کاربرد هوش مصنوعی در کسبوکارهای ایرانی از مرحله تحلیل داده و پاسخگویی خودکار، به سمت شخصیسازی در سطح هر کاربر، پیشبینی رفتار مشتری، تصمیمسازی دادهمحور و استفاده از ایجنتهای هوش مصنوعی حرکت کرده است. امیر آقاجانزاده، معاون نرمافزار و هوش مصنوعی شرکت پرداخت الکترونیک پاسارگاد؛ رضا اکبر، قائممقام مدیرعامل شرکت طلاسی؛ میثم نمازی، مدیرعامل شرکت راهبرد هوشمند شهر و احسان دادور، مدیر ارشد تککو و توسعه کسبوکار ایرانسل، در یک پنل تخصصی درباره تجربه کسبوکارهای خود در این مسیر صحبت کردند؛ تجربههایی که از مدیریت تراکنش و پشتیبانی کاربران تا دادههای شهری، صنایع بزرگ و طراحی نسل جدید نرمافزارها امتداد دارد.
نرمافزارها باید مسیر مستقلی برای ایجنتهای هوش مصنوعی داشته باشند
امیر آقاجانزاده قشلاقی، معاون نرمافزار و هوش مصنوعی شرکت پرداخت الکترونیک پاسارگاد، بخشی از صحبتهای خود را به ظرفیت داده برای شخصیسازی خدمات اختصاص داد و گفت: «ما در قسمت داده مشکل زیادی نداریم. میخواهیم یک مدل سازمانی داشته باشیم که هر آنچه برای یک فرد در داخل شرکت قابل دسترس است، برای هوش مصنوعی نیز قابل دسترس باشد. مرحله بعد این است که برای هر مشتری یک مدل داشته باشیم؛ یعنی شخصیسازی را تا جایی پیش ببریم که با توجه به رفتار و نیازهای هر مشتری، آن شخصیسازی انجام شود. ما کل تراکنشهایی را که مشتریانمان در سالها و فصلهای مختلف انجام دادهاند، در اختیار داریم و شرایط کشور و اخبار هم به ما کمک میکند که بتوانیم آینده مشتری را پیشبینی کنیم.»
بخوانید: تجارت الکترونیک ایران؛ پشت عددهای بزرگ چه میگذرد؟
او با تمرکز بر فرایندهای ایجنتیک توضیح داد که معماری نرمافزار نیز باید برای ورود ایجنتهای هوش مصنوعی تغییر کند: «در طراحی نرمافزار همواره یک مسیر داریم که فرض کنید از طریق موبایل، یک انسان به آن دسترسی پیدا میکند. در مسیر مقابل هم باید دسترسیهایی از طریق سرور یا اسکیلها در اختیار ایجنتها بگذاریم تا این مسیر در تولید نرمافزار دیده شود و ایجنت بتواند از این اطلاعات استفاده کند. وقتی این مسیر دوم فراهم شد، کاری که باید انجام دهید این است که تا جایی که میشود محیطی فراهم کنید که این ایجنتها بتوانند بهصورت خودمختار کارشان را انجام دهند.»
اکبر: هوش مصنوعی باید پیک پشتیبانی و رفتار هر کاربر را جداگانه بفهمد
رضا اکبر، قائممقام مدیرعامل شرکت طلاسی، پشتیبانی را نخستین لایه استفاده این پلتفرم از هوش مصنوعی معرفی کرد و توضیح داد که نوسان شدید حجم معاملات، اتکا به نیروی انسانی را دشوار میکند: «اولین لایهای که شروع کردیم، لایه پشتیبانی بود. رسالت پشتیبانی، ۲۴ ساعته و هفت روز هفته است و باید هم به آن عمل کند. حجم زیادی از پیکهای ما دوشنبه و زمانی است که بازار جهانی باز میشود. گاهی خریدوفروش در یک روز شش یا هفت برابر روز قبل میشود و بار پشتیبانی هم شش یا هفت برابر میشود. نمیتوانید برای آن روز نیروی انسانی اضافه کنید و فردای آن روز که تقاضای پشتیبانی کم شد، با آن نیرو چه کار کنید؟ از طرف دیگر اگر پاسخ ندهید، کاربری که پولش درگیر است نگران میشود. برای همین سراغ پشتیبانی آنلاین رفتیم و مدلهای داخلی را با دیتایی که تیم پشتیبانی خودمان جمعآوری کرده، توسعه دادیم.»
بخوانید: گزارش تعاملی «تجارت الکترونیک ایران»
لایه دوم استفاده طلاسی از هوش مصنوعی، به گفته اکبر، بازاریابی و شخصیسازی پیشنهادها است. او گفت: «در لایه مارکتینگ هم به سمت پروفایل خصوصی و شخصیسازی رفتهایم. هنوز نمیتوانم بگویم به ازای هر کاربر و هر پرسون، یک پروفایل کاملاً شخصی داریم، اما داریم به این سمت میرویم که آفرها، چه بهصورت اساماس مارکتینگ، چه پوش و چه آفرهایی که داخل پنل به کاربر میدهیم، واقعاً شخصیسازیشده و برای هر کاربر باشد. حتی اینکه کاربر در اپلیکیشن تا کجا رفته و در کجا فرایند را رها کرده، برای ما بخشی از الگوی رفتاری اوست.»
هوش مصنوعی بدون زیرساخت، امنیت و حریم خصوصی به خلق ارزش نمیرسد
میثم نمازی، مدیرعامل شرکت راهبرد هوشمند شهر، از تجمیع دادههای شهری بهعنوان یکی از پایههای استفاده از هوش مصنوعی در خدمات شهر هوشمند نام برد و گفت: «وقتی همه این دادهها در فضای شهر تجمیع میشود، به دیتایی میرسیم که از روی آن میتوانیم شهروند را تحلیل کنیم. هر موقع اسم شخصیسازی میآوریم و وارد فضای هوش مصنوعی میشویم، باید توجه کنیم که هوش مصنوعی بدون زیرساخت، بدون امنیت، بدون حفظ حریم خصوصی کاربر و بدون مجموعهای که دنبال شناخت نیاز مشتری باشد، عملاً صرفاً یک ابزار است که از آن استفاده مؤثری نمیشود.»
بخوانید: کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی ایران
به گفته نمازی، تحلیل دادههای حجیم شهری، حملونقل و پردازش تصویر از حوزههایی است که هوش مصنوعی میتواند به تصمیمسازی مدیران شهری کمک کند: «وقتی با هوش مصنوعی وارد فضای داده حجیم میشویم، میتوانیم بهترین مسیرها را شناسایی کنیم، مدیریت مصرف سوخت را انجام دهیم و به مجموعه کلانشهر گزارش بدهیم. میتوانیم روی پردازش تصویر در فضای نظارت تصویری شهر وارد شویم و از مجموع همه اینها در نهایت تصمیمگیری شهر را دادهمحور کنیم و از تصمیمگیری سنتی خارج شویم.»
نبود رگولاتوری مشخص، برنامهریزی بلندمدت برخی کاربردهای AI را دشوار کرده است
احسان دادور، مدیر ارشد تککو و توسعه کسبوکار ایرانسل، نقش این اپراتور را علاوه بر استفاده داخلی از هوش مصنوعی، فراهمکردن بستر برای سایر کسبوکارها توصیف کرد: «ایرانسل با توجه به ماهیتی که بهعنوان یک اپراتور دارد، بیشتر در این حوزه سعی کرده نقشی داشته باشد که کسبوکارهای دیگر بتوانند در کنار ما در شکلدهی آینده این بازار نقش داشته باشند. گام اول این است که اگر دیتا داشته باشیم، میتوانیم استفاده را شروع کنیم. مسئله این است که جنس دادههایی که داریم چیست، با چه حجمی و چه مقیاسی کار میکنیم و چطور با این داده خلق ارزش میکنیم.»
بخوانید: تصمیم بهتر، مسئله اصلی هوش مصنوعی در بانکهاست
دادور درباره استفاده از داده در بازاریابی نیز به چالش تنظیمگری اشاره کرد و گفت: «در تبلیغات فرصت خیلی خوبی وجود دارد، اما به خاطر نبود رگولاتوری مشخص در کشور، عملاً هر از گاهی کارهایی انجام میدهیم، ولی اینکه بخواهیم یک برنامه بلندمدت داشته باشیم و یک کار پایه خوب انجام دهیم، کمی با مشکل مواجه است. تلاش میکنیم با بهکارگیری یکسری فناوریها این مسئله را حل کنیم. در کنار آن، استفاده از هوش مصنوعی برای نگهداشت مشتری و دستیار شخصی کارکنان از حوزههایی بوده که روی آنها کار کردهایم و در مورد کارکنان، بهرهوری را بهشدت بالا برده است.»
پنل «کاربرد هوش مصنوعی در خردهفروشی و تجارت الکترونیک» روز ۳۱ شهریورماه ۱۴۰۵ در دومین رویداد «کاربردهای هوش مصنوعی در صنایع و کسبوکارها؛ IRAN AI 2026» در دانشگاه صنعتی شریف برگزار شد.
