آخرین مطالب

هوش مصنوعی در چه حوزه‌هایی برای شرکت‌ها مزیت رقابتی ایجاد می‌کند؟

امروزه سوال اصلی این نیست که آیا شرکت‌ها باید از هوش مصنوعی استفاده کنند یا خیر، بلکه سوال اصلی این است که استفاده از هوش مصنوعی در چه حوزه‌هایی بیشترین مزیت رقابتی را ایجاد می‌کند. در مجموع سه حوزهٔ کلی وجود دارد که وجود هوش مصنوعی در آنها تبدیل به یکی از الزامات مهم شده است. شرکت‌هایی که از هوش مصنوعی برای پیش‌بینی دقیق‌تر، ارتقای بهره‌وری و بهینه‌سازی قیمت‌گذاری لحظه‌ای یا کنترل موجودی محصولاتشان استفاده می‌کنند، نسبت به رقبای خود که همچنان در استفاده از هوش مصنوعی دچار تردید هستند، پیشرفت بیشتر و سریع‌تری دارند.

همچنان که شرکت‌های بیشتری هوش مصنوعی را در محصولات، خدمات، فرایندها و تصمیم‌گیری‌های خودشان نهادینه می‌کنند، تعریف هوش مصنوعی و اینکه این فناوری در چه حوزه‌هایی بیشترین کارایی را دارد، مثل تکنیک‌های مورد استفاده در این حوزه به سرعت دستخوش تغییر می‌شود. آنچه که در ابتدا به صورت الگوریتم‌هایی برای وام‌دهی، استخدام افراد جدید و توانمندسازی چت بات‌ها استفاده می‌شد، حالا در همه حوزه‌ها استفاده می‌شود، از جمله پیش‌بینی خطرات اقلیمی و انتخاب نمایندگان فروش جدید. حالا با توجه به این موارد، به سوال اصلی خودمان برگردیم، این‌که هوش مصنوعی در چه حوزه‌هایی بیشترین مزیت رقابتی را ایجاد می‌کند؟

طی همکاری‌هایی که با شرکت‌های مختلف داشتیم، شاهد بودیم که در سه حوزه مختلف، هوش مصنوعی از فناوری که «داشتن آن خوب» است به فناوری تبدیل شده که «داشتن آن الزامی است».

پیش‌بینی

طی چند سال اخیر، هوش مصنوعی از فناوری که روابط بین داده‌ها را پیدا کرده و الگوهای موجود را با دقت بهتر پیش‌بینی می‌کند تبدیل به فناوری شده که تغییرات آینده‌ٔ همه چیز از مخارج تفریح و الگوی سفر گرفته تا ارزش سهام شرکت‌ها را پیش‌بینی می‌کند. هوش مصنوعی برای رسیدن به این پیش‌بینی‌های دقیق، سلایق و احساسات را از بین حجم عظیمی از داده‌ها از جمله متن، صدا، تصویر، فیدهای خبری و شبکه‌های اجتماعی استخراج و تحلیل می‌کند.

هوش مصنوعی می‌تواند با برقراری ارتباط بین ویژگی‌های تعبیه شده، اختلالات پیش رو را شناسایی کند تا شرکت‌ها بهتر آماده رویدادهای اخلالگرایانه شوند. سیستم‌های هشدار جعل و کلاهبرداری ابتدایی حالا می‌توانند ربات‌ها را شناسایی کنند بنابراین اهمیت آنها برای شناسایی تاکتیک‌های روبه‌رشد هکرها، مهاجمان دولتی، بدافزارها و باج افزارها بیشتر و بیشتر می‌شود. الگوریتم‌های یادگیری ماشینی تطبیق‌پذیر با شوک‌های اقتصادی می‌توانند به بانک‌ها برای پیش‌بینی نتیجه سرمایه‌گذاری‌ها و همچنین آسیب پذیری‌های احتمالی ناشی از وقایعی مثل شیوع کرونا کمک کنند.

به این ترتیب بانک‌ها و شرکت‌های بزرگتر می‌توانند اثر ورشکستگی‌های احتمالی بر پورتفولیوی سرمایه‌گذاری خودشان را کاهش دهند. مثلاً بانکی که توانست پیش‌بینی کند احتمال بازپرداخت کدام وام‌ها کمتر است و تعداد آنها را تا ۷۰ درصد کاهش داد، توانست بازده کلی وام‌های خودش را تا ده‌ها میلیون دلار افزایش دهد. همچنین هوش مصنوعی به یک توزیع‌کننده قطعات مربوط به تجهیزات هوافضا که در دوره‌های رکود این صنعت درگیر موجودی مازاد و کمبود جریان نقدینگی شده بود کمک کرد تا میزان کاهش تقاضای محصولاتش در اثر شیوع بیماری کرونا را پیش‌بینی کند. در نتیجه این شرکت توانست سرمایه کاری خودش را صدها میلیون دلار کاهش داده و تحویل به موقع سفارش‌ها را دوبرابر کند.

بهره‌وری

در حوزه‌هایی مثل بیمه، منابع انسانی و نظارت‌بررفتار، مدل‌های یادگیری ماشینی فرم‌ها را بررسی کرده و صداها و ویدیوهای ضبط‌شده را بازبینی می‌کنند تا حوزه‌های مهم برای بررسی بیشتر توسط ناظران و شیوه رسیدگی به آنها را مشخص کند. توسعه روش‌هایی موسوم به رویکرد “توجه” که بخش‌های مهم و حیاتی ورودی را شناسایی می‌کنند، باعث شتاب گرفتن استفاده از پردازش زبان‌های طبیعی شده و به هوش مصنوعی امکان می‌دهد که مفاهیم به ظاهر نامرتبط را با اطمینان بیشتری به هم ارتباط دهد و سریع‌تر کار کند.

به دلیل همین پیشرفت‌ها، در چند سال پیش رو فرایندها و فیلترهای خودکار در حوزه‌ها و فرایندهایی فراگیر خواهند شد که قبلاً هرگز تصور نمی شد مبتنی بر داده باشند و مثلاً همه مراحل از تعاملات مشتری گرفته تا پردازش یک سفارش را در بر می‌گیرند. پیشرفت‌های صورت گرفته در زمینه ارزیابی عدالت و کاهش سوگرایی هم باعث شده اند که روش‌های مبتنی بر هوش مصنوعی شفاف‌تر، عادلانه‌تر و عینی‌تر باشند – حتی اگر گاهی اوقات ارزیابی انصاف و عدالت که اولین گام محسوب می‌شود، کار بسیار سختی باشد.

سود حاصل از بهره‌وری ایجاد شده توسط هوش مصنوعی به سرعت تجمیع می‌شود. یک بانک توانست پس از به کار بردن هوش مصنوعی برای ارتقای سرعت و انسجام تصمیم گیری‌های مربوط به پشتیبانی از مشتریان، میلیون‌ها دلار در هزینه‌ها صرفه‌جویی کند. حتی با وجود کاهش تعداد کارمندان، این بانک زمان انتظار مشتریان را به‌میزان قابل ملاحظه‌ای کاهش داد در حالی که سطح مراقبت و هوشیاری حفظ شد و قابلیت تشخیص کلاهبرداری‌های احتمالی نیز سه برابر افزایش یافت.

همچنین هوش مصنوعی با آزادکردن وقت کارمندان برای انجام کارهای مهم‌تر و ارتقای مهارت‌های آنها در حوزه‌های ضروری، فرصت توسعه سریع‌تر را برای شرکت‌ها فراهم کرد. تا چند وقت پیش هوش مصنوعی برای استفاده در پردازش‌های داده‌ای سنتی مثل پاکسازی آیتم‌های تکراری در دیتابیس‌ها بیش از حد ظریف و ناکارآمد به نظر می‌رسید اما حالا کاربرد آن برای انجام چنین کارهای پرزحمتی بسیار بیشتر شده است. در یک بانک، مشخص شد که قابلیت الگوریتم‌ها برای شناسایی موارد تکراری و حذف آنها ظرف چند هفته به جای چند سال، چندین برابر بیشتر است. در نتیجه قانونگذاران با طرح بانک برای راه اندازی ده‌ها شعبه موافقت کردند.

بهینه سازی بلادرنگ

به همین صورت هوش مصنوعی به شرکت‌ها کمک می‌کند تا کارها را به صورت لحظه‌ای و بلادرنگ انجام داده و در صورت لزوم تغییر استراتژی دهند. الگوریتم‌های یادگیری ماشینی حالا به‌صورت فوری و خودکار تبلیغ فروش را افزایش می‌دهند یا در مقابل عرضه محصولاتی را که ممکن است باعث کاهش سود سایر خط‌های تولید محصول شوند، با تأخیر انجام می‌دهند. در حوزه خرده‌فروشی، هوش مصنوعی می‌توانند چنین تصمیماتی را تنظیم کند تا حجم فروش حتی برای سایر محصولات تبلیغ نشده هم افزایش پیدا کند.

یکی از دلایل تحقق این پیشرفت، “رایانش لبه ای” است – یک تکنیک رایانشی توزیع شده که امکان ذخیره داده‌ها و کار کردن مدل‌های یادگیری ماشینی به روش محلی را فراهم می‌کند. به این ترتیب با حذف نیاز به ارسال داده‌ها به ابر، هوش مصنوعی می‌تواند به صورت فوری بین استراتژی‌های مختلف جابجا شده و همزمان با حفاظت از امنیت و حریم خصوصی داده‌ها از بروز مشکلات مربوط به انتقال برون‌مرزی داده‌ها پیشگیری کند به‌خصوص برای کشورهایی که به‌دنبال کاهش حجم انتقال داده هستند.

بهینه‌سازی بلادرنگ تأثیری فوری و معمولاً چشمگیری بر سود و زیان سازمان‌ها دارد. یکی از فروشگاه‌هایی که با آن همکاری داشتیم، توانست با استفاده از هوش مصنوعی برای بهینه‌سازی تلاش‌هایش، حاشیه سود را تا ۵۰ درصد افزایش دهد. این شرکت توانست با کمک هوش مصنوعی و از طریق افزایش تبلیغات سودآور و کاهش تبلیغات و پیشنهادات زیان‌آور، فروش محصولات اصلی را افزایش دهد – بدون نیاز به صرف زمان و تلاش زیادی برای طراحی و تست داده‌های جدید.

این پیشرفت بسیار مهم و قابل توجه بود چون کم‌بودن حجم تراکنش‌ها مانع از اجرای آزمون‌های سنتی می‌شد و همپوشانی کدهای تخفیف و تبلیغات، باعث افزایش پیچیدگی کار شده بود.

یک شرکت بیمه از هوش مصنوعی برای تنظیم سیاست‌های قیمت گذاری بیمه متناسب با شرایط مشتری و به صورت بلادرنگ استفاده کرد و به این ترتیب توانست درآمدش را ده‌ها میلیون دلار افزایش دهد. به محض اینکه مشتریان با کنار گذاشتن سیگار یا ورزش بیشتر سبک زندگی خودتان را بهبود می‌بخشیدند، حق بیمه دریافتی از آنها کاهش پیدا می‌کرد.

***

معمولاً هوش مصنوعی یک نوع سرمایه گذاری محسوب می‌شود نه یک هزینه ثابت. حرکت به سمت استفاده از هوش مصنوعی یا افزایش میزان استفاده از آن نیازمند صرف منابعی برای رسیدگی به امور مدیریتی، شفافیت، ارتقای مهارت‌ها و بدهی‌ها است اما شرکت‌ها نمی توانند چنین فناوری گسترده و قدرتمندی را صرفاً یک گزینه اختیاری در نظر بگیرند.

مشتریان امروزی به شدت به دنیای دیجیتال و اینترنت متصل و خواستار تصمیم‌گیری و پاسخ سریع هستند. هوش مصنوعی می‌تواند زبان و شرایط پویای کانال‌های مختلف مثل توئیتر، واتساپ، تیک‌تاک یا چت‌بات‌ها را درک کند و با قابلیت‌های تطبیق پذیری و تغییر کدی که دارد، روزبه‌روز محبوب‌تر شود.

با توضیح‌پذیرتر شدن مدل‌های هوش مصنوعی و شکل‌گیری روش‌های مطمئن‌تر برای نظارت بر عملکرد، قدرت و منصفانه بودن آنها این مدل‌های پیچیده قابل اطمینان‌تر شده، روش‌ها و نتایج آنها قابل درک‌تر شده و به این ترتیب کاربردهای خلاقانه‌تر و مفیدتری برای آنها شکل می‌گیرد.

به لطف وجود این قابلیت‌ها، کارمندان امروزی که بیشتر با روش‌های دورکاری و انعطاف پذیر کار می‌کنند از انجام کارهای خسته‌کننده و تکراری معاف می‌شوند. از آنجایی که خستگی یا حواس‌پرتی برای هوش مصنوعی بی‌معنا است، عملکرد آن نسبت به انسان قابل اطمینان‌تر است. مدیران با انتقال کارمندانشان به حوزه‌های ارزشمندتر علاوه‌بر استفاده بهتر از تیم در اختیارشان، سطح رضایت را هم افزایش می‌دهند. این موضوع همراه با قابلیت شناسایی و از بین بردن عوامل اختلال‌زا و افزایش سطح سود، به رونق شرکت‌ها در سال‌های پیش رو کمک زیادی می‌کند.

مطالب مشابه