سازمانهای بزرگ «هوش مصنوعی را رد نمیکنند؛ بیثباتی عملیاتی را رد میکنند» — این تحولی است که بسیاری از بنیانگذاران هنوز آن را درک نکردهاند و همین تفاوت، مرز بین شرکتهای هوش مصنوعی سازمانی موفق و شرکتهایی است که پس از جذب توجه اولیه متوقف میشوند. در سالهای اخیر بازار بهسمت تجربهمحوری حرکت کرد: دموی قوی، مدل چشمگیر و چشماندازی قدرتمند اغلب برای جذب علاقه سازمانها، برنامههای پایلوت و حمایت سرمایهگذاران کافی بود. اما اکنون فاز بازار تغییر کرده است؛ خریداران سازمانی دیگر تنها به دنبال جذابیت فنی نیستند، بلکه این سؤال را مطرح میکنند که آیا میتوان این فناوری را بهطور گسترده، ایمن و پایدار پیادهسازی کرد یا خیر.
در کنفرانس TechCrunch Disrupt 2026 که از 13 تا 15 اکتبر در Moscone West سانفرانسیسکو برگزار میشود، Arsalan Tavakoli-Shiraji، یکی از بنیانگذاران و معاون ارشد مهندسی میدانی در Databricks، در نشست AI Stage با عنوان «سازمان خراب نیست؛ فرضیات شما درباره آن اشتباه است» همین تغییر نگاه را باز خواهد کرد. تجربه ترکیبی او در استراتژی سازمانی و معماری سیستمهای توزیعشده به او دیدی میدهد که برای درک چگونگی تعامل فنی سیستمها با رفتار سازمانی، زیرساخت، فرایندهای خرید و حاکمیت اهمیت حیاتی دارد.
چرا بسیاری از پایلوتهای موفق هرگز به استقرار کامل تبدیل نمیشوند؟
– نه بهخاطر عملکرد ضعیف مدل، بلکه بهخاطر عدم توانایی سازمان در جذب پیامدهای عملیاتی پیادهسازی.
– استقرارهای موفق نیاز به کاهش عدمقطعیت، یکپارچگی روان با سیستمهای موجود و کمترین اختلال در گردش کار دارند.
– حاکمیت، توضیحپذیری داخلی، قابلیت نظارت و مدیریت ریسک عملیات، بهمراتب تعیینکنندهتر از صرفاً توان مدل هستند.
مقیاسپذیری هوش مصنوعی در سازمان به چه عواملی وابسته است؟
– تطابق با معماری و دادههای موجود سازمان (integration)
– ابزارهای نظارت و قابلیت استرداد خطا (observability & resilience)
– سازوکارهای حاکمیت و شفافیت تصمیمات مدل (governance & explainability)
– همراستایی با فرایندهای خرید و مدیریت تغییر (procurement & change management)
– امنیت، حریم خصوصی و رعایت مقررات مرتبط
برای بنیانگذاران محصولهای هوش مصنوعی که به بازار سازمانی میفروشند، پیام روشن است: بهجای بهینهسازی صرف برای «جذب توجه اولیه»، باید بر «پذیرش عملیاتی طولانیمدت» تمرکز کنید. محصولاتی که عدمقطعیت را کاهش داده، بهخوبی در سیستمهای سازمان ادغام میشوند، اصطکاک گردش کار را کم میکنند و قابل مدیریت و توضیحپذیر هستند، بیشترین شانس تبدیل شدن به درآمد پایدار را دارند — حتی اگر از نظر نوآوری خالص، چشمگیرترین مدلها نباشند.
نشست Tavakoli-Shiraji در Disrupt نگاهی عملیاتی به این تغییر خواهد داشت و برای بنیانگذاران، سرمایهگذاران و اپراتورهای سازمانی که میخواهند بدانند چه عواملی پس از پایان فاز پایلوت واقعا باعث جذب و استمرار پذیرش میشوند، اهمیت زیادی دارد. این بحث بخشی از مجموعهنشستهای AI Stage است که با تمرکز بر نقش عاملها و هوش مولد در تغییر شکل SaaS، اقتصاد نرمافزار، امنیت و زیرساخت عملیاتی اجرا میشود.
آشنایی کوتاه با سخنران: آرصّلان توکلیشیراجی پیش از حضور در Databricks، بهعنوان مشاور در McKinsey به شرکتها و سازمانهای بخش عمومی در حوزههای رایانش ابری، IT نسل بعد و تحول سازمانی مشاوره داده است و دارای دکترای علوم کامپیوتر از UC Berkeley با تمرکز بر شبکهها و سیستمهای توزیعشده است — ترکیبی که برای فهم نقش همزمان فناوری و سازمان در موفقیت استقرارهای AI حیاتی است.