از نیروی کار متخصص و غیرمتخصص و شرکتهای مشاوره صنعتی انتظار میرود که یادگیری نحوه کار با ابزارهای هوش مصنوعی مولد را سرلوحه برنامه خود قرار دهند و بتوانند خطای وظایف روزمره مانند نامهنگاری اداری و درون سازمانی و همچنین برنامهنویسی ساده را به حداقل برسانند.
به گزارش پایگاه خبری بهره ورنیوز به نقل از دنیای اقتصاد، دکتر سیاوش محدث، استاد و پژوهشگر اقتصادی دانشگاه ماستریخت هلند در یادداشتی نوشته است:
در سطح فعالیتهای تجاری، نگاهی به آنچه در سال گذشته موجب شکوفایی یا نزول بنگاه شده است، میتواند به آیندهای بهتر برای بنگاه بینجامد. مهمتر آنکه بنگاه میتواند با نگاه به پیشرفت تکنولوژی و ارزیابی تاثیر بهرهگیری از این فناوریها، درسهای مهمی برای مدیریت فرآیند تولید خود در دوره جدید بگیرد.
سال1402 برای بنگاههای تولیدی و خدمات در سطح جهانی سالی پر تلاطم و سرشار از چالشهای جدید بود. برای اولین بار، خدمات پیشرفته مبتنی بر هوش مصنوعی مولد (generative AI) برای مصرف عادی و تولیدکنندگان عرضه شد و بنگاهها بهطور مستقیم پیامدهای استفاده از این سرویسهای مبتنی بر ارتباط زبانی شرکت open AI را احساس کردند. در این مقاله، هدف این است که درسهایی از اقتصاد دادهمحور عصر جدید برای بنگاههای تولیدی و دیجیتالی ایران بهطور جداگانه ارائه شود.
![](https://bahrevarnews.ir/wp-content/uploads/2024/04/رشد-درآمد-شرکتهای-هوش-مصنوعی-مولد-1024x603.jpg)
در بسیاری از کشورها و طی دو سال اخیر، بازارها به شکل بسیار سریع خود را با این نهاده تولید جدید وفق دادند: بنا بر ارزیابی بلومبرگ، سرمایهگذاری شرکتهای آمریکایی در این صنعت طی 2سال اخیر 4برابر شده و قیمت پایین دریافت APIاز شرکتهای مرجع، امکان ایستادن بر شانههای این بنگاهها را از طریق نوآوری باز برای استارتآپها فراهم کرده است.
مهم آنکه سود هنگفت شرکتهای عرضهکننده این سرویسها منجر به ورود بازیگران بزرگی مانند گوگل و اپل به این عرصه شده است و به نظر میرسد جذابیتهای این محصولات باعث انقلاب بعدی صنعتی و افزایش بهرهوری پس از چند دهه نزول باشد.
از آنجا که ورود به چنین بازاری و رقابت با شرکتهای تریلیون دلاری برای تازهواردان خردتر عملا غیرممکن به نظر میرسد، بنگاههای خدماتی و تولیدی موجود و نوپا باید بر استفاده از خدمات شرکتهای پیشرو بازار در راستای بهینهسازی محصولات خودشان تاکید کنند.
ظهور هوش مصنوعی و دادهمحوری برای بنگاههای تولیدی دو پیامد عمده دارد که متداوما و در سطح جهانی موضوع بحث متخصصان بوده است. پیامد اول تطابق فرآیند تولید با بهینهسازی نیروی کار (یادگیری ابزار جدید) و پیامد دوم متمرکز بر سرمایه، بهینهسازی تقاضای کالای واسطهای و خط تولید (کاهش هزینههای نامولد) است.
بهطور خلاصه، از نیروی کار متخصص و غیرمتخصص و شرکتهای مشاوره صنعتی انتظار میرود که یادگیری نحوه کار با ابزارهای هوش مصنوعی مولد را سرلوحه برنامه خود قرار دهند و بتوانند خطای وظایف روزمره مانند نامهنگاری اداری و درون سازمانی و همچنین برنامهنویسی ساده را به حداقل برسانند.
از سویی دیگر، شرکتها با شبیهسازی فرآیند تولید خود از طریق مدلسازی و استفاده از دادههای لحظهای (زمان واقعی) خود میتوانند هزینههای خط تولید خود را کاهش دهند. چنین کاهشی معمولا از طریق کاهش ماده اولیه اتلافشده و بهینهسازی مصرف انرژی صورت میگیرد.
بهعنوان مثال، تصور کنید که یک تولیدکننده سرامیک درمییابد که خاموش و روشن کردن کوره در حین استراحت کارگران نه تنها موجب کاهش مصرف انرژی نمیشود، بلکه گرم کردن دوباره این کوره از گرم نگاه داشتن کوره به میزان اندکی بیشتر انرژی مصرف میکند. چنین کاهش هزینهای شاید در کوتاهمدت جزئی به نظر بیاید، اما تکرار مداوم چنین بهینهسازی موجب افزایش تولید و سود بنگاه یا رفاه مصرفکنندگان (بهدلیل قیمت پایینتر محصول نهایی) خواهد شد.
در بازار خدمات دیجیتالی، مساله کمی متفاوت است. بهطور عادی، اینگونه شرکتها به شکل خودکار تلاش میکنند خود را با فناوری پیشرو جهانی تطبیق دهند. چنین انطباقی در بازارهای دیجیتالی بهدلیل انحصار (یا انحصار چندجانبه) و حاشیه سود (mark up) بالاتر از تولید صنعتی و نااطمینانی پایینتر با سرعتی بالاتر صورت میگیرد.
آنجایی که اقتصاد ایران بهطور فزایندهای دیجیتال شده است و اکثر خدمات خردهفروشی، حملونقل و ترابری از طریق دیجیتال صورت میگیرد، نمیتوان بر تطبیقپذیری بازار ایران خرده گرفت و میتوان انتظار داشت که نیروی کار ماهر شاغل در این بخش به سرعت خود را با هوش مصنوعی مولد تطبیق دهد.
اما چالش عصر جدید ورای دیجیتالی شدن است و «داده» در قلب پژوهشها قرار گرفته است: اگر این فعالان بازار دیجیتال نتوانند از دادههای بزرگ استفاده ببرند، نمیتوان به ادامه رشد بالای این بخش طی دهه اخیر خوشبین بود. بسیاری از این شرکتها چند میلیون تراکنش در ماه را ثبت میکنند و عمدتا دارای مالک یا مالکان مشابه هستند یا بهطور مستقیم و غیرمستقیم زیر نظر هلدینگهای فعال در بخش دیجیتال مدیریت میشوند.
اگر – با فرض حفظ حریم شخصی مصرفکنندگان – این بنگاهها دادههای خود را با یکدیگر به اشتراک بگذارند، امکان بهرهبرداری حداکثری از داده بهعنوان یک عامل بهینهساز فراهم میشود.
مهمترین جنبه، بهینهسازی خریدهای عمده این شرکتها و کاهش هزینههای انبارداری از طریق تخمین تقاضای با خطای کمتر محصولات در دورههای آتی است. طریق دومی که استفاده از دادههای بزرگ موجب کاهش هزینههای این شرکتها میشود، افزایش بازاریابی مویرگی از طریق ارتباط ارزان با مشتری (ایمیل) با ترکیب محصول+قیمت مورد نظر مشتری است که همگام با سیاست تبعیض قیمتی بنگاههای بزرگ با قدرت انحصاری است. اینگونه فعالیتها نه تنها درآمد شرکت را افزایش میدهد، بلکه هزینههای نامولد مربوط به بازاریابی کور (مانند بیلبوردهای گران بزرگراهی) را کاهش میدهد.
نهایتا، دادهمحوری یکی از چندین راه پیش روی بنگاهها برای افزایش بهرهوری و سودآوری است. از آنجا که شرکتهای پیشرو و رهبر بازار بهدلیل ریسکپذیری بالاتر همواره مایل به انجام آزمون و خطای دادهمحوری بودهاند، شرکتهای ایرانی میتوانند با ارجاع به گزارشهای فصلی شرکتهای بزرگ -که برای عموم قابل دسترس است- و فعالیتهای خبری استارتآپها در شبکههای اجتماعی، از مزایای دادهمحوری با جزئیات بیشتری با خبر شوند.
خبر خوب آنکه نظام حسابهای ملی (SNA) که به کشورها مشاوره حسابداری شرکتها ارائه میکند، اعلام کرده که از سال2025 شرکتها میتوانند «داده»هایی را که در فرآیند تولید استفاده میکنند، بهعنوان دارایی ثابت ثبت کنند. در این گزارش، پیشبینی شده است که حدود 0.8 تا 4درصد رشد شرکتها (و در نتیجه رشد صنعت و اقتصاد) بهدلیل عدم ارزشگذاری داده در حسابهای ملی ثبت نمیشود و مخفی میماند. به این دلیل، بسیاری از مدیران شرکتهای بزرگ به دنبال روشهای خلاقانه برای ارزشگذاری دقیق داده رفتهاند تا عملکرد مخفی مانده شرکتشان در پشت پرده ماهیت داده نماند.