همه‌ی اخبار

مدیر مرکز نوآوری علم داده: تحول دیجیتال صنایع از مدیریت داده و شناخت مسئله آغاز می‌شود

ایسناتک‌منبع

مدیر مرکز نوآوری علم داده با تأکید بر اینکه استفاده از هوش مصنوعی به‌تنهایی به تحول دیجیتال منجر نمی‌شود، گفت: شناخت مسائل واقعی کسب‌وکار، مدیریت و حکمرانی داده و آمادگی فرهنگی سازمان‌ها، سه پیش‌نیاز اصلی بهره‌گیری از فناوری‌های نوین برای خلق ارزش اقتصادی هستند.

مسعود مظلوم سه‌شنبه ۲۶ آبان‌ماه، در دومین همایش هوش مصنوعی صنعتی که در دانشکده مهندسی دانشگاه فردوسی مشهد برگزار شد، با اشاره به قرار گرفتن صنایع در عصر داده و هوش مصنوعی اظهار کرد: حرکت سازمان‌ها به سمت خلق ارزش‌های جدید با استفاده از داده و هوش مصنوعی، مستلزم تغییرات بنیادین در ساختار و فرایندهای سازمانی است که از آن با عنوان تحول دیجیتال یاد می‌شود.

وی با بیان اینکه تحول دیجیتال نباید صرفاً با ورود فناوری‌های جدید آغاز شود، افزود: نقطه شروع این فرایند، شناخت مدل کسب‌وکار و چالش‌های اصلی سازمان است. ابتدا باید مسائل و نیازهای صنعت شناسایی و سپس مشخص شود که آیا برای حل آن‌ها به داده و هوش مصنوعی نیاز داریم یا خیر.

مظلوم با تشریح زنجیره چالش تا ارزش در تحول دیجیتال ادامه داد: ابتدا باید مسائل سازمان مشخص شوند، سپس مسائل قابل حل با داده و هوش مصنوعی شناسایی و داده‌ها، زیرساخت‌ها و الگوریتم‌های موردنیاز برای حل آن‌ها تعیین شوند تا در نهایت، حل مسئله به خلق ارزش اقتصادی منجر شود.

مدیر مرکز نوآوری علم داده با اشاره به دو اصل مهم در شناسایی مسائل کسب‌وکار بیان کرد: باید فرایندهایی را شناسایی کنیم که بهینه‌سازی آن‌ها به سودآوری بیشتر و کاهش هزینه‌ها و ضایعات منجر می‌شود. افزایش سود، گردش مالی، رضایتمندی و میزان تولید در کنار کاهش هزینه‌ها، نارضایتی و ضایعات، از شاخص‌های مهم این مسیر هستند.

وی افزود: هر سازمان باید نقاط درآمدزایی و بخش‌هایی را که بیشترین هزینه را به آن تحمیل می‌کنند، شناسایی کند. همچنین همه مسائل ارزش حل کردن ندارند و باید نسبت هزینه حل مسئله به ارزشی که ایجاد می‌کند، مورد ارزیابی قرار گیرد.

مقاومت سازمانی؛ مانعی در مسیر تحول دیجیتال

مظلوم با بیان اینکه نخستین چالش تحول دیجیتال، مقاومت فرهنگی درون سازمان‌هاست، گفت: یکی از دلایل موفق نبودن برخی سازمان‌ها در این حوزه، مقاومت در برابر استفاده از داده و هوش مصنوعی است؛ زیرا داده شفافیت ایجاد می‌کند و اگر این شفافیت برای سازمانی مطلوب نباشد یا به زیان آن تمام شود، احتمال مقاومت در برابر تغییر افزایش می‌یابد.

وی با اشاره به کتاب «موجی که می‌آید» اثر مصطفی سلیمان، مدیرعامل پیشین دیپ‌مایند، اظهار کرد: موج هوش مصنوعی از فناوری‌هایی نیست که بتوان درباره همراهی با آن تصمیم گرفت؛ این موج به حرکت خود ادامه می‌دهد و سازمان‌ها باید خود را با آن همراه کنند، در غیر این صورت ممکن است از سوی رقبایی که زودتر وارد این مسیر شده‌اند، کنار گذاشته شوند.

مدیر مرکز نوآوری علم داده تأکید کرد: برای عبور از این چالش باید استراتژی مشخصی در حوزه مدیریت تغییر، فرهنگ سازمانی، آموزش و ارتقای مهارت کارکنان تدوین شود تا نیروی انسانی آمادگی لازم برای همراهی با تحولات دیجیتال را پیدا کند.

حکمرانی داده؛ پیش‌نیاز خلق ارزش از اطلاعات

مظلوم با اشاره به چالش داده در مسیر تحول دیجیتال بیان کرد: داده تنها زمانی می‌تواند خلق ارزش کند که به‌درستی مدیریت شود و برای آن استراتژی مشخصی وجود داشته باشد. حکمرانی داده به این معناست که سازمان از کیفیت و امنیت داده‌های خود اطمینان داشته باشد و برای استفاده، به‌روزرسانی و اشتراک‌گذاری آن‌ها سیاست‌گذاری مشخصی انجام دهد.

وی با تأکید بر ضرورت ایجاد تصویری جامع از داده‌های سازمان‌ها افزود: یکی از مشکلات صنایع، نگاه جزیره‌ای به داده‌هاست؛ به‌گونه‌ای که اطلاعات موردنیاز برای حل یک مسئله ممکن است در واحدهای مالی، منابع انسانی، تولید و انبار پراکنده باشد. در چنین شرایطی، اتکا به داده‌های یک واحد نمی‌تواند تصویر کاملی از مسئله ارائه دهد.

مدیر مرکز نوآوری علم داده با اشاره به داستان فیل مولانا برای توضیح این موضوع خاطرنشان کرد: همان‌طور که نمی‌توان تنها با لمس خرطوم یا پای فیل درباره تمام آن قضاوت کرد، در سازمان نیز برای حل مسائل باید تمام داده‌های مرتبط در کنار یکدیگر قرار گیرند.

وی مفهوم «داده به‌عنوان محصول» را از دیگر موضوعات مهم در این حوزه دانست و گفت: داده باید مانند یک محصول و دارایی ارزشمند، به‌طور مستمر پایش، پاک‌سازی و به‌روزرسانی شود. همچنین در برخی کشورها بازارگاه‌های داده شکل گرفته‌اند که سازمان‌ها می‌توانند با رعایت سیاست‌ها و سطوح دسترسی مشخص، داده‌های قابل‌اعتماد خود را در آن‌ها عرضه کنند و از این طریق به درآمدزایی برسند.

حکمرانی هوش مصنوعی و ضرورت استفاده هدفمند از فناوری

مظلوم با اشاره به پیشرفت‌های هوش مصنوعی از یادگیری ماشین تا مدل‌های مولد و هوش مصنوعی عاملی اظهار کرد: فناوری‌های جدید اکنون علاوه بر پاسخ‌گویی به پرسش‌ها، قابلیت ورود به فرایندهای سازمانی و اجرای زنجیره‌ای از فعالیت‌ها را نیز دارند؛ بنابراین استفاده از آن‌ها به سیاست‌گذاری و نظارت مشخص نیاز دارد.

وی افزود: اگر هوش مصنوعی بدون چارچوب مشخص توسعه پیدا کند، ممکن است مشکلاتی برای سازمان‌ها ایجاد شود. برای مثال، باید مشخص باشد در صورت ارائه تصمیم اشتباه از سوی یک مدل هوش مصنوعی چه مسئولیتی وجود دارد و چگونه می‌توان از بروز سوگیری در تصمیم‌های الگوریتمی جلوگیری کرد.

مدیر مرکز نوآوری علم داده با تأکید بر ضرورت تدوین سه راهبرد اصلی در سازمان‌ها تصریح کرد: استراتژی مدیریت تغییر، استراتژی داده و استراتژی هوش مصنوعی باید در کنار یکدیگر تدوین و اجرا شوند تا زمینه بهره‌وری و ارزش‌آفرینی از فناوری فراهم شود.

شناخت کسب‌وکار، داده و هوش مصنوعی؛ سه پیش‌نیاز تحول

مظلوم با اشاره به سه نوع شناخت ضروری برای ورود موفق به حوزه تحول دیجیتال گفت: نخست باید کسب‌وکار، مدل فعالیت و عوامل مؤثر بر سودآوری آن را شناخت تا مسائل واقعی و ارزش‌آفرین به‌درستی تعریف شوند. مسئله‌یابی در بسیاری از مواقع دشوارتر از حل مسئله است و هر مشکلی نیز الزاماً به استفاده از داده و هوش مصنوعی نیاز ندارد.

وی شناخت داده را دومین مؤلفه دانست و افزود: باید ویژگی‌ها و ابعاد داده‌های موجود و محل استفاده از آن‌ها را شناخت؛ زیرا هر داده‌ای الزاماً برای خلق ارزش مناسب نیست.

مدیر مرکز نوآوری علم داده با اشاره به ضرورت شناخت قابلیت‌ها و محدودیت‌های هوش مصنوعی به‌عنوان سومین مؤلفه اظهار کرد: گاهی یک مسئله با حذف یک مرحله از فرایند، تغییر یک استاندارد یا انجام تحلیلی ساده برطرف می‌شود و نیازی به استفاده از هوش مصنوعی نیست. این فناوری پرهزینه است و نباید صرفاً برای نشان دادن استفاده از فناوری‌های جدید به کار گرفته شود.

مظلوم با اشاره به رویکرد همایش‌های صنعتی هوش مصنوعی برای انتقال تجربه‌های عملی صنعتگران بیان کرد: هدف این است که متخصصان علم داده و توسعه‌دهندگان هنگام ورود به محیط صنعت، با اقدامات ضروری و خطاهایی که باید از آن‌ها پرهیز کنند آشنا شوند. انتقال تجربه‌های واقعی، موفقیت‌ها و اشتباهات صنایع می‌تواند مسیر استفاده درست از داده و هوش مصنوعی را برای فعالان این حوزه روشن‌تر کند.

راستی‌آزماییتک‌منبع۳۶٪

تا این لحظه منبع مستقل دیگری این خبر را منتشر نکرده است.

بررسی خودکار: مقایسه با خبرهای ۷۲ ساعت اخیر منابع دیگر و اعتبار پایه‌ی منبع؛ جایگزین داوری انسانی نیست.

منبع: ایسنا