رفتن به محتوای اصلی
استراتژی هوش مصنوعی

هوش مصنوعی در کسب‌وکار: راهنمای کامل برای مدیران ایرانی

۱۱ دقیقه مطالعه

در این مقاله

مدیر فروش می‌گوید سه نفر از تیمش با ChatGPT متن پیشنهاد می‌نویسند، حسابدار فایل‌های اکسل را در یک ابزار دیگر آپلود کرده و هیچ‌کس نمی‌داند کدام اطلاعات کجا رفته است. در همین حال پیام مشتری‌ها ساعت‌ها بی‌جواب می‌ماند و فاکتورهای آخر ماه هنوز دستی وارد می‌شوند. هوش مصنوعی در شرکت شما هست، ولی سیستم نیست.

این وضع برای بیشتر شرکت‌ها آشناست. ابزارها یکی‌یکی وارد شده‌اند، هر کس برای خودش استفاده می‌کند و نتیجه‌ای که مدیر بتواند اندازه بگیرد وجود ندارد. هزینه‌اش هم پنهان است: ساعت‌های کاری که صرف کارهای تکراری می‌شود، اشتباه‌های کوچکی که دیر پیدا می‌شوند و مشتری‌ای که منتظر ماند و رفت.

این راهنما برای مدیرانی نوشته شده که می‌خواهند هوش مصنوعی در کسب و کار را از حرف به عمل ببرند. اول معنای آن را روشن می‌کنیم، بعد نشان می‌دهیم کجا بیشترین فایده را دارد، از کجا باید شروع کرد و چه چیزهایی را باید سنجید. برای هر بخش و هر صنعت، مقاله‌ای جداگانه هست که از همین‌جا به آن‌ها لینک داده‌ایم.

هوش مصنوعی در کسب‌وکار دقیقاً یعنی چه؟

یعنی بخشی از کار شرکت، مثلاً خواندن ایمیل‌ها، نوشتن پیش‌نویس، دسته‌بندی درخواست‌ها یا پیدا کردن عدد درست در میان فایل‌ها، را سیستمی انجام دهد که زبان آدم‌ها را می‌فهمد و با نرم‌افزارهای شما حرف می‌زند. آدم‌ها همچنان تصمیم می‌گیرند؛ سیستم کار تکراری را برمی‌دارد.

در عمل سه سطح وجود دارد. سطح اول استفاده شخصی است: کارمند از یک مدل زبانی بزرگ (LLM) مثل ChatGPT یا Claude کمک می‌گیرد. سطح دوم یک کار تعریف‌شده است: مثلاً چت‌بات پاسخ به سؤال‌های متداول مشتری. سطح سوم اتصال به سیستم‌های اصلی است: CRM، حسابداری و انبار، تا هوش مصنوعی فقط حرف نزند و کار را در همان سیستم‌ها انجام دهد.

بیشتر شرکت‌ها در سطح اول مانده‌اند. تفاوت سطح اول با سوم را در مقاله ChatGPT در شرکت به تفصیل نوشته‌ایم، و اگر می‌خواهید بدانید شرکتی که روی هوش مصنوعی ساخته شده با شرکتی که فقط ابزاری اضافه کرده چه فرقی دارد، مقاله هوش‌مصنوعی‌محور یعنی چه را ببینید.

هوش مصنوعی کجای شرکت شما بیشترین فایده را دارد؟

در جاهایی که کار تکراری است، اطلاعات از چند جا باید جمع شود و اشتباه کوچک هزینه دارد. این سه ویژگی تقریباً در هر بخش پیدا می‌شود، ولی شکلش فرق می‌کند.

بخشکاری که معمولاً وقت می‌گیردراهنمای کامل‌تر
فروشپیگیری سرنخ‌ها، نوشتن پیشنهاد، یادآوری تماسهوش مصنوعی در فروش
پشتیبانیجواب سؤال‌های تکراری، دسته‌بندی شکایت‌هاپشتیبانی مشتری با هوش مصنوعی
حسابداریورود فاکتور، تطبیق حساب‌هاهوش مصنوعی در حسابداری
انبارشمارش، پیش‌بینی کمبود، ثبت ورود و خروجمدیریت انبار و موجودی
منابع انسانیغربال رزومه، آموزش نیروی جدیدهوش مصنوعی در منابع انسانی
خریدمقایسه پیش‌فاکتورها، پیگیری سفارشخرید و تأمین
بازاریابیتولید محتوا با لحن برندبازاریابی با لحن برند

برای دیدن این فهرست در قالب راهکارهای ما می‌توانید صفحه راهکارهای هوش مصنوعی را هم باز کنید. برای فهرست کامل‌تر کارهایی که امروز می‌شود سپرد، کاربردهای هوش مصنوعی در کسب‌وکار را ببینید. ولی پیش از آن، بهتر است یک بار خودتان بخش‌ها را از نظر هدررفت مرور کنید: کدام کار هر هفته چند نفر را چند ساعت مشغول می‌کند؟

هوش مصنوعی در هر صنعت چه شکلی پیدا می‌کند؟

نوع کار فرق دارد، پس نقطه شروع هم فرق دارد. کارخانه با کنترل کیفیت و برنامه تولید شروع می‌کند، پخش با سفارش‌گیری و موجودی، کلینیک با نوبت‌دهی و یادآوری.

چند نمونه از نقطه‌های شروع که برایشان مقاله جداگانه نوشته‌ایم:

  • تولیدی: هوش مصنوعی در کارخانه درباره کنترل کیفیت، برنامه تولید و نگهداری.
  • پخش و عمده‌فروشی: سفارش‌گیری، مسیر و موجودی در شرکت‌های پخش.
  • کلینیک و مطب: نوبت‌دهی و یادآوری با حفظ حریم خصوصی بیمار.
  • فروشگاه اینترنتی: از توضیح محصول تا جواب مشتری، پیش از شلوغی نوروز.
  • املاک: از فایل تا پیگیری مشتری در بنگاه‌ها و شرکت‌های ساختمانی.
  • تجهیزات صنعتی: کاتالوگ هزاران کالا و جواب فنی سریع.

اگر صنعت شما در این فهرست نیست، منطق همین است: ببینید مشتری یا کارمند شما بیشتر از همه منتظر چه می‌ماند.

از کدام کار شروع کنیم؟

از یک کار کوچک که تکراری است، هر هفته چند ساعت وقت می‌گیرد و نتیجه‌اش را می‌شود شمرد. شروع از «کل شرکت» معمولاً به برنامه‌ای می‌رسد که هیچ‌وقت اجرا نمی‌شود.

برای انتخاب، چهار پرسش کافی است:

  1. این کار هر هفته چند ساعت از چند نفر می‌گیرد؟
  2. ورودی و خروجی‌اش روشن است، یا هر بار فرق می‌کند؟
  3. اگر سیستم یک بار اشتباه کند، چه می‌شود و چه کسی آن را می‌بیند؟
  4. داده‌اش کجاست و می‌شود به آن دسترسی داد؟

روش کامل امتیازدهی در مقاله اولین پروژه هوش مصنوعی را چطور انتخاب کنیم آمده است. اگر شرکتتان کوچک است و بودجه و نیروی فنی ندارید، مقاله هوش مصنوعی برای کسب‌وکارهای کوچک مسیر ساده‌تری نشان می‌دهد. وقتی پروژه انتخاب شد و می‌خواهید از چند شرکت پیشنهاد بگیرید، نمونه آماده شرح کار و درخواست پیشنهاد (RFP) کمک می‌کند همه یک چیز را قیمت‌گذاری کنند.

آیا شرکت شما برای شروع آماده است؟

آمادگی بیشتر به نظم کار مربوط است تا به فناوری: کار را کسی تعریف کرده، داده‌اش در دسترس است و کسی مسئول نتیجه است. شرکتی که این سه را دارد، حتی با ابزار ساده هم جلو می‌رود.

نشانه‌های آمادگی را می‌شود با چند پرسش ساده سنجید: آیا مراحل کار نوشته شده یا فقط در ذهن یک نفر است؟ آیا اطلاعات مشتری و سفارش در یک جا نگه داشته می‌شود یا در چت‌ها و برگه‌ها پراکنده است؟ آیا کسی هست که بگوید «نتیجه این پروژه را من پیگیری می‌کنم»؟

برای اینکه خودتان امتیاز بدهید، خودآزمایی ۱۰ سؤالی آمادگی را بخوانید. بعد از آن روشن می‌شود که پیش از ساختن، کدام کار سازمانی را باید اول سروسامان داد.

هزینه و بازگشت سرمایه را چطور باید دید؟

هزینه به چند عامل مشخص بستگی دارد، و بازگشت سرمایه را فقط با عددهای خودتان می‌شود حساب کرد، نه با درصدی که از جایی شنیده‌اید. هر عدد آماده‌ای که بدون دانستن کار شما داده شود، حدس است.

عامل‌های هزینه عبارت‌اند از وضعیت داده، تعداد اتصال‌ها به سیستم‌های دیگر، تعداد کاربران، میزان استفاده از مدل و پشتیبانی بعد از راه‌اندازی. توضیح هر کدام در مقاله هزینه پیاده‌سازی هوش مصنوعی به چه چیزهایی بستگی دارد آمده است. برای سود هم باید پیش از شروع بدانید امروز چه چیزی را می‌سنجید: ساعت کار در هفته، تعداد خطا، زمان پاسخ یا هزینه هر کار.

روش حساب کردن با عددهای خودتان، همراه با یک مثال فرضی، در بازگشت سرمایه هوش مصنوعی بدون عدد خیالی است. قاعده ساده‌ای که به آن می‌رسیم: اگر نمی‌توانید وضع امروز را اندازه بگیرید، بعد از پروژه هم نمی‌توانید بگویید چه چیزی عوض شده است.

کدام مدل را برای کدام کار انتخاب کنیم؟

مدل‌ها در نوع کار فرق دارند و جواب «بهترین مدل» وجود ندارد. Claude، GPT، Gemini و DeepSeek هر کدام را بهتر است با کار خودتان امتحان کنید، نه با فهرست رتبه‌بندی.

برای متن‌های بلند و دقیق، خلاصه کردن قرارداد، نوشتن کد یا جواب دادن به مشتری، معیارهای متفاوتی مهم است: لحن فارسی، طول متنی که مدل می‌تواند بخواند، سرعت و هزینه هر بار استفاده. مقاله Claude، GPT، Gemini یا DeepSeek: کدام مدل برای کدام کار این مقایسه را بر اساس نوع کار انجام می‌دهد.

اگر می‌خواهید چند مدل را کنار هم با کارهای خودتان امتحان کنید، پیکسی برای همین ساخته شده است: چند سازنده مدل در یک چت، با پرداخت به اندازه استفاده. برای تصمیم نهایی پیشنهاد می‌کنیم یک کار واقعی شرکت را به سه مدل بدهید و نتیجه را کنار هم بگذارید. اگر پیش از این کار می‌خواهید بدانید مدل زبانی اصلاً چطور کار می‌کند، مدل زبانی بزرگ (LLM) به زبان ساده را بخوانید.

با داده و محدودیت‌های دسترسی چه کنیم؟

پیش از هر انتخابی باید بدانید چه داده‌ای دارید و کدام بخش آن اجازه ندارد از شرکت بیرون برود. بعضی خدمات خارجی گاهی از ایران در دسترس نیستند و پرداخت به آن‌ها هم ممکن است مشکل داشته باشد، پس سیستمی که فقط به یک سرویس وابسته باشد شکننده است.

سه کار ساده کمک می‌کند. فهرستی از انواع داده بنویسید: مشتری، مالی، قرارداد، فنی. کنار هر کدام مشخص کنید کارمند اجازه دارد آن را در چت بگذارد یا نه. و برای کار مهم، یک راه جایگزین داشته باشید؛ مثلاً اگر یک مدل در دسترس نبود، مدل دیگری همان کار را انجام دهد. این‌ها را در مقاله ChatGPT در شرکت با جزئیات بیشتر آورده‌ایم.

چطور بفهمیم پروژه کار کرده است؟

با مقایسه چهار عدد پیش و پس از پروژه: ساعت کار در هفته، تعداد خطا، زمان پاسخ و هزینه هر کار. اگر پیش از شروع این‌ها را نوشته باشید، بعد از چند هفته می‌توانید ساده بگویید چه چیزی عوض شده است.

یک جدول کوچک کافی است. در ستون اول وضع امروز را بنویسید، در ستون دوم هدف را، و در ستون سوم هر دو هفته یک بار عدد واقعی را. اگر عدد بهتر نشد، دو احتمال هست: یا کار را اشتباه انتخاب کرده‌اید یا سیستم هنوز با کار واقعی هماهنگ نشده است. در هر دو حالت، همین عدد به شما می‌گوید کجا را اصلاح کنید.

هوش مصنوعی جای کارمندان را می‌گیرد؟

کارها عوض می‌شوند و بخش تکراری آن‌ها به سیستم می‌رسد. در بیشتر پروژه‌های شرکت‌های کوچک و متوسط، چیزی که عوض می‌شود وظیفه است و نه لزوماً تعداد آدم‌ها: کسی که ساعت‌ها فاکتور وارد می‌کرد، حالا باید خروجی سیستم را کنترل کند.

دیدگاه ما همین است که آدم‌ها فکر و تصمیم را نگه می‌دارند و هوش مصنوعی بقیهٔ کار تکراری را می‌گیرد. این به معنای نبود نگرانی نیست. کارمندی که می‌ترسد، سیستم را کنار می‌گذارد یا دور می‌زند. گفت‌وگوی روشن درباره اینکه چه کاری عوض می‌شود و چه مهارتی ارزشمندتر می‌شود، بخشی از پروژه است. مقاله هوش مصنوعی جای کارمندان را می‌گیرد یا کارشان را عوض می‌کند این موضوع را جدا بررسی می‌کند.

اگر بازار آرام یا بحرانی باشد، چه باید کرد؟

در دوره‌های سخت، خریدار خرید را عقب می‌اندازد و معمولاً کنار نمی‌گذارد. شرکتی که در همین مدت کارهایش را منظم کند، وقتی بازار برگردد آماده‌تر است.

یک مثال با منبع: به گزارش دیجیاتو (۳۰ شهریور ۱۴۰۵)، در اسفند ۱۴۰۴ تعداد سفارش روزانه دیجی‌کالا ۴۸٫۷ درصد کم شد، در حالی که ارزش سبد خرید فقط ۰٫۶ درصد افت کرد. بعد از آرام شدن اوضاع، سفارش‌ها ۱۰۰٫۵ درصد بالا رفتند و از سطح پیش از بحران هم گذشتند. این یک نمونه از یک فروشگاه بزرگ است و برای همه جا قابل تعمیم نیست. ولی نشان می‌دهد خریدها گاهی فقط به تعویق می‌افتند. سیستم هوش مصنوعی هم نمی‌تواند وقتی بازار یا اینترنت مشکل دارد فروش را ادامه دهد؛ کاری که از آن برمی‌آید این است که در زمان برگشت، شرکت شما سریع‌تر پاسخ بدهد. بیشتر در آماده شدن برای برگشت بازار نوشته‌ایم.

چه فرقی هست بین شرکتی که هوش مصنوعی دارد و شرکتی که بر آن ساخته شده؟

اولی ابزار را کنار کار اضافه کرده؛ دومی خود کار را حول آن طراحی کرده است. در اولی اگر ابزار را بردارید، کار همان می‌ماند. در دومی، کار بدون سیستم به همان شکل پیش نمی‌رود.

مثالش مثل دو آموزشگاه زبان است. یکی چت‌بات روی سایت گذاشته که به سؤال‌ها جواب می‌دهد. دیگری ثبت‌نام، تعیین سطح، یادآوری جلسه و پیگیری کسانی که نیمه‌راه ترک کرده‌اند را به هم وصل کرده است. هدف ما همین مدل دوم است و تعریف کامل آن در هوش‌مصنوعی‌محور یعنی چه آمده است.

سال بعد را چطور برنامه‌ریزی کنیم؟

برنامه سال را روی سه چیز بسازید: یک کار اول که در سه ماه می‌شود شمرد، یک یا دو کار بعدی با برچسب «بعداً»، و یک عادت اندازه‌گیری. بقیه فهرست آرزوها را بنویسید ولی وارد برنامه نکنید.

اگر در بهمن برای ۱۴۰۶ برنامه می‌چینید، مقاله برنامه هوش مصنوعی ۱۴۰۶ یک قالب ساده از این برنامه دارد: چه چیزی را بنویسیم، چه چیزی را نه و بودجه نیروی انسانی را چطور ببینیم.

مهندس پیاده‌سازی (FDE) در این مسیر چه می‌کند؟

مهندس پیاده‌سازی در کنار تیم شما می‌نشیند، کار را همان‌طور که واقعاً انجام می‌شود یاد می‌گیرد و سیستم را داخل همان کار می‌سازد؛ نه ارائهٔ اسلاید و نه یک ابزار دیگر. این عنوان از شرکت Palantir آمده است؛ در نوشته‌ای که خود Palantir در ۲۰۱۹ منتشر کرده، این نقش «یک مشتری، چندین قابلیت» توصیف شده است.

در بلنک پیکسل این کار را در پنج گام انجام می‌دهیم: شناخت، نقشه، ساخت، اتصال، اجرا و بهبود. در گام شناخت کار و آدم‌ها را می‌بینیم. در نقشه، جاهایی که وقت و پول هدر می‌رود و کاری که باید اول ساخته شود روی کاغذ می‌آید. بعد می‌سازیم، به سیستم‌های فعلی وصل می‌کنیم و در اجرا نتیجه را اندازه می‌گیریم و بهتر می‌کنیم.

نکته: گزارش امکان‌سنجی یک نوشته کوتاه است که نشان می‌دهد در کدام فرایندهای شما وقت و پول هدر می‌رود، کدام را می‌شود به هوش مصنوعی سپرد و چه چیزی را باید اول ساخت.

پرسش‌های رایج

هوش مصنوعی برای یک شرکت کوچک هم کاربرد دارد؟

بستگی به کار دارد. اگر کاری هر هفته چند ساعت از یک نفر می‌گیرد و می‌شود آن را شمرد، حتی شرکت کوچک هم می‌تواند از آن نتیجه بگیرد. اگر چنین کاری ندارید، شروع نکنید و اول فرایندها را مرتب کنید.

بدون برنامه‌نویس هم می‌شود هوش مصنوعی وارد شرکت کرد؟

برای سطح اول، یعنی استفاده شخصی از مدل‌ها، بله. برای اتصال به CRM و حسابداری معمولاً به کسی نیاز دارید که سیستم را بسازد و نگه دارد. این فرد می‌تواند از بیرون شرکت هم باشد.

اطلاعات مشتری‌ها در ابزارهای هوش مصنوعی در امان است؟

بستگی به ابزار و تنظیمات آن دارد. پیش از وارد کردن داده مشتری باید بدانید ابزار با آن چه می‌کند و یک قاعده ساده برای کارمندان بنویسید: چه چیزی را نباید در چت گذاشت. این توضیح حقوقی نیست؛ برای قرارداد و حریم خصوصی با متخصص حقوقی مشورت کنید.

اولین نتیجه را کی می‌شود دید؟

زمان قطعی نمی‌دهیم، چون به کار و داده‌تان بستگی دارد. چیزی که می‌شود از روز اول انجام داد، اندازه گرفتن وضع امروز است: ساعت کار، تعداد خطا و زمان پاسخ. بدون آن، بعداً نمی‌توانید تغییر را ببینید.

نوشته تیم بلنک پیکسلمنتشرشده در ۱۷ آبان ۱۴۰۵

راهکار مرتبط

راهکارها

چهار ستون، یک سیستم: سیستم‌های هوشمند کسب‌وکار (CRM، ERP، تحلیل داده، خودکارسازی و ایجنت‌ها)، رشد و بازاریابی با هوش مصنوعی، وب و دیجیتال هوش‌مصنوعی‌محور و محصولات ما.

ببینید هوش مصنوعی کجا بیشترین صرفه‌جویی را برایتان دارد.

یک گفت‌وگوی رایگان درباره کسب‌وکارتان، و بعد گزارش امکان‌سنجی مکتوب از فرایندهایتان: زمان و پول کجا هدر می‌رود، هوش مصنوعی چه کارهایی را می‌تواند برعهده بگیرد و از کجا باید شروع کرد.