هوش مصنوعی در شرکت: از کجا شروع کنیم؟

تقریباً همه‌ی شرکت‌ها دارند هوش مصنوعی را امتحان می‌کنند، ولی کمتر شرکتی از آن سود واقعی می‌برد. فاصله‌ی این دو گروه معمولاً فناوری نیست؛ جایی است که از آن شروع کرده‌اند. این راهنما برای مدیری است که اسم هوش مصنوعی را زیاد شنیده، هنوز به آن اعتماد کامل ندارد و می‌خواهد بدون ریسک بزرگ شروع کند.

چرا بیشتر پروژه‌های هوش مصنوعی نتیجه نمی‌دهند

طبق نظرسنجی سالانه‌ی McKinsey در ۲۰۲۵، ۸۸ درصد سازمان‌ها دست‌کم در یک بخش از هوش مصنوعی استفاده می‌کنند؛ ولی فقط ۳۹ درصد اثری از آن روی سود عملیاتی شرکت گزارش می‌کنند و بیشترشان هنوز در مرحله‌ی آزمایش مانده‌اند. گزارش MIT در همان سال سخت‌گیرانه‌تر است: ۹۵ درصد پروژه‌های آزمایشی هوش مصنوعی مولد، اثر قابل‌اندازه‌گیری روی سود و زیان نداشته‌اند.

گارتنر هم پیش‌بینی کرده بود دست‌کم ۳۰ درصد پروژه‌های هوش مصنوعی مولد تا پایان ۲۰۲۵، بعد از مرحله‌ی اثبات مفهوم کنار گذاشته شوند؛ به‌خاطر داده‌ی بی‌کیفیت، کنترل ناکافی ریسک، هزینه‌ی رو به افزایش یا ارزش تجاری نامشخص.

الگوی مشترک این شکست‌ها تقریباً همیشه یکی است:

• شروع از ابزار، نه از مسئله. «بیایید یک چت‌بات داشته باشیم» جای «پاسخ به استعلام قیمت دو روز طول می‌کشد» را می‌گیرد.
• معیار موفقیت از قبل تعریف نشده. وقتی عددی برای مقایسه نیست، هیچ‌کس نمی‌تواند بگوید پروژه جواب داده یا نه.
• داده آماده نیست. دانش شرکت در ذهن آدم‌ها، فایل‌های پراکنده و پیام‌های تلگرام است، نه جایی که سیستم بتواند بخواندش.
• آزمایش هیچ‌وقت وارد کار روزمره نمی‌شود. دموی جذابی ساخته می‌شود، ولی به سیستم‌ها و فرایند واقعی تیم وصل نمی‌شود.

شروع درست در پنج قدم

1. جایی را پیدا کنید که وقت نشت می‌کند. از مدیر هر بخش بپرسید کدام کار هر روز تکرار می‌شود و کسی دوستش ندارد. جواب‌ها معمولاً شبیه هم‌اند: ورود داده، جواب سؤال‌های تکراری، گزارش‌گیری دستی، پیگیری.
2. یک کار را با سه معیار انتخاب کنید. پرتکرار باشد، قاعده‌ی روشن داشته باشد، و اگر اشتباه شد فاجعه نشود. کاری که هر سه را دارد، بهترین نقطه‌ی شروع است.
3. پیش از ساخت، معیار را با عدد بنویسید. مثلاً «زمان جواب به استعلام از دو روز به دو ساعت برسد» یا «ورود دستی فاکتورها نصف شود». بدون این عدد، بعداً فقط احساس دارید.
4. کوچک و موازی اجرا کنید. سیستم تازه مدتی کنار روش فعلی کار کند. تصمیم‌های حساس، مثل قیمت نهایی یا پرداخت، با تأیید یک نفر انجام شود.
5. بر اساس عدد تصمیم بگیرید. اگر معیار بهتر شد، به بخش بعدی گسترش دهید. اگر نشد، متوقف کنید و علتش را بفهمید. متوقف کردن یک آزمایش کوچک، شکست نیست؛ ادامه دادن یک پروژه‌ی بی‌نتیجه شکست است.

کارهای مناسب برای شروع

آنچه برای شروع مناسب نیست: تصمیم‌هایی که هر بار قضاوت متفاوت می‌خواهند، مثل مذاکره با مشتری ناراضی یا تعیین قیمت قرارداد بزرگ، و کارهایی که خطایشان برگشت‌ناپذیر است.

نگرانی‌هایی که حق دارید داشته باشید

شرایط خاص ایران

سرویس‌دهنده‌های اصلی مثل OpenAI و Anthropic ایران را در فهرست کشورهای پشتیبانی‌شده‌ی خود ندارند؛ هم به‌خاطر تحریم و هم محدودیت‌های داخلی. این یعنی شرکت ایرانی برای استفاده‌ی پایدار باید مسیرش را آگاهانه انتخاب کند:

• سرویس‌های واسط داخلی دسترسی را ساده می‌کنند، ولی داده‌ی شما از یک واسط دیگر هم رد می‌شود. برای داده‌ی غیرحساس مناسب‌اند.
• مدل‌های متن‌باز را می‌شود روی سرور خود شرکت یا سرور اختصاصی اجرا کرد. داده هیچ‌جا نمی‌رود و به تحریم هم وابسته نیستید. در عوض زیرساخت و نگهداری لازم دارند.
• راه عملی معمولاً ترکیبی است: داده‌ها را دسته‌بندی کنید، کار عمومی را به مدل‌های قوی‌تر بسپارید و داده‌ی حساس را فقط به مدلی که زیر کنترل خودتان است.

نکته‌ی مهم: هیچ آمار رسمی و منبع‌داری درباره‌ی میزان استفاده‌ی شرکت‌های ایرانی از هوش مصنوعی منتشر نشده است. اگر جایی عدد قطعی دیدید، منبعش را بپرسید.

خودتان بسازید یا با شریک؟

گزارش MIT یک یافته‌ی قابل‌توجه دارد: پروژه‌هایی که با ابزار و شریک تخصصی بیرونی انجام شده‌اند، حدود ۶۷ درصد مواقع به نتیجه رسیده‌اند؛ پروژه‌هایی که کاملاً داخلی ساخته شده‌اند، فقط حدود یک‌سوم این نرخ. ما خودمان شریک بیرونی هستیم، پس این را با احتیاط از ما بشنوید. ولی منطقش روشن است: تیم داخلی کسب‌وکار را بهتر می‌شناسد و شریک بیرونی اشتباه‌هایی را که قبلاً در پروژه‌های دیگر دیده، تکرار نمی‌کند. ترکیب این دو معمولاً بهتر از هرکدام به‌تنهایی جواب می‌دهد.

شریک خوب چند نشانه دارد: پیش از پیشنهاد ابزار سؤال می‌پرسد، معیار موفقیت را با عدد تعریف می‌کند، اجازه می‌دهد کوچک شروع کنید، و در پایان دانش و دسترسی را به تیم شما تحویل می‌دهد تا وابسته‌اش نمانید.

قدم بعدی

اگر هنوز نمی‌دانید آن اولین کار در شرکت شما کجاست، این همان چیزی است که در جلسه‌ی مشاوره‌ی رایگان ۴۵ دقیقه‌ای با هم پیدا می‌کنیم. مسیر کامل ساخت، از نقشه‌برداری تا تحویل، را هم در خدمت اتوماسیون و دستیار هوش مصنوعی نوشته‌ایم. اگر می‌خواهید بدانید ایجنت هوش مصنوعی چه فرقی با یک اتوماسیون ساده دارد، این راهنما را بخوانید.