نکاتی از GenAI که رهبران کسب‌وکار باید بدانند
هوش مصنوعی مانند دیگر تکنولوژی‌هایی که در گذشته وارد کسب‌وکارها شده‌اند، همچون نامه، فکس، تلفن و پس از آن اینترنت و ایمیل، تأثیرات بزرگی بر نحوه مدیریت و عملکرد سازمان‌ها داشته است. اما این بار تفاوت اساسی در این است که هوش مصنوعی می‌تواند تغییرات بنیادی و بسیار عمیق‌تری را در ساختار و ماهیت کسب‌وکارها ایجاد کند. این فناوری تنها ابزار جدیدی نیست که در اختیار مدیران قرار گیرد؛ بلکه به دلیل ماهیت خودکارسازی و هوشمندسازی بسیاری از فرآیندها، توانایی تغییر مدل‌های کسب‌وکار و تصمیم‌گیری را دارد. بنابراین، مهم‌ترین اولویت برای مدیران به‌عنوان رهبران سازمان‌ها، درک عمیق و درست از این فناوری و تأثیرات آن است. اگرچه بسیاری از شرکت‌های سنتی، خصوصاً در ایران، با موفقیت توانسته‌اند از چالش‌های مرتبط با ورود فناوری‌هایی مانند اینترنت عبور کنند، اما تحولاتی که هوش مصنوعی به همراه دارد، به‌قدری گسترده و بنیادین است که حتی با وجود برنامه‌ریزی‌های دقیق نیز مدیران باید با چابکی و دقت بیشتری برای این تغییرات نگران و آماده باشند.
مواجهه با GenAI
مدیران در مواجهه با ورود تکنولوژی‌های جدید به سازمان باید ترکیبی از مهارت‌های نرم و تخصصی را به‌کار گیرند تا بتوانند به درستی تصمیم‌گیری کنند. اولین مهارت ضروری، توانایی شناسایی و تحلیل تکنولوژی‌های جدید است. مدیران باید با درک عمیقی از روندهای تکنولوژی و بازار، به‌روز بمانند و بتوانند ابزارها و نوآوری‌هایی را که با اهداف استراتژیک سازمان هم‌خوانی دارند، شناسایی کنند. این نیازمند توانایی درک تأثیرات بلندمدت هر تکنولوژی بر سازمان و تحلیل هزینه و فایده آن است. علاوه بر شناسایی، مدیر باید توانایی یادگیری سریع و استفاده از آن تکنولوژی را داشته باشد تا بتواند آن را به‌صورت مؤثر در کسب‌وکار پیاده‌سازی کند. اگرچه لازم نیست مدیر در تمام جزئیات فنی یک تکنولوژی متخصص باشد، اما درک عمیق از کاربردهای آن ضروری است تا بتواند استراتژی مناسبی برای ورود و استفاده از آن تدوین کند. همچنین مهارت‌های رهبری و مدیریت تغییر برای تطبیق کارکنان با تکنولوژی‌های جدید و فرهنگ سازمانی اهمیت ویژه‌ای دارند.
نکات کلیدی که رهبران باید در نظر بگیرند
- داده‌های قابل استفاده: برای بهره‌برداری از GenAI، سازمان‌ها نیاز به داده‌های با کیفیت و کافی دارند. رهبران باید از فرآیندهای جمع‌آوری، ذخیره‌سازی و پردازش داده‌ها اطمینان حاصل کنند.
- پیشرفت‌های فناوری: GenAI به‌سرعت در حال پیشرفت است. رهبران باید با آخرین روندها و تکنولوژی‌های نوظهور آشنا باشند و تغییرات بازار را رصد کنند تا از رقبا عقب نمانند.
- آموزش و پذیرش فرهنگی: برای استفاده مؤثر از GenAI، شرکت‌ها باید فرهنگ سازمانی را تغییر دهند و کارکنان را در استفاده از این ابزارها آموزش دهند. پذیرش تکنولوژی‌های جدید در سازمان کلید موفقیت است.
- تجربه مشتری: GenAI می‌تواند به شخصی‌سازی تجربه مشتری کمک کند. رهبران باید درک کنند که این تکنولوژی چگونه می‌تواند به بهبود تعاملات مشتری و افزایش وفاداری آن‌ها کمک کند.
- تحلیل داده‌ها: رهبران باید به‌خوبی بدانند که GenAI توانایی تحلیل حجم‌های بالای داده را دارد و می‌تواند الگوهای پنهان را شناسایی کند که به تصمیم‌گیری‌های استراتژیک کمک می‌کند.
- مسائل اخلاقی و حریم خصوصی: استفاده از GenAI با چالش‌های اخلاقی و حریم خصوصی همراه است. رهبران باید درک کنند که چطور می‌توانند از تکنولوژی‌های جدید استفاده کنند در حالی که حریم خصوصی و حقوق کاربران را رعایت می‌کنند.
تحول واحدهای فناوری و کسب‌وکارها
شرکت مشاوره بوستون (BCG) تخمین می‌زند که 90% مشاغل فناوری محور به‌طور مستقیم تحت تأثیر هوش مصنوعی مولد (GenAI) قرار خواهند گرفت. رهبران فناوری باید با چالش دوگانه ساخت قابلیت‌های GenAI در واحد فناوری خود و همزمان هدایت و پیاده‌سازی این فناوری در کل سازمان مواجه شوند. آن‌ها برای موفقیت بیشتر باید نحوه بسیج استعدادها را در پاسخ به GenAI بازبینی کنند. این شرکت تخمین می‌زند که هوش مصنوعی (AI)، هزینه‌های واحد فناوری را حدود 10% کاهش می‌دهد. همچنین به گفته شرکت مشاوره مکنزی، تا سال 2030، هوش مصنوعی (AI) به‌طور گسترده در شرکت‌ها نهادینه خواهد شد و تبدیل به بخش اساسی کسب‌وکارها می‌شود و تنها آن دسته از سازمان‌ها که هوش مصنوعی را به شکل خلاقانه و بهینه در فرآیندهای‌شان ادغام کنند، قادر خواهند بود ارزش واقعی از آن استخراج کنند.
چالش انتخاب بین مدل‌های متن باز و بسته
مدل‌های متن باز، همچون Meta و Hugging Face، به دلیل شفافیت و امکان توسعه گروهی، مسیر نوآوری و دموکراتیزه شدن فناوری را هموارتر می‌کنند. در مقابل، مدل‌های بسته که توسط غول‌هایی نظیر OpenAI و گوگل توسعه یافته‌اند، بر امنیت بیشتر و کنترل کیفیت بهتر تاکید دارند و به عنوان مسیری برای نوآوری پایدار تجاری و ارائه استانداردهای بالاتر عملکرد هوش مصنوعی مطرح می‌شوند. در نتیجه، انتخاب بین مدل‌های هوش‌مصنوعی متن‌باز و بسته، دارای حساسیتی است که نه‌تنها بر چشم‌انداز فناوری تأثیرگذار است، بلکه ابعاد اقتصادی، اخلاقی و اجتماعی را نیز تحت‌تاثیر قرار می‌دهد. با پیشرفت مداوم در این حوزه، تصمیماتی که توسعه‌دهندگان، کسب‌وکارها و سیاست‌گذاران می‌گیرند، آینده هوش مصنوعی را شکل خواهند داد و از فرایندهای بازار گرفته تا حقوق حریم خصوصی و رقابت‌های بین‌المللی را متأثر خواهند کرد. این تحولات و بحث‌های پیرامون آن برای هر فردی که در حوزه فناوری فعالیت می‌کند، از اهمیت حیاتی برخوردار است؛ چرا که تعیین‌کننده مسیرهای ادغام هوش مصنوعی در زندگی ما و تحول دنیای پیرامون خواهد بود.
بهره‌برداری کم‌هزینه از هوش مصنوعی
برای شرکت‌های کوچک و متوسط، سرمایه‌گذاری در بخش‌هایی مانند هسته‌های پردازشی قوی یا زمان‌های طولانی برای آموزش مدل‌های پیچیده یادگیری ماشین، معمولاً بسیار پرهزینه و غیرضروری است. ورود به دنیای هوش مصنوعی برای چنین کسب‌وکارهایی به معنای ایجاد زیرساخت‌های عظیم و تخصصی نیست. برخلاف تصور، استفاده از هوش مصنوعی در کسب‌وکارها نیازی به تولید زبان خاص یا توسعه الگوریتم‌های سفارشی ندارد. بسیاری از ابزارها و پلتفرم‌های آماده هوش مصنوعی وجود دارند که می‌توانند با هزینه‌های کمتر و در زمان کوتاه‌تری به کسب‌وکارها کمک کنند تا از این فناوری بهره‌مند شوند. به‌جای سرمایه‌گذاری سنگین روی زیرساخت‌های پیچیده، شرکت‌ها باید روی شناخت دقیق نیازهای خود و استفاده از راه‌حل‌های موجود تمرکز کنند. استفاده از خدمات مبتنی بر هوش مصنوعی که توسط شرکت‌های بزرگ ارائه می‌شوند، راهکار ساده‌تر و کم‌هزینه‌تری برای بسیاری از کسب‌وکارهاست.
مهم‌ترین نکته برای مدیران در این مسیر، درک این است که هوش مصنوعی را می‌توان به صورت تدریجی و مرحله به مرحله در کسب‌وکار پیاده‌سازی کرد، بدون نیاز به سرمایه‌گذاری‌های کلان در زمینه‌های فنی پیچیده.
چند روش ساده برای استفاده از هوش مصنوعی
برای آشنایی مدیران ایرانی با فرایند استفاده از هوش مصنوعی، بهتر است از روش‌های ساده و عملی استفاده شود که هر مدیر به‌راحتی بتواند آن‌ها را در کار روزمره خود به‌کار گیرد. به‌طور مثال:
- شما به‌عنوان یک مدیرعامل می‌توانید از هوش مصنوعی به‌عنوان یک دستیار مجازی بهره ببرید. فرض کنید معمولاً وقتی یک ایمیل یا پیش‌نویس نامه‌ای را می‌نویسید، آن را برای اصلاح و بازنگری به دستیار خود می‌دهید. حالا می‌توانید این کار را با کمک ابزارهای هوش مصنوعی مثل ChatGPT انجام دهید. به‌جای انجام فرآیندهای پیچیده، از هوش مصنوعی برای ویرایش، بهینه‌سازی و اصلاح نوشته‌های خود استفاده کنید. مثلاً پیش‌نویس ایمیلی که نوشته‌اید را در یک ابزار هوش مصنوعی وارد کنید و از آن بخواهید تا ساختار، لحن و وضوح متن را بهبود دهد. این کار نه‌تنها زمان را کاهش می‌دهد، بلکه کیفیت خروجی را نیز بهبود می‌بخشد.
- نوشتن آگهی استخدام یکی از کارهایی است که می‌تواند زمان‌بر و پیچیده باشد، اما با کمک هوش مصنوعی، این فرآیند بسیار ساده‌تر می‌شود. شما فقط نیاز دارید یک سری نیازمندی‌های ابتدایی مثل مهارت‌ها و وظایف مورد نیاز را به هوش مصنوعی بدهید، و در عرض چند ثانیه یک آگهی استخدام آماده خواهید داشت. نیازی به نوشتن کامل یا ویرایش‌های طولانی نیست، چرا که هوش مصنوعی می‌تواند این کارها را به‌طور خودکار برای شما انجام دهد.
- یکی دیگر از کاربردهای عملی و سریع، تهیه گزارش‌های پس از جلسات است. شاید گاهی در جلسات نکات پراکنده و غیرمرتبط زیادی گفته شود و جمع‌بندی این موارد سخت باشد. به‌جای این‌که زمان زیادی را صرف دسته‌بندی و ویرایش صحبت‌های جلسه کنید، می‌توانید تمام نکات را به یک ابزار هوش مصنوعی مثل ChatGPT بدهید و از آن بخواهید تا بدون حذف یا خلاصه کردن، مطالب را بازنویسی و دسته‌بندی کند. نتیجه کار، شما را شگفت‌زده خواهد کرد.
این راهکارهای ساده باعث می‌شود تیم و مدیران به‌تدریج به ارزش و قدرت هوش مصنوعی پی ببرند و به‌طور طبیعی از آن در کارهای روزمره خود استفاده کنند.
امنیت داده‌ها با مدل‌های زبان داخلی برای شرکت‌ها
برای توسعه سیستم‌های داخلی و مدل‌های زبان مختص به شرکت‌ها، معمولاً از مدل‌های هوش مصنوعی و یادگیری ماشین داخلی استفاده می‌شود که بر روی داده‌های شرکت آموزش داده شده‌اند. این مدل‌ها بر اساس داده‌های خاص و نیازهای کسب‌وکار تنظیم می‌شوند و به صورت مستقیم در داخل شرکت‌ها قابل اجرا هستند. مدل‌هایی مانند GPT-2، GPT-Neo یا Bloom گزینه‌های مناسبی برای پیاده‌سازی در داخل سازمان‌ها هستند.
این مدل‌ها به شما امکان می‌دهند تا کنترل کاملی بر روی داده‌ها و خروجی‌های مدل داشته باشید، بدون این‌که نیاز به ارسال داده‌های حساس به پلتفرم‌های عمومی داشته باشید. شما می‌توانید داده‌های خود را از دیتاست‌های داخلی استخراج و مدل‌های زبان را با استفاده از این داده‌ها آموزش دهید. نتیجه این است که مدل‌های داخلی شما می‌توانند دقیقاً مطابق با نیازهای کسب‌وکار شما عمل کنند و تحلیل‌های مرتبط را ارائه دهند. برای اتصال مدل‌های داخلی به APIهایی مثل ChatGPT، شما ابتدا باید یک سیستم API راه‌اندازی کنید که امکان تعامل بین مدل داخلی و سرویس خارجی را فراهم کند. یکی از راه‌های معمول این است که از APIهایی مانند OpenAI استفاده کنید. به این صورت که دیتاست‌های خاص خود را ابتدا در سیستم داخلی پردازش و دسته‌بندی می‌کنید و سپس از طریق API این داده‌ها را به ChatGPT ارسال می‌کنید. ChatGPT می‌تواند بر اساس داده‌های شما پاسخ‌های دقیقی بدهد، اما تنها از داده‌های اختصاصی شما استفاده کند و اطلاعات عمومی را نادیده بگیرد. این نوع پیاده‌سازی به‌ویژه برای شرکت‌هایی که نمی‌خواهند هزینه‌های سنگین توسعه مدل‌های پیچیده را بپردازند، بسیار کاربردی است و همزمان امنیت داده‌هایشان را حفظ می‌کند.
نکات کلیدی درباره پذیرش و تأثیر هوش مصنوعی مولد (GenAI)
GenAI در حال تحول کسب‌وکارها است؛ در حالی که تنها ۱۰٪ از شرکت‌ها موفق به گسترش GenAI شده‌اند، آن‌هایی که این تکنولوژی را به‌طور گسترده استفاده کرده‌اند، از مزایای قابل‌توجهی همچون افزایش بهرهوری، بهبود تجربه مشتری و رشد درآمد بهره‌مند می‌شوند. همچنین استفاده از GenAI، زمان رسیدن به ارزش (Time to Value) را سرعت می‌بخشد. انتقال محتوا از مراکز اطلاعات قدیمی به زیرساخت‌های مدرن مانند راه‌حل‌های مبتنی بر ابر، روند پذیرش هوش مصنوعی را تسریع می‌کند. رقبا در صورتی که سریع عمل نکنند، ممکن است عقب بمانند. یکی از چالش‌های مهم در مسیر پذیرش هوش مصنوعی، مقاومت در برابر تغییر است. رهبران فناوری که در تلاش برای پیاده‌سازی هوش مصنوعی هستند، ممکن است با موانعی مانند پروژه‌های ناموفق پیشین یا نگرانی‌های ناشی از اختلالات عملیاتی روبه‌رو شوند. برای غلبه بر این مشکلات، ایجاد همکاری و جلب اعتماد کاربران نهایی ضروری است. استفاده از رویکردهای تکرار شونده (Iterative) یا چابک (Agile) می‌تواند به شناسایی سریع مشکلات و افزایش تعامل ذی‌نفعان کمک کند. همچنین، آگاهی از سیستم‌های فعلی سازمان و تحلیل موفقیت‌ها و شکست‌های گذشته می‌تواند به رهبران در درک بهتر چالش‌های احتمالی کمک کند. در نظر گرفتن این موارد به بهبود نتایج و موفقیت در پذیرش هوش مصنوعی منجر خواهدشد.
سه راهبرد کلیدی در پیاده‌سازی GenAI
سازمان‌ها می‌توانند با استفاده از سه راهبرد پیاده‌سازی (Deploy)، شکل‌دهی مجدد (Reshape) و بازآفرینی (Reinvent)، به سرعت راه‌حل‌های GenAI را پیاده سازی کنند و در کمتر از سه ماه از مزایای آن بهره‌مند شوند. این کار در وظایف پایه‌ای موجب افزایش بهرهوری کارکنان به میزان 10% تا 20% می‌شود. البته برای استفاده در پروژه‌های بزرگ‌تر مثل برنامه‌ریزی مجدد عملکرد‌ها یا اختراع مدل‌های تجاری جدید ممکن است زمان بیشتری صرف کنید —بین یک تا سه سال— اما در نهایت تاثیر بسیار بزرگ‌تری را ایجاد خواهید کرد. در این رابطه مثالی که شرکت‌های مشاوره مکنزی و بوستون به آن اشاره داشته‌اند، توضیح می‌دهد که یک مدل هوش مصنوعی مولد می‌تواند در یک تماس فروش با مشتری، به فروشنده پیشنهادهایی در لحظه برای فروش بیشتر ارائه دهد. این پیشنهادات تنها به داده‌های ایستای مشتری مانند اطلاعات جمعیت‌شناسی و الگوهای خرید محدود نمی‌شوند، بلکه بر اساس محتوای مکالمه، داده‌های داخلی مشتری، روندهای بازار داخلی و بین‌المللی و حتی اطلاعات اینفلوئنسرهای شبکه‌های اجتماعی، فرصت‌های فروش بیشتری را شناسایی و ارائه می‌کنند. علاوه بر این، هوش مصنوعی مولد می‌تواند پیش‌نویس اولیه یک پیشنهاد فروش را تهیه کند تا فروشنده آن را شخصی‌سازی کند. مثال فوق نشان می‌دهد که این فناوری چگونه می‌تواند بر یک شغل تأثیرگذار باشد.
ارزش آفرینی GenAI و مزیت رقابتی پایدار
طبق مطالعه‌ای از شرکت مشاوره بوستون در سال 2024 از مصاحبه با 150 مدیر ارشد بخش‌های مختلف در سراسر جهان و از تجربه تقریبا 200 پروژه GenAI خود در صنایع و جغرافیای مختلف نشان داده شد بیش از 50% مدیران به حوزه‌های بازاریابی و فروش، عملیات مشتری، تحقیق و توسعه و مهندسی نرم‌افزار به‌عنوان بزرگ‌ترین منابع ارزش برای GenAI اشاره می‌کنند. پیاده سازی برنامه‌های اولیه GenAI معمولا به افزایش بهرهوری یا بهبود خدمات مشتری معطوف هستند، اما در این کنار جریان‌های درآمدی جدیدی را نیز ایجاد می‌کند. در یک پرتفوی معمولی GenAI، حدود 60% از طرح‌ها، هزینه‌ها را کاهش می‌دهند و در نهایت 40% درآمد را افزایش می‌دهند (شامل برنامه‌هایی که تعامل را افزایش داده و رضایت مشتری را بیشتر می‌کنند). این موضوع از نظر استراتژیک جهت برتری نسبت به رقبا، فرصتی برای ایجاد مزایای پایدار در هزینه، خدمات مشتری و ارزش‌های پیشنهادی را فراهم می‌کند.
قابلیت‌های کلیدی که شرکت‌ها برای گسترش GenAI نیاز دارند
تحلیلی از شرکت بوستون به پنج قابلیت خاص اشاره دارد که شرکت‌های برتر را از سایرین متمایز می‌کند
ارتباط واضح با عملکرد کسب‌وکار
بیش از 70% از شرکت‌های در حال گسترش GenAI، پروژه‌های خود را به‌طور واضح برای ایجاد ارزش طراحی می‌کنند. این ارزش می‌تواند هم مالی (افزایش درآمد و کاهش هزینه‌ها) و هم غیرمالی (مثل بهبود تجربه مشتری) باشد. این شرکت‌ها، در مقایسه با شرکت‌هایی که فقط به کاهش هزینه‌ها متمرکز هستند، بیش از 20 درصد احتمال بیشتری دارند که پتانسیل GenAI را برای رشد درآمد مشاهده کنند. شرکت‌های پیشرو معمولاً به‌جای رویکرد پراکنده، روی تعداد کمی از برنامه‌های هدفمند که با گسترش آن‌ها ارزش زیادی ایجاد می‌شود، تمرکز دارند.
زیرساخت مدرن فناوری
شرکت‌های پیشرو سه برابر بیشتر احتمال دارند که زیرساخت فناوری اطلاعات مدرن و ماژولار داشته باشند. این زیرساخت‌ها امکان توسعه خدمات جدید مبتنی بر GenAI را بر پایه مدل‌های هوش مصنوعی فراهم می‌کند و همکاری با توسعه‌دهندگان خارجی را بدون مشکل انجام می‌دهد. این شرکت‌ها همچنین 1.5 برابر بیشتر تمایل دارند که در سه سال آینده GenAI را درون سازمان خود توسعه دهند.
قابلیت‌های قوی داده
جریان‌های داده و روش‌های مدیریت داده مناسب به شرکت‌ها کمک می‌کند داده‌های با کیفیت را (حتی از منابع داده‌های غیرساختاریافته مانند ایمیل‌ها، نظرات کاربران، فایل‌های صوتی) جمع‌آوری و ذخیره کنند. این موضوع برای GenAI بسیار مهم است؛ زیرا مدل‌ها به داده‌هایی که بر روی آن‌ها آموزش دیده‌اند وابسته هستند.
حمایت رهبری
برای تغییرات جدید، حمایت رهبری کلیدی است. شرکت‌های پیشرو سه برابر بیشتر از شرکت‌هایی که اقدامی نکرده‌اند، رهبرانی دارند که نوآوری را اولویت می‌دهند و از GenAI در سراسر شرکت حمایت می‌کنند. این رهبران معمولاً درک عمیقی از تأثیر بالقوه فناوری بر صنعت خود دارند و به‌طور عمومی متعهدند تا مطمئن شوند که شرکت‌شان از این فناوری بهره‌برداری کند.
راهنماها و فرآیندهای هوش مصنوعی مسئولانه
هوش مصنوعی مولد (GenAI) یک فناوری جدید و در حال تکامل سریع است که می‌تواند برای سازمان‌هایی که به درستی آن را درک نمی‌کنند، ریسک‌های اجرایی به همراه داشته باشد. با این حال، روش‌های شناخته‌شده‌ای برای کاهش این ریسک‌ها وجود دارد، مانند حضور "انسان در فرآیند"، استفاده از داده‌های واقعی و —از همه مهم‌تر— پیاده‌سازی هوش مصنوعی مسئولانه. تحقیقات ما نشان می‌دهد که شرکت‌های پیشرو به مراتب بیشتر احتمال دارد که به دنبال ایجاد محافظ‌ها، دستورالعمل‌ها و سیاست‌هایی باشند تا تضمین کنند اصول هوش مصنوعی مسئولانه را رعایت می‌کنند.
اولویت‌ها برای شرکت‌هایی که در پذیرش GenAI عقب هستند
40% از شرکت‌ها که هنوز هیچ اقدامی در زمینه GenAI انجام نداده‌اند باید بر حمایت رهبری، شناسایی تعدادی از کاربردهای اولویت‌دار، همکاری با شرکای خارجی و تنظیم رویکردهای خود در زمینه حاکمیت تمرکز کنند. شرکت‌ها باید برای پروژه‌های GenAI خود یک مدل حاکمیت اختصاصی ایجاد کنند که تصمیم‌گیری سریع و مداخله برای حفظ پیشرفت را تسهیل کند. همچنین 50% از شرکت‌ها در مرحله پایلوت هستند و در این مرحله می‌بایست پرتفوی پروژه‌های خود را دوباره اولویت‌بندی کنند، نیازهای فناوری و داده را مجدداً ارزیابی کنند و استراتژی منابع انسانی خود را تنظیم کنند.
نقش AI در ارزش‌گذاری پرتفوی (دارایی‌های سبد سرمایه‌گذاری)
تا پایان نیمه اول سال ۲۰۲۳، کمتر از ۱۰٪ از صندوق‌های خصوصی از هوش مصنوعی در وظایف اصلی خود از جمله شناسایی فرصت‌های سرمایه‌گذاری، تحقیق، منبع‌یابی معاملات، مدیریت قراردادها و بررسی‌های دقیق استفاده کرده‌اند. پیش‌بینی می‌شود که در پنج تا هفت سال آینده استفاده از هوش مصنوعی با نرخ رشد مرکب سالانه ۳۰٪ افزایش یابد و حدود ۲۵٪ از شرکت‌های سرمایه‌گذاری خصوصی (PE) از هوش مصنوعی برای بهبود ارزش‌گذاری سبد سرمایه‌گذاری‌های خود استفاده کنند. همچنین پیش‌بینی می‌شود که هر سال حدود ۴۰٪ از شرکت‌هایی که از هوش مصنوعی برای وظایف پیچیده استفاده می‌کنند، از آن برای وظایف با شدت بالاتر، مانند ارزش‌گذاری سبد سرمایه‌گذاری، نیز بهره‌گیرند. ارزش‌گذاری‌های مکرر می‌تواند به شفافیت بیشتر منجر شود که این امر باعث جذابیت بیشتر سرمایه‌گذاری‌های خصوصی برای سرمایه‌گذاران خرد و سرمایه‌گذاران خصوصی فعلی می‌شود. شفافیت بیشتر همچنین می‌تواند باعث کارآمدتر و قابل‌گسترش‌تر شدن معاملات ثانویه شود. نهادهای نظارتی احتمالاً به ارزش‌گذاری‌های مکرر تمایل خواهند داشت، به‌ویژه زمانی که به باز کردن بازارهای خصوصی برای سرمایه‌گذاران خرد فکر می‌کنند. برخی از شرکت‌های سرمایه‌گذاری خصوصی در حال حاضر از هوش مصنوعی برای کشف سرمایه‌گذاری و منبع‌یابی معاملات استفاده می‌کنند. برای این شرکت‌ها، یک گام طبیعی بعدی می‌تواند استفاده از این قابلیت‌ها در فرآیندهای پس از معامله و ادغام هوش مصنوعی در مدیریت سبد سرمایه‌گذاری، شامل ارزش‌گذاری سبد سرمایه‌گذاری، باشد.
سخن پایانی
مدیران ایرانی باید درک کنند که هوش مصنوعی، به‌ویژه GenAI، به عنوان یک عامل حیاتی برای رشد و توسعه کسب‌وکارها در دنیای امروز شناخته می‌شود. این فناوری نه‌تنها فرآیندها را بهینه و کارایی را افزایش می‌دهد، بلکه امکان تصمیم‌گیری مبتنی بر داده‌های دقیق و تحلیل‌های عمیق را فراهم می‌کند. در دنیای رقابتی امروز، شرکت‌هایی که از این تکنولوژی بهره‌برداری نکنند، ممکن است به سرعت از رقبای خود عقب بمانند. بنابراین، سرمایه‌گذاری در هوش مصنوعی و آموزش کارکنان برای استفاده مؤثر از این ابزارها، نه‌تنها یک فرصت، بلکه یک ضرورت است که می‌تواند به ارتقای تجربه مشتری، افزایش بهرهوری و در نهایت، سودآوری بیشتر منجر شود. به‌طور کلی، GenAI می‌تواند به یک منبع رقابتی حیاتی تبدیل شود که به شرکت‌ها کمک می‌کند ارزش بیشتری ایجاد کنند و هزینه‌ها را کاهش دهند.
شایان شلیله
مدیر رشد
فرشاد مرحمتی‌زاده
کارشناس توسعه بین‌الملل