cloud

چرا این ضرورت اجتناب‌ناپذیر است؟

۱. رقابت: رقبای شما احتمالاً همین حالا از هوش مصنوعی در کسب‌وکار خود استفاده می‌کنند. عقب ماندن یعنی از دست دادن سهم بازار.

۲. انتظارات مشتری: مشتریان امروز به پاسخ سریع، پیشنهاد شخصی‌سازی‌شده و تجربه یکپارچه عادت کرده‌اند. هوش مصنوعی در کسب‌وکار تنها راه برآورده کردن این انتظارات در مقیاس بزرگ است.

۳. حجم داده: کسب‌وکارها امروز با انبوهی از داده مواجه‌اند که تحلیل دستی آن‌ها غیرممکن است. هوش مصنوعی در کسب‌وکار تنها ابزاری است که می‌تواند این داده‌ها را به بینش قابل اجرا تبدیل کند.

۴. کارایی: اتوماسیون هوشمند هوش مصنوعی در کسب‌وکار فرایندهای تکراری، هزینه‌ها را کاهش می‌دهد و نیروی انسانی را برای کارهای خلاقانه‌تر آزاد می‌کند.

آینده هوش مصنوعی در کسب‌وکار روشن است. سازمان‌هایی که امروز به سراغ این فناوری می‌روند، فردا در صف مقدم رقابت خواهند بود. هوش مصنوعی ضعیف (ANI) که امروز بیشترین کاربرد را دارد، به تدریج جای خود را به هوش عمومی مصنوعی (AGI) خواهد داد و مرزهای جدیدی از امکان‌ها را پیش روی کسب‌وکارها قرار خواهد داد.

سوالات متداول