تعداد کلمات: ۱۴۲۴ واژه | زمان مطالعه: ۹ دقیقه | موضوع: هوش مصنوعی پایه
چگونه کسبوکاری بر اساس هوش مصنوعی را معماری کنیم
همزمان با انتقال هوش مصنوعی (AI) از آزمایشگاههای پژوهشی به عملیات روزمره، سازمانها به سرعت شروع به ادغام قابلیتهای آن در گردشهای کاری خودشان کردند.
طبق گزارش مککینزی، ۶۹ درصد از شرکتها قبل از ۲۰۲۴ سرمایهگذاری در هوش مصنوعی را آغاز کردند. و ۹۲ درصد قصد دارند این سرمایهگذاریها را تا ۲۰۲۹ افزایش دهند. با این حال، تعداد فزایندهای از شرکتها از اساس با هوش مصنوعی در محور مرکزی آن ساخته میشوند: کسبوکارهای هوش مصنوعی پایه.
این یادداشت تعریف میکند که هوش مصنوعی پایه بودن به چه معناست. چه تفاوتی با ادغام هوش مصنوعی در سامانههای موجود دارد. و ارکان اساسی یک رویکرد مبتنی بر هوش مصنوعی را تشریح میکند.
« هوش مصنوعی پایه» به چه معناست؟
در بخش هوش مصنوعی برای مدیران جعبهابزار تغییر رهبران هارمونی، یک کسبوکار هوش مصنوعی پایه بهعنوان کسبوکاری تعریف میشود که از اساس ساخته شده تا از هوش مصنوعی برای ایجاد ارزش و حل مسئله استفاده کند. هوش مصنوعی در هر مرحله از سازمان، از تحقیق و توسعه گرفته تا بازاریابی، تعامل با مشتری و منابع انسانی، تعبیه شدهست.
به این ترتیب، کسبوکارهای بر اساس هوش مصنوعی مشابه شرکتهای دیجیتال پایه هستند که با اولویتدهی به زیرساختهای دیجیتالی و تجربه مشتری، در کنار اینترنت رشد کردند.
هوش مصنوعی ادغام در مقابل هوش مصنوعی پایه
برخی ممکنست از «هوش مصنوعی-پایه» و «هوش مصنوعی-ادغام» به جای یکدیگر استفاده کنند. با این حال، اگرچه مشابه هستند، مفاهیم متمایزی دارند. شرکتهای هوش مصنوعی-پایه، هوش مصنوعی را بهعنوان یک قابلیت اصلی در نظر میگیرند که محصولات، خدمات و عملیات را بهبود میبخشد. سازمانهای هوش مصنوعی پایه با ساختاردهی کل الگوی کسبوکار و ارزش پیشنهادی پیرامون هوش مصنوعی، فراتر میروند.
برای نشان دادن تفاوت، دو کسبوکار زیر را در نظر بگیرید:
- کسبوکار الف: یک شرکت ۳۰ ساله که به طور سیستماتیک ابزارهای هوش مصنوعی را در سامانههای خودش ادغام میکند. این یک شرکت هوش مصنوعی-ادغام است.
- کسبوکار ب: یک نوکسبوکار که در طول یک سال گذشته ساخته شده و هوش مصنوعی از روز اول در هر فرایند آن تعبیه میشود. این یک شرکت هوش مصنوعی-پایه است.
هوش مصنوعی پایه در مقابل هوش مصنوعی تعبیهشده
اکثر کسبوکارهای جاافتاده، سفر هوش مصنوعی خودشان را از طریق هوش مصنوعی تعبیهشده آغاز میکنند. اضافه کردن ابزارهای مبتنی بر هوش مصنوعی به جریانهای کاری موجود. در حالی که هوش مصنوعی تعبیهشده میتواند ارزش اولیه را فراهم کند، تکیه صرف بر ابزارهای شخص ثالث ممکنست پیشرفت بلندمدت را محدود کند. بدون حرکت به سمت هوش مصنوعی پایه، شرکتها در معرض خطر ثابت ماندن افزایش بهرهوری و ایجاد سامانههای اطلاعاتی پراکنده قرار میگیرند.
هوش مصنوعی پایه در مقابل هوش مصنوعی سایه
هوش مصنوعی سایه زمانی رخ میدهد که کارمندان از ابزارهای هوش مصنوعی بدون نظارت سازمانی استفاده میکنند. در حالی که میتواند بهرهوری را افزایش دهد، خطرات جدی درباره امنیت دادهها و انطباق ایجاد میکند.
برای جلوگیری از هوش مصنوعی سایه، سازمانها باید:
- سیاستهای استفاده از هوش مصنوعی شفاف را تدوین کنند؛
- ابزارهای تأییدشده را ارائه دهند؛
- کارمندان را درباره خطرات و اقدامات حفاظتی آموزش دهند؛
ارکان اصلی معماری هوش مصنوعی پایه
برای ایجاد یا گذار به سمت یک کسبوکار مبتنی بر هوش مصنوعی پایه، روی این ارکان تمرکز کنید – که هر یک پایه و اساس یک معماری کسبوکار مبتنی بر هوش مصنوعی پایه را تشکیل میدهند.
۱. دادههای بنیادی
ما یک سامانه هوش مصنوعی را به کارخانهای تشبیه میکنیم که دادهها را به بینش تبدیل میکند. ماده خام ورودی به کارخانه، دادهها هستند. همه چیز از اعداد موجود در صفحات گسترده گرفته تا متن و تصاویر آغاز میشود. کارخانه این دادهها را پردازش و در طرف دیگر چیزی مفید تولید میکند: اغلب، یک پیشبینی. این ممکنست پیشبینی تقاضای آینده، توصیهای برای آنچه کاربر ممکنست در مرحله بعد بخواهد، یا طبقهبندی مانند «تأیید» یا «رد» باشد. موارد دیگر، خروجی ممکنست یک الگوی کشفشده، گروهی از مشتریان مشابه یا یک محتوای جدید باشد.
برای پشتیبانی از ابتکارات هوش مصنوعی، سازمانها به سامانهها و فرایندهای جمعآوری دادههای قوی برای تبدیل اطلاعات خام به قالبهای قابل استفاده نیاز دارند. درک چرخه عمر دادهها – تولید، جمعآوری، پردازش، ذخیرهسازی، مدیریت و تجزیهوتحلیل – ضروریست. بدون یک پایه داده قوی، تحول هوش مصنوعی امکانپذیر نیست.
۲. امنیت سایبری و حریم خصوصی دادهها
سازمانهای هوش مصنوعی پایه، الگوها را بر روی حجم زیادی از دادههای حساس، از جمله اطلاعات اختصاصی شرکت و سوابق مشتری، آموزش میدهند. بسته به صنعت شما، این ممکنست شامل دادههای مالی، پزشکی یا بیومتریک باشد.
برای حفظ اعتماد مشتری و رعایت استانداردهای نظارتی، شیوههای قوی مدیریت دادهها را ایجاد کنید که اطلاعات را ایمن و حریم خصوصی را تضمین کند. بدون آنها، حتی پیشرفتهترین سامانههای هوش مصنوعی میتوانند سازمان شما را در معرض خطرات انطباق و آسیب به اعتبار قرار دهند.
۳. اکوسیستم یادگیری ماشین
هر کسبوکار هوش مصنوعی پایه به یک اکوسیستم یادگیری ماشین متکیست که شامل موارد زیرست:
- الگوریتمها: منطقی که دادهها را پردازش میکند.
- الگوهای یادگیری ماشین: سامانههای آموزشدیدهای که پیشبینیها را تولید میکنند یا الگوها را شناسایی میکنند.
- یک لایه ارکستراسیون: رابطی که کارمندان برای مدیریت وظایف بر پایه هوش مصنوعی استفاده میکنند.
در کتاب هوش مصنوعی برای رهبران، استعاره کارخانه هوش مصنوعی توصیف میشود: «درون این کارخانه، الگوریتمها به عنوان ماشینآلات عمل میکنند – مجموعه دستورالعملهایی که دادههای ورودی را پردازش میکنند. این الگوریتمها به ساخت الگوهای یادگیری ماشین کمک میکنند، که ابزارهایی هستند که در واقع پیشبینیها را تولید یا الگوها را شناسایی میکنند.
بیشتر سازمانها با تطبیق الگوریتمهای منبعباز با نیازها و دادههای قدیمی و اختصاصی خودشان شروع میکنند. با بالغ شدن، به سمت ساخت الگوهای سفارشی تکامل مییابند که از گزاره ارزش متمایز آنها پشتیبانی میکنند.
۴. گاردریلها، محافظها و حلقههای بازخورد
الگوهای یادگیری ماشین میتوانند به طور طبیعی با تغییر دادههای دنیای واقعی، با گذشت زمان تضعیف شوند. برای حفظ دقت، سازمانهای مبتنی بر هوش مصنوعی باید گاردریلها، محافظها و حلقههای بازخورد را پیادهسازی کنند. سه سازوکاری که در کتاب و دوره «هوش مصنوعی برای رهبران» شرح داده شدهست:
- گاردریلها در طول توسعه مرزهایی را تعیین میکنند تا اطمینان حاصل شود که الگوها به صورت اخلاقی استفاده میشوند.
- محافظها الگوهای مستقرشده را در زمان واقعی رصد میکنند. و هنگامیکه خروجی نامناسب به نظر میرسد، هشدارها یا بررسی انسانی را فعال میکنند.
- حلقههای بازخورد عملکرد را در طول زمان ردیابی میکنند. و الگوها را قادر میسازند تا از دادههای جدید یاد بگیرند و دقت را بهبود بخشند.
این سازوکارها در کنار هم، از قابلیت اطمینان، انصاف و اعتمادپذیری پشتیبانی میکنند.
الگوی کسبوکار هوش مصنوعی پایه: موردکاوی
شرکت هوش مصنوعی دندانپزشکی ویدیاهلث [VideaHealth] نمونهای از یک سازمان مبتنی بر هوش مصنوعی است که حول ابزارهای تشخیصی بر اساس هوش مصنوعی برای صنعت مراقبتهای بهداشتی ساخته شدهست.
در دوره هوش مصنوعی برای رهبران، از قول فلوریان هیلن، مدیرعامل و یکی از بنیانگذاران ویدیاهلث، شرح میدهیم که تشخیصهای دندانپزشکی چقدر میتواند چالشبرانگیز باشد. دندانپزشکان اغلب تحت محدودیتهای زمانی کار میکنند. و تصاویر را روی صفحه نمایشهای کوچک بررسی میکنند که میتواند منجر به از دست رفتن برخی موارد شود. همزمان، بیماران ممکنست به دلیل دید محدود به فرایند، تشخیصها را زیر سؤال ببرند.
ما در دوره هوش مصنوعی برای رهبران توضیح میدهیم که متاسفانه در دندانپزشکی، بیاعتمادی بسیار بالایی از سوی بیماران نسبت به دندانپزشکان وجود دارد، بیشتر از هر حوزه مراقبتهای بهداشتی دیگر. ممکنست کمی سوءظن از طرف بیمار وجود داشته باشد.
ویدیاهلث با ایجاد کسبوکار خودش پیرامون تشخیصهای مبتنی بر هوش مصنوعی، هر دو چالش را برطرف میکند. این شرکت الگوهای هوش مصنوعی را برای تجزیهوتحلیل عکسهای رادیولوژی دندان با دقت بالا آموزش و به پزشکان یک «نظر دوم» عینی میدهد. نتیجه، بهبود اعتماد به نفس تشخیصی و شفافیت بیشتر برای بیمارانست.
با بیش از ۳۰ الگوی تشخیصی، سکوی ویدیاایآی [VideaAI] این شرکت اکنون از حدود ۵۰۰۰۰ متخصص دندانپزشکی در سراسر جهان پشتیبانی میکند. موفقیت آن نشاندهنده ارزشیست که میتواند زمانی ایجاد شود که یک سازمان، راهبرد هوش مصنوعی پایه را در پیش میگیرد.
روشی جدید برای تفکر درباره هوش مصنوعی
اکثر سازمانها هوش مصنوعی را به سیستمهای موجود اضافه میکنند. کسبوکارهای مبتنی بر هوش مصنوعی با گنجاندن هوش مصنوعی در محور استراتژی، عملیات و ایجاد ارزش خودشان، رویکرد متفاوتی را در پیش میگیرند.
همانطورکه شرکتهای بر پایه دیجیتال صنایع را از طریق اینترنت دگرگون کردند، سازمانهای مبتنی بر هوش مصنوعی نیز آمادهاند تا همین کار را با هوش مصنوعی انجام دهند – تغییر شکل نحوه ایجاد ارزش در درون و بیرون کسبوکارها.
اگر آمادهاید تا یک چارچوب مبتنی بر هوش مصنوعی را برای سازمان خودتان بپذیرید، دوره هوش مصنوعی برای رهبران جعبه ابزار تغییر سطح ۵ را بررسی کنید، یا به مسیر یادگیری تحول دیجیتال و هوش مصنوعی ما بپیوندید، که به شما امکان میدهد دورههایی را در حوزه موضوعی تکمیل کنید تا گواهینامه تخصصی دریافت کنید.
