هوش مصنوعی، معضل سازمان یا ابزار مکمل

هوش مصنوعی یا توسعه سیستم‌های کامپیوتری و یادگیری ماشینی برای تقلید از قابلیت‌های حل مسئله و تصمیم‌گیری هوش انسانی، مجموعه‌ای از فرآیندهای تجاری را تحت تاثیر قرار می‌دهد. سازمان‌ها از هوش مصنوعی (AI) برای تقویت تجزیه و تحلیل داده‌ها و تصمیم‌گیری، بهینه‌سازی عملکردهای تجاری، بهبود تجربیات مشتری، تولید محتوا، بهینه‌سازی عملیات فناوری اطلاعات، فروش، بازاریابی و شیوه‌های امنیت سایبری، افزایش بهره‌وری کارکنان و افزایش ارزش کسب‌وکار استفاده می‌کنند. با بهبود و تکامل فناوری‌های هوش مصنوعی، برنامه‌های کاربردی تجاری جدید ظهور می‌کنند.

هوش مصنوعی به عنوان ابزاری برای حمایت از نیروی انسانی در بهینه سازی گردش کار و کارآمدتر کردن عملیات تجاری استفاده می شود. این دستاوردها به روش‌های مختلفی از جمله استفاده از هوش مصنوعی برای خودکارسازی وظایف تکراری، تولید اطلاعات بر اساس الگوریتم‌های یادگیری ، پردازش سریع حجم وسیعی از مجموعه‌های داده و استخراج بینش‌های معنادار و پیش‌بینی نتایج آینده بر اساس تحلیل داده‌ها به دست می‌آیند. سیستم‌های هوش مصنوعی انواع مختلفی از اتوماسیون کسب‌وکار، از جمله اتوماسیون سازمانی و اتوماسیون فرآیند را تامین می‌کنند، که به کاهش خطای انسانی و آزادسازی نیروی انسانی برای کارهای سطح بالاتر کمک می‌کند.

به گفته McKinsey & Company، استفاده از هوش مصنوعی در برنامه های تجاری و عملیاتی از سال 2017 دو برابر شده است. این عمدتا به این دلیل است که فناوری هوش مصنوعی را می توان برای رفع نیازهای منحصر به فرد سازمان سفارشی کرد. 63 درصد از پاسخ دهندگان مک کینزی انتظار دارند سرمایه گذاری آنها در فناوری های هوش مصنوعی طی سه سال آینده افزایش یابد. برای استفاده از هوش مصنوعی در یک استراتژی تجاری مؤثر، یک سازمان باید درک روشنی از عملکردهای تجاری خود، نحوه عملکرد هوش مصنوعی و جنبه های آن داشته باشد چرا که کسب و کار را می توان از طریق پیاده سازی هوش مصنوعی بهبود بخشید.

در حالی که استفاده از ابزارهای هوش مصنوعی برای خودکارسازی وظایف تکراری و افزایش بهره‌وری کارکنان همچنان رایج است، کسب‌وکارها نیز از این موارد استفاده فراتر می‌روند و از هوش مصنوعی برای کمک به ابتکارات استراتژیک سطح بالاتری استفاده می‌کنند که به افزایش ارزش تجاری کمک می‌کند.

هوش مصنوعی چیست؟

هوش مصنوعی، «علم و مهندسی ساخت ماشین‌های هوشمند، به‌ویژه برنامه‌های رایانه‌ای هوشمند»، از حجم زیادی از داده‌ها و دانش انسانی برای تقویت سیستم‌های رایانه‌ای با قابلیت دسته‌بندی داده‌ها، پیش‌بینی، شناسایی خطاها، گفتگو و تحلیل استفاده می‌کند. اطلاعات به روشی همانند انسان!

یکی از اهداف هوش مصنوعی ایجاد سیستم های کامپیوتری است که بتواند مهارت های تفکر انتقادی انسان ها را تقلید کند. این سیستم ها بر داده های تجاری متکی هستند و از فناوری هایی مانند پردازش زبان طبیعی (NLP)، یادگیری ماشینی (ML) و یادگیری عمیق برای تسهیل عملیات تجاری استفاده می کنند. ادغام هوش مصنوعی در عملکردهای تجاری مستلزم درک پایه ای از مؤلفه های زیر است:

الگوریتم های یادگیری ماشینی

این الگوریتم ها زیرمجموعه ای از هوش مصنوعی هستند و برای پیش بینی یا طبقه بندی بر اساس داده های ورودی استفاده می شوند. از طریق مجموعه داده‌های آموزشی، این الگوریتم‌ها می‌توانند یاد بگیرند که الگوها را شناسایی کنند، ناهنجاری‌ها را کشف کنند یا پیش‌بینی‌هایی مانند درآمد فروش آینده انجام دهند. الگوریتم‌های یادگیری به استخراج مجموعه داده‌های بزرگ برای بینش‌های کلیدی کمک می‌کنند که می‌تواند مزایای دنیای واقعی را برای تصمیم‌گیری‌های تجاری بهبودیافته ارائه دهد. الگوریتم‌های یادگیری ماشینی از داده‌های برچسب‌گذاری شده سود می‌برند، داده‌هایی که یک متخصص انسانی قبل از پردازش آن‌ها را دسته‌بندی می‌کند.

یادگیری عمیق

یادگیری عمیق زیر مجموعه ای از یادگیری ماشینی است که امکان اتوماسیون وظایف را بدون دخالت انسان فراهم می کند. دستیارهای مجازی، چت بات ها، تشخیص چهره و فناوری پیشگیری از کلاهبرداری همگی بر یادگیری عمیق تکیه دارند. با بررسی داده های مرتبط با رفتار کاربر، مدل های یادگیری عمیق می توانند پیش بینی هایی در مورد رفتار آینده داشته باشند. در مقایسه با یادگیری ماشینی عمومی، مدل‌های یادگیری عمیق می‌توانند با دقت بیشتری اطلاعات را از داده‌های ساختار نیافته مانند متن و تصاویر استخراج کنند و نیازی به دخالت انسانی زیادی ندارند.

پردازش زبان طبیعی (NLP)

پردازش زبان طبیعی شاخه‌ای از هوش مصنوعی است که رایانه‌ها و دستگاه‌های دیجیتال را قادر می‌سازد تا متن و گفتار را تشخیص دهند، درک کنند و حتی تولید کنند. NLP که با استفاده از الگوریتم‌های یادگیری ماشین و مدل‌های یادگیری عمیق شکل میگیرد، به سیستم‌ها اجازه می‌دهد تا بینش‌هایی را از داده‌های بدون ساختاری که مبتنی بر متن یا صدا هستند استخراج کنند. ربات‌های گفتگوی پشتیبانی مشتری، دستیارهای دیجیتال و فناوری‌های صوتی مانند سیستم‌های GPS همگی توسط NLP پشتیبانی می‌شوند.

بصیرت کامپیوتری

بینایی کامپیوتری نیز جزوی از هوش مصنوعی است که به سیستم‌های رایانه‌ای اجازه می‌دهد اطلاعات را از تصاویر دیجیتال، ویدئوها و سایر ورودی‌های بصری استخراج کنند. بینایی کامپیوتری از الگوریتم‌های یادگیری عمیق و یادگیری ماشین برای یادگیری و شناسایی عناصر خاص تصویر دیجیتال استفاده می‌کند. بینایی کامپیوتر در حال حاضر به روش‌های مختلفی اعمال می‌شود و با پیشرفت فناوری، کاربردها در حال گسترش هستند. به عنوان مثال، بینایی کامپیوتری را می توان در خطوط تولید پیاده سازی کرد تا عیوب جزئی را در طول فرآیند تولید شناسایی کند.

اجرا و استفاده از هوش مصنوعی در سازمان ها می تواند به رهایی نیروی انسانی از وظایف دستی تکراری، بهبود تجزیه و تحلیل داده ها، استراتژی کسب و کار و تصمیم گیری و بهینه سازی فرآیندها در سطح سازمان کمک کند. برای انجام این کار، شرکت ها باید زیرساختی داشته باشند که داده ها را به درستی مدیریت کند و از فناوری هوش مصنوعی پشتیبانی کند. داشتن یک چارچوب حاکمیت داده قوی به حفظ داده های در دسترس همه ذینفعان مرتبط و ایمن نگه داشتن آنها از درز کردن کمک می کند. همچنین به ترویج استفاده از تجزیه و تحلیل داده های پیشرفته کمک می کند. بخشی از این چارچوب شامل تحول دیجیتال و ادغام محیط های ابری ترکیبی و چند ابری برای کمک به مدیریت حجم زیادی از داده است. هنگامی که این سیستم ها مستقر شدند، یک سازمان می تواند استخراج داده ها را برای بینش و ساخت مدل های آموزشی برای آموزش فناوری های هوش مصنوعی آغاز کند.

اشکال استفاده از هوش مصنوعی در سازمان

با ورود فناوری‌های جدید به بازار و بهبود فناوری‌های موجود، کاربردهای احتمالی هوش مصنوعی در تجارت بیشتر می‌شود. مزایای هوش مصنوعی متفاوت است و نیازمند ادغام فناوری ها و نیروی انسانی برای بهبود کارایی عملیاتی و افزایش ارزش کسب و کار است.

برخی از نمونه هایی که استفاده از هوش مصنوعی در تجارت را نشان می دهد عبارتند از:

عملیات فناوری اطلاعات

شامل تمرین استفاده از هوش مصنوعی، یادگیری ماشین و مدل‌های پردازش زبان طبیعی برای ساده‌سازی عملیات فناوری اطلاعات و مدیریت خدمات است. عملیات فناوری اطلاعات به تیم های فناوری اطلاعات اجازه می دهد تا به سرعت مقادیر زیادی از داده ها را غربال کنند و مدت زمان لازم برای شناسایی ناهنجاری ها، عیب یابی خطاها و نظارت بر عملکرد سیستم های فناوری اطلاعات را کاهش دهند. هوش مصنوعی به تیم‌های فناوری اطلاعات کمک می‌کند تا دستاوردهای بیشتری داشته باشند.

بازاریابی و فروش

داده ها و اطلاعات مشتریان به تیم های بازاریابی کمک می کند تا با شناسایی روندها و الگوهای هزینه، استراتژی های بازاریابی را توسعه دهند. ابزارهای هوش مصنوعی به پردازش این مجموعه داده های بزرگ برای پیش بینی روند هزینه های آینده و انجام تجزیه و تحلیل رقبا کمک می کند و به سازمان این امکان را میدهد تا درک عمیق تری از جایگاه خود در بازار به دست آورد. ابزارهای هوش مصنوعی امکان تقسیم بندی بازاریابی را فراهم می کند، استراتژی که از داده ها برای تنظیم کمپین های بازاریابی برای مشتریان خاص بر اساس علایق آنها استفاده می کند. تیم های فروش می توانند از همین داده ها برای ارائه توصیه های محصول بر اساس تجزیه و تحلیل مشتری استفاده کنند.

خدمات مشتریان

هوش مصنوعی به کسب و کارها این امکان را می دهد تا خدمات مشتریان 24 ساعته و زمان پاسخگویی سریعتر را ارائه دهند که به بهبود تجربه مشتری کمک می کند. چت بات های مجهز به هوش مصنوعی می توانند به مشتریان کمک کنند تا سوالات ساده را بدون نیاز به عامل انسانی حل کنند. این توانایی به نیروی کار خدمات مشتریان اجازه می دهد تا به مسائل پیچیده تری رسیدگی کند.

تولید محتوا

هوش مصنوعی (GenAI) یک زمینه رو به رشد است که به سازمان ها کمک می کند تولید محتوا را بهینه کنند. ابزارهایی مانند ChatGPT ابزارهای قدرتمندی را برای ایجاد محتوای اصلی در اختیار تیم های محتوا قرار می دهد. طراحان و نویسندگان می‌توانند از این خروجی‌های هوش مصنوعی برای کمک به بارش فکری، طرح کلی و سایر وظایف پروژه استفاده کنند. گارتنر تخمین می‌زند که تا سال 2025 از هوش مصنوعی مولد برای ایجاد 30 درصد از محتوای بازاریابی خارجی استفاده می‌شود، در حالی که در سال 2022 این میزان 2 درصد بود.

البته تولید محتوای هوش مصنوعی هنوز تا حد زیادی غیرقانونی است و کارمندان باید به استفاده از هوش مصنوعی در تولید محتوا برای جلوگیری از نقض حق چاپ، انتشار اطلاعات نادرست یا سایر اقدامات تجاری غیراخلاقی نظارت کنند.

امنیت سایبری

از ابزارهای هوش مصنوعی می توان برای بهبود امنیت شبکه، تشخیص ناهنجاری، تشخیص تقلب و کمک به جلوگیری از درز داده ها استفاده کرد. افزایش استفاده از فناوری در محل کار فرصت های بیشتری برای رخنه امنیت ایجاد می کند. برای خنثی کردن تهدیدات و حفاظت از داده های سازمانی و مشتریان، سازمان ها باید در تشخیص ناهنجاری ها فعال باشند. برای مثال، مدل‌های یادگیری عمیق را می‌توان برای بررسی مجموعه‌های بزرگ داده‌های ترافیک شبکه و شناسایی رفتارهایی که ممکن است نشانه حمله به شبکه باشد، استفاده کرد.

نقض داده ها می تواند پرهزینه باشد و اعتماد مشتری را از بین ببرد. گزارش IBM Cost of a Data Breach در سال 2023 نشان می دهد که میانگین پس انداز سازمان هایی که به طور گسترده از هوش مصنوعی امنیتی و اتوماسیون استفاده می کنند در مقایسه با سازمان هایی که این کار را نمی کنند، 1.76 میلیون دلار است.

مدیریت زنجیره تامین

کاربرد هوش مصنوعی در مدیریت زنجیره تامین به شکل تجزیه و تحلیل آینده نگر است که به پیش‌بینی قیمت‌گذاری آینده هزینه‌های حمل و نقل و مواد کمک می‌کند. تجزیه و تحلیل آینده نگر همچنین به سازمان ها کمک می کند تا سطوح مناسبی از موجودی را حفظ کنند و این باعث کاهش تنگناها یا انباشت بیش از حد محصولات می شود.

مزایا و چالش های استفاده از هوش مصنوعی در سازمان

مزایای هوش مصنوعی در سازمان

همانطور که قبلا اشاره شد استفاده از هوش مصنوعی در محیط کسب و کار می تواند برای کارکنان و سازمان مفید باشد و در نتیجه عملکرد بهتر، بهینه سازی هزینه، فرصت های شغلی جدید و تجربه کاری بهتر را به همراه دارد.

افزایش بهره وری

تصمیم گیری مبتنی بر داده، عملکرد سازمانی را بهبود می بخشد. مدیران می توانند زمان بیشتری را صرف مشاوره و مراقبت از تیم خود کنند، فروشندگان می توانند زمان بیشتری از روز کاری خود را به ایجاد روابط با مشتریان و بستن معاملات اختصاص دهند و متخصصان بازاریابی می توانند زمانی را برای ابداع محصولات جدید بیابند.

کاهش هزینه

طبق گزارش 2023Bain & Company  ،اتوماسیون هوشمند منجر به تمرکز بیشتر بر کارهای با ارزش تر، مانند حل مسئله، خلاقیت، و ارتباطات بین فردی و کاهش 21٪ تا 30٪ هزینه ها می شود.

مشاغل جدید

مجمع جهانی اقتصاد تخمین زده است که تا سال 2025، اتوماسیون مبتنی بر هوش مصنوعی می تواند 97 میلیون شغل جدید در مشاغل مختلف مانند تحلیلگران و دانشمندان داده، متخصصان توسعه کسب و کار، متخصصان تحول دیجیتال و غیره ایجاد کند. در زمانی که نگرانی زیادی وجود دارد که هوش مصنوعی مشاغل را از بین می‌برد، داده‌ها نتایج دیگری را نشان می‌دهند بطوری که کارمندان بیشتر از اینکه نگران از دست دادن شغل باشند مشتاق هستند که هوش مصنوعی حجم کاری آنها را کاهش دهد.

رضایت کارکنان

کارمندانی که از هوش مصنوعی در زندگی روزمره خود استفاده می کنند، معتقدند که می توانند به جای صرف بیشتر وقت خود برای کارهای تکراری، زمان خود را دوباره به فعالیت های خلاقانه اختصاص دهند و در نتیجه رضایت و بهره وری خود را افزایش دهند.

تصمیم گیری

اتخاذ تجزیه و تحلیل مبتنی بر هوش مصنوعی در به حداقل رساندن سوگیری های انسانی و تأثیر آنها بر محل کار و مشاغل کمک می کند، دراین حالت گرفتن تصمیمات مبتنی بر داده آسان تر است.

کاهش ریسک

هوش مصنوعی از طریق تشخیص و پیش‌بینی ناهنجاری از کارها در برابر ریسک عملیاتی محافظت می‌کند و احتمال خرابی و بلایای متعاقب آن را به حداقل می‌رساند. همچنین می‌تواند نشانه‌های خستگی یا ناراحتی روانی را برای راه‌اندازی ابتکارات حمایتی خاص شناسایی کند.

چالش ها و دستورالعمل ها برای به کارگیری هوش مصنوعی در سازمان

اگر شرکت‌ها انتظار دارند با پیاده‌سازی هوش مصنوعی در هزینه‌های خود صرفه‌جویی کنند، نگرانی اصلی سرمایه‌گذاری‌های لازم برای راه‌اندازی هوش مصنوعی خواهد بود. یکی از حوزه‌هایی که اغلب نادیده گرفته می‌شود، مؤلفه داده است، جایی که آنها باید اطمینان حاصل کنند که داده‌های کافی برای تصمیم‌گیری هوش مصنوعی جمع‌آوری و پردازش می‌شوند.

امنیت سایبری یکی دیگر از چالش‌های غیرمنتظره است. این دلگرم‌کننده است که ببینیم شرکت‌ها فکر خود را در مورد امنیت تغییر می‌دهند و آن را بیشتر به عنوان ملاحظات اولیه در نظر می‌گیرند. با این حال، هر فناوری جدید مجموعه جدیدی از خطرات امنیت سایبری را به همراه دارد و از آنجایی که سازمان ها برای موفقیت به فرآیندهای دیجیتالی تکیه می کنند، شرکتها باید به ایجاد مهارت های امنیتی یا جستجوی شرکای جدید با تخصص امنیتی بیشتر در زمینه های نوظهور ادامه دهند. راه‌حل‌های هوش مصنوعی می‌توانند اطلاعات حساسی مانند داده‌های تراکنش‌های مالی، مالکیت معنوی یا اسرار تجاری را مدیریت کنند که می‌توانند هدف کلاهبرداری، هک و درز اطلاعات شوند. بنابراین، شرکت‌ها باید با ویژگی‌های امنیت سایبری مانند مدیریت هویت و دسترسی، احراز هویت چندعاملی، نظارت بر فعالیت کاربر و تبادل داده‌های رمزگذاری‌شده با استفاده از پروتکل‌های رمزنگاری محافظت شوند.

جست‌وجوی متخصص سومین چالش بزرگی است که شرکت‌ها انتظار دارند در دوره هوش مصنوعی با آن مواجه شوند. با توجه به وضعیت استخدام در حیطه فناوری که در آن تقاضا در چندین زمینه از عرضه پیشی می‌گیرد، به نظر می‌رسد که داشتن مهارت‌های هوش مصنوعی به زودی به یک عامل کلیدی تبدیل خواهد شد. با این حال، همه مهارت های هوش مصنوعی برابر نیستند. شرکت‌هایی که روی هوش مصنوعی کار می‌کنند به دنبال طراحانی هستند که آخرین الگوریتم‌های یادگیری ماشینی را درک کنند. سایر شرکت ها به دنبال کمک برای عیب یابی سیستم های هوش مصنوعی یا تفسیر نتایج هوش مصنوعی خواهند بود. در واقع، پشتیبانی و عیب‌یابی هوش مصنوعی بالاترین حوزه‌ای است که کسب‌وکارها انتظار دارند با آن تعامل داشته باشند، به طوری که 65 درصد از شرکت‌هایی که به دنبال کمک‌های هوش مصنوعی شخص ثالث هستند، این وظیفه را هدف قرار می‌دهند.

پیاده‌سازی راه‌حل‌های ارائه شده توسط هوش مصنوعی می‌تواند تأثیر زیادی داشته باشد، اما به دلیل نیاز به ظرفیت پردازش و زمان‌های طولانی آموزش الگوریتم، می‌تواند زمان‌بر و از نظر نیازمند حمایت مالی باشد. تصمیم‌گیری در مورد اینکه آیا هوش مصنوعی ارزش سرمایه‌گذاری را دارد یا به سازمان در بازگشت سرمایه کمک میکند و اطمینان از خرید سهامداران و مدیران اجرایی نسبت به فناوری‌های معمول را ایجاد میکند، اهمیت دارد. هوش مصنوعی می تواند برای خودکارسازی وظایف تکراری، تصمیم گیری بر اساس داده ها، بهبود تجربه مشتری و ارتقای همکاری بین تیم ها استفاده شود.

مثالهایی عینی از استفاده هوش مصنوعی در سازمانها

هوش مصنوعی در حال حاضر کسب‌وکارها را در صنایع مختلف متحول کرده است. احتمالاً خود شما نیز از آن در تجارت یا هنگام استفاده از برنامه‌هایی مانند رسانه‌های اجتماعی یا موتورهای جستجو استفاده کرده‌اید. چه عمداً از هوش مصنوعی استفاده کرده باشید یا خیر، تأثیر آن قابل انکار نیست و طیف وسیعی از فرصت‌ها و مزایای آن را برای کسب‌وکارها در سطح جهانی ارائه می‌کند. بیایید به چند نمونه از هوش مصنوعی در تجارت نگاهی بیندازیم.

هوش مصنوعی در خرده فروشی، استارباکس

غول قهوه خانه یا کافی هوس، استارباکس، از قدرت هوش مصنوعی برای بهبود فرآیند سفارش مشتریان خود استفاده کرده است. در طول سال‌ها، استارباکس ایده برداشت یک قهوه را از یک معامله ساده به یک تجربه تبدیل کرده است. آنها تعهد خود را به ارائه بهترین خدمات به مشتریان از طریق مواردی مانند مثال های زیر نشان داده اند:

• آموزش باریستا فراتر از نوشیدنی سازی است تا نحوه ارتباط با مشتریان را در بر بگیرد.
• ارائه خدمات شخصی به هر مشتری، از انتخاب های گسترده شیر، تا ارائه خدمات به هر مشتری با نام.
• سرمایه گذاری روی تجربه کارکنان خود، از طریق ارائه مزایا و پرورش یک محل کار حامی.
• پذیرش فناوری برای ساده کردن خدمات خود و ارائه تجربیات جدید برای مشتریان خود.

این تعهدی است که باعث شده تجارت آنها به اندازه عظیمی که امروزه با تقریباً 36000 فروشگاه در سراسر جهان می شناسیم، رشد کند.

آنها همیشه یک قدم جلوتر، در سال 2017 My Starbucks Barista را معرفی کردند که به مشتریان اجازه می‌دهد با یک دستیار مجازی مجهز به هوش مصنوعی چت کنند تا سفارش خود را از طریق صوتی یا متنی ثبت کنند. سپس مشتری می تواند به استارباکس محلی خود برسد و سفارش خود را که آماده است و در انتظار اوست تحویل بگیرد و نیازی به ایستادن در صف را از بین ببرد. علاوه بر این، استارباکس پلتفرم هوش مصنوعی و ML (یادگیری ماشینی) خود را با نام Deep Brew در سال 2019 راه اندازی کرد تا به ایجاد تجربیاتی برای مشتری کمک کند که حتی شخصی تر باشد، تخصیص فروشگاه را بهینه کند و موجودی را مدیریت کند. تا کنون، Deep Brew تجارب رانندگی و کارهای زمان‌بر خودکار، مانند مدیریت موجودی و نگهداری پیشگیرانه در دستگاه‌های اسپرسوساز متصل به اینترنت اشیا، را بهبود بخشیده است.

اکنون، ممکن است به نظر برسد که استارباک در تلاش است تا از طریق استفاده از هوش مصنوعی، ارتباط انسانی در کسب و کار خود را کاهش دهد، که در تضاد با کل مدل کسب‌وکار آن‌ها در ارائه خدمات شخصی و ایجاد فضایی دوستانه با تعاملات مثبت است. این هدف پلتفرم Deep Brew آنها نیست. Deep Brew بیشتر شبیه به یک دستیار فوق العاده برای باریستاهای Starbuck طراحی شده است تا با:

• خودکارسازی کارهای وقت گیر
• سازماندهی سفارشات برای تکمیل موجودی
• پیش بینی نیازهای پرسنلی و ایجاد برنامه
• تعمیر و نگهداری پیش‌بینی‌شده دستگاه قهوه‌ساز

در صرفه جویی زمان با ارزش کارکنان که می تواند برای ارائه تجربیات ارزشمند مشتری سرمایه گذاری شود، کمک کند.

هوش مصنوعی در سفر، هیلتون

آن ربات هایی را که قبلاً ذکر کردیم را به خاطر دارید؟ خب، هتل های زنجیره ای، هیلتون، نمونه خوبی است از اینکه چگونه کسب و کارها از هوش مصنوعی و فناوری روباتیک پیشرفته برای ایجاد اضافات نوآورانه در خدمات خود استفاده می کنند. در سال 2016، هیلتون ربات نگهبان خود را به نام Connie معرفی کرد تا به سؤالات مهمانان در مورد ویژگی های هتل و جاذبه های محلی پاسخ دهد و همچنین توصیه هایی برای اقامت آنها ارائه دهد. Connie با همکاری غول فناوری، IBM و دانش حوزه ابزارهای کاربردی از برنامه شاخص هوش مصنوعی آنها، Watson و متخصصان هوش مصنوعی WayBlazer ایجاد شد. او از پردازش زبان طبیعی برای درک جملاتی که مهمان با او صحبت می کند استفاده می کند و برای ایجاد پاسخ به دانش به دست آمده از داده های IBM و WayBlazer تکیه می کند. Connie به طور مداوم از تعاملات انسانی درس می گیرد و توانایی های خود را بهبود می بخشد. این دستیار با قد دو و نیم فوتی مجهز به هوش مصنوعی می‌تواند دست‌ها و پاهای خود را به حرکت درآورد تا مهمانان را در جهت درست هدایت کند و چشمانش به رنگ‌های مختلف روشن شود تا طیفی از احساسات انسانی را منتقل کند.

مشابه Starbucks و جایگزینی منابع انسانی برای کارهای ساده با هوش مصنوعی برای آزاد کردن زمان، هیلتون Connie را ایجاد کرد تا زمان را برای منابع انسانی در اولویت قرار دهد، نه اینکه همه آن را با هم جایگزین کند. Connie قادر است به سوالات متداول رسیدگی کند، که به کارکنان اجازه می دهد زمان بیشتری برای تمرکز بر مشکلات، پرس و جوها و درخواست های مشتری پیچیده تر داشته باشند. Connie یک پروژه آزمایشی برای مشاهده تأثیر رباتیک و هوش مصنوعی در مدل کسب و کار هیلتون بود و موفقیت آمیز شد، بنابراین آیا این بدان معناست که هیلتون احتمالاً تیم‌هایی از ربات‌های C3-PO را در هتل‌های خود پیاده‌سازی می‌کند؟ نه، آنها روشن کرده اند که تعامل انسانی غیرقابل جایگزینی است و اگر قرار باشد از Connie در هتل هایشان استفاده شود، او به عنوان دستیار کارکنان انسانی آنها در نظر گرفته می شود.

هوش مصنوعی در ارتباطات، شرکت مسافرتی فلیپ فلاپ

مثال کلیدی دیگر از کاربرد عملی هوش مصنوعی در ارتباطات است. هوش مصنوعی توانایی خودکارسازی تماس‌هایی را که مستلزم درخواست‌ها یا پرس‌وجوهای ساده است، برای آزاد کردن وقت نیروی انسانی و همچنین ارائه صف تماس هوشمند فراهم می‌کند که به مشتریان اجازه می‌دهد تا به کانال‌های ارتباطی ساده‌تر دسترسی داشته باشند. این بهینه سازی ارتباطات تجاری از طریق کاهش ناامیدی و ایجاد امکان دسترسی سریعتر به عوامل انسانی برای مشتریانی که واقعاً به آنها نیاز دارند و ارائه پاسخ های سریع از طریق اتوماسیون برای مشتریان با درخواست های ساده، تجارب مشتری را بهبود می بخشد. مقرون به صرفه بودن مزیت بزرگ دیگری است که هوش مصنوعی برای ارتباطات تجاری ارائه می دهد. با صرفه جویی در زمان از طریق اولویت بندی زمان کارکنان برای مشکلات پیچیده تر، منابع و زمان بیشتری بدون نیاز به پرداخت هزینه برای افرادی که به مشتریان خدمات ارائه می دهند، در دسترس است.

شرکت مسافرتی فلیپ فلاپ یک آژانس مسافرتی آنلاین است که در چند سال اخیر به طور پیوسته در حال رشد بوده است. اگرچه کسب و کار آنها به صورت آنلاین فعالیت می کند، آنها یک تیم خدمات مشتری مستقر در یک مرکز تماس دارند که به سوالات، مسائل و شکایات مشتری رسیدگی می کند. همانطور که تجارت آنها رشد می کرد، تیم آنها مجبور بود تعداد فزاینده ای از تعاملات با مشتری را مدیریت کند که منجر به افزایش زمان انتظار برای مشتریان شد. آنها با دریافت مشاوره راه حل CCaaS (مرکز تماس به عنوان سرویس) را پیاده سازی کردند که هوش مصنوعی را در یک پلتفرم یکپارچه می کند. این به شرکت مسافرتی فلیپ فلاپ اجازه داد تا بخشی از تماس های خود را با استفاده از هوش مصنوعی اداره کند. این امر تعاملات ساده مشتری را به سمت گزینه‌های خودکار هدایت کرد و زمان کارمندان را برای سؤالات پیچیده‌تر که نیاز به تماس انسانی دارند آزاد کرد.

بیایید نگاهی به اعداد بیندازیم. در یک ماه Flip Flop ، 1160 تماس را از طریق IVR در راه حل CCaaS خود به راه حل یکپارچه هوش مصنوعی تقسیم کرد. با تماس‌هایی که هر کدام حدود 8 دقیقه طول می‌کشد، این معادل 9280 دقیقه (حدود 154.6 ساعت) از زمان صرفه‌جویی شده کارمندان در طول یک ماه است.

هوش مصنوعی در مراقبت های بهداشتی،NHS

قابلیت‌های هوش مصنوعی با استفاده از طیف وسیعی از قابلیت‌ها در استفاده از این فناوری، برای صنعت مراقبت‌های بهداشتی نیز مفید است. یک مثال کلیدی استفاده از هوش مصنوعی در ماموگرافی برای حمایت از ارزیابی رادیولوژیست در طول غربالگری سرطان پستان است. فناوری های پزشکی Kheiron از هوش مصنوعی یادگیری عمیق در غربالگری سرطان سینه برای ایجاد Mia™ (ارزیابی هوشمند ماموگرافی) برای تجزیه و تحلیل ماموگرافی های استاندارد برای غربالگری سرطان سینه استفاده کرد. این راه حل اولین محصولی است که توسط یک شرکت انگلیسی ساخته شده است که نشان CE را برای نرم افزار یادگیری عمیق در رادیولوژی دریافت می کند. در NHS (و بیشتر کشورهای اروپایی)، هر ماموگرافی توسط رادیولوژیست‌ها دوبار بررسی می‌شود. اگرچه این فرآیند لزوماً کامل است، اما کار به دلیل کمبود کارکنان در سیستم فشرده و زمان‌بر است، که منجر به طولانی شدن زمان و تأخیر برای افرادی می‌شود که به نتایج این اسکن‌ها نیاز دارند. البته این تاخیرها می تواند عواقب فاجعه باری برای منتظران نتیجه و حتی کسانی که در وهله اول منتظر نوبت اسکن هستند، داشته باشد.

Mia™ به عنوان دومین خواننده در جریان کار طراحی شده است که کارایی هوش مصنوعی را ترکیب می کند و در عین حال عنصر انسانی را در فرآیند حفظ می کند. اگر نظر Mia™ و فرد خواننده مخالف هم باشند، یک رادیولوژیست دوم برای برقراری تماس نهایی وارد می شود، بنابراین بیماران می توانند مطمئن باشند که رادیولوژیست ها همیشه بر هوش مصنوعی اقتدار دارند. این ترکیب منابع انسانی و هوش مصنوعی، وقت پزشکان را آزاد می کند که می توان از آن برای گذراندن وقت با بیماران استفاده کرد، فشار برای یافتن رادیولوژیست های جدید را کاهش می دهد و این پتانسیل را دارد که تعداد بیشتری از بیماران را سریعتر غربال کنند. توسعه Mia™ شامل یادگیری عمیق با استفاده از شبکه های عصبی پیچیده است و با استفاده از بیش از 3 میلیون تصویر آموزش داده می شود.

سخن پایانی

فناوری‌های هوش مصنوعی به سرعت در حال توسعه هستند و استفاده از آن‌ها برای پاسخگویی به طیف گسترده‌تری از نیازها و استراتژی‌های تجاری در حال گسترش است. درک اینکه چگونه هوش مصنوعی در مدل کسب‌وکار شما قرار می‌گیرد، کلید حفظ مزیت رقابتی است.

سازمانها برای اینکه در نهایت از هوش مصنوعی برای کشف بینش‌های جدید و رسیدگی به مشکلات بزرگ استفاده کنند باید ابتدا فرآیندهای مناسبی را پیرامون این فناوری تغییردهنده بازی، ایجاد کنند. به عنوان بخش کلیدی استراتژی دیجیتال، مشاوران می توانند به مشتریان خود کمک کنند که نه تنها امروز ابزارهای جدید هوش مصنوعی را استفاده کنند، بلکه به کارگیری هوش مصنوعی را در آینده به حداکثر برسانند.