اولین پروژهٔ هوش مصنوعی سازمان را چطور انتخاب کنیم
چهار معیار انتخاب به ترتیب اهمیت، سه نامزد رایج و اینکه کدام معمولاً برنده است، تصمیم ساخت داخلی یا سپردن به بیرون، و آنچه دقیقاً در قرارداد باید نوشته شود.
وقتی سازمانی تصمیم میگیرد سراغ هوش مصنوعی برود، سختترین تصمیم فنی نیست — انتخاب اولین پروژه است. این انتخاب تعیین میکند پروژهٔ دوم اصلاً وجود داشته باشد یا نه.
پاسخ کوتاه
اولین پروژه باید سه ویژگی داشته باشد: نتیجهاش در کمتر از سه ماه دیده شود، با یک عدد قابل اثبات باشد، و شکستخوردنش برای سازمان پرهزینه نباشد. جذابترین پروژه معمولاً بدترین انتخاب اول است، چون بزرگ است و دیر نتیجه میدهد و اعتبار کل برنامه را گروگان میگیرد.
چهار معیار برای انتخاب، به ترتیب اهمیت
۱. سنجهٔ عددی از پیش تعریفشده. اگر نمیتوانید جملهای به این شکل بنویسید — «زمان فلان کار باید تا فلان تاریخ از x به y برسد» — پروژه هنوز آماده نیست. این تنها معیاری است که هیچ استثنایی ندارد.
۲. مالک با اختیار. کسی باید مسئول باشد که بتواند خودِ فرایند را تغییر دهد، نه فقط ابزار را عوض کند. دلیلش را در بازطراحی فرایند، نه افزودن ابزار توضیح دادهایم.
۳. دادهٔ موجود. پروژهای که پیشنیازش جمعآوری ششماههٔ دادهٔ تازه است، اولین پروژه نیست. اگر داده امروز هست — حتی در اکسل و ناقص — کار میشود شروع کرد.
۴. هزینهٔ پایین خطا. اولین پروژه نباید جایی باشد که یک پاسخ نادرست به مشتری یا یک تصمیم غلط، زیان مستقیم بسازد. اعتماد سازمانی در پروژهٔ اول ساخته میشود.
سه نامزد رایج، و اینکه کدام معمولاً برنده است
پاسخگویی به پرسشهای تکراری مشتری. دادهاش موجود است (همان پیامهای شش ماه گذشته)، سنجهاش روشن است (سهم پرسشهایی که بدون دخالت انسان پاسخ میگیرند)، و خطایش قابل مهار است اگر سامانه در نبود پاسخ، صریح بگوید نمیداند.
استخراج عدد از تصویر یا اسناد. جایی که کسی از یک برگه یا تصویر میخواند و در سامانه تایپ میکند. سنجه: زمان و نرخ خطای ورود داده.
پیشبینی تقاضا یا مصرف. ارزش بالقوهٔ بیشتری دارد ولی دیرتر ثابت میشود، چون باید یک دورهٔ کامل بگذرد تا پیشبینی با واقعیت مقایسه شود. معمولاً پروژهٔ دوم است، نه اول.
در تجربهٔ ما نامزد اول بیشتر اوقات برنده است، چون سریعترین چرخهٔ اندازهگیری را دارد.
ساخت داخلی یا سپردن به بیرون
این تصمیم را بهتر است به سه بخش بشکنید، چون پاسخ برای هر بخش فرق میکند:
- تعریف مسئله و سنجه — همیشه داخلی. کسی بیرون از سازمان نمیداند کدام مرحله واقعاً وقت میگیرد.
- ساخت و استقرار — معمولاً بیرونی در پروژهٔ اول، چون تجربهٔ تکرارشده مهمتر از دانش عمومی است.
- بهرهبرداری و نگهداری — باید به داخل منتقل شود. اگر پس از تحویل هیچکس در سازمان نتواند سامانه را بفهمد و تغییر دهد، هزینهٔ هر تغییر کوچک بعدی به یک قرارداد تازه تبدیل میشود.
به همین دلیل آموزش تیم را بخشی از تحویل میدانیم، نه خدمتی جداگانه برای بعد. وابستگی دائمی به پیمانکار، خودش یک هزینهٔ پنهان بلندمدت است.
آنچه در قرارداد باید نوشته شود
- سنجهٔ پذیرش عددی برای هر فاز، نه شرح کلی «تحویل سامانه»
- مالکیت داده و مدل پس از پایان کار
- مسیر جایگزین اگر سرویس بیرونی در دسترس نباشد
- انتقال دانش: چند نفر از تیم شما باید در پایان چه کاری را مستقل انجام دهند
- حق توقف در پایان فاز اول اگر سنجه برآورده نشد
آن مورد آخر به نفع هر دو طرف است. پروژهای که نمیتوان متوقفش کرد، پروژهای است که ارزیابی نمیشود.
زمانبندی واقعبینانه برای یک سازمان در کرج
برای سازمانهای کرج و البرز که مهر را نقطهٔ شروع سال کاریشان میدانند، یک زمانبندی عملی چنین است: دو هفته اندازهگیری وضعیت فعلی، یک تا دو هفته تعریف مسئله و سنجه، و سپس نمونهٔ اولیه در دامنهٔ محدود. سنجش نتیجه سی تا شصت روز پس از استقرار.
یعنی تصمیمی که این هفته گرفته شود، حدود اواخر پاییز عدد قابل ارائه دارد. این بازه را عمداً محافظهکارانه میگوییم؛ برنامهای که با وعدهٔ نتیجه در دو هفته شروع شود، معمولاً در ماه سوم اعتبارش را از دست میدهد.
جلسهٔ انتخاب پروژه را حضوری در پارک علم و فناوری البرز یا در محل سازمان برگزار میکنیم. زمینهٔ عددی این توصیهها در چرا بودجهٔ هوش مصنوعی به سود تبدیل نمیشود آمده است.
پرسشهای متداول
اگر مطمئن نیستیم کدام فرایند مناسب است چه کنیم؟
از شمارش شروع کنید، نه از تحلیل. سه فرایندی که بیشترین ساعت کارمند را میگیرند فهرست کنید و برای هرکدام بپرسید آیا امروز قابل اندازهگیری است. معمولاً پس از این دو پرسش، فهرست به یک مورد کاهش مییابد.
حداقل دادهٔ لازم چقدر است؟
بستگی به مسئله دارد، ولی معیار عملی این است: اگر یک کارمند باتجربه بتواند با نگاه به دادههای موجود کار را انجام دهد، سامانه هم شانس دارد. اگر او هم نتواند، مسئله دادهٔ بیشتری لازم دارد نه مدل بهتر.
چطور بفهمیم پیمانکار مناسبی انتخاب کردهایم؟
از او بخواهید پیش از قرارداد، سنجهٔ پذیرش فاز اول را بنویسد. پیمانکاری که حاضر است پروژه را به یک عدد گره بزند، با پیمانکاری که فقط فهرست فناوری ارائه میدهد، تفاوت جدی دارد.
آیا لازم است تیم فنی داخلی داشته باشیم؟
برای شروع نه، ولی برای ادامه بله. حداقلش یک نفر که مالک سنجه باشد و بفهمد سامانه چه میکند و کجا میلنگد. ساختن همین یک نفر، هدف آموزش سازمانی است.
اگر فاز اول به نتیجه نرسید چه؟
اگر دامنه کوچک و مدت کوتاه باشد، هزینهاش محدود است و اطلاعاتش ارزشمند. معمولاً نشان میدهد گلوگاه جای دیگری بوده. این نتیجه، اگر زود به دست بیاید، خودش دستاورد است.
بودجهٔ اولین پروژه چقدر باشد؟
عدد ثابتی ندارد و به دامنه بستگی دارد، ولی قاعدهٔ عملی این است: به اندازهای که اگر کامل از دست برود، برنامهٔ سازمان متوقف نشود. مشاورهٔ اولیه رایگان است و در همان جلسه دامنه روشن میشود.
خدمات مرتبط قطره
- آموزش سازمانی — برنامهٔ درونسازمانی و مشاور هوش مصنوعی برای آموزش تیم
- مشاوره هوش مصنوعی در کسبوکار — انتخاب پروژه، امکانسنجی و نقشهٔ راه
- اتوماسیون هوش مصنوعی — بازطراحی و خودکارسازی فرایند
- چتبات سازمانی — پاسخگویی خودکار روی دانش سازمان
- بینایی ماشین — استخراج عدد از تصویر و اسناد
- علم داده — پیشبینی و داشبورد تصمیم
- روباتیک — روباتیک آموزشی، خدماتی و صنعتی
- دوره آموزشی هوش مصنوعی — آموزش کاربردی برای تیمهای فنی
- هوش مصنوعی در کرج — همهٔ خدمات، حضوری در کرج و البرز