هوش مصنوعی: چالش‌های واقعی و فرصت‌های موجود در محیط‌های کاری
در دنیای امروز، همه‌جا صحبت از عامل‌های هوش مصنوعی (AI) است که به نظر می‌رسد یک قدم تا جایگزینی کل بخش‌ها فاصله دارند. آرزوئی دلنشین: سیستم‌های خودمختار که قادرند هر چیزی را که به آنها تحمیل می‌شود، بدون هیچ‌گونه محدودیتی حل کنند. اما واقعیت این است که اینگونه نیست، به‌ویژه در محیط‌های داخلی که قابلیت اطمینان ضرورت دارد. حتی اگر یک عامل 99 درصد دقت داشته باشد، این درصد در بسیاری از موارد کافی نیست. به عنوان مثال، اگر این عامل مسئول بهینه‌سازی مسیرهای تحویل غذا باشد، به معنای آن است که یک آدرس از هر صد سفارش نادرست خواهد بود، و این نرخ خطا در دنیای کسب‌وکارهای امروزی غیرقابل قبول است.
در واقعیت، سیستم‌های هوش مصنوعی که توانایی ارائه ارزش واقعی را دارند، با آن تخیلات بی‌اساس تفاوت زیادی دارند. این سیستم‌ها معمولاً به حل مسائل واضح و با ورودی‌های مشخص و نتایج پیش‌بینی پذیر می‌پردازند. اگر ما به دنبال حل مسائل پیچیده با فناوری‌های نیمه‌تکمیل بگردیم، زمان، پول و اعتماد را از دست خواهیم داد. به جای آن، با تمرکز بر روی مسائل مشخص و دارای بازگشت سرمایه واضح، می‌توانیم هوش مصنوعی را در حال حاضر به کار گیریم.
اگر بخواهیم واقعاً به عملیات‌های هوش مصنوعی در کسب‌وکار توجه کنیم، به‌یاد داشته باشید که این عملیات‌ها معمولاً به صورت خودکار عمل می‌کنند و نیازی به تحریک دستی ندارند. آنها فرآیندهای طولانی‌مدت هستند که به داده‌ها در حال جریان واکنش نشان می‌دهند و می‌توانند تصمیم‌گیری کنند. به‌عنوان مثال، تصور کنید که یک عامل هوش مصنوعی، فاکتورهای جدید را تحت نظر دارد. این عامل به محض دریافت یک فاکتور جدید، فیلدهای مربوطه را استخراج کرده، آنها را با سفارشات باز بررسی می‌کند و در صورت وجود ناهماهنگی، مسیر فاکتور را برای تأیید یا رد هدایت می‌کند، بدون اینکه کسی از آن بخواهد.
این نوع عامل‌ها در واقع نه تنها درباره الگوریتم‌های بزرگ صحبت نمی‌کنند، بلکه بیشتر به مهندسی نرم‌افزار و ترکیب منطقی مدل‌ها و ابزارها تعلق دارند. در این راستا، اجزا و ساختار صحیح سیستم ضروری است. باید رد پای هوش مصنوعی را با زیرساخت‌های قابل پیش‌بینی و کارایی ترکیب کنیم.
یکی از چالش‌های مهم در ساخت این عامل‌ها، تست و اعتبارسنجی آنهاست. در حالی که برای مشکلات باز، این کار تقریباً غیرممکن است، مشکلات بسته به ما اجازه می‌دهند که ورودی‌ها و خروجی‌های قابل اندازه‌گیری داشته باشیم و ارسال تست را به سادگی انجام دهیم.
در نهایت، آینده هوش مصنوعی در محیط‌های کاری نه در دستیابی به هوش عمومی مصنوعی (AGI) بلکه در دستیابی به سیستم‌هایی با اتوماسیون کارآمد و قابل اعتماد است. با تمرکز بر حل مشکلات بسته و فراهم کردن فرصتی برای تاثیر واقعی، می‌توانیم به آرزوهای هوش مصنوعی دست یابیم و در عین حال اعتماد را در بین کاربران و صنایع مختلف افزایش دهیم.