همکاران سیستم با «تحلیل‌یار» هوش تجاری را گفت‌وگومحور می‌کند

مدیری که درباره کسب‌وکارش سؤالی دارد، معمولاً باید منتظر بماند تا گزارش از چند سیستم نرم‌افزاری استخراج شود، اطلاعات پراکنده در واحدهای مختلف کنار هم قرار بگیرد و کسی فرمول‌های پیچیده آن را بنویسد؛ و گاهی تا پاسخ روی میز برسد، فرصت تصمیم‌گیری از دست رفته است. همکاران سیستم برای کوتاه کردن همین فاصله، «تحلیل‌یار» را معرفی کرده است؛ دستیار هوشمند تصمیم‌گیری که به مدیران امکان می‌دهد به‌جای جست‌وجو در ده‌ها داشبورد و گزارش، سؤالشان را به زبان کسب‌وکار بپرسند و پاسخ و تحلیل بگیرند.

این دستیار در کارگاه «از سؤال تا تصمیم؛ هوش تجاری به زبان ساده با هوش مصنوعی» در سومین روز «باهم ۱۴۰۵» معرفی و به‌صورت زنده نمایش داده شد. یاسر غلامزاده، مدیرعامل شرکت هوشمندی تجاری همکاران سیستم، و سعیده مختاری، مدیر محصول این شرکت، در این کارگاه و در گفت‌وگو با ، توضیح دادند که این محصول چه مشکلی را حل می‌کند، چه تفاوتی با چت‌بات‌های عمومی دارد و امنیت داده‌های سازمان را چگونه حفظ می‌کند.

فاصله طولانی میان پرسش و تصمیم

به گفته غلامزاده، ابزارهای هوش تجاری سال‌هاست به مدیران کمک می‌کنند، اما ریشه مشکل جای دیگری است. او در گفت‌وگو با توضیح داد که بسیاری از شرکت‌ها شناخت چندانی از اطلاعاتی که می‌توانست به تصمیم‌گیری‌شان کمک کند نداشتند و به داده از زاویه ثبت اطلاعات نگاه می‌کردند، نه از زاویه مدیری که باید آن را تحلیل کند و به کار بگیرد. حاصل این نگاه، فاصله‌ای بود میان آنچه مدیران از داده انتظار داشتند و آنچه در سیستم‌ها ثبت می‌شد.

مختاری هم از چالش‌هایی گفت که همکاران سیستم را به سمت هوش مصنوعی برد. به گفته او، تحلیل‌ها زمان‌بر بود و هر سازمان برای رسیدن به این تحلیل‌ها به تحلیلگر داده و متخصص گزارش‌سازی نیاز داشت. تحلیل‌هایی هم که در گوشه‌وکنار سازمان ساخته می‌شد، نه‌تنها گاه به نتایج متناقض می‌رسید، بلکه امنیت اطلاعات را هم به خطر می‌انداخت.

تحول هوش تجاری در چهار فصل

غلامزاده این مسیر را در چهار فصل روایت کرد. در فصل نخست، گزارش‌های دوره‌ای و ثابت تنها تصویری از گذشته ارائه می‌دادند. در فصل دوم، داشبوردها نمایش بصری داده‌ها و پایش لحظه‌ای شاخص‌ها را ممکن کردند و در فصل سوم، هوش تجاری (BI) سلف‌سرویس تحلیل مستقل را به دست کاربران سپرد. به گفته او، این تحولات به‌تدریج فاصله را کمتر کرد، چون با تعریف شاخص‌ها ادبیات مشترکی در سازمان شکل گرفت که مشخص می‌کرد چه تحلیل‌هایی لازم است و چه اطلاعاتی به تصمیم‌گیری کمک می‌کند.

با این حال، به باور غلامزاده، حتی پس از تعریف شاخص‌ها نیز پذیرش BI در سازمان‌ها و انطباق آن‌ها با این فناوری با انتظارات فاصله داشت؛ تا جایی که بسیاری از شرکت‌ها با وجود پیاده‌سازی BI نتیجه دلخواه را نگرفتند، چون داشبوردها برای همه قابل فهم نبود. فصل چهارم، یعنی هوش تجاری مبتنی بر هوش مصنوعی، قرار است همین گره را باز کند. او در همین گفت‌وگو گفت: «کاری که فناوری‌هایی مثل هوش مصنوعی امروز می‌کنند، ساده‌سازی اطلاعات برای مدیران است؛ اینکه بتوانند اطلاعات را به زبان ساده و مطابق انتظارشان دریافت کنند و داده‌ها تفسیرشده و تحلیل‌شده در اختیارشان قرار بگیرد.»

چت‌باتی که روی بستر BI ایستاده است

اما تحلیل‌یار با یک چت‌بات عمومی چه فرقی دارد؟ غلامزاده تصریح کرد که تحلیل‌یار نه جایگزین BI است و نه یک چت‌بات عمومی، بلکه لایه‌ای هوشمند روی BI است که تعامل با داده را از تماشای داشبورد به تحلیل و روایت‌گری ارتقا می‌دهد. مختاری در گفت‌وگو با دیجیاتو این تفاوت را با یک مثال روشن کرد. به گفته او، همکاران سیستم در فاز نخست داده‌های پراکنده سازمان را تدوین و پاک‌سازی کرده و تعریف سازمان از شاخص‌های مختلف را یکسان کرده است: «ساده‌ترین شاخص یک سازمان شاید میزان فروشش باشد، اما همین یک شاخص را افراد مختلف به شکل‌های مختلف برداشت می‌کنند. اگر هر کاربر با برداشت خودش تحلیلی ارائه کند، آن تحلیل طبیعتاً دقیق و قطعی نخواهد بود.» او افزود که این موضوع در شاخص‌های پیچیده‌تری مانند وضعیت نقدینگی یا سود و زیان اهمیتی دوچندان پیدا می‌کند.

تحلیل‌یار با تکیه بر همین بستر، به‌جای گزارش خام، تحلیل ارائه می‌کند؛ کاری که تا امروز به تحلیلگران داده هر حوزه وابسته بود. محیط گزارش‌سازی آن تحت وب و شبیه اکسل طراحی شده تا کاربرانی که با ابزارهایی مانند Power BI کار نمی‌کنند هم به‌راحتی از آن استفاده کنند. گزارش‌هایی که هوش مصنوعی می‌سازد قابل ذخیره‌اند و به گفته مختاری، کاربر می‌تواند آن‌ها را یا در ادامه همان گفت‌وگو اصلاح کند یا با زدن دکمه ویرایش، در پنلی شبیه اکسل به شکل دلخواه تغییر دهد و دوباره به گفت‌وگو برگردد. به گفته غلامزاده، سیستم به مرور حافظه کاربر و حافظه سازمان را شکل می‌دهد و همکاران سیستم با «اسکیل»هایی که از تجربه مدیران حوزه‌های مختلف می‌سازد، نوعی هوش جمعی را در اختیار کاربران قرار می‌دهد.

نگرانی همیشگی درباره هوش مصنوعی، یعنی «توهم»، در تحلیل داده‌های سازمانی حساس‌تر هم می‌شود. مختاری در پاسخ به پرسش دیجیاتو درباره این نگرانی گفت تحلیل‌یار برای مقابله با آن، برداشت خود از سؤال کاربر را شفاف نشان می‌دهد و اعلام می‌کند سؤال را چگونه فهمیده و بر چه اساسی پاسخ داده است. به این ترتیب، اگر برداشت سیستم اشتباه باشد، کاربر می‌تواند آن را اصلاح کند؛ مثلاً یادآوری کند که به‌جای داده‌های امسال، همه سال‌ها را بررسی کند، یا برعکس. به گفته او، همین شفافیت در کاهش خطا نقش مهمی دارد.

داده از سازمان بیرون نمی‌رود

امنیت داده، محور دیگر توضیحات مختاری بود. معماری تحلیل‌یار عامل‌محور (Agentic) است و برای هر کار ایجنتی جداگانه دارد. سرور BI نیز جدا از سرور راهکاران طراحی شده و فقط زمانی که تحلیل لازم باشد، درخواست به لایه هوش ابری منتقل می‌شود. داده‌ها و سرویس‌های BI در زیرساخت خود مشتری باقی می‌مانند و تنها خلاصه، فراداده و زمینه موردنیاز ارسال می‌شود. مختاری در گفت‌وگو با دیجیاتو تأکید کرد که به این ترتیب داده خام به سرورهای بیرونی نمی‌رود و هزینه هم مقرون‌به‌صرفه‌تر است، چون به‌جای انتقال داده خام، فقط چکیده‌ای فشرده و پاک‌سازی‌شده پردازش می‌شود. به گفته او، از آنجا که زیرساخت تحلیل‌یار کاملاً مستقل است، حتی گزارش‌گیری‌های سنگین و پیچیده هم بر عملکرد سیستم عملیاتی اثری نمی‌گذارد؛ دسترسی به اطلاعات حتی درون سازمان کنترل می‌شود و مدل‌ها داخلی‌اند و قطعی اینترنت بر کار آن‌ها تأثیری ندارد.

غلامزاده نیز در گفت‌وگو با دیجیاتو، انتخاب پردازش ابری را از زاویه اقتصادی توضیح داد. به گفته او، فراهم کردن زیرساخت لازم برای هوش مصنوعی هزینه زیادی دارد و حتی شرکت‌های بزرگی که منابع آن را دارند، برای تنظیم و بهینه‌سازی‌اش هزینه زیادی می‌پردازند. معماری ابری به شرکت‌ها امکان می‌دهد با هزینه کمتر به همان زیرساخت دسترسی داشته باشند و از قابلیت‌هایی که به مرور به این هوش ابری اضافه می‌شود بهره ببرند. او افزود که مزیت این رویکرد فقط هزینه نیست: «هوشی که فقط داخل سازمان شکل بگیرد، محدود به داده‌های همان سازمان است. اما در محیط ابری، دانش بزرگ‌تری در دسترس است و امکان بهره‌گیری از تجربه شرکت‌های دیگر هم فراهم می‌شود.»

این کارگاه با نمایش دموی زنده‌ای از تحلیل‌یار به پایان رسید.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.