هوش مصنوعی

کاربرد ایجنت هوش مصنوعی در صنایع مختلف

ایجنت هوش مصنوعی در هر صنعت چهره‌ی متفاوتی دارد: در بانک باید پیش از هر پاسخ هویت مشتری را بسنجد، در پالایشگاه کنار تکنسین تعمیرات می‌ایستد، در بیمارستان فقط کار اداری را جلو می‌برد و در شرکت پخش سفارش را از پیام کوتاه مغازه‌دار بیرون می‌کشد. این مقاله نقشه‌ی سری «ایجنت‌ها در صنایع» است و کاربرد ایجنت را در خدمات مالی، انرژی و صنایع سنگین، تجارت و پخش، دانشگاه، بیمارستان و منابع انسانی کنار هم می‌گذارد. توضیح می‌دهیم چه چیزی از صنعتی به صنعت دیگر تغییر می‌کند، کدام الگوها در همه‌جا تکرار می‌شوند، ایجنت در هر حوزه چقدر اختیار دارد و اولین ایجنت سازمان را با چه معیارهایی انتخاب کنیم. برای جزئیات هر صنعت، به مقاله‌ی اختصاصی آن لینک داده‌ایم.

27 آبان 1405 ۴ بازدید
کاربرد ایجنت هوش مصنوعی در صنایع مختلف

ایجنت هوش مصنوعی در صنایع مختلف؛ راهنمای انتخاب کاربرد مناسب برای هر صنعت

ایجنت هوش مصنوعی در هر صنعت چهره‌ی متفاوتی دارد. در بانک، ایجنت باید پیش از هر پاسخ هویت مشتری را بسنجد و هر تراکنش مشکوک را جدی بگیرد. در پالایشگاه، ایجنت کنار تکنسین تعمیرات می‌ایستد و از دل دستورالعمل‌ها و سوابق خرابی، مسیر عیب‌یابی را نشان می‌دهد. در بیمارستان، ایجنت فقط کار اداری را جلو می‌برد و هر تصمیم بالینی را به کادر درمان می‌سپارد. در شرکت پخش، ایجنت سفارش را از پیام کوتاه یک مغازه‌دار بیرون می‌کشد و با موجودی انبار و سقف اعتبار تطبیق می‌دهد. فناوری پایه در همه‌ی این‌ها مشترک است، اما داده‌ها، سامانه‌ها، کاربران، مقررات و هزینه‌ی خطا از صنعتی به صنعت دیگر فرق می‌کند.

در سری «ایجنت‌ها در صنایع» کاربرد ایجنت را در هر صنعت به‌طور جداگانه و با جزئیات بررسی کرده‌ایم. این مقاله نقشه‌ی همه‌ی آن مقاله‌هاست: نشان می‌دهد در هر صنعت کدام کاربرد بیشترین ارزش را دارد، چه الگوهایی در همه‌ی صنایع تکرار می‌شود، سطح اختیار ایجنت در هر حوزه چقدر باید باشد و یک سازمان چطور اولین ایجنت خود را انتخاب کند. اگر هنوز با خود مفهوم ایجنت و تفاوت آن با چت‌بات آشنا نیستید، اول مقاله‌ی ایجنت هوش مصنوعی چیست را بخوانید و سپس به اینجا برگردید. برای آشنایی با خدماتی که کارزان در این حوزه ارائه می‌دهد هم می‌توانید صفحه‌ی خدمات هوش مصنوعی کارزان را ببینید.

چه چیزی در ایجنت از صنعتی به صنعت دیگر تغییر می‌کند؟

وقتی مدیری می‌پرسد «ایجنت هوش مصنوعی برای صنعت ما چه می‌کند؟»، پاسخ با معرفی مدل زبانی شروع نمی‌شود. مدل زبانی در همه‌ی صنایع کم‌وبیش یکی است؛ آنچه ایجنت یک بیمه را از ایجنت یک معدن جدا می‌کند، سه چیز است: داده‌ها و سامانه‌هایی که ایجنت به آن‌ها وصل می‌شود، مقرراتی که باید رعایت کند و هزینه‌ای که خطای آن برای سازمان دارد، و آدم‌هایی که با آن کار می‌کنند.

این سه عامل تعیین می‌کنند ایجنت کجا می‌تواند خودکار عمل کند، کجا فقط پیشنهاد بدهد و کجا اصلاً نباید وارد شود. به همین دلیل، کپی کردن طرح ایجنت یک صنعت برای صنعت دیگر معمولاً جواب نمی‌دهد و هر پروژه باید با شناخت همین سه عامل آغاز شود.

علاوه بر این سه عامل، فرهنگ سازمانی هر صنعت هم اثر دارد. در صنایعی که کارکنان به سامانه‌های دیجیتال عادت دارند، پذیرش ایجنت سریع‌تر است؛ اما در جاهایی که بخش بزرگی از کار هنوز کاغذی یا تلفنی انجام می‌شود، ایجنت باید ابتدا همان کانال‌های آشنا، مثل پیام‌رسان یا تماس تلفنی، را پشتیبانی کند تا کاربران مجبور به تغییر ناگهانی عادت‌هایشان نشوند.

داده‌ها و سامانه‌هایی که ایجنت به آن‌ها وصل می‌شود

ایجنت بدون داده‌ی واقعی فقط حرف می‌زند؛ ارزش آن وقتی پیدا می‌شود که بتواند از سامانه‌های سازمان بخواند و در آن‌ها کار ثبت کند. این سامانه‌ها در هر صنعت متفاوت‌اند. در بانک، هسته‌ی بانکی و سامانه‌های پرداخت؛ در بیمه، سامانه‌ی صدور و خسارت؛ در نفت و گاز، سامانه‌های کنترل فرایند، نرم‌افزار نگهداری و تعمیرات و بایگانی اسناد مهندسی؛ در دانشگاه، سامانه‌ی آموزشی و سامانه‌ی مدیریت یادگیری؛ در بیمارستان، سامانه‌ی اطلاعات بیمارستان؛ و در پخش و فروشگاه، نرم‌افزار حسابداری، انبار و ناوگان.

نوع داده هم فرق می‌کند. در صنایع سنگین بخش بزرگی از داده، سیگنال‌های حسگرها و سوابق تعمیرات است؛ در بیمه و بانک، فرم‌ها، قراردادها و تراکنش‌ها؛ در دانشگاه و بیمارستان، پرونده‌های فردی که حریم خصوصی سخت‌گیرانه‌ای دارند. همین تفاوت تعیین می‌کند ایجنت به چه ابزارهایی برای خواندن اسناد، تحلیل سری‌های زمانی یا جست‌وجو در دانش سازمان نیاز دارد. چالش‌های اتصال این سامانه‌ها را در مقاله‌ی یکپارچه‌سازی ERP بیشتر توضیح داده‌ایم.

مقررات، ریسک و هزینه‌ی خطا

اشتباه ایجنت در پیشنهاد یک کالای مشابه در فروشگاه اینترنتی با یک عذرخواهی جبران می‌شود؛ اما اشتباه در اعلام وضعیت یک بیمار، تأیید یک خسارت یا نادیده گرفتن یک هشدار ایمنی در پالایشگاه پیامدهای جدی دارد. هر چه هزینه‌ی خطا بالاتر باشد، ایجنت باید بیشتر در نقش دستیار بماند و تصمیم نهایی را به انسان بسپارد.

مقررات هم در هر صنعت شکل خاص خود را دارد: الزامات بانک مرکزی و مبارزه با پول‌شویی در خدمات مالی، الزامات بیمه‌ی مرکزی در بیمه، استانداردهای ایمنی فرایند در صنایع انرژی، قواعد محرمانگی پرونده‌ی پزشکی در درمان و قوانین آموزشی در دانشگاه. ایجنت باید از روز اول با این قواعد طراحی شود، نه اینکه بعداً به آن اضافه شوند.

کاربران و کانال‌های گفت‌وگو

کاربر ایجنت گاهی مشتری بیرونی است و گاهی کارمند داخلی. خریدار فروشگاه اینترنتی و بیمه‌گذار از طریق سایت و پیام‌رسان با ایجنت حرف می‌زنند؛ تکنسین تعمیرات کنار تجهیزات و با تبلت؛ ویزیتور شرکت پخش در خیابان و با گوشی؛ دانشجو در سامانه‌ی آموزشی و استاد در میان کلاس‌ها. هر کدام زبان، زمان و حوصله‌ی متفاوتی دارند.

ایجنتی که برای کارمند متخصص ساخته می‌شود می‌تواند با اصطلاحات فنی صحبت کند و جزئیات بیشتری بدهد؛ اما ایجنتی که با مشتری عمومی گفت‌وگو می‌کند باید ساده، صبور و روشن باشد و هر جا لازم است گفت‌وگو را به انسان بسپارد. تجربه‌ی کاربری این ابزارها همان‌قدر مهم است که دقت آن‌ها؛ اصول آن را در مقاله‌ی طراحی UI/UX سازمانی بخوانید.

نقشه‌ی سری: مهم‌ترین کاربرد ایجنت در هر صنعت

جدول زیر خلاصه‌ی مقاله‌های سری است. در هر صنعت، کاربردی را آورده‌ایم که معمولاً بهترین نقطه‌ی شروع است، سامانه‌هایی که ایجنت باید به آن‌ها وصل شود و حساس‌ترین ریسکی که باید کنترل شود.

صنعت کاربرد شاخص برای شروع سامانه‌های اصلی حساس‌ترین ریسک
بانکداری و فین‌تک پاسخ‌گویی به مشتری و پیگیری درخواست‌ها هسته‌ی بانکی، سامانه‌های پرداخت تقلب و نشت اطلاعات مالی
بیمه اعلام و پیگیری خسارت سامانه‌ی صدور و خسارت تصمیم ناعادلانه درباره‌ی خسارت
نفت، گاز و پتروشیمی دستیار نگهداری و تعمیرات نرم‌افزار نت، بایگانی اسناد مهندسی ایمنی فرایند
فولاد و معدن پایش ناوگان و مصرف انرژی داده‌های تولید، ناوگان و انرژی تصمیم روی تجهیزات سنگین
فروشگاه اینترنتی پشتیبانی مشتری و پیگیری سفارش فروشگاه، انبار، ارسال اطلاعات اشتباه درباره‌ی قیمت و موجودی
پخش و توزیع سفارش‌گیری از پیام‌رسان حسابداری، انبار، ناوگان خطا در سفارش و اعتبار
دانشگاه پاسخ‌گویی آموزشی به دانشجویان سامانه‌ی آموزشی، LMS تقلب علمی و حریم خصوصی
بیمارستان نوبت‌دهی و پیش‌پذیرش سامانه‌ی اطلاعات بیمارستان ورود به حوزه‌ی تصمیم بالینی
منابع انسانی میز خدمت پاسخ‌گویی به کارکنان سامانه‌ی پرسنلی و حقوق سوگیری در استخدام

این جدول فقط نقطه‌ی شروع است. در هر صنعت، ایجنت‌های دیگری هم با ارزش بالا وجود دارند که در ادامه و در مقاله‌ی اختصاصی همان صنعت به آن‌ها پرداخته‌ایم. نکته‌ی مهم این است که کاربرد شاخص در همه‌ی صنایع یک ویژگی مشترک دارد: حجم کار تکراری بالا و ریسک تصمیم پایین.

ایجنت در خدمات مالی

بانک‌ها، شرکت‌های فین‌تک و بیمه‌ها با حجم بالای مشتری، فرم، قرارداد و تراکنش سروکار دارند و هم‌زمان زیر نظارت سخت‌گیرانه‌ی نهادهای ناظر کار می‌کنند. همین ترکیب، خدمات مالی را به یکی از پرکاربردترین و در عین حال حساس‌ترین حوزه‌های ایجنت تبدیل کرده است.

نکته‌ی مشترک بانک و بیمه این است که محصول اصلی آن‌ها اعتماد است. مشتری پول یا آینده‌ی مالی خود را به سازمان سپرده و هر پاسخ نادرست یا نشت اطلاعات، این اعتماد را آسیب می‌زند. به همین دلیل، در خدمات مالی ایجنت باید شفاف بگوید با چه اطلاعاتی پاسخ داده، هر جا مطمئن نیست صادقانه اعلام کند و در موارد حساس گفت‌وگو را به کارشناس بسپارد.

بانکداری و فین‌تک

در بانک و فین‌تک، بیشترین بار روی پاسخ‌گویی به مشتریان است: وضعیت یک انتقال وجه، علت رد یک تراکنش، مدارک لازم برای یک خدمت یا پیگیری یک درخواست. ایجنت می‌تواند این پرسش‌ها را با خواندن وضعیت واقعی حساب و درخواست پاسخ دهد، به شرط آنکه پیش از هر پاسخ، هویت مشتری را با روش امن احراز کند.

کاربردهای عمیق‌تر شامل کمک به احراز هویت و بررسی مدارک، پایش تراکنش‌ها برای نشانه‌های تقلب، آماده کردن پرونده‌ی اعتباری برای کارشناس و دستیار دانش برای کارکنان شعبه است. در همه‌ی این موارد، تصمیم درباره‌ی مسدود کردن حساب، اعطای تسهیلات یا تأیید یک تراکنش غیرعادی با انسان می‌ماند. جزئیات این صنعت را در مقاله‌ی ایجنت هوش مصنوعی در بانکداری و فین‌تک بخوانید.

بیمه

بیمه زنجیره‌ای از فروش و مشاوره، صدور و پذیرش ریسک، اعلام و رسیدگی به خسارت، کشف تقلب و تمدید است. لحظه‌ی خسارت مهم‌ترین لحظه‌ی رابطه‌ی بیمه‌گذار با شرکت بیمه است و ایجنت می‌تواند همان لحظه را آسان‌تر کند: مدارک لازم را توضیح دهد، عکس و فرم را دریافت و کنترل کند و بیمه‌گذار را از مرحله‌ی پرونده باخبر نگه دارد.

ویژگی خاص بیمه، حساسیت تصمیم درباره‌ی خسارت است. ایجنت می‌تواند پرونده را کامل و خلاصه کند و نشانه‌های تقلب را علامت بزند، اما رد یا کاهش خسارت باید با کارشناس باشد تا حق بیمه‌گذار ضایع نشود. سناریوهای این صنعت را در مقاله‌ی ایجنت هوش مصنوعی در صنعت بیمه ببینید.

ایجنت در انرژی و صنایع سنگین

در صنایع انرژی و صنایع سنگین، کاربر اصلی ایجنت کارکنان داخلی‌اند: تکنسین، اپراتور، مهندس و کارشناس ایمنی. داده‌ها بیشتر از جنس سیگنال حسگر، سوابق تعمیرات و اسناد فنی است و ایمنی بر همه‌چیز مقدم است. ایجنت در این صنایع تقریباً هرگز مستقیماً تجهیزات را کنترل نمی‌کند؛ نقش آن خلاصه کردن، هشدار دادن و در دسترس قرار دادن دانش است.

ویژگی دیگر این صنایع، پراکندگی جغرافیایی و شرایط سخت کار است. سایت‌های دورافتاده، شیفت‌های شبانه و محیط‌های پرخطر باعث می‌شود ایجنت باید روی تبلت و گوشی، گاهی با اینترنت ضعیف، قابل استفاده باشد و پاسخ‌هایش کوتاه، دقیق و مستند به دستورالعمل رسمی باشد.

نفت، گاز و پتروشیمی

در این صنعت، نگهداری و تعمیرات پربازده‌ترین نقطه‌ی ورود ایجنت است. وقتی سامانه‌ی پایش افزایش لرزش یک پمپ را نشان می‌دهد، ایجنت می‌تواند روند داده‌ها، سوابق تعمیر همان تجهیز و دستورالعمل سازنده را کنار هم بگذارد و برای تکنسین شیفت خلاصه‌ای از علت محتمل، مراحل بازرسی و قطعات لازم آماده کند. تصمیم نهایی همچنان با تکنسین است.

کاربردهای دیگر شامل گروه‌بندی هشدارهای اتاق کنترل، کمک به کارشناسان HSE در فرم‌ها و مجوزهای کار، جست‌وجو در انبوه اسناد مهندسی و ثبت دانش تجربی کارشناسان باسابقه است. کارزان در این حوزه تجربه‌ی طراحی سامانه‌ی جامع HSE زیصا را دارد. شرح کامل این کاربردها در مقاله‌ی ایجنت هوش مصنوعی در نفت، گاز و پتروشیمی آمده است.

فولاد و معدن

زنجیره‌ی فولاد و معدن از اکتشاف و برنامه‌ریزی معدن تا فرآوری، ذوب، نورد و تحویل محصول ادامه دارد و در هر حلقه تجهیزات سنگین کار می‌کنند و انرژی زیادی مصرف می‌شود. به همین دلیل کوچک‌ترین بهبود در برنامه‌ریزی ناوگان، مصرف انرژی یا کیفیت محصول اثر مالی بزرگی دارد.

ایجنت در این صنعت می‌تواند داده‌های پراکنده‌ی ناوگان معدنی، خطوط تولید و مصرف انرژی را کنار هم بخواند، انحراف‌ها را زودتر نشان دهد و گزارش روشنی برای مهندسان آماده کند. کنترل کوره، ماشین‌آلات و فرایند در اختیار سامانه‌های کنترل و اپراتورها می‌ماند. جزئیات را در مقاله‌ی ایجنت هوش مصنوعی در صنایع فولاد و معدن بخوانید.

ایجنت در تجارت و زنجیره‌ی تأمین

در تجارت، چه خرده‌فروشی آنلاین و چه پخش عمده، سرعت پاسخ و دقت سفارش مستقیماً به فروش تبدیل می‌شود. حاشیه‌ی سود معمولاً محدود است و حجم مشتری و سفارش بالا، پس ایجنت‌ها اینجا بیشتر روی کارهای پرتکرار و قابل‌اندازه‌گیری تمرکز می‌کنند. برای دید کلی‌تر به این حوزه، مقاله‌ی مدیریت زنجیره‌ی تأمین را هم ببینید.

تفاوت مهم فروشگاه اینترنتی و شرکت پخش در نوع مشتری است. خریدار فروشگاه یک مصرف‌کننده است که ممکن است فقط یک بار خرید کند، اما مشتری شرکت پخش خودش یک کسب‌وکار است و رابطه‌ای بلندمدت با شرکت دارد. همین تفاوت لحن ایجنت، اطلاعاتی که نشان می‌دهد و قواعد اعتبار و پرداخت را تغییر می‌دهد.

فروشگاه اینترنتی

در فروشگاه اینترنتی، ایجنت در تمام سفر مشتری حضور دارد: مشاوره‌ی خرید پیش از سفارش، پیگیری سفارش و ارسال، پاسخ به سؤال‌های تکراری، بازگرداندن سبدهای رهاشده و پشتیبانی پس از فروش. پشتیبانی مشتری معمولاً بیشترین حجم و سریع‌ترین بازگشت سرمایه را دارد و بهترین نقطه‌ی شروع است.

تفاوت اصلی ایجنت با چت‌بات معمولی فروشگاه این است که ایجنت به سفارش‌ها، موجودی و سامانه‌ی ارسال وصل است و می‌تواند کار را واقعاً انجام دهد، نه فقط متن آماده نشان دهد. خطر اصلی هم همین‌جاست: قیمت و موجودی باید همیشه از سامانه خوانده شود. سناریوهای کامل را در مقاله‌ی ایجنت هوش مصنوعی برای فروشگاه اینترنتی بخوانید.

پخش و توزیع

شرکت پخش با هزاران خرده‌فروش، ویزیتورهای میدانی، چند انبار، ناوگان توزیع و فروش اعتباری سروکار دارد. ایجنت سفارش‌گیری می‌تواند سفارش را از پیام کوتاه یا صوتی مغازه‌دار بخواند، نام محاوره‌ای کالا را به کد کالا تطبیق دهد، موجودی و سقف اعتبار را کنترل کند و پیش‌فاکتور را برای تأیید برگرداند.

دستیار ویزیتور، پیش‌بینی موجودی به تفکیک منطقه، برنامه‌ریزی بارگیری و یادآوری مطالبات از دیگر کاربردهای این صنعت است. ویژگی خاص پخش این است که خطای ایجنت مستقیماً به پول تبدیل می‌شود؛ سفارش اشتباه، قیمت اشتباه یا اعتبار اشتباه. مقاله‌ی اختصاصی این صنعت به‌زودی در همین سری منتشر می‌شود.

ایجنت در آموزش عالی و سلامت

دانشگاه و بیمارستان دو نهاد خدماتی بزرگ‌اند که با تعداد زیادی مراجعه‌کننده، فرایندهای اداری سنگین و داده‌های فردی حساس کار می‌کنند. در هر دو، هسته‌ی اصلی کار، یعنی آموزش و درمان، کار انسانی است و ایجنت باید بار اداری را بردارد تا استاد و پزشک وقت بیشتری برای کار اصلی خود داشته باشند.

هر دو نهاد هم با تقویم‌های فشرده کار می‌کنند: دوره‌های ثبت‌نام و امتحانات در دانشگاه، و ساعت‌های اوج مراجعه در درمانگاه‌ها. در این دوره‌ها حجم پرسش‌ها چند برابر می‌شود و ایجنتی که بتواند بخش بزرگی از پرسش‌های تکراری را پاسخ دهد، فشار را از روی کارکنان برمی‌دارد و صف‌ها را کوتاه می‌کند.

دانشگاه و آموزش عالی

چرخه‌ی دانشجو از پذیرش و ثبت‌نام شروع می‌شود و با امور آموزشی، یادگیری، آزمون و پژوهش ادامه پیدا می‌کند. ایجنت می‌تواند به سؤال‌های تکراری آموزشی پاسخ دهد، دانشجو را در انتخاب واحد راهنمایی کند، دستیار یادگیری او در کنار محتوای درس باشد و بار تصحیح و بازخورد را برای استاد سبک کند.

ریسک خاص دانشگاه، مرز میان کمک به یادگیری و انجام دادن تکلیف به جای دانشجو و نیز حریم خصوصی نمرات و پرونده‌هاست. کارزان در این حوزه با پروژه‌هایی مثل سامانه‌ی جامع آموزش‌های کاربردی و حرفه‌ای دانشگاه تهران تجربه دارد. سناریوهای این حوزه را در مقاله‌ی ایجنت هوش مصنوعی در دانشگاه بخوانید.

بیمارستان و مراکز درمانی

در بیمارستان، بیماران و همراهان برای نوبت، آمادگی پیش از اقدام یا خبر گرفتن از بیمار پشت خطوط تلفن شلوغ می‌مانند و کادر درمان بخش بزرگی از وقتش را صرف گزارش‌نویسی می‌کند. ایجنت می‌تواند نوبت‌دهی و پیش‌پذیرش را انجام دهد، به سؤال‌های اداری پاسخ دهد، پیش‌نویس خلاصه‌ی پرونده و ترخیص را برای کادر درمان آماده کند و پرونده‌ها را پیش از ارسال به بیمه کنترل کند.

مرز این صنعت از همه روشن‌تر است: ایجنت تشخیص نمی‌دهد، دارو پیشنهاد نمی‌کند و نتیجه‌ی آزمایش را تفسیر نمی‌کند. هر نشانه‌ی اورژانسی هم به راهنمایی برای مراجعه‌ی فوری منجر می‌شود. مقاله‌ی اختصاصی این صنعت به‌زودی در همین سری منتشر می‌شود.

ایجنت در واحدهای مشترک همه‌ی سازمان‌ها

بعضی واحدها به صنعت خاصی تعلق ندارند و در همه‌ی سازمان‌ها، از بانک تا پالایشگاه و دانشگاه، وجود دارند. ایجنت در این واحدها را می‌توان یک بار طراحی کرد و با تنظیم قواعد هر سازمان، در صنایع مختلف به کار برد.

مزیت دیگر شروع از این واحدها این است که کاربرانشان کارکنان خود سازمان‌اند. خطای ایجنت در محیطی داخلی و قابل کنترل رخ می‌دهد، بازخورد سریع‌تر جمع می‌شود و سازمان می‌تواند پیش از رفتن سراغ مشتریان بیرونی، تجربه‌ی کار با ایجنت را در داخل به دست آورد.

منابع انسانی

واحد منابع انسانی زیر بار رزومه‌ها، سؤال‌های تکراری کارکنان، هماهنگی مصاحبه‌ها و فرم‌های ارزیابی است. ایجنت می‌تواند در تمام چرخه‌ی عمر کارمند کمک کند: غربالگری اولیه و هماهنگی مصاحبه، همراهی کارمند جدید در روزهای اول، پاسخ‌گویی به پرسش‌های کارکنان درباره‌ی مرخصی و حقوق، پیشنهاد مسیر آموزشی و آماده کردن داده برای ارزیابی عملکرد.

حساس‌ترین بخش، استخدام است؛ جایی که سوگیری مدل می‌تواند به بی‌عدالتی منجر شود. ایجنت در این بخش فقط پیشنهاد می‌دهد و تصمیم نهایی با انسان است. جزئیات را در مقاله‌ی ایجنت هوش مصنوعی در منابع انسانی ببینید.

آموزش سازمانی و انتقال دانش

در همه‌ی صنایع، بخش مهمی از دانش در ذهن کارکنان باتجربه است و با بازنشستگی آن‌ها از دست می‌رود. ایجنت دانش می‌تواند دستورالعمل‌ها، سوابق و تجربه‌های ثبت‌شده را در دسترس کارکنان جدید بگذارد و ایجنت آموزش می‌تواند برای هر نفر مسیر یادگیری متناسب با نقش و سطح او پیشنهاد دهد.

این همان نقطه‌ای است که ایجنت با پلتفرم تجربه‌ی یادگیری گره می‌خورد. اگر با این مفهوم آشنا نیستید، مقاله‌ی LXP چیست را بخوانید؛ کارزان هم در این حوزه LXP هوشمند کارزان را ارائه می‌دهد که آموزش کوتاه، شخصی‌سازی‌شده و مبتنی بر هوش مصنوعی را برای سازمان‌ها فراهم می‌کند.

الگوهای تکرارشونده در همه‌ی صنایع

با مرور همه‌ی صنایع، چند الگوی مشترک به چشم می‌آید. تقریباً هر سازمانی، فارغ از صنعتش، دست‌کم یکی از این چهار نیاز را دارد و همین الگوها پایه‌ی بیشتر پروژه‌های ایجنت را تشکیل می‌دهند. شناختن آن‌ها کمک می‌کند تجربه‌ی یک صنعت را درست به صنعت دیگر منتقل کنیم، بدون اینکه طرح را کورکورانه کپی کنیم.

پاسخ‌گویی و پیگیری درخواست‌ها

مشتری بانک، بیمه‌گذار، خریدار فروشگاه، خرده‌فروش شرکت پخش، دانشجو، بیمار و کارمند همه یک نیاز مشترک دارند: پاسخ سریع به سؤال و خبر از وضعیت درخواستشان. این پرحجم‌ترین الگوی کاربرد ایجنت است و معمولاً سریع‌ترین اثر را دارد.

تفاوت میان صنایع در این الگو به دو چیز برمی‌گردد: اینکه ایجنت پیش از پاسخ چقدر باید هویت کاربر را بسنجد، و اینکه از چه نقطه‌ای باید گفت‌وگو را به انسان بسپارد. در بانک و بیمارستان این مرزها سخت‌گیرانه‌تر و در فروشگاه اینترنتی ساده‌تر است.

خواندن و پردازش اسناد

رزومه در منابع انسانی، مدارک خسارت در بیمه، اسناد مهندسی در نفت و گاز، پرونده‌ی بیمار در بیمارستان، پایان‌نامه در دانشگاه و فاکتور در پخش؛ همه سندهایی هستند که امروز بخش بزرگی از وقت کارکنان صرف خواندن، کنترل و خلاصه کردن آن‌ها می‌شود.

ایجنت می‌تواند این اسناد را بخواند، اطلاعات کلیدی را بیرون بکشد، نقص‌ها را علامت بزند و خلاصه‌ای برای تصمیم‌گیرنده آماده کند. نکته‌ی مشترک همه‌ی صنایع این است که خروجی ایجنت در این الگو باید قابل‌بازبینی باشد: هر ادعای خلاصه باید به بخش مشخصی از سند اصلی برگردد.

پایش، هشدار و پیش‌بینی

لرزش پمپ در پالایشگاه، مصرف انرژی در کارخانه‌ی فولاد، تراکنش غیرعادی در بانک، کالای رو به اتمام در انبار پخش و دانشجویی که فعالیتش در سامانه‌ی آموزشی کم شده؛ همه نمونه‌هایی از یک الگو هستند: ایجنت داده‌ها را پایش می‌کند، الگوی غیرعادی را تشخیص می‌دهد و به فرد درست هشدار می‌دهد.

ارزش این الگو در زودهنگام بودن هشدار است، اما خطر آن هشدارهای بیش از حد است. اگر ایجنت مدام هشدار کم‌اهمیت بدهد، کارکنان به‌زودی همه‌ی هشدارها را نادیده می‌گیرند. تنظیم آستانه‌ها با کمک کارشناسان همان صنعت بخش جدایی‌ناپذیر این الگوست.

گزارش مدیریتی و پرسش از داده

مدیران همه‌ی صنایع با گزارش‌های پراکنده روبه‌رو هستند و پیدا کردن نکته‌ی مهم در آن‌ها وقت زیادی می‌گیرد. ایجنت گزارش می‌تواند هر روز استثناها و مشکلات را به زبان ساده خلاصه کند و به مدیر اجازه دهد سؤالش را مستقیماً از داده‌ها بپرسد.

این الگو معمولاً آخرین مرحله‌ی هر پروژه است، چون به داده‌های همه‌ی بخش‌ها نیاز دارد. پاسخ‌های ایجنت گزارش هم باید همیشه با منبع داده و بازه‌ی زمانی همراه باشد تا قابل راستی‌آزمایی باشد. برای دید کلی‌تر درباره‌ی جایگاه هوش مصنوعی در سازمان، مقاله‌ی هوش مصنوعی را کجا استفاده کنیم؟ را ببینید.

سطح اختیار ایجنت در صنایع مختلف

یکی از مهم‌ترین تصمیم‌ها در طراحی ایجنت، تعیین این است که ایجنت تا کجا می‌تواند خودش اقدام کند. پاسخ این سؤال در هر صنعت متفاوت است و حتی در یک سازمان، از یک فرایند به فرایند دیگر فرق می‌کند. قاعده‌ی کلی ساده است: هر چه هزینه‌ی خطا بالاتر و جبران آن سخت‌تر باشد، اختیار ایجنت کمتر است.

جاهایی که ایجنت فقط پیشنهاد می‌دهد

در تصمیم‌های بالینی بیمارستان، عملیات تجهیزات در نفت و گاز و فولاد، تصمیم درباره‌ی خسارت در بیمه، اعطای تسهیلات در بانک و انتخاب نهایی در استخدام، ایجنت فقط اطلاعات را جمع و خلاصه می‌کند و پیشنهاد می‌دهد. تصمیم با انسانی است که پاسخ‌گوی آن تصمیم است.

در این حوزه‌ها، ارزش ایجنت در کوتاه کردن زمان رسیدن به تصمیم و کامل‌تر کردن اطلاعات است، نه در حذف تصمیم‌گیرنده. سازمانی که این مرز را جابه‌جا کند، معمولاً با اولین خطای جدی اعتماد کارکنان و مشتریان را از دست می‌دهد.

جاهایی که ایجنت می‌تواند اقدام کند

در مقابل، کارهایی مثل ثبت نوبت، پیگیری وضعیت سفارش، ارسال یادآوری، ثبت سفارش در سقف اعتبار تعریف‌شده، دسته‌بندی درخواست‌ها و پاسخ به سؤال‌های اطلاعاتی را می‌توان به ایجنت سپرد. این کارها قواعد روشن دارند و خطای احتمالی آن‌ها قابل جبران است.

حتی در این کارها هم سه اصل در همه‌ی صنایع ثابت است: ایجنت با هویت و سطح دسترسی همان کاربر کار می‌کند، قواعد تجاری در لایه‌ی سامانه اعمال می‌شود و نه فقط در دستورالعمل مدل، و همه‌ی اقدامات در گزارشی قابل‌ممیزی ثبت می‌شود.

اولین ایجنت را از کجا شروع کنیم؟

بیشتر سازمان‌ها با فهرست بلندی از ایده‌ها شروع می‌کنند و نمی‌دانند کدام را اول بسازند. تجربه‌ی صنایع مختلف نشان می‌دهد انتخاب اولین ایجنت، بیش از هر چیز، سرنوشت پروژه‌های بعدی را تعیین می‌کند؛ اگر اولین ایجنت اثر روشنی بگذارد، راه برای بقیه باز می‌شود.

معیارهای انتخاب اولین ایجنت

اولین ایجنت بهتر است این ویژگی‌ها را داشته باشد:

  • حجم بالای کار تکراری که امروز وقت زیادی از کارکنان می‌گیرد
  • قواعد روشن و مکتوب، یا قابل مکتوب شدن
  • ریسک پایین تصمیم و خطای قابل جبران
  • داده‌ی آماده و سامانه‌ای که بتوان به آن وصل شد
  • اثری که بتوان آن را با یک شاخص ساده اندازه گرفت
  • صاحب فرایندی که خودش خواهان تغییر باشد

با این معیارها، اولین ایجنت در بیشتر صنایع یکی از کاربردهای پاسخ‌گویی یا پیگیری است؛ همان ستون «کاربرد شاخص» در جدول ابتدای این مقاله.

پرسش‌هایی که پیش از شروع باید پاسخ داد

پیش از شروع ساخت، چند پرسش را با تیم در میان بگذارید: ایجنت دقیقاً چه کاری انجام می‌دهد و چه کاری انجام نمی‌دهد؟ به کدام سامانه‌ها و با چه سطح دسترسی وصل می‌شود؟ در چه شرایطی گفت‌وگو را به انسان می‌سپارد؟ موفقیت آن با چه شاخصی سنجیده می‌شود و وضعیت فعلی آن شاخص چیست؟ چه کسی خروجی ایجنت را در هفته‌های اول بازبینی می‌کند؟

پاسخ روشن به این پرسش‌ها، دامنه‌ی پروژه را مشخص می‌کند و جلوی انتظارات غیرواقعی را می‌گیرد. هزینه‌ی هر پروژه هم به نیاز پروژه، وضعیت سامانه‌های موجود و تعداد سامانه‌هایی که باید متصل شوند بستگی دارد.

یک اشتباه رایج در همه‌ی صنایع، شروع با بلندپروازانه‌ترین ایده است: ایجنتی که قرار است همه‌ی فرایندها را هم‌زمان پوشش دهد. چنین پروژه‌هایی معمولاً طولانی می‌شوند، اثرشان دیر دیده می‌شود و حمایت مدیران را از دست می‌دهند. مسیر مطمئن‌تر، ساختن یک ایجنت کوچک و موفق و گسترش گام‌به‌گام آن است.

معماری مشترک ایجنت‌های صنعتی

با وجود همه‌ی تفاوت‌ها، معماری ایجنت در صنایع مختلف ستون فقرات مشترکی دارد. شناختن این ستون فقرات کمک می‌کند سازمان زیرساخت اولین ایجنت را طوری بسازد که برای ایجنت‌های بعدی هم قابل استفاده باشد.

لایه‌ی اتصال و کنترل دسترسی

ایجنت هرگز نباید مستقیماً به پایگاه داده‌ها دسترسی داشته باشد. رویکرد درست، ساختن لایه‌ای از API امن است که ایجنت فقط از طریق آن و فقط به داده‌های مجاز برسد. این لایه هویت کاربر را منتقل می‌کند، قواعد تجاری را اعمال می‌کند و جلوی اقدامات غیرمجاز را می‌گیرد، حتی اگر مدل با پیامی فریبنده گمراه شود.

رمزنگاری، کنترل دسترسی مبتنی بر نقش و حداقل‌سازی داده در همه‌ی صنایع الزامی است و در صنایعی مثل بانک و بیمارستان، استقرار مدل روی زیرساخت داخلی یا پنهان کردن داده‌های شناسایی پیش از ارسال به مدل اهمیت بیشتری پیدا می‌کند. اصول کلی امنیت سامانه‌های وب را در مقاله‌ی راهکارهای افزایش امنیت سایت بخوانید.

ثبت، ممیزی و بهبود مستمر

ایجنتی که امروز راه‌اندازی می‌شود، کامل نیست. در هفته‌های اول، بازبینی نمونه‌ای از گفت‌وگوها و اقدامات، اصلاح قواعد و تکمیل دانش ایجنت بخش اصلی کار است. برای این کار، همه‌ی اقدامات ایجنت و دلیل هر تصمیم باید ثبت شود تا تیم ببیند کجا قاعده ناقص بوده و کجا داده اشتباه بوده است.

همین ثبت دقیق، پاسخ سازمان به نهادهای ناظر هم هست: در صنایع مالی، درمانی و انرژی، سازمان باید بتواند نشان دهد ایجنت چه کرده و بر چه اساسی. ایجنتی که قابل ممیزی نباشد، در این صنایع جایی ندارد.

جمع‌بندی و گفت‌وگو با کارزان

ایجنت هوش مصنوعی در هر صنعت با داده‌ها، سامانه‌ها، مقررات و کاربران همان صنعت شکل می‌گیرد. الگوهای پاسخ‌گویی، پردازش اسناد، پایش و گزارش در همه‌جا تکرار می‌شوند، اما سطح اختیار ایجنت و مرزهای آن باید با شناخت دقیق همان صنعت تعیین شود. بهترین شروع، کاربردی پرتکرار، کم‌ریسک و قابل اندازه‌گیری است و زیرساختی که برای آن ساخته می‌شود، پایه‌ی ایجنت‌های بعدی خواهد بود.

کارزان با تجربه در نرم‌افزارهای سازمانی، سامانه‌های آموزشی، سامانه‌های پرداخت و ایجنت‌های هوش مصنوعی، می‌تواند از تحلیل نیاز تا پیاده‌سازی و پشتیبانی همراه شما باشد. برای آشنایی بیشتر با خدمات کارزان و دیدن نمونه‌کارها، یا برای مشاوره‌ی رایگان درباره‌ی ایجنت مناسب صنعت خود، از طریق صفحه‌ی تماس با ما با تیم کارزان در ارتباط باشید.

سؤالات متداول

۰۱ کاربرد ایجنت هوش مصنوعی در صنایع مختلف چه تفاوتی با هم دارد؟
مدل زبانی در همه‌ی صنایع کم‌وبیش یکی است؛ تفاوت در داده‌ها و سامانه‌هایی است که ایجنت به آن‌ها وصل می‌شود، مقررات و هزینه‌ی خطای هر صنعت و کاربرانی که با ایجنت کار می‌کنند. همین عوامل تعیین می‌کنند ایجنت کجا خودکار عمل کند و کجا فقط پیشنهاد بدهد.
۰۲ در کدام صنایع ایجنت فقط پیشنهاد می‌دهد و تصمیم نمی‌گیرد؟
در تصمیم‌های بالینی بیمارستان، عملیات تجهیزات در نفت و گاز و فولاد، تصمیم درباره‌ی خسارت در بیمه، اعطای تسهیلات در بانک و انتخاب نهایی در استخدام. در این حوزه‌ها ایجنت اطلاعات را جمع و خلاصه می‌کند و تصمیم با انسان مسئول است.
۰۳ اولین ایجنت سازمان را چطور انتخاب کنیم؟
کاربردی را انتخاب کنید که حجم کار تکراری بالا، قواعد روشن، ریسک تصمیم پایین، داده‌ی آماده و اثر قابل‌اندازه‌گیری داشته باشد و صاحب فرایند خودش خواهان تغییر باشد. در بیشتر صنایع، این کاربرد پاسخ‌گویی یا پیگیری درخواست‌هاست.
۰۴ آیا می‌توان ایجنت یک صنعت را برای صنعت دیگر کپی کرد؟
الگوهای اصلی مثل پاسخ‌گویی، پردازش اسناد، پایش و گزارش در همه‌ی صنایع تکرار می‌شوند و زیرساخت فنی هم قابل استفاده‌ی دوباره است، اما سامانه‌ها، مقررات، سطح اختیار و لحن ایجنت باید برای هر صنعت جداگانه طراحی شود.
۰۵ هزینه‌ی ساخت ایجنت هوش مصنوعی برای یک صنعت چقدر است؟
هزینه به نیاز پروژه، وضعیت سامانه‌های موجود و تعداد سامانه‌هایی که باید متصل شوند بستگی دارد. برای برآورد دقیق، مشاوره‌ی اولیه با تیم کارزان رایگان است.

مسیر مطالعه

مطالب بیشتر در همین موضوع

مقاله

ایجنت هوش مصنوعی در دانشگاه؛ پذیرش، آموزش و پژوهش

دانشگاه‌ها هر ترم با موجی از سؤال‌های تکراری درباره‌ی انتخاب واحد، حذف و اضافه، شهریه و نمره روبه‌رو می‌شوند و کارشناسان آموزش زیر حجم پیام‌ها غرق می‌شوند. استادان هم بخش بزرگی از وقتشان را صرف پاسخ به سؤال‌های تکراری، ط…

24 آبان 1405 ۲۴
خواندن مطلب
  1. ۰۱ ایجنت هوش مصنوعی در دانشگاه؛ پذیرش، آموزش و پژوهش مقاله · 24 آبان 1405
  2. ۰۲ ایجنت هوش مصنوعی در بیمه؛ از صدور تا پرداخت خسارت مقاله · 20 آبان 1405
  3. ۰۳ ایجنت هوش مصنوعی برای فروشگاه اینترنتی و پشتیبانی مقاله · 14 آبان 1405
  4. ۰۴ ایجنت هوش مصنوعی در منابع انسانی و استخدام مقاله · 11 آبان 1405
  5. ۰۵ ایجنت هوش مصنوعی در فولاد و معدن؛ از اکتشاف تا فروش مقاله · 04 آبان 1405
  6. ۰۶ ایجنت هوش مصنوعی در نفت و گاز؛ از نت تا HSE مقاله · 28 مهر 1405

دیدگاه کاربران

ارسال دیدگاه جدید

تا کنون برای این پروژه نظری ثبت نشده است

ارسال دیدگاه جدید

دیدگاه خود را برای ما ارسال کنید