✳️ مدیر صنعتی آینده درباره AI باید چه بداند؟
✅ مدیر صنعتی آینده لزوماً برنامه‌نویس نخواهد بود اما مدیری که قابلیت‌ها و محدودیت‌های AI را نشناسد، در آینده برای تصمیم‌گیری به دیگران وابسته خواهد شد. مدیر باید بتواند چند سوال ساده اما اساسی بپرسد:
● مساله چیست؟
● چه داده‌ای داریم؟
● آیا داده قابل اعتماد است؟
● هوش مصنوعی دقیقاً کدام بخش مساله را حل می‌کند؟
● نتیجه چگونه اعتبارسنجی می‌شود؟
● مسوول تصمیم نهایی چه کسی است؟
● موفقیت پروژه با چه شاخصی سنجیده خواهد شد؟
این همان چیزی است که می‌توان آن را سواد مدیریتی هوش‌مصنوعی نامید.
🔺از کجا شروع کنیم؟
برای بسیاری از شرکت‌ها، شروع AI نباید یک پروژه بزرگ و پرهزینه باشد. یک مسیر شش‌مرحله‌ای می‌تواند ریسک را کاهش دهد:
مساله ارزش اقتصادی، آمادگی پایلوت ارزیابی مقیاس‌گذاری
ابتدا مساله مشخص شود. سپس ارزش اقتصادی حل آن اندازه‌گیری شود. بعد آمادگی داده، زیرساخت و نیروی انسانی بررسی شود. یک پروژه کوچک و قابل‌اندازه‌گیری اجرا شود و نتیجه آن با وضعیت قبل مقایسه گردد. اگر ارزش واقعی اثبات شد، پروژه توسعه پیدا کند.
🔺اصل این رویکرد بسیار ساده است:
از مساله شروع کنید، نه از فناوری.
📌 هوش مصنوعی بدون ریسک نیست
نباید اجازه داد هیجان پیرامون هوش‌مصنوعی، ریسک‌های آن را پنهان کند. مدل‌های مولد ممکن است اطلاعات نادرست تولید کنند. داده‌های محرمانه ممکن است در معرض خطر قرار گیرند و کیفیت خروجی الگوریتم به کیفیت داده وابسته است. چارچوب مدیریت ریسک هوش‌مصنوعی NIST و پروفایل هوش‌مصنوعی مولد این موسسه بر ضرورت شناسایی و مدیریت چنین ریسک‌هایی در چرخه عمر سیستم‌های AI تاکید دارند.
برای صنایع به‌ویژه در حوزه‌های مرتبط با ایمنی، کیفیت و قابلیت اطمینان، یک اصل باید جدی گرفته شود و آن اینکه مسوولیت تصمیم را نمی‌توان به یک الگوریتم واگذار کرد. AI باید قدرت تحلیل انسان را افزایش دهد، نه اینکه مسوولیت مدیر و متخصص را از بین ببرد.
■ سیاستگذاری صنعتی نیزباید تغییرکند
اگر قرار است هوش‌مصنوعی به افزایش بهره‌وری صنعت کمک کند، سیاستگذاری نیز باید از نگاه صرفاً فناوری‌محور فاصله بگیرد. ایجاد آزمایشگاه و برگزاری رویداد لازم است اما کافی نیست. معیار اصلی باید حل مسائل واقعی بنگاه‌ها باشد: افزایش بهره‌وری، کاهش هزینه، توسعه محصول، ارتقای کیفیت، کاهش وابستگی و افزایش توان رقابت و صادرات. سیاست صنعتی موفق در حوزه AI، سیاستی نیست که بیشترین پروژه هوش‌مصنوعی را ایجاد کند؛ سیاستی است که بیشترین مساله واقعی صنعت را با کمک هوش‌مصنوعی حل کند.
🔺سخن آخر
هوش‌مصنوعی قرار نیست مدیر را حذف و همه مشکلات صنعت را حل کند. ارزش واقعی آن در جای دیگری است: در اینکه بتواند حجم بزرگی از اطلاعات را سریع‌تر تحلیل، الگوهایی را که برای انسان دشوار است آشکار کند، امکان پیش‌بینی ایجاد کرده و زمان مدیر را از جمع‌آوری اطلاعات به تصمیم‌گیری منتقل کند. اما شرط آن روشن است. AI از سازمان ضعیف، الزاما سازمان هوشمند نمی‌سازد. شرکتی که می‌خواهد از هوش‌مصنوعی مزیت رقابتی بسازد، ابتدا باید مساله خود را بشناسد، داده خود را سامان دهد، ارزش اقتصادی پروژه را مشخص و سپس فناوری مناسب را انتخاب کند. شاید مهم‌ترین سوال مدیر صنعتی امروز این نباشد که: «هوش‌مصنوعی چه کارهایی می‌تواند انجام دهد؟» بلکه این باشد: «کدام مساله صنعت من را می‌توان با کمک هوش‌مصنوعی بهتر حل کرد؟» پاسخ به همین سوال می‌تواند مرز میان هیجان فناوری و بهره‌وری واقعی را مشخص کند.
● خلاصه شده از روزنامه جهان صنعت/بادروقی
✅ مدیر صنعتی آینده لزوماً برنامه‌نویس نخواهد بود اما مدیری که قابلیت‌ها و محدودیت‌های AI را نشناسد، در آینده برای تصمیم‌گیری به دیگران وابسته خواهد شد. مدیر باید بتواند چند سوال ساده اما اساسی بپرسد:
● مساله چیست؟
● چه داده‌ای داریم؟
● آیا داده قابل اعتماد است؟
● هوش مصنوعی دقیقاً کدام بخش مساله را حل می‌کند؟
● نتیجه چگونه اعتبارسنجی می‌شود؟
● مسوول تصمیم نهایی چه کسی است؟
● موفقیت پروژه با چه شاخصی سنجیده خواهد شد؟
این همان چیزی است که می‌توان آن را سواد مدیریتی هوش‌مصنوعی نامید.
🔺از کجا شروع کنیم؟
برای بسیاری از شرکت‌ها، شروع AI نباید یک پروژه بزرگ و پرهزینه باشد. یک مسیر شش‌مرحله‌ای می‌تواند ریسک را کاهش دهد:
مساله ارزش اقتصادی، آمادگی پایلوت ارزیابی مقیاس‌گذاری
ابتدا مساله مشخص شود. سپس ارزش اقتصادی حل آن اندازه‌گیری شود. بعد آمادگی داده، زیرساخت و نیروی انسانی بررسی شود. یک پروژه کوچک و قابل‌اندازه‌گیری اجرا شود و نتیجه آن با وضعیت قبل مقایسه گردد. اگر ارزش واقعی اثبات شد، پروژه توسعه پیدا کند.
🔺اصل این رویکرد بسیار ساده است:
از مساله شروع کنید، نه از فناوری.
📌 هوش مصنوعی بدون ریسک نیست
نباید اجازه داد هیجان پیرامون هوش‌مصنوعی، ریسک‌های آن را پنهان کند. مدل‌های مولد ممکن است اطلاعات نادرست تولید کنند. داده‌های محرمانه ممکن است در معرض خطر قرار گیرند و کیفیت خروجی الگوریتم به کیفیت داده وابسته است. چارچوب مدیریت ریسک هوش‌مصنوعی NIST و پروفایل هوش‌مصنوعی مولد این موسسه بر ضرورت شناسایی و مدیریت چنین ریسک‌هایی در چرخه عمر سیستم‌های AI تاکید دارند.
برای صنایع به‌ویژه در حوزه‌های مرتبط با ایمنی، کیفیت و قابلیت اطمینان، یک اصل باید جدی گرفته شود و آن اینکه مسوولیت تصمیم را نمی‌توان به یک الگوریتم واگذار کرد. AI باید قدرت تحلیل انسان را افزایش دهد، نه اینکه مسوولیت مدیر و متخصص را از بین ببرد.
■ سیاستگذاری صنعتی نیزباید تغییرکند
اگر قرار است هوش‌مصنوعی به افزایش بهره‌وری صنعت کمک کند، سیاستگذاری نیز باید از نگاه صرفاً فناوری‌محور فاصله بگیرد. ایجاد آزمایشگاه و برگزاری رویداد لازم است اما کافی نیست. معیار اصلی باید حل مسائل واقعی بنگاه‌ها باشد: افزایش بهره‌وری، کاهش هزینه، توسعه محصول، ارتقای کیفیت، کاهش وابستگی و افزایش توان رقابت و صادرات. سیاست صنعتی موفق در حوزه AI، سیاستی نیست که بیشترین پروژه هوش‌مصنوعی را ایجاد کند؛ سیاستی است که بیشترین مساله واقعی صنعت را با کمک هوش‌مصنوعی حل کند.
🔺سخن آخر
هوش‌مصنوعی قرار نیست مدیر را حذف و همه مشکلات صنعت را حل کند. ارزش واقعی آن در جای دیگری است: در اینکه بتواند حجم بزرگی از اطلاعات را سریع‌تر تحلیل، الگوهایی را که برای انسان دشوار است آشکار کند، امکان پیش‌بینی ایجاد کرده و زمان مدیر را از جمع‌آوری اطلاعات به تصمیم‌گیری منتقل کند. اما شرط آن روشن است. AI از سازمان ضعیف، الزاما سازمان هوشمند نمی‌سازد. شرکتی که می‌خواهد از هوش‌مصنوعی مزیت رقابتی بسازد، ابتدا باید مساله خود را بشناسد، داده خود را سامان دهد، ارزش اقتصادی پروژه را مشخص و سپس فناوری مناسب را انتخاب کند. شاید مهم‌ترین سوال مدیر صنعتی امروز این نباشد که: «هوش‌مصنوعی چه کارهایی می‌تواند انجام دهد؟» بلکه این باشد: «کدام مساله صنعت من را می‌توان با کمک هوش‌مصنوعی بهتر حل کرد؟» پاسخ به همین سوال می‌تواند مرز میان هیجان فناوری و بهره‌وری واقعی را مشخص کند.
● خلاصه شده از روزنامه جهان صنعت/بادروقی
Comments
Be the first to add a comment
Log in to comment