آنچه مدیران درباره مسیر هوش مصنوعی در ایران باید بدانند

در همایشAI Summit 2025«پوریا حداد»، بنیان‌گذار و مدیرعامل فیلاگر، تجربیات خود در پیاده‌سازی هوش مصنوعی در سازمان‌های بزرگ را به اشتراک گذاشت. رویدادی که با تلاشدانشکده مدیریت صنعتی و فناوری دانشکدگان مدیریت دانشگاه تهران و همکاری با مجموعه‌های فیلاگر و هوشلاین شکل گرفت.

حداد بیان کرد که موفقیت AI در کسب و کارها ازایجاد نقطه صفر برای جمع‌آوری داده‌هاشروع می‌شود؛ یعنی شناسایی داده‌های کلیدی سازمان و فراهم کردن زیرساختی برای جمع‌آوری و مدیریت آن‌ها. حداد گفت که این مرحله، پایه‌ای است برای هر اقدام پیشرفته در حوزه هوش مصنوعی.

راهکار ورود کسب و کارها به دنیای هوش مصنوعی

او سپس به استراتژی‌هایQuick Winاشاره کرد؛ نتایجی ملموس و سریع که کسب و کارها را ترغیب می‌کند تا در مسیر AI سرمایه‌گذاری کنند. اولین مورداتوماسیون فرآیندها باAI Agentهابود؛ به طوری که یک تیم کوچک تازه‌کار با ابزارهای هوش مصنوعی بتواند فرآیندهایی را انجام دهد که قبلاً به نیروی انسانی ارشد بیشتری نیاز داشت.

مورد دومشخصی‌سازی مدل‌های زبانیبرای نیازهای خاص کسب و کار بود. پس از این Quick Winهای اولیه و کسب رضایت، می‌توان با گذشت چندین ماه با استفاده‌های از داده‌های کسب و کار یک مدل مناسب برای آن آموزش داد و ساخت.

حداد در پایان به اهمیت برنامه‌ریزی کوتاه‌مدت شش ماهه و به‌روزرسانی مداوم تأکید کرد و خاطر نشان ساختاین پنجره زمانی نامحدود نیستو سرعت رشد تکنولوژی به قدری بالاست که برنامه‌های طولانی‌مدت کمتر عملی هستند و موفقیت در AI نیازمند انعطاف و آزمایش‌های هدفمند است.

هوش مصنوعی به‌عنوان پارادایم: بازطراحی کسب و کارها و خلق ارزش با داده

در ادامه همایشAI Summit 2025«دکتر ایوب محمدیان»، رئیس دانشکده مدیریت صنعتی و فناوری تهران، به بررسیپارادایم شیفت هوش مصنوعی در کسب و کارهاپرداخت. او تأکید کرد که هوش مصنوعی دیگر صرفاً یک فناوری برای کارایی یا کاهش هزینه نیست، بلکهسیستم عاملی است که می‌تواند کل مدل کسب و کار و فرآیندها را بازطراحی کندو فرصت‌های رشد و نوآوری را برای سازمان‌ها فراهم کند.

محمدیان سه سطح ورود به هوش مصنوعی در کسب و کار را معرفی کرد

1. سطح پشتیبانیبهبود کارایی و سرعت در فرآیندهای تکراری و روتین.
2. سطح توانمندسازیایجاد قابلیت‌ها و فرصت‌های جدید که پیش‌تر امکان‌پذیر نبودند.
3. سطح بازطراحیبازنگری کامل مدل کسب و کار و خلق نوآوری مبتنی بر داده و AI.

برای تحقق این تغییرات، محمدیانهفت تغییر کلیدیرا پیشنهاد کرد

تغییر مدل ذهنی مدیرانتغییر از نگاه همه‌چیزدان به طراح سیستم؛ جایی که تصمیمات تکراری توسط الگوریتم‌ها گرفته می‌شوند.

تغییر مدل تصمیم‌گیریاز برنامه‌ریزی کلان و جلسات طولانی به آزمایش‌های کوچک و مداوم (Continuous AB Testing) .

بازتعریف استراتژیاز رقابت صنعتی صرف به استراتژی اکوسیستم داده، با تمرکز بر ایجاد مزیت رقابتی پایدار توسط داده.

بازطراحی مدل کسب و کاراز محصول ثابت و معامله محور به محصولات یادگیرنده و اشتراک محور بر اساس عملکرد.

شخصی‌سازی تجربه مشتریاز تجربه یکسان برای همه به تجربه کاملاً شخصی‌سازی‌شده و پویا، پیش‌بینی نیازها و رفتار مشتری.

بازطراحی فرآیندهااز زنجیره ارزش خطی به حلقه‌های یادگیری مستمر و مبتنی بر داده.

KPIهای عصرAIتعریف شاخص‌های عملکرد بر اساس داده، یادگیری و اثربخشی الگوریتم‌ها، نه صرفاً سود مالی.

نقشه راه ۹۰ روزه

محمدیان در پایان سخنرانی، یکنقشه راه۹۰روزهبرای شروع پیاده‌سازی پیشنهاد داد

۳۰روز اول – مشاهده و فهمیدنبررسی کسب و کار و صنعت، شناسایی تصمیمات کلیدی تکراری و نیازمند به بهینه‌سازی.

۳۰روز دوم – آزمایش کوچکاجرای آزمایش‌های کوتاه و جمع‌آوری داده برای یادگیری مداوم و اصلاح فرآیندها.

۳۰روز سوم – تدوین نقشه راه رسمیمستندسازی و برنامه‌ریزی برای تغییرات گسترده در مدل کسب و کار، فرآیندها و تجربه مشتری.

این سخنرانی تأکید داشت که ورود جدی به AI نیازمندتفکر استراتژیک، آزمایش مستمر و بازطراحی مدل کسب و کاراست و تنها از طریق این مسیر است که سازمان‌ها می‌توانند از مزایای واقعی هوش مصنوعی بهره‌مند شوند.

سوگیری هوش مصنوعی می‌تواند تصمیم‌های کسب و کار را از مسیر خارج کند

«سینا فایضی»، بنیان‌گذار هوشلاین درباره خطر مهم هوش مصنوعی صحبت کردسوگیری. او توضیح داد که هر چند هوش مصنوعی شگفت‌انگیز است و زندگی ما را ساده‌تر کرده، اما کوچک‌ترین خطا در داده‌ یا طراحی مدل می‌تواند اثر دومینویی ایجاد کند و تصمیم‌های کلیدی سازمان را منحرف کند.

او تأکید کرد همان‌طور که این سوگیری می‌تواند در HR رخ دهد، در سیاست نیز تأثیرگذار است؛ به‌ طوری ‌که در انتخابات آینده آمریکا، هوش مصنوعی قطعاً نقشی تعیین‌کننده خواهد داشت. اما سوال اصلی این استAI طرف چه کسی را می‌گیرد؟

او گفت برای رفع این چالش، مدل‌ها باید از جنبه‌های مختلف تحلیل شوند
آیا خطا به‌دلیل کمبود داده است؟ آیا مشکل فرهنگی یا زبانی وجود دارد؟ آیا سوگیری جنسیتی یا نژادی نقش دارد؟

فایضی سپس به نتایج گزارش IBM 2025 اشاره کرد
۷۳٪ شرکت‌ها بزرگ‌ترین چالش AI را «اعتماد» می‌دانند و ۶۴٪ مدیران نگران رفتار غیر قابل ‌توضیح مدل‌ها هستند. او توضیح داد که پاسخ مدل‌ها اغلب به نحوه پرسش ما وابسته است؛ یعنی سؤال سوگیری می‌سازد و مدل همان سوگیری را تقویت می‌کند.

او سخنرانی را با یک پیام کلیدی به پایان رساند
مدیران و کاربران باید هوشیارتر از همیشه باشند؛ هوش مصنوعی کار را ساده می‌کند، اما ساده‌سازی بیش از حد می‌تواند ما را به سمت «پاسخ‌های اشتباه ولی مطمئن» ببرد. وظیفه رسانه‌ها، افزایش آگاهی درباره همین خطرات پنهان است.

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