سه ماه پیش یک ابزار هوش مصنوعی خریدید. هنوز همان کاری را که در دمو نشان داده شد انجام نمی‌دهد، تیمتان از آن استفاده نمی‌کند، و دارید با خودتان فکر می‌کنید که آیا هوش مصنوعی اصلاً برای کسب‌وکاری مثل شما کار می‌کند. مشکل ابزار نیست. مشکل آمادگی کسب‌وکار برای هوش مصنوعی است، و تقریباً هیچ‌کس قبل از خرید این را بررسی نمی‌کند.
چرا ابزار اول خریدن شکست می‌خورد
رایج‌ترین دلیل متوقف شدن پروژه‌های هوش مصنوعی در شرکت‌های خدماتی کوچک هیچ ربطی به فناوری ندارد. ابزار مشکلی ندارد. آنچه کم است پایه‌ای است که ابزار برای کار کردن به آن نیاز دارد: افرادی که آن را بفهمند، فرآیندهایی که بتواند دنبال کند، داده‌ای که بتواند بخواند، و سیستم‌هایی که بتواند به آن‌ها وصل شود.
اول ابزار خریدن منطقی به نظر می‌رسد. دمو می‌بینید، کاربرد با کارتان می‌خواند، قیمت هم مناسب است. اما ابزاری که در یک کسب‌وکار آماده‌نشده رها می‌شود، یکی از سه نتیجه را به بار می‌آورد: تیم نادیده‌اش می‌گیرد، خروجی‌های بی‌کیفیت تولید می‌کند، یا بیشتر از آنکه کار را کم کند، کار اضافه می‌سازد. هر کدام از این نتیجه‌ها اعتماد به هوش مصنوعی را خراب می‌کند، گاهی برای سال‌ها.
دلیل اینکه صاحبان کسب‌وکار این بررسی پایه را نادیده می‌گیرند ساده است. فروشنده‌ها ابزار می‌فروشند، نه آمادگی. دمو بهترین حالت ممکن را نشان می‌دهد. هیچ‌کس چک‌لیستی جلوی شما نمی‌گذارد که بگوید «کسب‌وکار شما باید این شکلی باشد تا این ابزار کار کند.»
چهار پایه آمادگی
آمادگی یک چیز نیست. به چهار حوزه تقسیم می‌شود، و ضعف در هر کدام می‌تواند یک ابزار خوب را از رساندن نتیجه باز دارد.
افراد یعنی دو چیز: مهارت و پذیرش. مهارت یعنی اینکه آیا تیم شما می‌تواند در سطح پایه با ابزار کار کند. پذیرش یعنی اینکه آیا می‌خواهند. مقاومت کارمندان تقریباً هیچ‌وقت درباره فناوری نیست. تقریباً همیشه درباره ارتباط‌گیری ناشفاف است. اگر تیم شما نداند که این ابزار نقش آن‌ها را چطور تغییر می‌دهد، با استفاده نکردن از آن از خودشان محافظت می‌کنند.
فرآیند یعنی جریان‌های کاری شما مستند و یکنواخت هستند. جریان کاری همان توالی مراحلی است که تیم شما برای انجام یک کار دنبال می‌کند. اگر این توالی فقط در ذهن یک نفر باشد، یا بسته به اینکه چه کسی آن روز سر کار است فرق کند، ابزار نمی‌تواند آن را دنبال کند. فرآیندی را که نمی‌توانید توصیف کنید نمی‌توانید خودکار یا بهبود دهید.
داده یعنی اطلاعاتی که کسب‌وکار شما روی آن‌ها کار می‌کند دقیق، یکنواخت و در یک جا قابل دسترس هستند. ابزارهای هوش مصنوعی از هیچ بینشی تولید نمی‌کنند. داده‌های شما را می‌خوانند و الگو پیدا می‌کنند. اگر داده‌هایتان آشفته، ناقص یا پراکنده در پنج سیستم مختلف باشند، ابزار خروجی‌هایی تولید می‌کند که همان آشفتگی را منعکس می‌کنند.
زیرساخت یعنی سیستم‌های فعلی شما می‌توانند به ابزار جدید وصل شوند، داده‌هایتان به شکل امن قابل دسترس است، و تیمتان ظرفیت پشتیبانی از چیز جدیدی را دارد. ابزاری که نمی‌تواند با سیستم‌های دیگر شما صحبت کند، تبدیل به یک جزیره منزوی می‌شود.
چطور هر شکاف را تشخیص دهید
برای دیدن این شکاف‌ها به ممیزی رسمی نیاز ندارید. در عملیات روزمره‌تان خودشان را نشان می‌دهند.
ضعف آمادگی افراد این شکلی است: تیمتان می‌پرسد آیا هوش مصنوعی جایشان را می‌گیرد و هیچ‌کس جواب روشنی نمی‌دهد. آموزش ابزارهای جدید اختیاری تلقی می‌شود. همیشه یک کارمند مشخص همه کارها را انجام می‌دهد چون بقیه به سیستم اعتماد ندارند.
شکاف فرآیند این‌طور احساس می‌شود: دو نفر با نقش یکسان، یک کار را به دو شکل متفاوت انجام می‌دهند و هر دو فکر می‌کنند روش خودشان درست است. آموزش کارمند جدید ماه‌ها طول می‌کشد چون فرآیند مکتوب نیست. یک دفتر مشاوره مهاجرت که یادداشت‌های پرونده‌ها بین ایمیل، پیام‌های واتساپ و فایل‌های اکسل شخصی پراکنده‌اند، شکاف فرآیند دارد. یک ابزار هوش مصنوعی برای پیگیری پرونده‌ها نمی‌تواند کار کند تا زمانی که همه اطلاعات در یک جا با فیلدهای یکنواخت جمع نشده باشند.
مشکلات داده این‌طور خودشان را نشان می‌دهند: برای پاسخ دادن به یک سوال ساده درباره کسب‌وکار خودتان باید اطلاعات را از سه جای مختلف جمع کنید. یک دفتر حسابداری که می‌خواهد دسته‌بندی هزینه‌ها را خودکار کند، اما کارمندان هزینه‌ها را به پنج شکل مختلف ثبت می‌کنند بسته به اینکه چه کسی آن‌ها را وارد کرده، مشکل داده دارد. ابزار نمی‌تواند یاد بگیرد درست چه شکلی است تا زمانی که اول فرآیند استاندارد شود.
علائم هشدار زیرساخت این شکلی هستند: فرم پذیرش اولیه‌تان به سیستم مدیریت پرونده وصل نیست، پس یک نفر همان اطلاعات را دستی دوباره وارد می‌کند. یک کلینیک که اطلاعات پذیرش بیمار را روی کاغذ و در سه فرم دیجیتال مختلف جمع‌آوری می‌کند، بسته به اینکه کدام پزشک اول بیمار را می‌بیند، نمی‌تواند از ابزار هوش مصنوعی برای شناسایی نوبت‌های لغو شده استفاده کند تا زمانی که آن داده‌ها یکپارچه و تمیز نشده باشند.
اول چه کاری انجام دهید
آمادگی همه یا هیچ نیست. لازم نیست همه چیز را قبل از شروع درست کنید. اما بعضی شکاف‌ها مانع اصلی هستند و بعضی نیستند.
شکاف فرآیند یک مانع اصلی است. اگر جریان کاری شما مستند نباشد، هیچ ابزاری نمی‌تواند آن را دنبال کند. اول این را درست کنید، و رایگان هم هست: مراحل را بنویسید. یک دفتر مهاجرت که از سه سیستم جداگانه برای پذیرش موکل، نگهداری مدارک و پیگیری پرونده استفاده می‌کند، باید اول محل نگهداری اطلاعات موکل را یکپارچه کند تا ابزار هوش مصنوعی بتواند چیز مفیدی از آن استخراج کند. این کار یکپارچه‌سازی جذاب نیست، اما همین است که ابزار را کار می‌اندازد.
شکاف افراد اغلب می‌تواند موازی با راه‌اندازی ابزار حل شود، به شرطی که ارتباط‌گیری از ابتدا شفاف باشد. به تیمتان دقیقاً بگویید ابزار چه می‌کند، چه نمی‌کند، و نقش آن‌ها چطور تغییر می‌کند. این مکالمه هزینه‌ای ندارد و بیشتر مقاومت‌ها را پیشگیری می‌کند.
شکاف داده به شدت آن بستگی دارد. داده‌های پراکنده‌ای که می‌توان یکپارچه کرد یک شکاف قابل حل است. داده‌ای که اصلاً جمع‌آوری نشده مشکل سخت‌تری است، و شاید به این معنا باشد که باید ابزار ساده‌تری انتخاب کنید که در محدودیت فعلی‌تان کار کند، به جای اینکه صبر کنید تا همه چیز کامل شود.
یک قدمی که قبل از هر خریدی بیشترین اهمیت را دارد یک ممیزی ساده از فرآیندهای خودتان است. کاری را که می‌خواهید هوش مصنوعی در آن کمک کند بنویسید. هر مرحله از آن کار را بنویسید. مشخص کنید داده از کجا می‌آید و کجا نگهداری می‌شود. همین تمرین به تنهایی به شما می‌گوید آماده هستید یا نه، و کمتر از یک ساعت طول می‌کشد.
قدم بعدی شما
ارزیابی آمادگی مانع هوش مصنوعی نیست. همان قدمی است که هوش مصنوعی را ارزش خریدن می‌کند. کسب‌وکارهایی که اول پایه‌شان را بررسی می‌کنند کمتر خرج می‌کنند، سریع‌تر پیش می‌روند، و نتایجی می‌گیرند که واقعاً پایدار می‌مانند.
اگر می‌خواهید درباره اینکه آیا کسب‌وکارتان آماده پیش رفتن با هوش مصنوعی است صحبت کنیم، یک تماس مقدماتی رایگان بیست‌دقیقه‌ای از طریق sixam.ca/fa/book رزرو کنید. یا چک‌لیست آمادگی هوش مصنوعی را دانلود کنید و همین الان خودتان را ارزیابی کنید. به هر حال، با تصویر روشن‌تری از اینکه دقیقاً از کجا شروع کنید، از این مکالمه بیرون می‌روید.