خلاصه‌ی مدیریتی
شرکت‌ها سرمایه‌گذاری خود را بر هوش مصنوعی مولد افزایش می‌دهند، به ویژه در توسعه نرم‌افزار، پشتیبانی مشتری، فروش و …
هوش مصنوعی در حال ارائه ارزش افزوده‌ی واقعی در زمینه‌های مختلف است، از جمله کاهش زمان پاسخگویی پشتیبانی مشتری به یک سوم و کاهش زمان برخی از فرآیندهای کدنویسی به نصف.
هوش مصنوعی، برخلاف بسیاری از تحولات دیگر، نیازمند بازطراحی برخی از فرآیندهای تجاری برای کسب ارزش است. صرفاً استقرار فناوری، بازده سرمایه‌گذاری اندکی را به همراه دارد.
مقدمه
در برخی از تحولات، دنبال کنندگان صبر می‌کنند که با تماشای اشتباهات پیشگامان با هزینه‌ی کمتر رشد بیشتری پیدا می‌کنند. اما این چیزی نیست که در مورد هوش مصنوعی وجود دارد: پیشگامان استفاده از هوش مصنوعی، شاهد افزایش تا ۲۰ درصد عملکرد در مدت تنها ۱۸ تا ۳۶ ماه بوده‌اند.این گروه در حال توسعه ظرفیت‌هایی هستند که احتمالاً به یک مزیت رقابی پایدار تبدیل خواهد شد و به آن‌ها قدرت می‌دهد تا عملیات کسب‌وکارشان را بازتعریف کنند و مدل‌های تجاری جدیدی توسعه دهند. آخرین باری که چنین فناوری قدرتمندی را دیدیم، زمانی بود که اینترنت در دهه ۱۹۹۰ وارد شد. و این بار، تغییر سریع‌تر رخ می‌دهد.
در عین حال، برخی از سرمایه‌گذاران و تحلیلگران نسبت به بازده سرمایه‌گذاری در هوش مصنوعی تردید دارند. این ممکن است به این دلیل باشد که بهره‌برداری از ارزش هوش مصنوعی نیازمند چیزی بیش از صرفاً انجام آزمایش‌ها یا استقرار فناوری است. هوش مصنوعی، بیش از تحولات قبلی مانند اینترنت یا فضای ابری، نیازمند تغییرات در فرآیندهای تجاری است. شرکت‌هایی که وضعیت فعلی‌شان را مورد سنجش قرار می‌دهند، برای خودشان اهدافی تجاری تعریف می‌کنند، فرآیندها را بازطراحی می‌کنند و سپس ابزارهای هوش مصنوعی را توسعه و استقرار می‌دهند، شاهد ارزش فوق‌العاده‌ی این تکنولوژی هستند.
طبق گزارش تکنولوژی بین این موفقیت‌های اولیه منجر به سرمایه‌گذاری بیشتر شده است: تعداد شرکت‌های بزرگ که بیش از ۱۰۰ میلیون دلار برای اجرای هوش مصنوعی سرمایه‌گذاری می‌کنند در سال گذشته بیش از دو برابر شده است (نگاه کنید به شکل ۱). این سرمایه‌گذاری‌ها شرکت‌ها را به آزمایش در صدها مورد استفاده مختلف سوق می‌دهد، امانشان می‌دهد که بیشتر ارزش امروز در پنج حوزه اصلی میسر است است.
شکل ۱
شرکت‌های کوچک و بزرگ در حال افزایش قابل توجه هزینه‌های خود در هوش مصنوعی مولد هستند.
کاربردهای هوش مصنوعی مولد در حوزه‌های مختلفی مانند توسعه نرم‌افزار و محصول، پشتیبانی مشتری، فروش و بازاریابی، ایجاد محصولات و ویژگی‌های جدید برای محصولا و عملیات دفتر پشتیبان چشمگیر بوده است.
چه حوزه‌هایی تا الان بیشترین تاثیر را گرفته اند؟
– توسعه نرم‌افزار و محصول: این تکنولوژی در کدنویسی، مستندسازی، بازنویسی کد، باگ‌یابی، آزمایش و نگهداری نرم افزار کاربرد دارد. نتیجه آن، صرفه‌جویی ۱۵ تا ۴۰ درصدی در تولید کد و مستندسازی و ۳۰ تا ۵۰ درصدی در بازسازی و تست نرم‌افزار است. به‌عنوان مثال، شرکت Intuit با بهره‌گیری از بیش از ۳۰ کاربرد هوش مصنوعی مولد، به‌طور قابل‌توجهی بهره‌وری تیم‌های محصول خود را افزایش داده است.
– پشتیبانی مشتری: با تحلیل داده‌ها، پیش‌بینی و حل مشکلات بالقوه، ارائه چت‌بات‌ها و ابزارهای دستیار دانش، نیاز به پشتیبانی به شکل چشم‌گیری کاهش می‌یابد. طبق این گزارش در برخی موارد زمان پاسخگویی پشتیبانی تا ۳۵ درصد کم می‌شود درحالی که، کیفیت نتایج تا ۴۰ درصد بهبود می‌یابد.
– فروش و بازاریابی: با تولید محتوای پویا و شخصی‌سازی‌شده، خودکارسازی تعاملات و برنامه‌ریزی خودکار، این فناوری بهره‌وری نمایندگان فروش و کارکنان بازاریابی را افزایش می‌دهد. همچنین از طریق شخصی‌سازی، نرخ کلیک بهبود می‌یابد. به‌عنوان نمونه، یک شرکت سخت‌افزار فناوری موفق شده است زمان صرف‌شده برای تولید محتوا را تا ۳۰ درصد کاهش دهد.
– ایجاد محصولات و ویژگی‌های جدید: با بهره‌گیری از این فناوری، شرکت‌ها محصولات و رابط‌های کاربر پسندتر و شخصی‌سازی‌شده‌تری ارائه می‌کنند. برای مثال، سایت Carrefour دستیار خریدی ارائه داده است که بر اساس رفتار مشتری، لیست خرید و پیشنهادات منو را تولید می‌کند و تجربه خرید را ساده‌تر و جذاب‌تر می‌سازد.
– عملیات دفتر پشتیبان: خودکارسازی فرآیندهای روتین در عملیات دفتر پشتیبان با کمک این فناوری، کارایی را افزایش می‌دهد. Deutsche Telekom با توسعه چت‌باتی برای بخش تدارکات خود، توانسته است تا ۲۰۰۰ ساعت در ماه برای کاربران تجاری و تا ۵۰۰۰ ساعت در ماه برای کارکنان تدارکات صرفه‌جویی کند.
هوش مصنوعی سفری تحول‌آمیز است که هدف آن افزایش چشمگیر بهره‌وری است؛ اما با چالش‌هایی مانند ادغام فناوری، سازگاری انسان‌ها با روش‌های کاری جدید و بازطراحی فرآیندهای تجاری همراه است.
چه چالش‌هایی در پیاده‌سازی هوش مصنوعی وجود دارد؟
– آماده‌سازی فرآیندهای تجاری: شرکت‌ها باید پیش از خودکارسازی، فرآیندهای خود را ساده‌سازی کرده و مراحل غیرضروری را حذف کنند تا از خودکارسازی پیچیدگی‌های موجود جلوگیری شود.
– مدرن‌سازی محیط اپلیکیشن: سرمایه‌گذاری در مدرن‌سازی و حکمرانی داده برای استقرار سریع و قابل‌اعتماد هوش مصنوعی ضروری است.
چه رویکردی برای رهبری هوش مصنوعی موثر است؟
– اولویت‌بندی هوش مصنوعی برای ایجاد ارزش از سطح مدیرعامل به پایین: تعیین اهداف روشن برای بازده سرمایه‌گذاری (ROI) و پاسخ‌گو نگه‌داشتن تیم‌ها در جهت تحقق صرفه‌جویی و ایجاد ارزش.
– تشخیص تجاری و بازطراحی فرآیندها: به‌جای خودکارسازی فرآیندهای ناکارآمد، ابتدا فرصت‌های ارزشمند را شناسایی کرده و فرآیندها را بهینه‌سازی کنید.
– تعریف نقشه راه روشن برای موارد استفاده: تمرکز بر حوزه‌های با پتانسیل ارزش بالا مانند فروش و بازاریابی، پشتیبانی مشتری، توسعه نرم‌افزار و عملیات.
– استفاده از مدل‌های تحویل متنوع هوش مصنوعی: بهره‌گیری از ابزارهای خودکارسازی موجود، سیستم‌های پیش‌ساخته از فروشندگان و توسعه مدل‌های سفارشی بر اساس نیازهای خاص.
– ساخت دیتاست‌ها مدل‌ها و پلتفرم‌های مشترک: این اقدام به دستیابی صرفه به مقیاس و بهبود فرآیندهای مدیریت محصول چابک (Agile) و عملیات توسعه (DevOps) کمک می‌کند.
جمع‌بندی
در نهایت، سفر هوش مصنوعی برای هر سازمانی منحصر‌به‌فرد است، اما واضح است که هوش مصنوعی یک روند گذرا نیست. استفاده استراتژیک و نوآورانه از این فناوری برای کسب مزیت رقابتی در دهه آینده حیاتی خواهد بود. شرکت‌هایی که در پذیرش هوش مصنوعی تأخیر کنند، ممکن است در حفظ یا بازیابی موقعیت خود با مشکل مواجه شوند.
برای دسترسی به گزارش کامل بین کلیک کنید.
