0
محتوای مقاله ی ۸ نکته که همیشه باید در استراتژی هوش مصنوعی شما باشد
جهت مطالعه این مقاله نیاز به 5 دقیقه دارید

در بسیاری از شرکت‌ها، تلاش‌های فزاینده‌ای برای استفاده از هوش مصنوعی (AI) در اثبات مفاهیم اولیه یا Proof of Concepts (PoC) و همچنین در عملیات تولیدی انجام می‌شود. این ابتکارات فردی اغلب توسط بخش های مختلف هدایت می شود. غیرمعمول نیست که موضوعات مشابه – یا حتی یکسان – در یک شرکت بدون اطلاع تیم های پروژه مربوطه در مورد یکدیگر کار شود.

برای هدایت این رشد کنترل نشده هوش مصنوعی و همچنین ارتقای آن به یک سطح مهم استراتژیک در شرکت، توسعه یک استراتژی هوش مصنوعی ضروری است. اما هنگام ایجاد یک استراتژی جامع هوش مصنوعی به کدام نکات توجه می شود؟ در این مقاله، اجزای ضروری را که به نظر ما باید در استراتژی شما گنجانده شوند، با شما در میان خواهیم گذاشت.

استراتژی شرکت

قبل از شروع با یک استراتژی هوش مصنوعی، باید یک استراتژی واضح و روشن برای کسب و کار خود داشته باشید. اگردر طی این چند سال گذشته یک همچین استراتژی ای داشته باشید باید مجددا بررسی شود و سوال شود تا در صورت لزوم به روز شود. این استراتژی اساس همه اقدامات شرکتی، از جمله ابتکارات مربوط به هوش مصنوعی را تشکیل می دهد.

موارد استفاده مهم استراتژیک

تنها زمانی که یک استراتژی شرکت به روز وجود داشته باشد، می توانید اهداف اصلی و موارد استفاده مهم استراتژیک را برای اجرای هوش مصنوعی شناسایی و ایجاد کنید. همچنین باید در مورد سهم هوش مصنوعی در اهداف شرکت خود شفاف باشید. آیا این در مورد بهینه سازی فرآیندهای شما یا معرفی یک محصول نوآورانه است؟

در مرحله اول 3-5 مورد استفاده را انتخاب کنید. بیشتر از این تعداد معمولا مورد استفاده قرار نخواهد گرفت. شما باید روی شروع سفر خود به سمت هوش مصنوعی تمرکز کنید. برای انتخاب اولین موارد استفاده می توانید از نکات زیر برای ارزیابی آنها استفاده کنید:

  • سود مشتری
  • ویژگی شاخص
  • بازگشت سرمایه (ROI)

استراتژی داده

بدون داده، هوش مصنوعی وجود ندارد. بنابراین در این مرحله باید سوالات زیر را از خود بپرسید:

  • برای موارد استفاده خود به چه داده هایی نیاز داریم؟
  • چه داده هایی داریم؟
  • چه منابع داده ای داریم؟
  • آیا داده های درستی داریم؟
  • آیا داده های کافی داریم؟
  • چه داده هایی را از دست داده ایم؟
  • چگونه می توانیم داده های مورد نیاز را بدست آوریم؟
  • چگونه داده ها را ذخیره کنیم؟
  • چه کسی به دسترسی به داده ها نیاز دارد؟

شما باید این اطلاعات و جریان داده های خود را تجسم کنید. این به شما یک نمای کلی از چشم انداز داده های شما می دهد. نمونه ای از تجسم می تواند نمایش رادار یا ماتریس باشد.

Data strategy

 

فرهنگ سازمانی و مهارت های کارکنان

علاوه بر داده ها، افراد برای اجرای پروژه های هوش مصنوعی ضروری هستند.

  • آیا کارمندانی با تجربه در علم داده یا یادگیری ماشین دارید؟
  • آیا به نقش های جدید در سازمان خود نیاز دارید؟
  • آیا به کارمندان جدید نیاز دارید؟
  • چگونه می توانید تیم موجود خود را آموزش دهید؟
  • میزان پذیرش کارشناسان موضوعی از هر دپارتمان چقدر است؟ (این امر برای اطمینان از همکاری روان ضروری است)
  • آیا برای تقویت تیم خود در زمینه هوش مصنوعی یا برای آوردن دانش اضافی به تخصص از خارج نیاز دارید؟

تغییر فرهنگی در یک شرکت یک شبه یا با کل نیروی کار اتفاق نمی افتد. این به این دلیل است که سیستم‌های هوش مصنوعی اغلب با استقبال کم در محل کار مواجه می‌شوند. نکته کلیدی این است که بخشی از سازمان را پیدا کنید که سریع ترین و کارآمدترین باشد، اما همچنین به اندازه کافی بزرگ باشد که واکنش زنجیره ای را در سازمان آغاز کند. می‌توانید یک رویکرد پنج مرحله‌ای را در مقاله چارچوب رهبران برای مقیاس‌سازی هوش مصنوعی بیابید – آنچه واقعاً برای مقیاس‌سازی هوش مصنوعی نیاز است.

فناوری و زیرساخت

به وضوح تعریف کنید که از چه فناوری هایی می خواهید در شرکت خود استفاده کنید و کدام را نه. به عنوان یک قاعده، فناوری ها از موارد استفاده تعریف شده در بالا منتج می شوند. بینایی کامپیوتری یا پردازش زبان طبیعی تنها دو نمونه هستند. همچنین مهم است که تحت چه شرایط و پیش نیازهایی از فناوری های مربوطه استفاده می شود. در مورد بینایی کامپیوتری، ممکن است لازم باشد افرادی که به رسمیت شناخته می شوند، فوراً غیرقابل تشخیص باشند تا هیچ گونه حقوق شخصی نقض نشود.

سعی نکنید چرخ را دوباره اختراع کنید! چارچوب‌های منبع باز و همچنین انتقال یادگیری مبتنی بر مدل‌های در دسترس برای توسعه کارآمد راه‌حل‌های یادگیری ماشین ضروری هستند. اگر پردازش داده ها در فضای ابری امکان پذیر باشد، هایپراسکیلسرها نیز خدمات مختلفی را برای دستیابی سریع به هدف ارائه می دهند.

خدمات مختلف را با استفاده از یک ماتریس مقایسه کنید تا راه‌حل ایده‌آل را برای مورد استفاده خود بیابید. به عنوان مثال، می توانید اجزای هوش مصنوعی را با توجه به جنبه های زیر ارزیابی کنید:

  • وظایف / مورد استفاده
  • مقیاس پذیری
  • اطلاعات درون سازمانی در مقابل اطلاعات در دسترس
  • هزینه
  • آموزش با داده های فردی
  • خدمات آماده برای استفاده

با این حال، ممکن است مسائل دیگری برای ارزیابی در سازمان شما وجود داشته باشد.

مسائل حقوقی و اخلاقی و سوگیری

استفاده از هوش مصنوعی همیشه سوالاتی در مورد توجیه اخلاقی و اخلاقی ایجاد می کند. این باید در هنگام استفاده کاملاً داده شود. سوالات زیر را از خود بپرسید:

  • چگونه از حریم خصوصی افراد و اطلاعات شخصی آنها محافظت کنیم؟
  • چگونه می‌توانیم اطمینان حاصل کنیم که هوش مصنوعی در تصمیم‌گیری‌های خود مغرضانه نبوده و به هیچ‌کس بدرد نمی‌آید؟
  • آیا محدودیت قانونی برای موارد استفاده ما وجود دارد؟
  • آیا برای جمع آوری داده ها به رضایت نیاز داریم؟ اگر بله دقیقا از چه کسی؟

اجتناب از سوگیری در هوش مصنوعی ناشی از داده های جانبدارانه یا سوگیری های ناخودآگاه اجتماعی که بر آن تأثیر می گذارد (یا انتخاب آن)

 

پیاده سازی

قبل از شروع پیاده سازی، باید وضعیت موجود در شرکت خود را به طور کامل تجزیه و تحلیل کنید یا آن را از بلوک های موضوع قبلی خلاصه و ارزیابی کنید:

  • چه پروژه ها و ابتکارات هوش مصنوعی در حال حاضر در حال انجام است؟
  • چه داده هایی و به چه شکلی موجود است؟
  • آیا ما کارکنان واجد شرایط داریم؟
  • آیا بر فناوری های مورد نیاز تسلط داریم؟

سپس باید وضعیت موجود را با چشم انداز خود مطابقت دهید تا تصویر واضحی از آنچه در راه دستیابی به هدف خود از دست داده اید به دست آورید (تحلیل شکاف). برای از بین بردن این شکاف ها، باید اقدامات مربوطه را در نقشه راه خود برنامه ریزی کنید. نقشه راه با اولین موارد استفاده و برنامه ریزی تقریبی این موارد تکمیل شده است.

مدیریت تغییر

مهم نیست که برنامه اجرایی چقدر خوب باشد، اگر کارمندان شما هدف کلی را درک نکنند، با شکست مواجه خواهد شد. بنابراین ضروری است که همه کارمندان را در سفر همراه خود ببرید و نه تنها آنهایی که مستقیماً تحت تأثیر قرار می گیرند. ارتباط فعالانه نیز برای کسانی که تحت تأثیر قرار نگرفته اند (در حال حاضر) مورد نیاز است. ترس ها، نگرانی ها و احتیاط ها در مورد مسائل اخلاقی و از دست دادن شغل احتمالی، به ویژه، باید در نظر گرفته شود و از قبل مورد بحث قرار گیرد.

ارتباط فعالانه نیز باید در جهت مشتری (معمولاً مدیریت یا هیئت نظارت) برقرار شود. آیا انتظارات به وضوح بیان شده و اهداف واقع بینانه به وضوح توضیح داده شده است؟ تجربه نشان می‌دهد که مدیریت ارشد اغلب انتظار موفقیت سریعی را دارد که به ندرت با ابتکارات هوش مصنوعی می‌توان به آن دست یافت. به عنوان یک قاعده، این پروژه ها بیش از حد انتظار طول می کشد، زیرا در بسیاری از شرکت ها، کارهای اساسی باید به معنای نکاتی که در اینجا به آن اشاره می شود، انجام شود. علاوه بر این، یک سیستم هوش مصنوعی که عمیقاً در فرآیندهای شرکت دخالت می‌کند، کمتر به خرید نرم‌افزار مربوط می‌شود و بیشتر در مورد بازتاب و یادگیری در مورد شرکت خود است.

اگه از این مطلب خوشت اومد میتونی توی شبکه های اجتماعی به اشتراک بذاری
Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
یک پاسخ بنویسید

نشانی ایمیل شما منتشر نخواهد شد.Required fields are marked *

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.

من رو در شبکه های اجتماعی دنبال کنید

جدیدترین مقالات

جدیدترین محصولات

پربازدیدترین مقالات

جدیدترین توییت های من

RT @Farjaditman: آدمها نادان زاده می‌شوند، نه احمق. هیچ آدمی «احمق» زاده نمی‌شود، بلکه بعداً...

RT @Farjaditman: پوستم کنده شد تا اینارو بگم اما بازم چهارتا شارلاتان حرفشون بیشتر شنیده میشه،...

RT @Farjaditman: 🌳🌳🌳🌴🌳🌳🌳 درختی در جنگل نباش، درختی متفاوت در جنگل باش #پرسونال_برندینگ #فرجاد