صنايع دستي

اتوماسیون، اولین کاربرد هوش مصنوعی در شرکتها © Pure Storage

گابریل فررا، مدیر فنی Pure Storage.

یکی از کاربردهای اصلی هوش مصنوعی (AI) بدون شک اتوماسیون است. به طور بالقوه، هر جا که در حال حاضر از افراد برای انجام کارهای تکراری یا ساده استفاده می‌کنیم، هوش مصنوعی می‌تواند با آموزش رایانه‌ها برای تشخیص الگوها در داده‌های بدون ساختار، تبدیل آن‌ها به داده‌های ساخت‌یافته و ایجاد پاسخ خودکار کمک کند.

نمونه‌های کاربردی متعدد هستند و به همه بخش‌ها، از صنعت گرفته تا سلامت، از جمله خدمات مشتری مربوط می‌شوند. به گفته گارتنر، انتظار می‌رود هوش مصنوعی تا سال 2020 در اکثر به‌روزرسانی‌های نرم‌افزاری گنجانده شود.

هوش مصنوعی به عنوان ابزار بهینه سازی کسب و کار

یک فرصت واقعی برای شرکت ها در شناسایی پروژه ها یا مفاهیمی است که قبلاً از نظر اقتصادی مقرون به صرفه نبودند، زیرا بسیار گران یا وقت گیر بودند. قرار دادن مجدد این پروژه های رها شده به دلایل هزینه یا تأثیر انسانی و بررسی مجدد آنها با ادغام یک جزء هوش مصنوعی می تواند بسیار سودمند باشد.

هوش مصنوعی می‌تواند به خودکارسازی بخش‌های مختلف کسب‌وکار، مانند پشتیبانی مشتری، تولید، و تضمین کیفیت کمک کند. جایگزین کارمندان نخواهد شد: برعکس، توسعه فناوری ها، پیاده سازی و استفاده مداوم از آنها به پرسنل مناسب نیاز دارد. این مشاهدات توسط یک مطالعه اخیر توسط Capgemini تأیید شد که تأیید می‌کند هوش مصنوعی شغل‌های بیشتری را نسبت به نابودی آن ایجاد می‌کند، به همان شیوه‌ای که فناوری‌هایی که در گذشته ظهور کرده‌اند ارزش بیشتری نسبت به آنها حذف کرده‌اند. به طور مشابه، با خودکارسازی وظایف تجاری تکراری، هوش مصنوعی به بهبود کیفیت خدمات، تجربه کاربر، اجرای پروژه و البته کاهش قابل توجه هزینه ها کمک می کند.

راه اندازی گام به گام

به گفته گارتنر، مراکز داده ای که از هوش مصنوعی و یادگیری ماشینی استفاده نمی کنند، دیگر تا سال 2020 از نظر اقتصادی و عملیاتی قابل دوام نخواهند بود. هوش مصنوعی دیگر یک فناوری مبتنی بر علم نیست. داستان تخیلی، اکنون آماده راه اندازی است و یک عنصر تعیین کننده خواهد بود. پایداری کسب و کار، صرف نظر از صنعت.

ما متوجه شدیم که پذیرش هوش مصنوعی اغلب در تیم‌های تجاری از طریق پروژه‌های موقت، در کنار پروژه‌هایی که به اصطلاح سنتی IT نسبت داده می‌شوند، آغاز می‌شود. آزمایش‌های متوالی و موفقیت آن‌ها به کاهش تدریجی پیچیدگی و هزینه‌های مرتبط کمک می‌کند و امکان استقرار گسترده‌تر و سپس یکپارچگی با پردازش داده‌های ساختاریافته را فراهم می‌کند.

در واقع، در حالی که هوش مصنوعی اغلب داده های بدون ساختار (ویدئو، تصاویر، صدا و غیره) را پردازش می کند، داده های ساختاری تولید می کند که برای دستیابی به یک راه حل کامل باید با سایر داده های ساختاریافته ادغام شوند. نمونه ای از کیوسک پذیرش خودکار در یک فروشگاه خرده فروشی را در نظر بگیرید. مشتری وارد می شود، مهره یا پیچ و مهره یا هر چیزی که به دنبالش است را جلوی دوربین هدیه می دهد. برای برقراری ارتباط با راهروی که شی در آن ذخیره می شود، ترمینال باید تشخیص تصویر را بر اساس هوش مصنوعی انجام دهد. هنگامی که شناسایی انجام شد، باید کاتالوگ محصولات موجود را جستجو کند، سپس موجودی، داده های ساختاری زیادی را برای ادغام، برای ارتباط مکان و تعداد محصولات باقی مانده جستجو کند.

بهترین راه برای آشنایی با فناوری‌های هوش مصنوعی این است که از کوچک شروع کنید، نمونه‌های اولیه مختلف را آزمایش کنید و قبل از تعمیم در مقیاس بزرگ‌تر، تا زمانی که به نتایج مثبت برسید شروع کنید.