علی گلزاده، مدیرعامل شرکت داتا، در پنل تخصصی اتاق تهران در الکامپ ۲۹، آمادگی داده، ترجمه نیاز کسبوکار به تعریف فنی و همراهی مدیران میانی را از عوامل تعیینکننده استقرار هوش مصنوعی در سازمانها دانست. علی گلزاده در پنل «مسیر هوش مصنوعی از چتباتها تا فرایندهای کسبوکار» سه مانع اثرگذار در استقرار هوش مصنوعی در سازمانها را تشریح کرد: آمادگی ناکافی داده، کمبود نیروهای مسلط بر کسبوکار و فناوری، و همراهنبودن لایههای مختلف مدیریتی.
به گزارش روابط عمومی داتا، پنل تخصصی «مسیر هوش مصنوعی از چتباتها تا فرایندهای کسبوکار» دوشنبه ۹ شهریور ۱۴۰۵ در بیستونهمین نمایشگاه الکامپ و در پاویون اتاق بازرگانی تهران برگزار شد. مازیار نوربخش، رئیس کمیسیون تحول، نوآوری و بهرهوری اتاق تهران، رضا جمیلی، دبیر کارگروه هوش مصنوعی این کمیسیون، علی گلزاده، مدیرعامل شرکت هوش مصنوعی داتا و امین سمیعزاده، مدیر ارشد تحول دیجیتال و نوآوری جابار، از سخنرانان این رویداد بودند. محور این نشست، چگونگی عبور از کاربردهای محدود هوش مصنوعی و ورود آن به فرایندهای عملیاتی کسبوکار بود.
علی گلزاده در این پنل، فاصله میان دسترسی به فناوری و آمادگی سازمان برای استفاده عملیاتی از آن را بررسی کرد. به گفته او، دسترسی به مدلهای متنباز طی یک سال گذشته آسانتر شده و تیمهای ایرانی نیز میتوانند این مدلها را بهصورت درونسازمانی توسعه دهند. گلوگاه اصلی در بسیاری از پروژهها، داده و شرایط سازمانی لازم برای اثرگذاری مدلها در فرایند واقعی است.
گلوگاه اصلی در لایه داده قرار دارد
گلزاده یکپارچگی داده، کیفیت داده و معماری داده را سه مسئله مهم سازمانهای ایرانی دانست. یکپارچگی به گردآوری و اتصال دادههای پراکنده کسبوکار مربوط میشود. کیفیت، قابلیت اتکا و استفاده از دادههای موجود را تعیین میکند. معماری داده نیز مشخص میکند چه دادههایی، با چه ساختار و هدفی جمعآوری و نگهداری شوند.
او توضیح داد که در بسیاری از سازمانها همه دادههای کسبوکار گردآوری نشده و فیلدهای موردنیاز برای آموزش مدلهای هوش مصنوعی از ابتدا در دسترس نبودهاند. در چنین شرایطی، دسترسی به مدل یا زیرساخت محاسباتی بهتنهایی مسیر ورود هوش مصنوعی به فرایندهای سازمان را هموار نمیکند.
از نگاه گلزاده، اولویت امروز بسیاری از سازمانها فراهمکردن داده کافی، غنی و متناسب با مسئله کسبوکار است. این داده باید بتواند مدل هوش مصنوعی را به یک تصمیم، خدمت یا فرایند مشخص در سازمان متصل کند.
کمبود مترجم کسبوکار میان سازمان و تیم فنی
بخش دیگری از صحبتهای مدیرعامل شرکت داتا به نیروی انسانی اختصاص داشت. او سه لایه تخصصی زیرساخت داده، تحلیل داده و هوش مصنوعی را بهترتیب با نقشهای مهندس داده، دانشمند داده و دانشمند هوش مصنوعی توضیح داد. به گفته گلزاده، چالش اصلی در فاصله میان این نیروهای فنی و بخشهای کسبوکار شکل میگیرد.
این فاصله به فردی نیاز دارد که مسئله کسبوکار را بشناسد، با داده و هوش مصنوعی آشنا باشد و بتواند نیاز سازمان را به یک تعریف فنی قابل اجرا تبدیل کند. این نقش با عنوانهایی مانند «مترجم کسبوکار» یا «مفسر کسبوکار» شناخته میشود.
گلزاده کمبود این نیرو را یکی از مسائل جدی پروژههای هوش مصنوعی در ایران دانست. مترجم کسبوکار باید با صاحبان مسئله گفتوگو کند، دغدغههای آنان را استخراج کند، نیازمندیها را تحلیل کند و در نهایت مسئله را به یک خدمت یا سرویس هوش مصنوعی تبدیل کند. این بخش از کار زمانبر است و جذابیت فوری فعالیتهای فنی را ندارد، اما کیفیت تعریف مسئله و امکان استفاده واقعی از خروجی هوش مصنوعی به آن وابسته است.
نقش مدیران میانی در استقرار هوش مصنوعی در سازمانها
گلزاده در ادامه به تفاوت وضعیت پذیرش هوش مصنوعی در شرکتهای ایرانی پرداخت. به گفته او، شماری از شرکتهای فناوریمحور به سمت استفاده جدی از هوش مصنوعی حرکت کردهاند، اما بخش بزرگی از کسبوکارها هنوز در مراحل ابتدایی قرار دارند و اقدام مشخصی را آغاز نکردهاند.
او نقش مدیران ارشد را در آغاز این تحول مؤثر دانست و بر اهمیت مدیران میانی تأکید کرد. در صنایع بزرگ بدون شناخت و همراهی مدیران میانی، حتی با وجود حمایت مدیران ارشد، هوش مصنوعی در فرایندهای سازمان مستقر نمیشود. تصمیمهای تحولی هنگام ورود به فرایندهای میانی سازمان به درک، همکاری و پیگیری این مدیران وابستهاند.
گلزاده فرهنگسازی را مکمل حمایت مدیریتی دانست. از نگاه او، حمایت باید در سطح مدیران ارشد شکل بگیرد و همزمان شناخت و همراهی در بدنه سازمان توسعه پیدا کند. این هماهنگی به کارکنان و مدیران کمک میکند کاربرد هوش مصنوعی را در ارتباط با مسائل واقعی سازمان ببینند و در اجرای آن مشارکت کنند.
مجموع صحبتهای مدیرعامل داتا نشان میدهد عبور از چتباتها و رسیدن به فرایندهای هوشمند، به سه لایه مرتبط وابسته است: داده آماده و قابل اتکا، توانایی ترجمه مسئله کسبوکار به راهکار فنی و همراهی مدیریتی و سازمانی. ضعف در هر یک از این لایهها میتواند مسیر استقرار هوش مصنوعی را متوقف کند.
