هوش مصنوعی در کسب‌وکار دیگر فقط موضوعی برای آزمایش فناوری‌های جدید نیست و در بخش‌هایی مانند تحلیل مشتری، قیمت‌گذاری، بررسی آگهی، کشف تقلب و توسعه نرم‌افزار به کار گرفته می‌شود. به گزارش ثروت فردا، در رویداد IRAN AI ۲۰۲۶، مدیران علی‌بابا، دیجی‌کالا، دیوار و اسنپ‌پی از تجربه‌های خود در استفاده عملی از هوش مصنوعی و تبدیل آن به ابزار حل مسئله گفتند.
از مسئله تا کاربرد؛ روایت علی‌بابا، دیجی‌کالا، دیوار و اسنپ‌پی از هوش مصنوعی در IRAN AI ۲۰۲۶
رویداد کاربردهای هوش مصنوعی با حمایت علی‌بابا برگزار شد
«از مسئله شروع کنید، نه از ابزار.» این یکی از محورهای اصلی صحبت‌های ابراهیم نبیئی، CTO گروه علی‌بابا، در دومین رویداد «کاربردهای هوش مصنوعی در صنایع و کسب‌وکارها؛ IRAN AI ۲۰۲۶ بود؛ رویدادی که ۳۰ و ۳۱ شهریور در دانشگاه صنعتی شریف و با شعار «خلق ارزش با هوش مصنوعی» برگزار شد.
در شرایطی که تقریباً هر روز ابزار، مدل یا عامل هوشمند تازه‌ای معرفی می‌شود، بخش مهمی از گفت‌وگوهای این رویداد به پرسشی فراتر از خود فناوری اختصاص داشت: کسب‌وکارها چگونه می‌توانند از هوش مصنوعی برای حل مسائل واقعی و خلق ارزش استفاده کنند؟
در یکی از پنل‌های روز نخست مدیران عامل علی‌بابا، دیجی‌کالا، دیوار و اسنپ‌پی درباره تجربه ورود هوش مصنوعی به فرایندهای عملیاتی کسب‌وکارهای خود گفت‌وگو کردند.
مسئله، قبل از فناوری
ابراهیم نبیئی، CTO گروه علی‌بابا، در صحبت‌های خود بر این نکته تأکید کرد که نقطه آغاز یک پروژه هوش مصنوعی نباید انتخاب فناوری باشد. از نگاه او، پیش از هر چیز باید مسئله‌ای مشخص در کسب‌وکار یا تجربه مشتری شناسایی شود و ارزش حاصل از حل آن نیز قابل اندازه‌گیری باشد.
این رویکرد در نقطه مقابل مسیری قرار می‌گیرد که در آن، سازمان ابتدا تصمیم می‌گیرد پروژه‌ای مبتنی بر هوش مصنوعی تعریف کند و سپس به دنبال مسئله‌ای برای استفاده از آن می‌گردد. در نگاه نبیئی، ابتدا باید مسئله و شاخص موفقیت روشن باشد و پس از آن بررسی شود که آیا هوش مصنوعی می‌تواند راه‌حل مناسبی برای آن ارائه کند یا خیر.
او در ادامه به نمونه‌هایی مانند وایب‌کدینگ، تحلیل پیش‌نگر و مدل‌هایی متکی بر داده و زمینه اختصاصی سازمان اشاره کرد. در چنین کاربردهایی، هوش مصنوعی لزوماً به شکل یک محصول مستقل ظاهر نمی‌شود و ممکن است اثر اصلی آن در بازطراحی یا بهبود فرایندهایی باشد که از قبل در سازمان وجود داشته‌اند.
نبیئی همچنین دسترسی به مدل‌های هوش مصنوعی را تنها بخشی از مسیر دانست. داده مناسب، زیرساخت فنی، زمینه سازمانی و تعریف دقیق مسئله از دیگر پیش‌نیازهایی هستند که می‌توانند فاصله میان یک نمونه نمایشی و راهکاری قابل استفاده در عملیات واقعی کسب‌وکار را تعیین کنند.
وقتی هوش مصنوعی وارد عملیات روزمره می‌شود
نمونه‌هایی از همین کاربردهای عملی در پنل «هوش مصنوعی و تحول کسب‌وکار» مطرح شد؛ جایی که توحید علی‌اشرفی، مدیرعامل علی‌بابا، همراه با مسعود طباطبائی، مدیرعامل دیجی‌کالا، اشکان آرمندهی، مدیرعامل دیوار و مجید حسامی، مدیرعامل اسنپ‌پی، درباره تجربه شرکت‌های خود از به‌کارگیری هوش مصنوعی صحبت کردند.
تجربه‌های مطرح‌شده در این پنل نشان می‌داد که کاربرد هوش مصنوعی در این کسب‌وکارها دیگر صرفاً به آزمایش ابزارهای جدید محدود نیست و در بخش‌هایی از عملیات روزمره آن‌ها جای گرفته است.
در علی‌بابا، یکی از این نمونه‌ها به مرکز تماس مربوط می‌شود. توحید علی‌اشرفی توضیح داد که تماس‌های مشتریان با استفاده از هوش مصنوعی به متن تبدیل می‌شوند و پس از پردازش و خلاصه‌سازی، داده حاصل به لایه هوش مشتری متصل می‌شود. این فرایند امکان شناسایی الگوهای مشترک میان مسائل گروه‌های مختلف مشتریان را فراهم می‌کند.
در دیجی‌کالا، قیمت‌گذاری یکی از حوزه‌هایی است که هوش مصنوعی در آن به کار گرفته شده است. مسعود طباطبائی با اشاره به فرایند رصد قیمت بازار توضیح داد کاری که پیش‌تر نیازمند بررسی دستی منابع متعدد بود، اکنون می‌تواند با کمک یک موتور هوشمند انجام شود؛ موتوری که کانال‌های مختلف بازار را بررسی و قیمت کالا را متناسب با استراتژی دیجی‌کالا به‌روزرسانی می‌کند.
دیوار نیز تجربه متفاوتی از کاربرد این فناوری دارد. اشکان آرمندهی از استفاده هوش مصنوعی در بررسی آگهی‌ها، جست‌وجو و کشف تقلب گفت. براساس توضیحات او، اکنون ۹۷ درصد فرایند بررسی آگهی‌ها با کمک هوش مصنوعی انجام می‌شود و فرایندی که در گذشته در برخی موارد چند ساعت طول می‌کشید، اکنون می‌تواند ظرف چند دقیقه انجام شود.
در اسنپ‌پی، توسعه نرم‌افزار یکی از مهمترین حوزه‌های استفاده از هوش مصنوعی عنوان شد. مجید حسامی گفت حدود ۴۰ درصد کد این مجموعه اکنون با کمک ابزارهای هوش مصنوعی تولید می‌شود. شخصی‌سازی ارتباط با کاربران و استفاده از عامل‌های هوشمند نیز از دیگر کاربردهایی بود که او به آن‌ها اشاره کرد.
این تجربه‌ها، با وجود تفاوت در نوع مسئله، یک ویژگی مشترک دارند: هوش مصنوعی زمانی وارد بخش اصلی کسب‌وکار شده که به یک مسئله مشخص و قابل اندازه‌گیری متصل شده است.
چهار میلیون میکروسگمنت برای شناخت دقیق‌تر مشتری
شناخت مشتری و تبدیل داده‌های رفتاری به اطلاعات قابل استفاده برای تصمیم‌گیری، بخش دیگری از موضوعات مطرح‌شده در IRAN AI ۲۰۲۶ بود.
فرناز عابدینی، متخصص داده در علی‌بابا، در ارائه «وقتی داده به‌جای مشتری حرف می‌زند» درباره مسیری صحبت کرد که داده‌های پراکنده رفتار مشتری را به شناخت دقیق‌تر از او تبدیل می‌کند.
براساس اطلاعات ارائه‌شده، علی‌بابا در توسعه لایه هوش مشتری خود بیش از ۷۰۰ ویژگی مهندسی‌شده ایجاد کرده و از بیش از ۱۶ الگوریتم استفاده کرده است. حاصل این فرایند، شکل‌گیری بیش از ۴ میلیون میکروسگمنت است.
این سطح از تقسیم‌بندی، به‌جای قرار دادن میلیون‌ها مشتری در تعداد محدودی گروه عمومی، امکان مشاهده و تحلیل الگوهای رفتاری در گروه‌های کوچک‌تر و مشخص‌تر را فراهم می‌کند.
پیش‌بینی ریزش مشتری نیز یکی دیگر از نمونه‌های مطرح‌شده در این ارائه بود. براساس داده‌های ارائه‌شده در نشست، مدل مورد استفاده علی‌بابا برای پیش‌بینی ریزش مشتری به دقتی بیش از ۸۶ درصد رسیده است. این مدل تلاش می‌کند نشانه‌های احتمالی ریزش را پیش از قطع ارتباط مشتری با کسب‌وکار شناسایی کند.
هوش مصنوعی چه تغییری در سازمان ایجاد می‌کند؟
کاربرد گسترده‌تر هوش مصنوعی، در کنار تغییر فرایندها، پرسش دیگری را نیز پیش روی شرکت‌ها قرار داده است: وقتی بخشی از فعالیت‌ها به کمک مدل‌ها و عامل‌های هوشمند انجام می‌شود، ساختار سازمان و نقش نیروی انسانی چه تغییری می‌کند؟
این موضوع نیز یکی از محورهای گفت‌وگو در پنل مدیران عامل بود.
مسعود طباطبائی توضیح داد که دیجی‌کالا در حال بررسی اثر عامل‌های هوشمند بر طراحی سازمان است؛ از جمله این احتمال که در آینده بخشی از وظایف مربوط به یک موقعیت سازمانی توسط عامل‌های هوشمند انجام شود.
اشکان آرمندهی از زاویه دیگری به موضوع پرداخت و تأکید کرد پروژه‌های هوش مصنوعی در دیوار با هدف کوچک‌تر کردن تیم‌ها تعریف نشده‌اند. از این منظر، افزایش بهره‌وری می‌تواند ظرفیت بیشتری برای پرداختن به مسائل جدید در اختیار تیم‌ها قرار دهد.
توحید علی‌اشرفی نیز اثر هوش مصنوعی را در کوتاه‌تر شدن فاصله میان «مسئله» و «تصمیم» توضیح داد. فرایندهایی مانند جمع‌آوری اطلاعات، بررسی داده‌ها و تحلیل گزینه‌ها که پیش‌تر ممکن بود ساعت‌ها یا حتی چند روز زمان ببرند، اکنون در برخی موارد با سرعت بیشتری انجام می‌شوند و امکان بررسی حجم بیشتری از اطلاعات را در اختیار تصمیم‌گیران قرار می‌دهند.
با این حال، افزایش سرعت تحلیل لزوماً به معنای کنار رفتن انسان از فرایند تصمیم‌گیری نیست. تشخیص اینکه کدام مسئله اهمیت دارد، انتخاب میان گزینه‌ها و پذیرش مسئولیت تصمیم نهایی همچنان بخشی از نقش انسانی در سازمان باقی می‌ماند.
از «داشتن هوش مصنوعی» تا خلق ارزش
مجموع تجربه‌های مطرح‌شده در IRAN AI ۲۰۲۶ تصویری از مرحله تازه‌ای در استفاده کسب‌وکارها از هوش مصنوعی ارائه می‌کرد؛ مرحله‌ای که در آن، پرسش اصلی دیگر صرفاً این نیست که «هوش مصنوعی چه قابلیت‌هایی دارد»، بلکه این است که «کدام مسئله را می‌تواند بهتر حل کند».
تحلیل تماس‌های مشتریان و شناخت رفتار آن‌ها در علی‌بابا، قیمت‌گذاری در دیجی‌کالا، بررسی آگهی‌ها و کشف تقلب در دیوار و توسعه نرم‌افزار در اسنپ‌پی، نمونه‌هایی از پاسخ‌های متفاوت کسب‌وکارها به همین پرسش بودند.
در میان این تجربه‌های متفاوت، یک نکته مشترک دیده می‌شود: دسترسی به مدل‌ها و ابزارهای هوش مصنوعی به‌تنهایی تضمین‌کننده خلق ارزش نیست. مسئله‌ای که به‌درستی تعریف شده باشد، داده قابل اتکا، زیرساخت مناسب و توانایی سازمان برای تغییر و یادگیری، همچنان بخش‌های تعیین‌کننده مسیر تبدیل فناوری به یک کاربرد واقعی هستند.
هوش مصنوعی در کسب‌وکار چگونه ارزش ایجاد می‌کند؟
به گزارش ثروت فردا، هوش مصنوعی در کسب‌وکار زمانی ارزش عملی پیدا می‌کند که به یک فرایند مشخص، مسئله قابل اندازه‌گیری و نتیجه قابل ارزیابی متصل شود. تجربه‌های مطرح‌شده در IRAN AI ۲۰۲۶ نیز بر همین موضوع تمرکز داشتند؛ یعنی به‌جای استفاده از فناوری صرفاً به دلیل جدید بودن آن، ابتدا مسئله شناسایی شود و سپس ابزار مناسب انتخاب شود.
برای نمونه، تحلیل تماس‌های مشتریان می‌تواند حجم زیادی از اطلاعات غیرساختاریافته را به داده قابل تحلیل تبدیل کند. در حوزه فروش نیز ابزارهای هوشمند می‌توانند برای تحلیل قیمت‌ها، رفتار مشتری یا الگوهای تقاضا مورد استفاده قرار گیرند.
بنابراین، هوش مصنوعی در کسب‌وکار الزاماً به معنی ساخت یک محصول کاملاً جدید نیست. گاهی ارزش اصلی این فناوری در سریع‌تر، دقیق‌تر یا مقیاس‌پذیرتر کردن فرایندی است که پیش از این نیز در سازمان وجود داشته است.
سه مرحله مهم در اجرای هوش مصنوعی در کسب‌وکار
۱. شناسایی مسئله و شاخص موفقیت
نخستین مرحله در استفاده از هوش مصنوعی در کسب‌وکار مشخص کردن مسئله است. سازمان باید بداند قرار است چه چیزی بهتر شود؛ برای مثال کاهش زمان پردازش، افزایش دقت پیش‌بینی، بهبود تجربه مشتری یا شناسایی خطا.
در این مرحله تعیین شاخص موفقیت اهمیت زیادی دارد. اگر نتیجه پروژه قابل اندازه‌گیری نباشد، تشخیص ارزش واقعی فناوری دشوار خواهد بود.
۲. آماده‌سازی داده و زیرساخت
مدل هوش مصنوعی بدون داده مناسب نمی‌تواند لزوماً خروجی قابل اتکایی تولید کند. کیفیت داده، دسترسی به اطلاعات، ساختار ذخیره‌سازی، امنیت و زیرساخت پردازشی از جمله عواملی هستند که بر نتیجه پروژه اثر می‌گذارند.
به همین دلیل، هوش مصنوعی در کسب‌وکار صرفاً یک پروژه نرم‌افزاری نیست و در بسیاری از موارد به همکاری میان تیم‌های فناوری، داده و واحدهای عملیاتی نیاز دارد.
۳. اتصال راهکار به عملیات واقعی
مرحله بعد، انتقال راهکار از محیط آزمایشی به فرایند واقعی سازمان است. در این مرحله باید مشخص شود خروجی مدل چگونه در اختیار کارکنان یا سامانه‌های سازمان قرار می‌گیرد و چه کسی مسئول بررسی نتیجه است.
تجربه‌های مطرح‌شده در IRAN AI ۲۰۲۶ نشان می‌دهد فاصله میان یک نمونه آزمایشی و کاربرد واقعی می‌تواند به اندازه خود انتخاب مدل اهمیت داشته باشد.
کاربردهای اصلی هوش مصنوعی در کسب‌وکار
تجربه چهار شرکت مطرح‌شده در این رویداد نشان می‌دهد هوش مصنوعی در کسب‌وکار می‌تواند در حوزه‌های مختلفی مورد استفاده قرار گیرد:
| حوزه | نمونه کاربرد |
|---|---|
| خدمات مشتری | تبدیل تماس به متن، خلاصه‌سازی و تحلیل مکالمات |
| قیمت‌گذاری | بررسی داده‌های بازار و کمک به به‌روزرسانی قیمت |
| کنترل محتوا | بررسی آگهی‌ها و شناسایی موارد مشکوک |
| کشف تقلب | شناسایی الگوهای غیرعادی و رفتارهای مشکوک |
| توسعه نرم‌افزار | کمک به تولید و تکمیل کد |
| شناخت مشتری | بخش‌بندی و تحلیل الگوهای رفتاری |
| پیش‌بینی | شناسایی احتمال تغییر رفتار یا ریزش مشتری |
| عامل‌های هوشمند | انجام بخشی از وظایف تکراری و فرایندی |
این تنوع نشان می‌دهد هوش مصنوعی در کسب‌وکار یک کاربرد واحد ندارد و مدل استفاده از آن باید بر اساس مسئله، داده و فرایند هر سازمان تعیین شود.
نقش داده در موفقیت پروژه‌های هوش مصنوعی
یکی از نکات مهم در تجربه‌های ارائه‌شده، نقش داده در موفقیت هوش مصنوعی در کسب‌وکار بود. هرچه تصمیم‌گیری سازمان بیشتر بر داده‌های واقعی مشتری، محصول و عملیات متکی باشد، امکان تعریف پروژه‌های دقیق‌تر و هدفمندتر نیز افزایش پیدا می‌کند.
با این حال، افزایش حجم داده به‌تنهایی برای موفقیت هوش مصنوعی در کسب‌وکار کافی نیست. داده باید قابل دسترسی، مرتبط، باکیفیت و قابل تفسیر باشد. در غیر این صورت، استفاده از مدل‌های پیشرفته نیز الزاماً به نتیجه مطلوب منجر نمی‌شود.
در واقع، یکی از پایه‌های هوش مصنوعی در کسب‌وکار ایجاد زنجیره‌ای میان داده، مدل، فرایند و تصمیم است. اگر یکی از این حلقه‌ها ضعیف باشد، ارزش نهایی پروژه نیز ممکن است کاهش پیدا کند.
آیا هوش مصنوعی جایگزین نیروی انسانی می‌شود؟
تجربه‌های مطرح‌شده در IRAN AI ۲۰۲۶ نشان می‌دهد بحث هوش مصنوعی در کسب‌وکار فقط به افزایش سرعت کار محدود نیست و می‌تواند روی طراحی وظایف و ساختار سازمانی نیز اثر بگذارد. گسترش هوش مصنوعی در کسب‌وکار همچنین می‌تواند نحوه تقسیم وظایف میان نیروی انسانی و سیستم‌های هوشمند را تغییر دهد.
با ورود عامل‌های هوشمند، بخشی از وظایف تکراری یا پردازشی ممکن است به سیستم‌ها واگذار شود. در مقابل، فعالیت‌هایی مانند تعریف مسئله، تعیین اولویت، ارزیابی نتیجه و تصمیم‌گیری نهایی همچنان می‌توانند به نقش انسانی وابسته باشند.
به همین دلیل، در بحث هوش مصنوعی در کسب‌وکار بهتر است به جای تمرکز صرف بر حذف یا جایگزینی، تغییر ترکیب وظایف و نحوه همکاری انسان و سیستم‌های هوشمند نیز بررسی شود. در این میان، استفاده مؤثر از هوش مصنوعی در کسب‌وکار می‌تواند بر بازطراحی فرایندها و افزایش بهره‌وری تمرکز داشته باشد.
چرا IRAN AI ۲۰۲۶ بر کاربرد عملی تأکید داشت؟
دومین رویداد IRAN AI ۲۰۲۶ در روزهای ۳۰ و ۳۱ شهریور ۱۴۰۵ در دانشگاه صنعتی شریف برگزار شد و شعار آن «خلق ارزش با هوش مصنوعی» بود. اطلاعات منتشرشده درباره این رویداد نیز بر تجربه‌های اجرایی و کاربردهای هوش مصنوعی در کسب‌وکار و صنایع تأکید داشت.
در نتیجه، محور تجربه‌های مطرح‌شده را می‌توان حرکت از معرفی قابلیت‌های فناوری به سمت استفاده عملی از هوش مصنوعی در کسب‌وکار و فرایندهای واقعی دانست. این موضوع با محتوای گزارش حاضر درباره علی‌بابا، دیجی‌کالا، دیوار و اسنپ‌پی نیز هم‌راستا است.
گزارش‌های منتشرشده پس از رویداد نیز نشان می‌دهد هوش مصنوعی در کسب‌وکار در حوزه‌هایی مانند تحلیل تماس مشتری، قیمت‌گذاری، بررسی آگهی و توسعه نرم‌افزار مورد توجه قرار گرفته است. به این ترتیب، تجربه‌های مطرح‌شده در IRAN AI ۲۰۲۶ نمونه‌ای از کاربرد هوش مصنوعی در کسب‌وکار برای حل مسائل عملی و ایجاد ارزش در فرایندهای سازمانی است.
جمع‌بندی
تجربه‌های مطرح‌شده در IRAN AI ۲۰۲۶ نشان می‌دهد هوش مصنوعی در کسب‌وکار زمانی به ارزش واقعی نزدیک می‌شود که به مسئله‌ای مشخص، داده مناسب و یک فرایند قابل اندازه‌گیری متصل باشد. تجربه علی‌بابا، دیجی‌کالا، دیوار و اسنپ‌پی نیز نشان می‌دهد هوش مصنوعی در کسب‌وکار می‌تواند در بخش‌های مختلف عملیات، از تحلیل مشتری و قیمت‌گذاری تا بررسی آگهی و توسعه نرم‌افزار، کاربرد داشته باشد. در نهایت، موفقیت هوش مصنوعی در کسب‌وکار به تعریف درست مسئله، کیفیت داده و نحوه استفاده از فناوری در فرایندهای واقعی سازمان وابسته است.
نظر شما در مورد این مطلب چیه؟