کاربرد هوش مصنوعی در مدیریت کسب و کار
هوش‌مصنوعی چتری است که فناوری‌های مختلفی زیر سایه‌ی آن مشغول به کار هستند. یادگیری ماشین، یادگیری ژرف، روباتیک، محاسبات شناختی و پردازش زبان طبیعی فقط برخی از شاخه‌های اصلی هوش مصنوعی هستند. احتمالا مقاله‌های بی‌شماری درباره‌ی تاثیر هوش مصنوعی در مشاغل مختلف مطالعه کردید. این مقاله‌ها حاوی برنامه‌ها یا الگوریتم‌های هوش مصنوعی مانند الگوریتم یادگیری ژرف (deep learning) و ماشین بردار پشتیبان (Support vector machines) هستند که به کارگیری آن‌ها در دنیای تجارت باعث می‌شود، مشاغل هوشمند‌تر و سریع‌تر کار کنند. ممکن است ندانید با هوش مصنوعی چه کارهای هیجان‌انگیزی می‌توانید انجام دهید؛ ما در این مقاله به بیان چند نمونه از کاربرد های هوش مصنوعی در مدیریت کسب‌وکار می‌پردازیم.
وصول بدهی
در سال ۲۰۱۷ شکایات زیادی توسط اداره حفاظت مالی مصرف‌کنندگان (CFPB) دریافت شد که ۳۹ درصد از آن مربوط به وصول بدهی از افراد و مشاغل مختلف بود. این امر یک مشکل اقتصادی عمده به حساب می‌آید؛ لذا شرکت‌ها می‌توانند هوش مصنوعی را برای اطمینان از کارایی در فرآیند وصول بدهی به کار گیرند.
به‌طور مثال در یک مطالعه‌ی موردی انجام گرفته در بانک خصوصی Hanseatic، با ترکیبی از اتوماسیون و الگوریتم‌های یادگیری ماشین خودکار و جمع‌آوری اطلاعات مربوط به فاکتورهای الکترونیکی صادر شده، میزان نرخ وصول بدهی بانک تا ۲۴ درصد افزایش یافته است.
وام‌دهی
بانک‌ها در حال‌حاضر از مدل‌های پیچیده‌‌‌ای برای تصمیم‌گیری درباره‌ی اعطای اعتبار و وام به مشتریان استفاده می‌کنند. آن‌ها برای افزایش میزان دسترسی به داده‌های بیرونی، نیاز به مدل‌هایی دارند که بتوانند به طور مداوم حجم بالایی از داده‌های دریافتی را بررسی و آنالیز کنند و بررسی‌‌های انجام گرفته را در صورت لزوم تعدیل و اصلاح نمایند.
به طور مثال Zestfinance از داده‌های بزرگ برای اعتبارسنجی استفاده می‌کند تا موسسات مالی و بانک‌ها درک بهتری از ریسک داشته باشند و بتوانند زیان‌های وام‌دهی را تا حد ممکن کاهش دهند.
کشف تقلب و کلاه‌برداری
کشف تقلب برای مشاغلی که با پرداخت‌های الکترونیکی سروکار دارند یا کسانی که شبکه‌های پرداخت الکترونیکی را مدیریت می‌کنند و برای بانک‌هایی که در معرض انواع کلاهبرداری‌های مالی مانند پولشویی قرار دارند، یک چالش اساسی است.
هوش‌مصنوعی با ردیابی و تشخیص ناهنجاری‌های موجود در سیستم شرکت‌ها، از این کلاهبرداری‌‌ها جلوگیری می‌کند و می‌تواند بر رعایت قوانین وضع شده نظارت کند و از این طریق جریان کار را بهبود ببخشد.
در این مورد به یک مدل یادگیری ماشین نیاز است که روی جریانی از داده‌های دریافتی حساس باشد و توانایی تحلیل آن‌ها را داشته باشد. به طور مثال محتوا و اطلاعات مربوط به تراکنش‌های بانکی، درخواست وام و افتتاح حساب جدید؛ در این صورت با ارسال هشدار و اعلان به مسئول مربوطه، وی از هرگونه انحراف از الگوی عادی تعریف شده آگاه می‌شود و می‌تواند به بررسی آن بپردازد.
برنامه‌ریزی فروش
در فروش B2B، هوش‌مصنوعی به سیستم‌های برنامه‌ریزی منابع انسانی(ERP) و سیستم‌های مدیریت ارتباط با مشتری (CRM) اشاره دارد که مجهز به الگوریتم یادگیری ماشین و امکانات داده‌کاوی هستند. این سیستم‌های هوشمند قادر به درک و تجزیه‌وتحلیل داده‌های فروش جمع‌آوری شده هستند و پیشنهاداتی در رابطه با استراتژی‌های قیمت‌گذاری ارائه می‌دهند که احتمال به فروش رفتن محصول خاصی را پیش‌بینی می‌کنند.
شرکت‌ها با استفاده از هوش مصنوعی می‌توانند میزان فروش آتی را به طور دقیق پیش‌بینی کنند و با تصمیم‌گیری درست، هزینه‌های نگهداری موجودی را کاهش داده و کارایی خود را بهبود بخشند. یک رده‌فروش لوازم خانگی در استرالیا برای پیش‌بینی تقاضا و تنظیم قیمت‌ها از ابزارهای AutoML استفاده کرد. از آن‌جا که این شرکت بیش از ۹۰ پیش‌بینی دقیق انجام داده بود، خالی ماندن قفسه‌ها را به میزان ۲۳ درصد کاهش داد.
بررسی خودکار
فروشگاه‌ها و شرکت‌های خرده‌فروشی از طریق سیستم‌های خودکار می‌توانند بدون نیاز به صندوق‌دار، انتظارات مشتریان را تامین کنند.
به‌طور مثال سنسورهای پیشرفته‌ی مبتنی بر هوش مصنوعی، توانایی شناسایی کالای خریداری شده را دارند، هزینه‌ی خرید مشتری به صورت خودکار محاسبه شده و مشتری می‌تواند هزینه کالا را پرداخت نماید. این امر باعث می‌شود زمان انتظار مشتری کاهش یابد و میزان رضایت او به طرز قابل‌توجهی بهبود یابد.
بهینه‌سازی زنجیره‌ی تامین
کمپانی آمازون در خودکارسازی مدیریت زنجیره‌ی تامین پیشتاز بوده و محبوبیت زیادی در بین مردم دارد. شرکت‌های خرده‌فروشی دیگر نیز با پیروی از آن، به دنبال بهینه‌سازی موجودی و فرآیندهای لجستیک و به‌طور کلی کاهش هزینه‌های زنجیره‌ی تامین خود هستند.
علی‌بابا نیز از الگوریتم‌های هوش‌مصنوعی بهره گرفته تا بتواند با افزایش سرعت عملیات، مسیرهای بهینه‌تر و کارآمدتری برای تحویل کالا به مقصد بیابد. این امر باعث کاهش ۱۰ درصدی استفاده از وسایل نقلیه و کاهش ۳۰ درصدی در مسافت موردنیاز برای رسیدن بار به مقصد گردیده است. در واقع علی‌بابا در چین توانسته با از کاربرد های مختلف هوش مصنوعی در مدیریت و توسعه‌ی کسب و کارش استفاده کند.
استخدام نیروی انسانی
یکی از بزرگ‌ترین مزایای هوش مصنوعی این است که می‌تواند بهترین فرد را برای یک پست در سازمان انتخاب کند. هوش مصنوعی می‌تواند در حین مصاحبه، تجزیه‌وتحلیل مقدماتی از صحبت‌های ردوبدل شده انجام دهد و مهارت فرد را با مهارت کارمندان موفقی که در همان عنوان شغلی بودند مقایسه و مورد بررسی قرار دهد.
شرکت Pymetrics با استفاده از بازی‌های مرتبط با علوم اعصاب به شرکت‌ها کمک می‌کند تا نیروهای مورد نیاز خود را استخدام کنند. این بازی‌ها بر اساس ویژگی‌های شناختی و عاطفی فرد کاندید کار می‌کنند که می‌توانند قبل از شروع مصاحبه فرد را ارزیابی نمایند و تشخیص دهند آیا او برای این نقش مناسب است یا خیر.
حتی اگر متوجه شوند که فرد مناسب این شغل نیست، این امکان وجود دارد که با توجه به توانایی‌های او نقش دیگری را به وی پیشنهاد دهند.
یک چت‌بات می‌تواند درباره‌ی سن، محل سکونت، سابقه‌ی کاری، تحصیلات و… از متقاضی شغل سوال بپرسد، این امر به متخصصین منابع انسانی اجازه می‌دهد غربالگری دقیق‌تری از کاندیداهای شغلی داشته باشند. با انجام این کار روند استخدام با سرعت بالاتری انجام پذیرد.
همچنین ابزارهای هوش‌مصنوعی قادرند پروفایل کاندیداها را در شبکه‌های اجتماعی از جمله لینکدین جست‌وجو کنند و با تجزیه‌وتحلیل حضور افراد، کاندیدای مناسب را از بین آن‌ها انتخاب کرده و لیستی از بهترین افراد را در اختیار مدیران قرار دهند.
نظارت بر کارمندان
یکی از چالش‌هایی که همیشه در سازمان‌ها وجود دارد چگونگی اندازه‌گیری عملکرد کارکنان است. هوش مصنوعی می‌تواند راه‌حل مناسبی برای اندازه‌گیری بهره‌وری کارکنان باشد؛ با این کار، مدیران هنگام سنجش عملکرد کارکنان سازمان، فقط به اطلاعات واقعی تکیه می‌کنند و از این طریق تصمیمات آگاهانه‌ای می‌گیرند. در واقع اینجاست که شاهد کاربرد هوش مصنوعی در مدیریت منابع انسانی هستیم.
مایکروسافت با کمک شرکتی که در رابطه با تحلیل داده کار می‌کند، حجم زیادی از داده‌ها را پردازش می‌کند. این شرکت که فعالیت کارمندان و تعداد جلسات را مورد بررسی قرار می‌دهد، برای مثال می‌تواند بگوید که کارکنان به‌طور متوسط ۲۷ ساعت در هفته در جلسات حضور دارند و یا چند ساعت از زمان کاری افراد صرف بررسی و پاسخ به ایمیل شده است. نتایج این بررسی حاکی از آن است که ساعات زیادی صرف انجام این کارها در سازمان می‌شود، بنابراین در سیاست‌های جدید کارکنان باید تشویق شوند که مدت زمان کم‌تری را صرف بررسی ایمیل‌ها نمایند و زمان اصلی خود را به سایر وظایف تخصیص دهند.
به این نکته دقت کنید، هنگامی که کارفرمایان از هوش مصنوعی استفاده می‌کنند، باید از زیر نظر گرفتن مداوم کارمندان خودداری کنند و علت این کار را برای آن‌ها توضیح دهند، اگر آن‌ها اهداف چنین بررسی‌هایی را به طور واضح توضیح ندهند، انجام آن می‌تواند اثرات منفی روی کارمندان بر جای بگذارد.
نظارت تصویری
برای نظارت تصویری و به‌منظور شناسایی انسان، وسایل نقلیه، اشیا و رویدادها، از برنامه‌های نرم‌افزاری و از دوربین‌های نظارت تصویری مبتنی بر هوش مصنوعی استفاده می‌شود تا بتوان صدا و تصویر را شناسایی و تجزیه‌وتحلیل کرد.
حداقل ۷۵ کشور از ۱۷۶ کشور در سطح جهان به طور فعال از فناوری‌های هوش مصنوعی برای اهداف نظارتی استفاده می‌کنند. برای مثال:
- پلتفرم‌های شهر هوشمند/شهر امن (در ۵۶ کشور)
- سیستم‌های تشخیص چهره (در ۶۴ کشور)
- پلیس هوشمند (در ۵۲ کشور)
طبق ۴۵۱ تحقیق صورت گرفته، ۳۵ درصد از مدیران دولتی اظهار داشتند که از هوش مصنوعی در تجزیه‌وتحلیل فیلم‌ها و مشاهدات خود استفاده می‌کنند.
هوش مصنوعی می‌تواند تعداد نامحدودی فیلم را در آن واحد رصد و آنالیز نماید، افراد و اشیای موجود در فیلم به‌طور دقیق ردیابی می‌شوند. این اطلاعات در اختیار مسئولان مربوطه قرار داده می‌شود و از این طریق امنیت شهروندان تامین می‌شود.
حمل‌ونقل
دولت‌ها می‌توانند فناوری‌های هوش مصنوعی را در حوزه‌ی حمل‌ونقل نیز پیاده‌سازی کنند. هوش مصنوعی می‌تواند پیشنهاداتی برای هماهنگی زیرساخت‌های حمل‌ونقل عمومی، خصوصی و پارکینگ‌ها ارائه دهد. این امر به کاهش ترافیک شهری، کاهش مصرف سوخت، کاهش زمان رفت‌وآمد و بهبود کیفیت زندگی برای شهروندان کمک خواهد کرد.
با استفاده از تکنیک‌های پیش‌بینی در هوش‌مصنوعی، مکان‌هایی با ترافیک بالا شناسایی می‌شوند. به طور مثال اطلاعاتی درباره‌ی برگزاری رویدادهای ورزشی در مکانی خاص یا ساخت‌وسازی در شهر که منجر به حجم ترافیک بالایی شده است دریافت می‌شود و مسیرهای جایگزین با میزان ترافیک کم‌تر به طور خودکار محاسبه شده و به راننده پیشنهاد داده می‌شود.
اتومبیل‌های خودران نیز که بر اساس سیستم‌های پیشرفته‌ی کنترلی حرکت می‌کنند، در صنعت حمل‌ونقل بسیار مورد توجه قرار گرفته‌اند و برای کاهش تعداد تصادفات در بزرگراه‌ها و افزایش میزان بهره‌وری در جاده‌ها فرصتی عالی محسوب می‌شوند. این یکی از ده‌ها کاربرد هوش مصنوعی در مدیریت حمل و نقل شهری است.
سوال‌های متداول
شاید بتوان خودکارسازی فرایندهای روتین و تکراری را مهم‌ترین کاربرد هوش مصنوعی در کسب‌وکارها دانست. همچنین استفاده از هوش مصنوعی در کنار مفهوم داده‌کاوی می‌تواند به شما در گرفتن تصمیم‌های پیچیده کمک کند.
بله. هوش مصنوعی در دو بخش جذب نیرو و مدیریت و نظارت بر عملکرد کارکنان می‌تواند به کمک مدیران منابع انسانی بیاید.
در شبکه‌های اجتماعی به اشتراک بگذارید
