1

هوش مصنوعی در مدت کوتاهی از یک فناوری تخصصی به ابزاری روزمره تبدیل شده است. کاربران از ابزارهایی مانند ChatGPT، Gemini و Claude برای نوشتن متن، ترجمه، برنامه‌نویسی، خلاصه‌سازی و ایده‌پردازی استفاده می‌کنند. همین تجربه موفق باعث شده سازمان‌ها نیز به استفاده از هوش مصنوعی برای افزایش بهره‌وری کارکنان و تحلیل اطلاعات داخلی علاقه‌مند شوند. اما نیاز یک سازمان با نیاز یک کاربر عادی متفاوت است.

یک کاربر ممکن است بخواهد متنی را خلاصه کند، اما سازمان باید مطمئن شود اطلاعات محرمانه در اختیار افراد غیرمجاز قرار نمی‌گیرد، پاسخ‌ها براساس اسناد معتبر داخلی تولید می‌شوند و تمام فعالیت‌ها با سیاست‌های امنیتی مجموعه هماهنگ هستند. اینجاست که مفهوم «هوش مصنوعی سازمانی» مطرح می‌شود؛ راهکاری که به‌جای ارائه پاسخ‌های عمومی، با داده‌ها، فرآیندها و سامانه‌های داخلی سازمان هماهنگ می‌شود.

هوش مصنوعی سازمانی چیست؟

هوش مصنوعی سازمانی یا Enterprise AI به مجموعه‌ای از مدل‌ها، زیرساخت‌ها و سرویس‌های هوشمند گفته می‌شود که برای استفاده در محیط‌های کاری طراحی یا بومی‌سازی شده‌اند. این سیستم‌ها می‌توانند به اطلاعات و نرم‌افزارهای داخلی متصل شوند و وظایفی مانند جست‌وجوی اسناد، خلاصه‌سازی مکاتبات، تحلیل داده‌ها، پاسخ‌گویی به پرسش‌های کارکنان و خودکارسازی فعالیت‌های تکراری را انجام دهند.

تفاوت اصلی این فناوری با ابزارهای عمومی در نحوه استفاده از داده‌هاست. یک ابزار عمومی معمولاً اطلاعاتی کلی در اختیار دارد و نمی‌داند آخرین آیین‌نامه منابع انسانی یک شرکت چیست یا یک نامه خاص در چه مرحله‌ای قرار دارد. هوش مصنوعی سازمانی می‌تواند با رعایت سطح دسترسی کاربران، از اطلاعات همان مجموعه برای تولید پاسخ استفاده کند. بنابراین هوش مصنوعی سازمانی صرفاً یک چت‌بات نیست؛ بلکه می‌تواند به‌عنوان دستیار دیجیتال کارکنان، ابزار تحلیل مدیران و بخشی از فرآیندهای اجرایی سازمان عمل کند.

تفاوت هوش مصنوعی سازمانی با ابزارهای عمومی چیست؟

ابزارهای عمومی مانند ChatGPT برای تولید محتوا، ایده‌پردازی و پاسخ به پرسش‌های عمومی مناسب‌اند؛ اما به‌صورت پیش‌فرض به اطلاعات و نرم‌افزارهای داخلی سازمان دسترسی ندارند. در مقابل، هوش مصنوعی سازمانی به منابع تأییدشده مجموعه متصل می‌شود، سطح دسترسی کاربران را رعایت می‌کند و امکان اجرا روی زیرساخت آنلاین، داخلی یا ترکیبی را دارد. همچنین با اتصال مستقیم به سامانه‌هایی مانند اتوماسیون اداری، منابع انسانی و مدیریت اسناد، خدمات هوشمند را در جریان واقعی کار ارائه می‌دهد

یک پلتفرم هوش مصنوعی سازمانی باید چه ویژگی‌هایی داشته باشد؟

پلتفرم مناسب باید فراتر از دسترسی ساده به یک مدل زبانی عمل کند. امکان اتصال به منابع داخلی، رعایت سطوح دسترسی، انتخاب مدل، ثبت فعالیت کاربران، پشتیبانی از زیرساخت‌های مختلف و توسعه سرویس‌های اختصاصی از معیارهای مهم هستند. یک پلتفرم هوش مصنوعی سازمانی باید بتواند ضمن اتصال کنترل‌شده به اطلاعات و نرم‌افزارهای داخلی، خدماتی مانند جست‌وجوی هوشمند، خلاصه‌سازی اسناد و پاسخ‌گویی مبتنی بر داده‌های سازمان را ارائه دهد. همچنین سازمان باید بتواند متناسب با نیاز خود، مدل آنلاین، آفلاین یا ترکیبی را انتخاب کند.

پیش از انتخاب پلتفرم بهتر است سازمان یک کاربرد مشخص و قابل اندازه‌گیری تعریف کند. برای مثال، کاهش زمان مطالعه مکاتبات یا پاسخ‌گویی سریع‌تر به سؤالات کارکنان، نقطه شروع مناسب‌تری از اجرای یک پروژه گسترده و نامشخص است.

هوش مصنوعی چگونه به اطلاعات داخلی سازمان متصل می‌شود؟

یکی از روش‌های متداول برای اتصال مدل زبانی به اطلاعات اختصاصی، معماری RAG یا «تولید تقویت‌شده با بازیابی اطلاعات» است. در این روش، سیستم پیش از تولید پاسخ، منابع مرتبط را در اسناد یا پایگاه اطلاعاتی سازمان پیدا می‌کند و همان اطلاعات را در اختیار مدل قرار می‌دهد. برای مثال، اگر کاربری درباره شرایط دریافت یک مزیت سازمانی سؤال کند، سیستم ابتدا بخش مرتبط را در آیین‌نامه پیدا می‌کند و سپس پاسخ را براساس همان محتوا ارائه می‌دهد. به این ترتیب، پاسخ به اطلاعات عمومی مدل محدود نمی‌ماند.

این روش مزیت دیگری نیز دارد: برای به‌روزرسانی اطلاعات، همیشه لازم نیست مدل از ابتدا آموزش داده شود. با تغییر آیین‌نامه یا اضافه‌شدن یک سند جدید، منبع اطلاعاتی به‌روزرسانی می‌شود و سیستم می‌تواند در پاسخ‌های بعدی از محتوای تازه استفاده کند. البته اتصال به داده‌ها باید هدفمند باشد. لازم نیست مدل به تمام اطلاعات سازمان دسترسی داشته باشد. منابع باید طبقه‌بندی شوند و هر کاربر فقط بتواند پاسخ‌هایی متناسب با مجوز خود دریافت کند.

مهم‌ترین کاربردهای هوش مصنوعی در سازمان‌ها

کاربردهای Enterprise AI به گفت‌وگو با یک چت‌بات محدود نمی‌شوند. این فناوری می‌تواند در بخش‌های مختلف سازمان مورد استفاده قرار گیرد.

  • جست‌وجوی هوشمند در اسناد
  • خلاصه‌سازی نامه‌ها و گزارش‌ها
  • تهیه پیش‌نویس مکاتبات
  • پاسخ‌گویی به پرسش‌های کارکنان
  • تحلیل اطلاعات مدیریتی
  • کمک به مدیریت شیفت‌ها

امنیت اطلاعات در هوش مصنوعی سازمانی

امنیت یکی از مهم‌ترین معیارهای انتخاب راهکار سازمانی است. پیش از اتصال مدل به اطلاعات داخلی باید مشخص شود داده‌ها کجا ذخیره و پردازش می‌شوند، چه افرادی به آن‌ها دسترسی دارند و گزارش فعالیت کاربران چگونه ثبت می‌شود. کنترل دسترسی باید در تمام مراحل اعمال شود. اگر کاربر اجازه مشاهده یک سند را ندارد، هوش مصنوعی نیز نباید بتواند محتوای آن سند را در پاسخ نمایش دهد. نحوه استقرار نیز بر سطح کنترل سازمان اثر می‌گذارد. سه مدل اصلی عبارت‌اند از:

  • استقرار داخلی: مدل و داده‌ها روی زیرساخت سازمان اجرا می‌شوند.
  • استقرار ابری: پردازش از طریق سرویس‌های آنلاین انجام می‌شود.
  • استقرار ترکیبی: بخشی از پردازش داخل سازمان و بخشی در فضای ابری انجام می‌شود.

هیچ مدلی برای تمام سازمان‌ها بهترین نیست. انتخاب مناسب به حساسیت اطلاعات، بودجه، زیرساخت فنی، سرعت موردنیاز و سیاست‌های امنیتی مجموعه بستگی دارد.

آیا هوش مصنوعی جایگزین کارکنان سازمان می‌شود؟

هدف اصلی هوش مصنوعی سازمانی حذف کامل نقش انسان نیست. این فناوری بیشتر برای کاهش فعالیت‌های تکراری، دسترسی سریع‌تر به اطلاعات و کمک به تصمیم‌گیری طراحی می‌شود. مدل‌های هوش مصنوعی ممکن است پاسخ نادرست یا ناقص تولید کنند؛ به‌ویژه زمانی که اطلاعات ورودی کافی نباشد. به همین دلیل، تصمیم‌های حساس مالی، حقوقی، اداری یا منابع انسانی همچنان به بررسی و تأیید متخصص نیاز دارند. نقش کارکنان نیز تغییر می‌کند. بخشی از زمان آن‌ها که قبلاً صرف جست‌وجوی اطلاعات، خلاصه‌سازی یا تهیه پیش‌نویس می‌شد، می‌تواند به تحلیل، تصمیم‌گیری و فعالیت‌های ارزش‌آفرین اختصاص پیدا کند.

آینده محیط‌های کاری مجهز به هوش مصنوعی

در نسل بعدی نرم‌افزارهای سازمانی، هوش مصنوعی احتمالاً به‌عنوان یک قابلیت جداگانه دیده نخواهد شد؛ بلکه در دل فرآیندهای روزمره قرار می‌گیرد. کاربر هنگام مشاهده یک نامه، خلاصه آن را دریافت می‌کند؛ در زمان تنظیم پاسخ، پیش‌نویس پیشنهادی می‌بیند و هنگام جست‌وجوی اطلاعات، به‌جای فهرستی از فایل‌ها با یک پاسخ مستند روبه‌رو می‌شود. دستیارهای هوشمند نیز از پاسخ‌گویی عبور می‌کنند و به‌سمت انجام کنترل‌شده فعالیت‌ها حرکت خواهند کرد. البته اجرای هر اقدام باید براساس مجوز، گردش تأیید و نظارت انسانی انجام شود.

سازمان‌هایی که از امروز داده‌های خود را سامان‌دهی و کاربردهای مشخص AI را آزمایش می‌کنند، آمادگی بیشتری برای این تحول خواهند داشت. نقطه شروع مناسب، خرید هیجانی ابزار نیست؛ بلکه شناخت مسئله، انتخاب زیرساخت درست و تعریف سیاست‌های شفاف برای داده و امنیت است.

جمع‌بندی

هوش مصنوعی سازمانی نسخه دیگری از یک چت‌بات عمومی نیست. این فناوری باید به داده‌ها و نرم‌افزارهای داخلی متصل شود، سطح دسترسی کاربران را رعایت کند، امکان انتخاب زیرساخت داشته باشد و پاسخ‌هایی متناسب با فرآیندهای واقعی سازمان ارائه دهد. ابزارهای عمومی همچنان برای فعالیت‌هایی مانند ایده‌پردازی، تولید متن و پاسخ به پرسش‌های عمومی مفید هستند؛ اما سازمان برای استفاده از اطلاعات اختصاصی خود به معماری، امنیت و مدیریت متمرکز نیاز دارد.

اجرای موفق Enterprise AI نیز بهتر است از یک مسئله مشخص آغاز شود؛ مانند خلاصه‌سازی مکاتبات، جست‌وجوی اسناد یا پاسخ‌گویی به سؤالات کارکنان. پس از ارزیابی نتیجه، می‌توان هوش مصنوعی را به سایر فرآیندهای سازمان گسترش داد.

سلب مسئولیت: ایستگاه آی تی صرفا نمایش‌دهنده این متن تبلیغاتی بوده و سایت مسئولیتی درباره محتوای آن ندارد.