هوش مصنوعی همه‌گیر شده، اما سازمان‌ها واقعا چقدر آماده‌اند؟

داده‌های تازه مک‌کینزی، سیسکو و شاخص هوش مصنوعی ایران نشان می‌دهد گلوگاه هوش مصنوعی سازمانی دیگر فناوری نیست؛ آمادگی خود سازمان است. ممکن است سازمان شما همین امروز از هوش مصنوعی استفاده کند، اما این به معنای سود بردن از آن نیست.

استفاده از این فناوری می‌تواند به کارکنان کمک کند کارهایشان را سریع‌تر و مؤثرتر انجام دهند؛ اما آیا این بهبود در عملکرد فردی، به نتیجه‌ای ملموس برای کل کسب‌وکار هم تبدیل می‌شود؟ داده‌های نظرسنجی مک‌کنزی در سال ۲۰۲۶ نشان می‌دهد ۸۰ درصد پاسخ‌دهندگان از افزایش بهره‌وری فردی با کمک هوش مصنوعی گفته‌اند، اما تنها ۳۷ درصد از تأثیر مثبت آن بر سود عملیاتی سازمانشان خبر داده‌اند.

این فاصله از کجا می‌آید و کسب‌وکارهای ایرانی برای تبدیل استفاده از هوش مصنوعی به ارزش واقعی، به چه پیش‌نیازهایی نیاز دارند؟ هوش مصنوعی حالا در بسیاری از محیط‌های کاری به ابزاری برای نوشتن، خلاصه‌سازی، تحلیل اطلاعات و انجام وظایف تکراری تبدیل شده است.

این کاربردها می‌توانند در زمان کارکنان صرفه‌جویی کنند؛ اما اثر آن‌ها بر عملکرد کل سازمان به عوامل دیگری هم بستگی دارد. آیا فرایندهای کاری متناسب با فناوری تغییر کرده‌اند؟

آیا اطلاعات موردنیاز در دسترس و قابل اتکاست؟ آیا نتیجه استفاده از ابزارها سنجیده می‌شود؟

و آیا کارکنان می‌دانند در چه موقعیت‌هایی می‌توانند به خروجی هوش مصنوعی اعتماد کنند؟ آماری از استفاده از هوش مصنوعی سازمانی در جهان در گزارش سال ۲۰۲۵ دانشگاه استنفورد می‌خوانیم که ۸۸ درصد از سازمان‌های مورد بررسی از هوش مصنوعی استفاده می‌کنند.

همچنین، ۷۰ درصد از این سازمان‌ها هوش مصنوعی مولد را در حداقل یکی از بخش‌های کسب‌وکار خود به کار گرفته‌اند. در تازه‌ترین پیمایش جهانی مک‌کینزی نیز که اوایل شهریور منتشر شد، ۸۰ درصد پاسخ‌دهندگان گفته‌اند هوش مصنوعی بهره‌وری شخصی‌شان را بالا برده است.

اما تنها ۳۷ درصد اثر مثبتی بر سود عملیاتی سازمانشان دیده‌اند و فقط ۶ درصد در دسته‌ای جا گرفته‌اند که مک‌کینزی آن را عملکرد برتر می‌نامد. این شکاف حالا اهمیت تازه‌ای پیدا کرده، چون خود نرم‌افزارهای سازمانی در حال تغییرند.

گارتنر پیش‌بینی کرده تا پایان ۲۰۲۶، حدود ۴۰ درصد اپلیکیشن‌های سازمانی به «عامل‌های هوشمند» تخصصی مجهز شوند؛ نرم‌افزارهایی که به جای پاسخ دادن به سؤال، بخشی از کار را خودشان انجام می‌دهند. این سهم در ۲۰۲۵ کمتر از ۵ درصد بود.

همین مؤسسه هشدار داده بیش از ۴۰ درصد پروژه‌های هوش مصنوعی عامل‌محور تا پایان ۲۰۲۷ به دلیل هزینه‌های فزاینده، ارزش تجاری نامشخص یا کنترل ناکافی ریسک لغو می‌شوند. بنابراین پرسش امروز مدیران این نیست که هوش مصنوعی وارد سازمانشان می‌شود یا نه؛ این است که سازمانشان در کدام سوی این آمار می‌ایستد؟

در حال حاضر تعداد عامل‌های هوشمند یا کارهای خودکارشده نیست که اهمیت دارند. امروزه سازمان‌هایی بیشترین پیشرفت را داشته‌اند که تیم‌هایشان را حول محصول، سفر مشتری و فرایندهای کسب‌وکار از نو سازمان داده‌اند.

به زبان ساده، آنها فرایند را بازطراحی کرده‌اند نه اینکه هوش مصنوعی را به فرایند قدیمی وصل کنند. البته این عددها حاصل پیمایش‌های خوداظهاری است و نمونه آن‌ها بیشتر از سازمان‌های بزرگ تشکیل شده؛ اما جهت همه‌شان یکی است.

ایران؛ جهش در پذیرش، فاصله در عمق یکی از معدود تصویرهای داده‌محور این موضوع در ایران را «گزارش شاخص هوش مصنوعی ایران» می‌دهد؛ گزارشی که مرکز استراتژی و تحول هوش مصنوعی دانشگاه صنعتی شریف با حمایت معاونت علمی ریاست‌جمهوری و اتاق بازرگانی تهران تهیه می‌کند. طبق نسخه ۱۴۰۴، حدود ۲۷ درصد کسب‌وکارهای بررسی‌شده از هوش مصنوعی استفاده می‌کنند و سهم هوش مصنوعی مولد حدود ۲۵ درصد است.

در گزارش ۱۴۰۳، این رقم حدود ۱۷ درصد بود. اما این پذیرش هنوز کم‌عمق است.

حدود سه‌چهارم کسب‌وکارهای استفاده‌کننده در سه سال گذشته کمتر از ۲ میلیارد تومان برای هوش مصنوعی هزینه کرده‌اند؛ رقمی که نشان می‌دهد بیشتر آن‌ها هنوز در مرحله آزمودن ابزارند، نه بازطراحی فرایند. صنعت تولید با ۳۷ درصد بالاترین نرخ پذیرش را میان بخش‌های اقتصادی دارد.

البته این عددها را باید با احتیاط خواند. حدود ۸۳ درصد پاسخ‌دهندگان پیمایش شاخص غیردانش‌بنیان بوده‌اند و ۳۸ درصد بنگاه‌ها کمتر از ۱۰ نفر نیرو داشته‌اند؛ پس رقم ۲۷ درصد بیشتر تصویر کسب‌وکارهای کوچک است.

گزارش هم نشان داده بود که پذیرش در شرکت‌های کوچک بیشتر از شرکت‌های بزرگ است. شناخت چالش‌های هوش مصنوعی؛ گامی برای سنجش آمادگی سازمان‌ها شناخت موانع در فرآیند اجرای پروژه‌های هوش مصنوعی به کسب‌وکارها کمک می‌کند تا میزان آمادگی خود را برای به‌کارگیری این فناوری ارزیابی و برای رفع چالش‌های احتمالی برنامه‌ریزی کنند.

طبق مقاله‌‌ای در Data Science and Management، مهم‌ترین عوامل آمادگی سازمان‌ها برای به‌کارگیری هوش مصنوعی شامل بودجه، اندازه سازمان، دسترس‌پذیری منابع، فرهنگ سازمانی مبتنی بر همکاری، زیرساخت فناوری اطلاعات سازمان و سازگاری فناوری با نیازها و فرایندهای سازمان است. همچنین بر اساس گزارش «شاخص هوش مصنوعی ایران ۱۴۰۴»، مهم‌ترین چالش‌های کسب‌وکارها در اجرای پروژه‌های AI عبارت‌اند از: - ۴۸درصد هزینه توسعه محصولات هوش مصنوعی - ۳۴درصد کمبود نیروی متخصص یا دشواری جذب نیروی ماهر - ۳۴درصد مشکلات در دسترس بودن یا کیفیت داده‌های لازم - ۳۲درصد زیرساخت ناکافی یا ناسازگار فناوری اطلاعات - ۱۹درصد عدم آشنایی با کاربردهای هوش مصنوعی AI First؛ پاسخ همکاران سیستم به نیاز سازمانی همکاران سیستم، که به گفته مدیرانش بیش از ۱۶۰ هزار کسب‌وکار ایرانی از محصولاتش استفاده می‌کنند، به این شکاف با «AI First» پاسخ داده است.

این شرکت ۱۰ مرداد امسال از «راهکاران آیند» رونمایی کرد؛ ERP که به گفته مدیرانش بر پایه هوش مصنوعی و معماری ابری ساخته شده است. سهراب صادقی‌زاده، Product Director همکاران سیستم، دو دلیل اصلی برای عدم استفاده احتمالی کسب و کارها از هوش مصنوعی را عنوان می کند.

به گفته او، گروهی از مشتریان دیجیتالی شدن را تا حد خوبی پشت سر گذاشته‌اند و پلتفرم و داده دارند، اما مدیران و تصمیم‌گیرندگانشان هنوز به پتانسیل های بالقوه هوش در کسب و کار پی نبرده‌اند. گروه دوم ارزش هوش مصنوعی را می‌شناسند و حتی استراتژی‌اش را چیده‌اند، اما شریک مناسبی برای پیاده‌سازی پیدا نکرده‌اند؛ این سازمان‌ها شاید ابزارهایی هم برای خودشان با هوش مصنوعی توسعه داده باشند، اما به گفته او سازمانی را ندیده‌اند که در کنارشان به این استراتژی معنا بدهد.

صادقی‌زاده تفاوت AI First با رویکرد رایج را این‌طور توضیح می‌دهد: «در رویکرد AI-enabled، چند قابلیت هوش مصنوعی به نرم‌افزاری که از قبل وجود داشته اضافه می‌شود؛ اما راهکاران آیند از ابتدا با رویکرد هوش محور توسعه داده شده و نیازمندی‌های مشتریان از نو دیده شده است؛ به حدی که شاید اصلاً یک سری از راه‌حل‌ها یا قابلیت‌های قدیمی توسعه داده نشوند». به گفته او، راه‌حل‌های هوش مصنوعی در این محصول یک‌بارمصرف نیستند.

زیرساخت مشترک دارند، زمینه کسب‌وکار را می‌فهمند و دوباره به کار می‌روند. در رویکرد عامل‌محور هم، سیستم هدف کاربر را می‌فهمد، برنامه‌ریزی می‌کند و عامل‌های مختلف را فرا می‌خواند.

او می‌گوید این تفاوت بیش از همه در تجربه کاربری دیده می‌شود؛ تجربه‌ای یکپارچه در کل پلتفرم، نه چند قابلیت جدا افتاده. او برای اینکه نشان دهد در عمل چه چیزی تغییر کرده، چند نمونه از استفاده مشتریان می‌آورد: • فاکتور خرید: حسابدار به جای ورود دستی اقلام فاکتور چاپی، عکس آن را به سیستم می‌دهد.

سیستم فاکتور را به سند تبدیل می‌کند و از شرح اقلام، حساب متناظر را هم تشخیص می‌دهد؛ مثلاً خرید شیرینی و میوه را به هزینه تشریفات می‌برد. • جلسات فروش: صدای جلسه با مشتری بارگذاری، خلاصه و به بینش برای مدیر فروش تبدیل می‌شود؛ داده‌ای که به گفته او پیش‌تر به دلیل دشواری ثبت، عملاً کمتر وارد سیستم نمی‌شد.

• آموزش کاربران: کاربران سؤال‌های آموزشی‌شان را مستقیم از دستیار می‌پرسند و به گفته او مراجعه به پشتیبانی برای مسائل آموزشی بسیار کم شده است. • تحلیل مدیریتی: تحلیل‌های استانداردی که پیش‌تر از لایه هوش تجاری (BI) و با کمک تحلیلگر به دست می‌آمد، حالا در زمان کمتری از خود سیستم استخراج می‌شود.

صادقی‌زاده به مسئله‌ای هم اشاره می‌کند که به حکمرانی داده برمی‌گردد. به گفته او، عادت بعضی کاربران در سال‌های اخیر این بوده که خروجی اکسل سیستم را برای تحلیل به نرم‌افزارهای هوش مصنوعی همچون ChatGPT یا gemini بدهند؛ یعنی داده‌های سازمانی به مدل‌های زبانی بیرون از مرزهای کشور می‌رفت.

او می‌گوید تحلیل‌های هوشمند آیند روی بستر ابری ابرآمد، که داده مشتریان روی آن میزبانی می‌شود، ارائه می‌شود و برای کسب‌وکارهایی که این نگرانی را دارند می‌تواند مورد توجه قرار بگیرد. در حال حاضر تعداد مشترکان راهکاران آیند اکنون از ۶۳۰ گذشته است و پراستفاده‌ترین قابلیت هوشمند نزد مشتریان، به گفته این شرکت، دستیار است و پس از آن سند حسابداری هوشمند و فاکتور خرید هوشمند.

تحلیل‌های هوشمند تازه‌تر، مثل تحلیل نقدینگی، تأمین‌کننده و تعامل با مشتری، هم با استقبال روبه‌رو شده‌اند. سازمان شما چقدر آماده است؟

شاخص آمادگی هوش مصنوعی سیسکو، وضعیت سازمان‌ها را در شش حوزه بررسی می‌کند. استراتژی، زیرساخت، داده، حکمرانی، نیروی انسانی و فرهنگ سازمانی.

با همین معیارها می‌توان چند سؤال ساده از خود پرسید تا مشخص شود سازمان شما برای استفاده مؤثر از هوش مصنوعی چقدر آماده‌ است. 1.

استراتژی: می‌دانید هوش مصنوعی قرار است کدام دو یا سه مسئله مشخص کسب‌وکارتان را حل کند، و این در نقشه راهی مکتوب آمده است؟ 2.

داده: داده‌های اصلی مالی، فروش و انبار در یک سامانه یکپارچه و قابل اعتماد است، نه در فایل‌های پراکنده؟ 3.

زیرساخت: شبکه و زیرساخت ابری شما بار کارهای هوش مصنوعی را تحمل می‌کند، و برای قطعی ارتباط برنامه جایگزین دارید؟ 4.

حکمرانی: قاعده‌ای روشن دارید که چه داده‌ای را می‌شود به ابزار هوش مصنوعی سپرد و چه کسی مسئول خروجی آن است؟ 5.

نیروی انسانی: هر پروژه هوش مصنوعی مالک مشخص دارد و کارکنان برای کار با آن آموزش دیده‌اند؟ 6.

فرهنگ و تغییر: برنامه‌ای دارید که فرایندها، و نه فقط ابزارها، را با هوش مصنوعی بازطراحی کند؟ اگر پاسخ پرسش‌های دوم و ششم منفی است، احتمالاً خرید ابزار تازه قدم اول نیست؛ قدم اول مرتب کردن داده و فرایند است.

جمع‌بندی داده‌های جهانی و ایرانی در یک نقطه به هم می‌رسند. سازمان‌ها از هوش مصنوعی استفاده می‌کنند، اما معدودی از آن ارزش می‌گیرند.

و فاصله این دو را ابزار تعیین نمی‌کند، داده، فرایند و آمادگی سازمان تعیین می‌کند. رویداد «باهم ۱۴۰۵» همکاران سیستم، از ۶ تا ۹ آبان در سالن ۴۱ نمایشگاه بین‌المللی تهران، فرصتی است برای آشنایی با نمونه‌های کاربرد هوش مصنوعی در نرم‌افزارهای سازمانی و بررسی پیش‌نیازهای استفاده مؤثر از آن.

از اینجا می‌توانید با این رویداد بیشتر آشنا شوید و از این لینک برای ثبت‌نام در کارگاه‌ها استفاده کنید. نویسنده: ترانه رسولیان