در این مقاله
صاحب یک تولیدی کفش در تبریز فهرستی نوشته بود: چتبات برای سایت، گزارش خودکار فروش، پیشبینی موجودی چرم، ترجمه کاتالوگ، تحلیل رزومه. روی کاغذ هر کدام خوب بود. دو ماه بعد، هیچکدام شروع نشده بود، چون هیچکس نمیدانست باید از کدام شروع کند.
اگر شما هم از خودتان میپرسید هوش مصنوعی را از کجا شروع کنیم، مشکل معمولاً کمبود ایده نیست. مشکل زیاد بودن ایدههاست. هر ایدهای که هنوز انتخاب نشده، یک تصمیم معوق است و تصمیم معوق انرژی تیم را میگیرد.
این مقاله روشی ساده برای انتخاب دارد: پنج پرسش، یک جدول امتیاز و یک قاعده برای اینکه بقیهٔ فهرست را کجا بگذارید. تصویر بزرگتر شروع هوش مصنوعی در شرکت را در راهنمای کامل هوش مصنوعی در کسبوکار نوشتهایم؛ اینجا فقط روی یک تصمیم میمانیم.
چرا انتخاب اولین پروژه مهمتر از انتخاب ابزار است؟
چون اولین پروژه دو چیز را مشخص میکند: آیا تیم شما به سیستم اعتماد پیدا میکند یا نه، و آیا مدیریت نتیجهٔ قابل دیدن میگیرد یا نه. ابزار را بعداً میشود عوض کرد، ولی یک شروع ناموفق اعتماد را دیر برمیگرداند.
گزارشی از MIT NANDA در ۲۰۲۵ منتشر شد و Fortune آن را پوشش داد. به نقل از Fortune، نویسنده اصلی این گزارش گفته کسانی که نتیجه گرفتند «یک نقطه درد را انتخاب کردند، آن را خوب اجرا کردند و با شریک مناسب کار کردند». این گزارش مقدماتی بود و تعریف «شکست» در آن محل بحث است، پس آن را قانون نمیدانیم؛ ولی با تجربه ما همخوان است. متن Fortune را میتوانید خودتان بخوانید.
نتیجه عملی: بهجای پرسیدن «کدام ابزار؟»، بپرسید «کدام درد؟».
پنج پرسش برای هر کار نامزد
هر کاری را که در فهرست دارید با این پنج پرسش بسنجید. جوابها را کوتاه و با عدد بنویسید.
- چقدر وقت میگیرد؟ چند نفر، هر هفته چند ساعت. اگر نمیدانید، یک هفته بشمارید.
- چقدر تکراری است؟ اگر هر بار شکل دیگری دارد و باید قضاوت زیادی بشود، برای شروع مناسب نیست.
- ورودی و خروجیاش روشن است؟ مثلاً «پیام مشتری میآید، جواب پیشنویس میشود»، نه «هر چیزی که پیش بیاید».
- اگر اشتباه کند چه میشود؟ اگر اشتباه یک پیشنویس است که آدم میخواند، ریسک کم است. اگر پرداختی خودکار انجام میشود، نه.
- دادهاش کجاست؟ در یک فایل یا سیستم مشخص، یا در ذهن و چتهای پراکنده؟
کاری که در پرسشهای ۱ تا ۳ جواب خوب بگیرد و در پرسش ۴ ریسک کمی داشته باشد، نامزد خوبی است. پرسش پنجم تعیین میکند ساخت آن چقدر کار دارد.
جدول امتیازدهی با مثال یک تولیدی کفش
به هر پرسش از یک تا سه امتیاز بدهید و جمع بزنید. عددهای زیر فرضیاند و فقط برای نشان دادن روش آمدهاند.
| کار نامزد | وقت | تکرار | روشن بودن | ریسک خطا | داده | جمع |
|---|---|---|---|---|---|---|
| پاسخ به پرسشهای تکراری مشتری | ۳ | ۳ | ۲ | ۲ | ۲ | ۱۲ |
| گزارش خودکار فروش | ۲ | ۳ | ۳ | ۳ | ۳ | ۱۴ |
| پیشبینی موجودی چرم | ۲ | ۱ | ۱ | ۱ | ۱ | ۶ |
| ترجمه کاتالوگ | ۱ | ۲ | ۳ | ۳ | ۳ | ۱۲ |
| غربال رزومه | ۱ | ۲ | ۲ | ۱ | ۲ | ۸ |
در ستون ریسک، امتیاز بالا یعنی ریسک پایین. در این مثال، گزارش فروش بالاترین امتیاز را میگیرد چون دادهاش در یک نرمافزار حسابداری است و اشتباهش را مدیر فروش با یک نگاه میبیند. پیشبینی موجودی چرم مهم است، ولی به داده خوب و سابقه نیاز دارد؛ جایش «بعداً» است.
امتیاز را مطلق نبینید. هدف مرتب کردن بحث است، نه جایگزین قضاوت. اگر کار دوم برای مدیرعامل خیلی ملموستر است، همان را بردارید.
چند کار را باید «بعداً» گذاشت؟
بیشتر فهرست را. اولین پروژه فقط یک کار است، و بقیه را بهصورت فهرست کوتاه «بعداً» نگه دارید تا هم فراموش نشوند و هم حواس تیم پرت نشود.
نوشتن فهرست دوم مهم است. اگر هیچ نقشهای برای ادامه نباشد، تیم فکر میکند پروژه یک تجربه یکباره است. اگر یک خط دیده شود، مثلاً «بعد از گزارش فروش: پاسخ به مشتری، بعد: موجودی»، کار معنا پیدا میکند. ولی همهٔ اینها را همزمان شروع نکنید: وقتی چند کار با هم شروع شود، دقت و پیگیری هر کدام کم میشود.
کارهایی که برای شروع مناسب نیستند
کارهای مبهم، کارهای پرریسک و کارهایی که دادهشان وجود ندارد. این سه گروه خوباند ولی برای شروع نه.
- مبهم: «هوشمند کردن کل شرکت». هیچکس نمیداند چه زمانی تمام شده.
- پرریسک: تصمیمهایی که اشتباهشان پول یا اعتبار را بیبازگشت از دست میدهد؛ مثلاً تأیید خودکار پرداخت.
- بدون داده: کاری که اطلاعاتش اصلاً ثبت نمیشود. اول باید ثبت کردن را شروع کنید.
- وابسته به سیستمی که خودتان از آن راضی نیستید: اگر نرمافزار حسابداری یا انبار مشکل دارد، اول همان را درست کنید.
اگر کسبوکار کوچکی دارید و نیروی فنی ندارید، هوش مصنوعی برای کسبوکارهای کوچک فهرست کارهایی را آورده که با کمترین زیرساخت شروع میشوند.
تصمیم نهایی را چطور بگیریم؟
بعد از امتیازدهی، دو کار با بالاترین امتیاز را کنار هم بگذارید و یک سؤال آخر بپرسید: کدام یک را اگر سه ماه دیگر کامل ببینیم، تیم و مدیر واقعاً حس میکنند؟ آن را انتخاب کنید.
در مثال تولیدی کفش، گزارش خودکار فروش امتیاز بالاتری داشت، ولی مدیر تولید بیشتر از جواب دادن به مشتریها خسته بود. اگر شما هم چنین تضادی دارید، امتیاز را رها نکنید ولی دلیل خستگی را جدی بگیرید. گاهی کاری که کمی امتیاز کمتر دارد، به دلیل اینکه همه آن را میبینند و دوست دارند، بهتر پذیرفته میشود. پروژه اول باید هم نتیجه بدهد و هم برای کارمندان نشان بدهد که هوش مصنوعی کارشان را راحتتر میکند.
یک قاعده کمک میکند: تصمیم را روی کاغذ بیاورید. یک خط برای کاری که انتخاب کردید، یک خط برای معیار موفقیت، و یک خط برای نفری که مسئول است. اگر این سه خط را نمیتوانید بنویسید، هنوز انتخاب تمام نشده است.
پیش از شروع چه چیزی را باید اندازه بگیرید؟
وضع امروز همان کار را. اگر پروژه «پاسخ به پرسشهای تکراری» باشد، یک هفته بشمارید چند پیام آمد، به هر کدام چقدر طول کشید تا جواب برود و چند بار یک جواب تکرار شد.
سه عدد کافی است: ساعت کار در هفته، تعداد خطا یا شکایت، و زمان پاسخ. بدون این سه عدد، بعد از پروژه فقط حس خوب میماند و مدیریت نمیتواند تصمیم بگیرد ادامه بدهد یا نه. چطور از این عددها هزینه و سود دربیاورید را در بازگشت سرمایه هوش مصنوعی نوشتهایم.
اگر مطمئن نیستید شرکتتان برای شروع آماده است، خودآزمایی دهسؤالی آمادگی کمک میکند ضعیفترین نقطه را ببینید.
وقتی مهندس پیادهسازی (FDE) کنار شماست
این انتخاب را میشود تنهایی انجام داد، ولی دو اشتباه رایج است: کار را بیش از حد بزرگ گرفتن، و کاری را انتخاب کردن که دادهاش آماده نیست. مهندس پیادهسازی کسی است که کنار تیم شما مینشیند و کار را در عمل میبیند، پس این دو اشتباه را زودتر پیدا میکند.
در بلنک پیکسل این مرحله «شناخت» و «نقشه» است: ابتدا کار و آدمها را میبینیم، بعد روی یک صفحه مینویسیم کدام کار اول ساخته شود و کدام «بعداً». اگر بخواهید این نقشه را برای شرکت خودتان داشته باشید، از صفحه تماس میتوانید شروع کنید. زمان و قالب نتیجه را از پیش وعده نمیدهیم، چون به کار شما بستگی دارد.
پرسشهای رایج
اگر همه کارها مهم به نظر میرسند چه کنیم؟
امتیازدهی همینجا کمک میکند. کاری را که امتیاز بالاتر و ریسک کمتری دارد اول بگذارید. اگر دو کار نزدیک بودند، آن را بردارید که نتیجهاش را مدیرعامل زودتر میبیند.
آیا بهتر است اولین پروژه کوچک باشد یا بزرگ؟
کوچک و کامل. پروژه بزرگ دیر نتیجه میدهد و اگر مسیر اشتباه باشد هزینهاش بالاست. پروژه کوچک اگر موفق باشد، پایهای برای ادامه میشود و اگر نشود، سریع میفهمید چرا.
اگر پروژه اول جواب نداد چه؟
اول ببینید مشکل از انتخاب کار بود یا از اجرا. با عددهای پیش و پس از پروژه میتوانید تشخیص بدهید. اغلب لازم است داده یا قاعدههای کار اصلاح شود و دوباره امتحان کنید.
برای اولین پروژه حتماً باید شریک بیرونی داشته باشیم؟
لازم نیست، ولی اگر نیروی فنی ندارید یا پروژه به سیستمهای دیگر وصل میشود، کمک بیرونی کار را سریعتر و کمخطاتر میکند. نقطه شروع کوچک را خودتان هم میتوانید با یک ابزار ساده امتحان کنید.
راهکار مرتبط
امکانسنجی هوشمندسازی کسبوکار
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.
ادامه مطالعه
مقالههای مرتبط
استراتژی هوش مصنوعی۱۷ آبان ۱۴۰۵
هوش مصنوعی در کسبوکار: راهنمای کامل برای مدیران ایرانی
هوش مصنوعی در کسب و کار یعنی چه، کجا کار میکند و از کجا باید شروع کرد؟ راهنمای عملی برای مدیران ایرانی، با لینک به راهنمای هر بخش و صنعت.
خواندن مقالهمدلهای مشاوره۲۲ آبان ۱۴۰۵
مدلهای مشاوره مدیریت در عصر هوش مصنوعی: از تحلیل تا اجرا
ابزارهای مشاوره مدیریت مثل SWOT، 7S، پورتر و OKR چه میپرسند، کی به کار میآیند و هوش مصنوعی کجا آنها را سریعتر، دقیقتر و زنده میکند.
خواندن مقالهمهندس پیادهسازی۲۱ آبان ۱۴۰۵
گزارش امکانسنجی هوشمندسازی چیست و چطور ساخته میشود؟
گزارش امکانسنجی هوشمندسازی، نوشتهای کوتاه از فرایندهای اصلی کسبوکار شماست: زمان و پول کجا هدر میرود و از کجا شروع کنید. چهار بخش و روش ساخت.
خواندن مقاله
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.