مدیر سابق محصول اطلاعات مصنوعی در بزرگترین فروشگاه آنلاین کشور ، در INOTX ، هشدار داده است که 5 ٪ از شرکت ها کارت جاده خاصی برای استفاده از هوش مصنوعی ندارند. با این حال ، استفاده از این فناوری در سال گذشته دو برابر شده است.
به گفته اینا ، علی منصور در طی ملاقات با ایستگاه آینده اینوتکس ، بر لزوم رویکرد هوشمندانه و هوشمندانه برای استفاده از هوش مصنوعی تولیدی در شرکت ها ، در گفتار خود با عنوان “ترمیم مدلهای استرو -تجارت با هوش مصنوعی” تأکید کرد.
وی با اشاره به اکتشافات یک گزارش تحقیقاتی جدید ، گفت: “5 ٪ از شرکت ها کارت خاصی برای استفاده از هوش مصنوعی تولیدی ندارند.” همچنین ، کمتر از 5 ٪ از مدیران ارشد درک مفصلی از ارزش افزوده فناوری برای تجارت خود دارند. با این حال ، استفاده از هوش مصنوعی تولیدی در شرکت ها از 2 ٪ به 2 ٪ در سال افزایش یافته است.
منصور با تأکید بر: “سوال اصلی امروز” آیا باید از هوش مصنوعی استفاده کنیم؟ “نه ، اما” چگونه و از کجا باید استفاده کنیم؟ “این مهمتر است ، در حالی که بسیاری از سازمان ها هنوز درک روشنی از نکاتی ندارند که هوش مصنوعی می تواند ارزش ایجاد کند.
وی همچنین یک شلیک پنج مرحله ای را برای استفاده مؤثر از هوش مصنوعی تولیدی در سازمان ها پیشنهاد داد و گفت: “اولویت اول” شناسایی پتانسیل ، بررسی فرایندهای تکراری و زمان است. “از این نظر ، سازمان ها باید لیستی از مناطقی را ارائه دهند که بیشترین پتانسیل برای اتوماسیون یا ارتقاء با هوش مصنوعی را داشته باشند.
Mansour ، به عنوان اولویت دوم ، شناخت برنامه های واقعی و توصیه سازمانها برای شروع با راه حل های ساده و اثبات شده مانند گپ یا تولید خودکار محتوای ، جلوگیری از عقب ماندگی این مناطق و سازمان های اساسی برای تهیه لیستی از مناطقی است که بیشترین پتانسیل هوش مصنوعی را برای هوش مصنوعی دارند.
وی خاطرنشان کرد: سازمانها با راه حل های ساده و اثبات شده مانند گپ یا تولید خودکار محتوای شروع می شوند و از اجاره این مناطق اصلی خودداری می کنند.
منصور گفت مرحله سوم اولویت پروژه ها است. به جای تمرکز روی پروژه های بلندپروازانه و بزرگ ، سازمان ها باید پروژه های کوچکتر ، عملیاتی تر و قابل مشاهده تری را انتخاب کنند که می تواند منجر به تغییرات فرهنگی در سازمان شود.
وی توصیه کرد که پروژه ها سه عامل کارآیی ، سهولت اجرای و تراز کردن با اهداف استراتژیک را در اولویت قرار دهند.
مانسور ادامه داد: اولویت چهارم آن را داد. دسترسی به داده های کافی و ابزارهای مناسب برای اجرای پروژه های هوش مصنوعی شرط موفقیت سازمانها است. سازمان ها باید قبل از شروع زیرساخت های لازم را مطالعه کنند.
منصور گفت: مرحله پنجم رعایت استراتژی کلان سازمان است.
وی هشدار داد كه اگر پروژه های هوش مصنوعی به اهداف بزرگی نرسند ، این پروژه ها به جای خدمت به سازمان و كاهش شانس موفقیت ، برای تیم ها سنگین می شوند.
مانسور همچنین تأکید کرد که سوال درست این نیست: “از کجا می توان از AI استفاده کرد؟” ، اما برای پرسیدن: “در این حالت می تواند راه حل بهتری نسبت به وضعیت فعلی ارائه دهد؟” این مشکل ، یک رویکرد گرا ، به جای اینکه مبتنی بر یک ابزار باشد ، پروژه ها را متفکرانه تر و واکسینه تر در برابر شکست می کند.
وی با هشدار به پایان رسید که پروژه های پیچیده و تظاهرات بیش از حد ، سازمان ها را از مسیر پیشرفت واقعی دور نگه می دارد: سنگ بزرگ نشانه ای نیست. با شروع پروژه های کوچک اما تأثیرگذار ، بنیانگذار فرهنگ هوش مصنوعی در سازمان خواهد بود.
پایان پیام
منبع خبر: https://www.isna.ir/news/1404021208312/%DB%B7%DB%B5-%D8%AF%D8%B1%D8%B5%D8%AF-%D8%A7%D8%B2-%D8%B3%D8%A7%D8%B2%D9%85%D8%A7%D9%86-%D9%87%D8%A7-%D9%86%D9%82%D8%B4%D9%87-%D8%B1%D8%A7%D9%87-%D9%85%D8%B4%D8%AE%D8%B5-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%A8%D9%87%D8%B1%D9%87-%D8%A8%D8%B1%D8%AF%D8%A7%D8%B1%DB%8C-%D8%A7%D8%B2-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C
