از مسئله تا کاربرد؛ روایت علی‌بابا، XNET، دیوار و XNET‌پی از هوش مصنوعی در IRAN AI 2026

«از مسئله شروع کنید، نه از ابزار.» این یکی از محورهای اصلی صحبت‌های ابراهیم نبیئی، CTO گروه علی‌بابا، در دومین رویداد «کاربردهای هوش مصنوعی در صنایع و کسب‌وکارها؛ IRAN AI 2026 بود؛ رویدادی که ۳۰ و ۳۱ شهریور در دانشگاه صنعتی شریف و با شعار «خلق ارزش با هوش مصنوعی» برگزار شد.

در شرایطی که تقریباً هر روز ابزار، مدل یا عامل هوشمند تازه‌ای معرفی می‌شود، بخش مهمی از گفت‌وگوهای این رویداد به پرسشی فراتر از خود فناوری اختصاص داشت: کسب‌وکارها چگونه می‌توانند از هوش مصنوعی برای حل مسائل واقعی و خلق ارزش استفاده کنند؟

در یکی از پنل‌های روز نخست مدیران عامل علی‌بابا، XNET، دیوار و XNET‌پی درباره تجربه ورود هوش مصنوعی به فرایندهای عملیاتی کسب‌وکارهای خود گفت‌وگو کردند.

مسئله، قبل از فناوری

ابراهیم نبیئی، CTO گروه علی‌بابا، در صحبت‌های خود بر این نکته تأکید کرد که نقطه آغاز یک پروژه هوش مصنوعی نباید انتخاب فناوری باشد. از نگاه او، پیش از هر چیز باید مسئله‌ای مشخص در کسب‌وکار یا تجربه مشتری شناسایی شود و ارزش حاصل از حل آن نیز قابل اندازه‌گیری باشد.

این رویکرد در نقطه مقابل مسیری قرار می‌گیرد که در آن، سازمان ابتدا تصمیم می‌گیرد پروژه‌ای مبتنی بر هوش مصنوعی تعریف کند و سپس به دنبال مسئله‌ای برای استفاده از آن می‌گردد. در نگاه نبیئی، ابتدا باید مسئله و شاخص موفقیت روشن باشد و پس از آن بررسی شود که آیا هوش مصنوعی می‌تواند راه‌حل مناسبی برای آن ارائه کند یا خیر.

او در ادامه به نمونه‌هایی مانند وایب‌کدینگ، تحلیل پیش‌نگر و مدل‌هایی متکی بر داده و زمینه اختصاصی سازمان اشاره کرد. در چنین کاربردهایی، هوش مصنوعی لزوماً به شکل یک محصول مستقل ظاهر نمی‌شود و ممکن است اثر اصلی آن در بازطراحی یا بهبود فرایندهایی باشد که از قبل در سازمان وجود داشته‌اند.

نبیئی همچنین دسترسی به مدل‌های هوش مصنوعی را تنها بخشی از مسیر دانست. داده مناسب، زیرساخت فنی، زمینه سازمانی و تعریف دقیق مسئله از دیگر پیش‌نیازهایی هستند که می‌توانند فاصله میان یک نمونه نمایشی و راهکاری قابل استفاده در عملیات واقعی کسب‌وکار را تعیین کنند.

وقتی هوش مصنوعی وارد عملیات روزمره می‌شود

نمونه‌هایی از همین کاربردهای عملی در پنل «هوش مصنوعی و تحول کسب‌وکار» مطرح شد؛ جایی که توحید علی‌اشرفی، مدیرعامل علی‌بابا، همراه با مسعود طباطبائی، مدیرعامل XNET، اشکان آرمندهی، مدیرعامل دیوار و مجید حسامی، مدیرعامل XNET‌پی، درباره تجربه شرکت‌های خود از به‌کارگیری هوش مصنوعی صحبت کردند.

تجربه‌های مطرح‌شده در این پنل نشان می‌داد که کاربرد هوش مصنوعی در این کسب‌وکارها دیگر صرفاً به آزمایش ابزارهای جدید محدود نیست و در بخش‌هایی از عملیات روزمره آن‌ها جای گرفته است.

در علی‌بابا، یکی از این نمونه‌ها به مرکز تماس مربوط می‌شود. توحید علی‌اشرفی توضیح داد که تماس‌های مشتریان با استفاده از هوش مصنوعی به متن تبدیل می‌شوند و پس از پردازش و خلاصه‌سازی، داده حاصل به لایه هوش مشتری متصل می‌شود. این فرایند امکان شناسایی الگوهای مشترک میان مسائل گروه‌های مختلف مشتریان را فراهم می‌کند.

در XNET، قیمت‌گذاری یکی از حوزه‌هایی است که هوش مصنوعی در آن به کار گرفته شده است. مسعود طباطبائی با اشاره به فرایند رصد قیمت بازار توضیح داد کاری که پیش‌تر نیازمند بررسی دستی منابع متعدد بود، اکنون می‌تواند با کمک یک موتور هوشمند انجام شود؛ موتوری که کانال‌های مختلف بازار را بررسی و قیمت کالا را متناسب با استراتژی XNET به‌روزرسانی می‌کند.

دیوار نیز تجربه متفاوتی از کاربرد این فناوری دارد. اشکان آرمندهی از استفاده هوش مصنوعی در بررسی آگهی‌ها، جست‌وجو و کشف تقلب گفت. براساس توضیحات او، اکنون ۹۷ درصد فرایند بررسی آگهی‌ها با کمک هوش مصنوعی انجام می‌شود و فرایندی که در گذشته در برخی موارد چند ساعت طول می‌کشید، اکنون می‌تواند ظرف چند دقیقه انجام شود.

در XNET‌پی، توسعه نرم‌افزار یکی از مهم‌ترین حوزه‌های استفاده از هوش مصنوعی عنوان شد. مجید حسامی گفت حدود ۴۰ درصد کد این مجموعه اکنون با کمک ابزارهای هوش مصنوعی تولید می‌شود. شخصی‌سازی ارتباط با کاربران و استفاده از عامل‌های هوشمند نیز از دیگر کاربردهایی بود که او به آن‌ها اشاره کرد.

این تجربه‌ها، با وجود تفاوت در نوع مسئله، یک ویژگی مشترک دارند: هوش مصنوعی زمانی وارد بخش اصلی کسب‌وکار شده که به یک مسئله مشخص و قابل اندازه‌گیری متصل شده است.

چهار میلیون میکروسگمنت برای شناخت دقیق‌تر مشتری

شناخت مشتری و تبدیل داده‌های رفتاری به اطلاعات قابل استفاده برای تصمیم‌گیری، بخش دیگری از موضوعات مطرح‌شده در IRAN AI 2026 بود.

فرناز عابدینی، متخصص داده در علی‌بابا، در ارائه «وقتی داده به‌جای مشتری حرف می‌زند» درباره مسیری صحبت کرد که داده‌های پراکنده رفتار مشتری را به شناخت دقیق‌تر از او تبدیل می‌کند.

براساس اطلاعات ارائه‌شده، علی‌بابا در توسعه لایه هوش مشتری خود بیش از ۷۰۰ ویژگی مهندسی‌شده ایجاد کرده و از بیش از ۱۶ الگوریتم استفاده کرده است. حاصل این فرایند، شکل‌گیری بیش از ۴ میلیون میکروسگمنت است.

این سطح از تقسیم‌بندی، به‌جای قرار دادن میلیون‌ها مشتری در تعداد محدودی گروه عمومی، امکان مشاهده و تحلیل الگوهای رفتاری در گروه‌های کوچک‌تر و مشخص‌تر را فراهم می‌کند.

پیش‌بینی ریزش مشتری نیز یکی دیگر از نمونه‌های مطرح‌شده در این ارائه بود. براساس داده‌های ارائه‌شده در نشست، مدل مورد استفاده علی‌بابا برای پیش‌بینی ریزش مشتری به دقتی بیش از ۸۶ درصد رسیده است. این مدل تلاش می‌کند نشانه‌های احتمالی ریزش را پیش از قطع ارتباط مشتری با کسب‌وکار شناسایی کند.

هوش مصنوعی چه تغییری در سازمان ایجاد می‌کند؟

کاربرد گسترده‌تر هوش مصنوعی، در کنار تغییر فرایندها، پرسش دیگری را نیز پیش روی شرکت‌ها قرار داده است: وقتی بخشی از فعالیت‌ها به کمک مدل‌ها و عامل‌های هوشمند انجام می‌شود، ساختار سازمان و نقش نیروی انسانی چه تغییری می‌کند؟

این موضوع نیز یکی از محورهای گفت‌وگو در پنل مدیران عامل بود.

مسعود طباطبائی توضیح داد که XNET در حال بررسی اثر عامل‌های هوشمند بر طراحی سازمان است؛ از جمله این احتمال که در آینده بخشی از وظایف مربوط به یک موقعیت سازمانی توسط عامل‌های هوشمند انجام شود.

اشکان آرمندهی از زاویه دیگری به موضوع پرداخت و تأکید کرد پروژه‌های هوش مصنوعی در دیوار با هدف کوچک‌تر کردن تیم‌ها تعریف نشده‌اند. از این منظر، افزایش بهره‌وری می‌تواند ظرفیت بیشتری برای پرداختن به مسائل جدید در اختیار تیم‌ها قرار دهد.

توحید علی‌اشرفی نیز اثر هوش مصنوعی را در کوتاه‌تر شدن فاصله میان «مسئله» و «تصمیم» توضیح داد. فرایندهایی مانند جمع‌آوری اطلاعات، بررسی داده‌ها و تحلیل گزینه‌ها که پیش‌تر ممکن بود ساعت‌ها یا حتی چند روز زمان ببرند، اکنون در برخی موارد با سرعت بیشتری انجام می‌شوند و امکان بررسی حجم بیشتری از اطلاعات را در اختیار تصمیم‌گیران قرار می‌دهند.

با این حال، افزایش سرعت تحلیل لزوماً به معنای کنار رفتن انسان از فرایند تصمیم‌گیری نیست. تشخیص اینکه کدام مسئله اهمیت دارد، انتخاب میان گزینه‌ها و پذیرش مسئولیت تصمیم نهایی همچنان بخشی از نقش انسانی در سازمان باقی می‌ماند.

از «داشتن هوش مصنوعی» تا خلق ارزش

مجموع تجربه‌های مطرح‌شده در IRAN AI 2026 تصویری از مرحله تازه‌ای در استفاده کسب‌وکارها از هوش مصنوعی ارائه می‌کرد؛ مرحله‌ای که در آن، پرسش اصلی دیگر صرفاً این نیست که «هوش مصنوعی چه قابلیت‌هایی دارد»، بلکه این است که «کدام مسئله را می‌تواند بهتر حل کند».

تحلیل تماس‌های مشتریان و شناخت رفتار آن‌ها در علی‌بابا، قیمت‌گذاری در XNET، بررسی آگهی‌ها و کشف تقلب در دیوار و توسعه نرم‌افزار در XNET‌پی، نمونه‌هایی از پاسخ‌های متفاوت کسب‌وکارها به همین پرسش بودند.

در میان این تجربه‌های متفاوت، یک نکته مشترک دیده می‌شود: دسترسی به مدل‌ها و ابزارهای هوش مصنوعی به‌تنهایی تضمین‌کننده خلق ارزش نیست. مسئله‌ای که به‌درستی تعریف شده باشد، داده قابل اتکا، زیرساخت مناسب و توانایی سازمان برای تغییر و یادگیری، همچنان بخش‌های تعیین‌کننده مسیر تبدیل فناوری به یک کاربرد واقعی هستند.

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