هفت روند کلیدی هوش مصنوعی در ۲۰۲۶ برای مدیران

فهرست روندها معمولاً یک اشکال مشترک دارد: خواندنش جالب است و پس از بستن صفحه، هیچ تصمیمی عوض نمی‌شود. برای مدیری که باید بودجهٔ سال بعد را ببندد، پرسش درست این نیست که چه چیزی در حال تغییر است، بلکه این است که کدام تغییر بر ساختار تیم، سبد فناوری و اولویت سرمایه‌گذاری او اثر می‌گذارد.

هفت تغییر زیر با همین معیار انتخاب شده‌اند و هر کدام یک نشانهٔ عملی دارند؛ نشانه‌ای که می‌گوید این روند به سازمان شما مربوط است یا فعلاً می‌توانید از کنارش بگذرید.

هفت تغییری که بر تصمیم اثر می‌گذارند

• حرکت از پاسخ به انجام کار: سامانه‌های تازه به‌جای تولید متن، چند گام کاری را تا نتیجه پیش می‌برند. نشانه: اگر کارکنان خروجی مدل را دستی به سامانهٔ دیگری منتقل می‌کنند، جای این روند خالی است.
• تنیده‌شدن ابزار در جریان کار: ارزش از پنجرهٔ گفت‌وگوی جداگانه به درون همان سامانه‌ای می‌رود که کار در آن انجام می‌شود. نشانه: استفادهٔ کم از ابزارهای جدا، معمولاً مسئلهٔ جانمایی است نه کیفیت مدل.
• مزیت دادهٔ اختصاصی: وقتی همه به مدل‌های مشابه دسترسی دارند، تمایز از دادهٔ سازمانی می‌آید. نشانه: دانشی که در فایل‌های پراکنده حبس است، مزیتی است که هنوز آزاد نشده.
• مدل‌های کوچک و تخصصی: برای بسیاری از کارهای مشخص، مدل کوچک‌تر با هزینه و تأخیر کمتر کافی است. نشانه: اگر هزینهٔ هر پاسخ معنادار شده، بازبینی انتخاب مدل مقدم بر بهینه‌سازی‌های دیگر است.
• الزام‌های داده و حاکمیت: مقررات داده سخت‌گیرانه‌تر می‌شود و پرسش «داده کجا پردازش می‌شود» جدی‌تر. نشانه: در حوزه‌های تنظیم‌شده مانند مالی و درمان، این بند بر همهٔ بندهای دیگر مقدم است.
• چندوجهی‌شدن ورودی: تصویر، صوت و سند در کنار متن پردازش می‌شوند. نشانه: هر جا کارمندی از روی عکس یا اسکن داده وارد می‌کند، فرصتی روشن وجود دارد.
• تغییر ترکیب مهارت تیم: ارزش از تولید صرف به طراحی فرآیند، ارزیابی خروجی و کنترل کیفیت جابه‌جا می‌شود. نشانه: اگر کسی مسئول سنجش کیفیت خروجی هوش مصنوعی نیست، این شکاف زودتر از بقیه خود را نشان می‌دهد.

معیار غربال

یک روند زمانی برای شما مهم است که هر سه شرط را داشته باشد: به یکی از شاخص‌های اصلی کسب‌وکارتان وصل شود، با داده و مهارت در دسترس قابل آزمودن باشد، و شکستش سازمان را زمین نزند. روندی که فقط شرط اول را دارد، موضوع بحث است نه موضوع بودجه.

چرا برای کسب‌وکارهای کوچک و متوسط ایران متفاوت است

سازمان بزرگ می‌تواند هم‌زمان روی چند روند شرط ببندد؛ کسب‌وکار کوچک و متوسط نه می‌تواند و نه نیاز دارد. تمرکز بر یک روند قابل اجرا در یک سال، عملاً بیشتر از پخش‌کردن منابع روی پنج روند نتیجه می‌دهد. محدودیت منابع اینجا نقش یک فیلتر سالم را بازی می‌کند و سازمان را وامی‌دارد به‌جای دنبال‌کردن سرخط خبرها، از مسئلهٔ واقعی خود شروع کند.

یک نمونهٔ عملی

شرکتی که هم‌زمان چند ایدهٔ مبتنی بر روندهای روز را آغاز کرده بود، هیچ‌کدام را به بهره‌برداری نرساند. با متوقف‌کردن همه و تمرکز بر موردی که مستقیم به زمان پاسخ‌گویی مشتری وصل بود، ظرف یک فصل نتیجه‌ای قابل دفاع به دست آمد و همان نتیجه بودجهٔ گام بعدی را توجیه کرد.

مسیر ۹۰ روزه

• ماه نخست: هفت روند بالا را با معیار غربال بسنجید و فقط یکی را انتخاب کنید؛ انتخاب دوم را مکتوب برای سال بعد کنار بگذارید.
• ماه دوم: یک نمونهٔ اولیه روی همان روند بسازید و به یک شاخص کسب‌وکاری گره بزنید، نه به شاخص فنی.
• ماه سوم: اگر شاخص حرکت کرد دامنه را بازتر کنید؛ اگر نه، فرضیه را عوض کنید و همان بودجه را دوباره خرج نکنید.

خطاهای رایج در مواجهه با روندها

• اجرای هم‌زمان چند روند و در نتیجه نرسیدن هیچ‌کدام به بهره‌برداری.
• انتخاب روند بر پایهٔ سروصدای رسانه‌ای به‌جای تناسب با مسئلهٔ سازمان.
• گره‌زدن پروژه به شاخص فنی؛ عددی که مدیر مالی آن را نمی‌فهمد، بودجه نمی‌آورد.
• نادیده‌گرفتن حاکمیت داده تا مرحلهٔ استقرار، جایی که اصلاحش گران‌ترین حالت ممکن است.

پرسش‌های پرتکرار

• از کدام روند شروع کنیم؟
  از آن‌که به بزرگ‌ترین گلوگاه امروز شما وصل است، نه آن‌که در گزارش‌ها بیشترین تکرار را دارد.
• بودجهٔ شروع چقدر است؟
  یک نمونهٔ اولیه روی یک فرآیند مشخص با داده‌ای که همین حالا دارید، برای سنجش فرضیه کافی است.
• اگر روند انتخابی اشتباه بود چه؟
  با دامنهٔ کوچک و شاخص روشن، هزینهٔ اشتباه محدود و درس آن ماندگار است؛ خطر واقعی پروژهٔ بزرگی است که دیر شکست می‌خورد.

جمع‌بندی

روندها را نباید جمع کرد، باید غربال کرد. سازمانی که یک روند مرتبط را تا بهره‌برداری می‌برد، از سازمانی که دربارهٔ هر هفت روند جلسه می‌گذارد جلوتر است.

واژه‌نامه

• هوش مصنوعی: نرم‌افزاری که کارهایی را انجام می‌دهد که تا دیروز به قضاوت انسان نیاز داشت.
• هوش مصنوعی عامل‌محور: نسلی از هوش مصنوعی که به‌جای پاسخ تک‌مرحله‌ای، کاری چندمرحله‌ای را تا انتها پیش می‌برد.
• مدل چندوجهی: مدلی که علاوه بر متن، تصویر، صوت یا سند را هم پردازش می‌کند.
• مدل کوچک تخصصی: مدلی با اندازهٔ محدود که برای یک کار مشخص، ارزان‌تر و سریع‌تر از مدل عمومی عمل می‌کند.
• حاکمیت داده: قواعدی که تعیین می‌کند داده کجا نگه‌داری، چگونه پردازش و به چه کسی نشان داده شود.
• هیاهو: توجه رسانه‌ای بیش از ارزش عملی امروزِ یک فناوری.