به گزارش ایسنا، در جریان نشست ایستگاه آینده اینوتکس ۲۰۲۵، علی منصور در سخنرانی خود با عنوان «بازتعریف بی‌سروصدای مدل‌های کسب‌وکار با هوش مصنوعی»، بر لزوم تدوین رویکردی عملیاتی و هوشمندانه برای بهره‌گیری از هوش مصنوعی مولد در شرکت‌ها تأکید کرد.
وی با اشاره به یافته‌های یک گزارش پژوهشی جدید، گفت: ۷۵ درصد از شرکت‌ها هیچ نقشه‌راه مشخصی برای بهره‌برداری از هوش مصنوعی مولد ندارند. همچنین کمتر از ۴۰ درصد مدیران ارشد درک دقیقی از ارزش‌افزوده این فناوری برای کسب‌وکار خود دارند. این در حالی است که استفاده از هوش مصنوعی مولد در شرکت‌ها از ۳۳ درصد در سال ۲۰۲۳ به ۶۵ درصد در سال ۲۰۲۴ رسیده است.
منصور با استناد به این داده‌ها، تأکید کرد: پرسش اصلی امروز دیگر «آیا باید از AI استفاده کنیم؟» نیست، بلکه «چگونه و از کجا باید استفاده کنیم؟» اهمیت بیشتری دارد و این در حالی است که بسیاری از سازمان‌ها هنوز درک روشنی از نقاطی که هوش مصنوعی می‌تواند برایشان ارزش خلق کند، ندارند.
وی در ادامه، فریم‌ورکی پنج‌مرحله‌ای را برای پیاده‌سازی مؤثر هوش مصنوعی مولد در سازمان‌ها پیشنهاد داد و گفت: نخستین اولویت «شناسایی پتانسیل‌ها، بررسی فرآیندهای تکراری، زمان‌بر و داده‌محور »است. در این زمینه سازمان‌ها باید فهرستی از حوزه‌هایی تهیه کنند که بیشترین پتانسیل برای خودکارسازی یا ارتقاء با کمک AI را دارند.
منصور دومین اولویت را شناخت کاربردهای بالفعل (use cases) عنوان و توصیه کرد که سازمان‌ها از راه‌حل‌های ساده و اثبات‌شده مانند چت‌بات‌ها یا تولید محتوای خودکار شروع کنند و از عقب‌ماندن در این حوزه‌های اساسی بپرهیزند و سازمان‌ها باید فهرستی از حوزه‌هایی تهیه کنند که بیشترین پتانسیل برای خودکارسازی یا ارتقاء با کمک AI را دارند.
وی یادآور شد: سازمان‌ها از راه‌حل‌های ساده و اثبات‌شده مانند چت‌بات‌ها یا تولید محتوای خودکار شروع کنند و از عقب‌ماندن در این حوزه‌های اساسی بپرهیزند.
منصور گفت: سومین گام، اولویت‌بندی پروژه‌ها است. سازمان‌ها به‌جای تمرکز بر پروژه‌های جاه‌طلبانه و بزرگ، باید پروژه‌های کوچک‌تر، عملیاتی‌تر و قابل‌اجرایی را که می‌توانند زمینه‌ساز تغییر فرهنگی در سازمان شوند، برگزینند.
وی توصیه کرد: در اولویت‌بندی پروژه‌ها سه عامل اثرگذاری، سهولت اجرا و هم‌راستایی با اهداف استراتژیک مد نظر قرار گیرند.
منصور ادامه داد: چهارمین اولویت ارزیابی داده است. دسترسی به داده‌های کافی و ابزارهای مناسب برای اجرای پروژه‌های AI، شرط موفقیت سازمان‌هاست. سازمان‌ها باید پیش از آغاز، زیرساخت‌های لازم را بررسی کنند.
منصور گفت: پنجمین گام، تطابق با استراتژی کلان سازمان است.
وی هشدار داد که در صورت عدم هم‌راستایی پروژه‌های AI با اهداف کلان، این پروژه‌ها به‌جای آن‌که در خدمت سازمان باشند، به باری بر دوش تیم‌ها تبدیل می‌شوند و شانس موفقیت کاهش می‌یابد.
منصور همچنین تأکید کرد که پرسش درست این نیست که «کجا می‌توان از AI استفاده کرد؟»، بلکه باید پرسید: «AI در کدام مساله می‌تواند راه‌حل بهتری نسبت به وضعیت فعلی ارائه دهد؟» این رویکرد مسئله‌محور به جای ابزارمحور بودن، باعث می‌شود پروژه‌ها از معنا و ضرورت بیشتری برخوردار شوند و از شکست مصون‌تر باشند.
وی سخنان خود را با این هشدار به پایان رساند که تمرکز بیش از حد روی پروژه‌های پیچیده و نمایشی، سازمان‌ها را از مسیر پیشرفت واقعی دور می‌کند: سنگ بزرگ نشانه نزدن است. شروع با پروژه‌های کوچک اما تأثیرگذار، پایه‌گذار فرهنگ هوش مصنوعی در سازمان خواهد بود.
انتهای پیام
به گزارش ایسنا، در جریان نشست ایستگاه آینده اینوتکس ۲۰۲۵، علی منصور در سخنرانی خود با عنوان «بازتعریف بی‌سروصدای مدل‌های کسب‌وکار با هوش مصنوعی»، بر لزوم تدوین رویکردی عملیاتی و هوشمندانه برای بهره‌گیری از هوش مصنوعی مولد در شرکت‌ها تأکید کرد.
وی با اشاره به یافته‌های یک گزارش پژوهشی جدید، گفت: ۷۵ درصد از شرکت‌ها هیچ نقشه‌راه مشخصی برای بهره‌برداری از هوش مصنوعی مولد ندارند. همچنین کمتر از ۴۰ درصد مدیران ارشد درک دقیقی از ارزش‌افزوده این فناوری برای کسب‌وکار خود دارند. این در حالی است که استفاده از هوش مصنوعی مولد در شرکت‌ها از ۳۳ درصد در سال ۲۰۲۳ به ۶۵ درصد در سال ۲۰۲۴ رسیده است.
منصور با استناد به این داده‌ها، تأکید کرد: پرسش اصلی امروز دیگر «آیا باید از AI استفاده کنیم؟» نیست، بلکه «چگونه و از کجا باید استفاده کنیم؟» اهمیت بیشتری دارد و این در حالی است که بسیاری از سازمان‌ها هنوز درک روشنی از نقاطی که هوش مصنوعی می‌تواند برایشان ارزش خلق کند، ندارند.
وی در ادامه، فریم‌ورکی پنج‌مرحله‌ای را برای پیاده‌سازی مؤثر هوش مصنوعی مولد در سازمان‌ها پیشنهاد داد و گفت: نخستین اولویت «شناسایی پتانسیل‌ها، بررسی فرآیندهای تکراری، زمان‌بر و داده‌محور »است. در این زمینه سازمان‌ها باید فهرستی از حوزه‌هایی تهیه کنند که بیشترین پتانسیل برای خودکارسازی یا ارتقاء با کمک AI را دارند.
منصور دومین اولویت را شناخت کاربردهای بالفعل (use cases) عنوان و توصیه کرد که سازمان‌ها از راه‌حل‌های ساده و اثبات‌شده مانند چت‌بات‌ها یا تولید محتوای خودکار شروع کنند و از عقب‌ماندن در این حوزه‌های اساسی بپرهیزند و سازمان‌ها باید فهرستی از حوزه‌هایی تهیه کنند که بیشترین پتانسیل برای خودکارسازی یا ارتقاء با کمک AI را دارند.
وی یادآور شد: سازمان‌ها از راه‌حل‌های ساده و اثبات‌شده مانند چت‌بات‌ها یا تولید محتوای خودکار شروع کنند و از عقب‌ماندن در این حوزه‌های اساسی بپرهیزند.
منصور گفت: سومین گام، اولویت‌بندی پروژه‌ها است. سازمان‌ها به‌جای تمرکز بر پروژه‌های جاه‌طلبانه و بزرگ، باید پروژه‌های کوچک‌تر، عملیاتی‌تر و قابل‌اجرایی را که می‌توانند زمینه‌ساز تغییر فرهنگی در سازمان شوند، برگزینند.
وی توصیه کرد: در اولویت‌بندی پروژه‌ها سه عامل اثرگذاری، سهولت اجرا و هم‌راستایی با اهداف استراتژیک مد نظر قرار گیرند.
منصور ادامه داد: چهارمین اولویت ارزیابی داده است. دسترسی به داده‌های کافی و ابزارهای مناسب برای اجرای پروژه‌های AI، شرط موفقیت سازمان‌هاست. سازمان‌ها باید پیش از آغاز، زیرساخت‌های لازم را بررسی کنند.
منصور گفت: پنجمین گام، تطابق با استراتژی کلان سازمان است.
وی هشدار داد که در صورت عدم هم‌راستایی پروژه‌های AI با اهداف کلان، این پروژه‌ها به‌جای آن‌که در خدمت سازمان باشند، به باری بر دوش تیم‌ها تبدیل می‌شوند و شانس موفقیت کاهش می‌یابد.
منصور همچنین تأکید کرد که پرسش درست این نیست که «کجا می‌توان از AI استفاده کرد؟»، بلکه باید پرسید: «AI در کدام مساله می‌تواند راه‌حل بهتری نسبت به وضعیت فعلی ارائه دهد؟» این رویکرد مسئله‌محور به جای ابزارمحور بودن، باعث می‌شود پروژه‌ها از معنا و ضرورت بیشتری برخوردار شوند و از شکست مصون‌تر باشند.
وی سخنان خود را با این هشدار به پایان رساند که تمرکز بیش از حد روی پروژه‌های پیچیده و نمایشی، سازمان‌ها را از مسیر پیشرفت واقعی دور می‌کند: سنگ بزرگ نشانه نزدن است. شروع با پروژه‌های کوچک اما تأثیرگذار، پایه‌گذار فرهنگ هوش مصنوعی در سازمان خواهد بود.
انتهای پیام
