آغازی بر یک همکاری برجسته برای هوش مصنوعی در آسیا-اقیانوسیه 🌏
در اقدامی مهم برای چشمانداز فناوری منطقه، شرکت Thinking Machines Data Science رسماً با OpenAI همکاری خود را آغاز کرده و به اولین شریک خدماتی این شرکت در آسیا-اقیانوسیه تبدیل شده است. این همکاری قرار است پذیرش هوش مصنوعی در میان کسبوکارها را تسریع کند و به آنها کمک نماید تا پتانسیل هوش مصنوعی را به نتایج ملموس و قابلاندازهگیری تبدیل کنند.
زمانبندی این همکاری بسیار حیاتی است. در حالی که استفاده از هوش مصنوعی در سراسر منطقه آسیا-اقیانوسیه در حال افزایش است—مطالعهای از IBM نشان میدهد ۶۱٪ از شرکتها در حال حاضر از آن استفاده میکنند—بسیاری از سازمانها در مرحله آزمایشی (پایلوت) باقی مانده و قادر به مقیاسبندی طرحهای خود برای تأثیرگذاری واقعی بر کسبوکار نیستند. این دقیقاً همان شکافی است که Thinking Machines و OpenAI قصد دارند با ارائه آموزشهای تخصصی اجرایی در مورد ChatGPT Enterprise، توسعه برنامههای سفارشی هوش مصنوعی و راهنماییهای استراتژیک برای ادغام هوش مصنوعی در عملیات اصلی، آن را پر کنند.
از خرید فناوری تا تحول کسبوکار 💡
استفانی سای، بنیانگذار و مدیرعامل Thinking Machines، تأکید میکند که این همکاری فراتر از ارائه فناوری است. او اظهار داشت: «ما فقط یک فناوری جدید را وارد نمیکنیم، بلکه به سازمانها کمک میکنیم تا مهارتها، استراتژیها و سیستمهای پشتیبانی مورد نیاز برای بهرهمندی از هوش مصنوعی را ایجاد کنند.» هدف نهایی، بازآفرینی آینده کار از طریق همکاری مؤثر انسان و هوش مصنوعی است.
خانم سای در مصاحبهای، یک چالش اساسی را شناسایی کرد: بسیاری از شرکتها به هوش مصنوعی به عنوان یک خرید فناوری ساده نگاه میکنند، نه یک تحول بنیادین در کسبوکار. این دیدگاه منجر به پروژههای آزمایشیای میشود که به دلیل فقدان سه رکن کلیدی متوقف میشوند:
- چشمانداز: همسویی شفاف رهبری سازمان در مورد ارزشی که هوش مصنوعی باید ایجاد کند.
- فرآیند: طراحی مجدد جریانهای کاری برای جای دادن هوش مصنوعی در وظایف روزمره.
- افراد: سرمایهگذاری بر روی مهارتهای نیروی کار برای اطمینان از پذیرش موفق.
سای توضیح داد: «اگر این سه مورد—چشمانداز، فرآیند و افراد—به درستی اجرا شوند، پروژههای آزمایشی به تأثیرگذاری واقعی میرسند.»
فلسفه «انسان در کنترل» (Human-in-Command) 🤝
خانم سای از رویکرد «انسان در کنترل» برای ادغام هوش مصنوعی حمایت میکند. این به معنای طراحی مجدد کار است به طوری که هوش مصنوعی وظایف روتین مانند بازیابی داده، پیشنویس کردن و خلاصهسازی را بر عهده بگیرد، در حالی که انسانها بر فعالیتهای با ارزش بالا که نیازمند قضاوت، تفکر انتقادی و تصمیمگیری است، تمرکز کنند. این فرآیند شفاف بوده و با مسیرهای حسابرسی و ارجاع به منابع، پاسخگویی را تضمین میکند.
نتایج امیدوارکننده است. متخصصانی که در کارگاههای Thinking Machines شرکت میکنند، اغلب گزارش میدهند که روزانه یک تا دو ساعت در زمان خود صرفهجویی میکنند. این موضوع با مطالعهای از MIT همخوانی دارد که افزایش ۱۴ درصدی بهرهوری را برای کارمندان مراکز تماس با استفاده از هوش مصنوعی مولد نشان میدهد، که بیشترین سود را کارمندان کمتجربهتر بردهاند. سای افزود: «این یک مدرک واضح است که هوش مصنوعی میتواند استعدادهای انسانی را ارتقا دهد، نه اینکه جایگزین آن شود.»
راهبری هوش مصنوعی عامل (Agentic AI) و حاکمیت ⚙️
این همکاری همچنین بر مرز بعدی فناوری تمرکز دارد: هوش مصنوعی عامل. این سیستمها فراتر از پرسش و پاسخ ساده عمل کرده و میتوانند گردشکارهای چندمرحلهای مانند هماهنگی تحقیقات، پر کردن فرمها و فراخوانی APIها را اجرا کنند. در حالی که پتانسیل بهرهوری بسیار زیاد است، سای بر اهمیت چارچوبهای حفاظتی قوی تأکید میکند. «رویکرد ما این است که کنترلهای سازمانی و قابلیت حسابرسی را با تواناییهای عامل ترکیب کنیم تا اطمینان حاصل شود که اقدامات قبل از مقیاسبندی، قابل ردیابی، برگشتپذیر و همراستا با سیاستها هستند.»
حاکمیت مؤثر، کلید ایجاد اعتماد و تسریع پذیرش است. حاکمیت نباید یک مانع بوروکراتیک باشد، بلکه باید در کارهای روزمره تنیده شود. این شامل استفاده از منابع داده تأییدشده، اعمال دسترسی مبتنی بر نقش، حفظ مسیرهای حسابرسی و الزام به نظارت انسانی برای اقدامات حساس است. سای گفت: «حاکمیت خوب، پذیرش را تسریع میکند زیرا تیمها به آنچه ارائه میدهند اعتماد دارند.»
زمینه محلی، مقیاس منطقهای 🗺️
تنوع زبانی و فرهنگی منطقه آسیا-اقیانوسیه به این معناست که یک استراتژی هوش مصنوعی یکسان برای همه، محکوم به شکست است. Thinking Machines از یک الگوی «ساخت محلی، مقیاسبندی حسابشده» حمایت میکند. این شامل تطبیق اولیه هوش مصنوعی با زبانها، سیاستها و جریانهای کاری محلی، اثبات ارزش آن و سپس استانداردسازی اجزای قابل مقیاسبندی مانند الگوهای حاکمیتی و اتصالات داده برای عرضه منطقهای است.
آینده: مهارتها، نه فقط ابزارها 🛠️
در نهایت، ادغام موفق هوش مصنوعی به مهارتهای انسانی بستگی دارد. سای سه حوزه حیاتی را برجسته میکند:
- سواد اجرایی: رهبران باید بدانند چگونه اهداف و چارچوبهای حفاظتی هوش مصنوعی را تعیین کنند.
- طراحی جریان کاری: تیمها باید فرآیندها را برای تعامل بهینه انسان و هوش مصنوعی بازطراحی کنند.
- مهارتهای عملی: کارمندان باید در پرامپتنویسی، ارزیابی و استفاده از منابع معتبر برای تولید نتایج قابل تأیید، مهارت پیدا کنند.
این همکاری در ابتدا برنامههایی را در سنگاپور، فیلیپین و تایلند راهاندازی خواهد کرد و قصد دارد در سراسر آسیا-اقیانوسیه گسترش یابد و خدمات را برای بخشهای کلیدی مانند مالی، خردهفروشی و تولید، سفارشیسازی کند. مأموریت روشن است: کمک به سازمانها برای فراتر رفتن از مرحله آزمایش و استفاده از هوش مصنوعی برای ایجاد ارزش پایدار و تحولآفرین.
منبع: AI News