پرش به محتوای اصلی
OpenAI

شناسایی و گسترش موارد استفاده از هوش مصنوعی

چگونه پذیرندگان اولیه تلاش‌های خود را در زمینه هوش مصنوعی متمرکز می‌کنند

مقدمه

In just two years

39%

39% of U.S. adults have already used AI. In comparison, the internet reached just 20% adoption in its first two years.

AI leaders have seen

1.5x

1.5x faster revenue growth, 1.6x higher shareholder returns, and 1.4x better return on invested capital than their less advanced peers.

Yet only

1%

1% of a recent McKinsey survey believed their AI investments had reached full maturity.

تنها در عرض دو سال، 39% از بزرگسالان در ایالات متحده پیش‌تر از هوش مصنوعی استفاده کرده‌اند.(در یک پنجره جدید باز می‌شود) اینترنت در همان بازه زمانی تنها به 20% پذیرش رسید. رشد هوش مصنوعی نه‌تنها در حال دگرگون کردن صنایع است، بلکه برای کارکنان به‌صورت فردی نیز فرصت‌هایی ایجاد می‌کند. هوش مصنوعی به افراد این امکان را می‌دهد که کارهای با ارزش بالاتر انجام دهند، مهارت‌های خود را گسترش دهند و در مسیر شغلی خود پیشرفت کنند.



در یک مطالعه، BCG دریافت(در یک پنجره جدید باز می‌شود) که در سه سال گذشته، پیشروان هوش مصنوعی در مقایسه با همتایان کم‌بلوغ‌ترشان، 1.5 برابر رشد درآمد سریع‌تر، 1.6 برابر بازده سهام‌داران بیشتر و 1.4 برابر بازده سرمایه‌گذاری بهتری داشته‌اند.

طبق McKinsey(در یک پنجره جدید باز می‌شود)، 92% از شرکت‌ها برنامه دارند سرمایه‌گذاری خود را در هوش مصنوعی افزایش دهند. با این حال، بسیاری از سازمان‌ها هنوز به راهنمایی درباره چگونگی دستیابی به ارزش ملموس نیاز دارند، و تنها 1% معتقدند که سرمایه‌گذاری‌هایشان در هوش مصنوعی به بلوغ کامل رسیده‌اند.

ما از نزدیک مشاهده کرده‌ایم که چه چیزی پروژه‌های موفق هوش مصنوعی را متمایز می‌کند. بینش‌های ما از 300 مورد از موفق‌ترین پیاده‌سازی‌های ما، بیش از 4,000 نظرسنجی پذیرش، و بیش از 2 میلیون کاربر تجاری به دست می‌آید.

این راهنما برای کمک به سازمان شما طراحی شده است تا موارد استفاده از هوش مصنوعی را شناسایی کرده و گسترش دهد که ارزش مشخصی ایجاد می‌کنند. فرایند را به سه مرحله تقسیم می‌کنیم:

  1. شناسایی فرصت‌ها برای به‌کارگیری هوش مصنوعی در کسب‌وکارتان، با درک این‌که در چه زمینه‌هایی عملکردی ممتاز دارد.

  2. آموزش موارد استفادهٔ بنیادین به کارکنان شما که می‌تواند کشف را در همهٔ بخش‌ها تسریع کند.

  3. جمع‌آوری و اولویت‌بندی موارد کاربرد که بیشترین تأثیر را بر کسب‌وکار شما خواهند داشت.

در سراسر این محتوا، داستان‌های مشتریان، چک‌لیست‌های کاربردی و نمونه‌های موارد استفاده متناسب با بخش‌های مختلف را خواهید یافت تا از پیشرفت تیم شما پشتیبانی شود.

مهم است که درک کنیم پذیرش هوش مصنوعی به مراتب فراتر از صرفاً یافتن موارد استفاده مناسب است. موضوعاتی مانند اینکه چگونه فرهنگی هوش مصنوعی‌محور ایجاد می‌کنید، موارد استفاده با ارزش‌تر را پرورش می‌دهید و پذیرش را در سراسر شرکت خود ترغیب می‌کنید، خارج از محدوده این راهنما هستند. در راهنماهای دیگر اطلاعات بیشتری درباره آن موضوعات به اشتراک می‌گذاریم، اما فعلاً بیایید بر فرایند یافتن موارد استفاده مناسب برای شرکتتان تمرکز کنیم.

«این زمانی است که باید [از هوش مصنوعی] در حال بهره‌مند شدن باشید و امیدوار باشید که رقبایتان فقط مشغول بازی و آزمایش باشند.»
Erik Brynjolfsson، Stanford University، در «هوش مصنوعی در محیط کار»، McKinsey، ژانویهٔ 2025

اصول کلیدی برای یافتن موارد کاربرد جدید

این سه اصل را به خاطر داشته باشید. این اصول، مبنای همهٔ راهنمایی‌های عملی هستند که در ادامه خواهید دید.

  1. هوش مصنوعی باید توسط رهبری هدایت و حمایت شود.

  2. موارد استفاده پیچیده ممکن است چشمگیر به نظر برسند، اما اغلب سرعتتان را کم می‌کنند. در عوض، توانمندسازی کارکنان برای یافتن موارد استفاده‌ای که برای آن‌ها و شرکتتان بهترین کارایی را دارند، اغلب مسیر سریع‌تری برای رسیدن به موفقیت است.

  3. تشویق به پذیرش از طریق هکاتون‌ها، کارگاه‌های موارد استفاده، و جلسات یادگیری همتا-محور، برای بسیاری از مشتریان ما یک عامل شتاب‌دهنده است.

بیایید بهترین مراحل برای شناسایی موارد استفاده برای تیم‌هایتان را مرور کنیم.

شناسایی فرصت‌های اثرگذاری هوش مصنوعی

گام اول، شناسایی بخش‌هایی از کسب‌وکارتان است که می‌توان آن‌ها را بلافاصله با هوش مصنوعی بهبود داد.

یکی از راه‌های انجام این کار این است که به هوش مصنوعی به عنوان راهی برای ایجاد دستیارهای فوق‌العاده برای نیروی کار خود فکر کنید. دستیارهای فوق‌العاده هوش مصنوعی هرگز خسته نمی‌شوند و تمرکز خود را از دست نمی‌دهند. آن‌ها همیشه هر زمان که به کمک نیاز داشته باشید، در دسترس هستند. و آن‌ها می‌توانند در انجام تقریباً هر کاری انعطاف‌پذیر باشند و مهارت‌های کارکنان شما را تقویت کنند. 

برای شناسایی موارد استفاده بالقوه از هوش مصنوعی، بر چالش‌های رایج محیط کار در این سه حوزه کلیدی تمرکز کنید:

  • وظایف تکراری کم‌ارزش

  • گلوگاه‌های مهارتی

  • پیمایش ابهام

بیایید بهترین مراحل برای شناسایی موارد استفاده برای تیم‌های شما را مرور کنیم.

کارهای تکراری و کم‌ارزش

به‌طور مشخص توضیح دهید که چرا پذیرش هوش مصنوعی برای آینده شرکت شما اهمیت کلیدی دارد؛ خواه برای همگام ماندن با رقبا، خواه برای پاسخ‌گویی به انتظارات در حال تحول مشتریان، یا برای تداوم رشد. وقتی کارکنان یک «چراییِ» سنجیده می‌شنوند، این امر اعتماد و شفافیت ایجاد می‌کند و به آن‌ها کمک می‌کند ببینند این تغییرات چگونه با کار و اهداف خودشان هم‌راستا هستند.

«هر بار که کاری می‌کنم که به نظرم آزاردهنده است، از خودم می‌پرسم: چطور می‌توانم کاری کنم که مجبور نباشم دوباره این کار را انجام دهم؟»
کلر وو، مدیر ارشد محصول و فناوری، Launch Darkly

گلوگاه‌های مهارتی

به‌طور مشخص توضیح دهید که چرا پذیرش هوش مصنوعی برای آینده شرکت شما اهمیت کلیدی دارد؛ خواه برای همگام ماندن با رقبا، خواه برای پاسخ‌گویی به انتظارات در حال تحول مشتریان، یا برای تداوم رشد. وقتی کارکنان یک «چراییِ» سنجیده می‌شنوند، این امر اعتماد و شفافیت ایجاد می‌کند و به آن‌ها کمک می‌کند ببینند این تغییرات چگونه با کار و اهداف خودشان هم‌راستا هستند.

Example

مدیر محصول ما از هوش مصنوعی استفاده می‌کند تا نمونه‌های اولیه تعاملی ایجاد کند، بدون اینکه مجبور باشد سرعتش را کم کند و منتظر کمک تیم‌های دیگر بماند.

مدیریت ابهام

کار دانش‌محور اغلب شامل ابهام و چالش‌های پایان‌باز است. کارمندان ممکن است برای شروع کار دچار مشکل شوند یا به مانع بخورند، و در نتیجه پروژه‌ها متوقف شوند. در اینجا، هوش مصنوعی می‌تواند نقش یک کاتالیزور را ایفا کند و زمانی که مسیر روشن نیست، به تولید ایده، تحلیل داده‌ها و پیشنهاد گام‌های بعدی کمک کند. 

افراد در تمام شرکت‌هایی که با آن‌ها صحبت کردیم، از هوش مصنوعی برای به جریان انداختن تفکرشان و باز کردن مسیر ایده‌های جدید استفاده می‌کنند. آن‌ها از آن برای ایده‌پردازی دربارهٔ کمپین‌ها، به‌دنبال بینش‌های سریع در داده‌های خام گشتن، تحلیل روندها، یا صرفاً مشخص کردن قدم‌های بعدی وقتی مطمئن نیستند چه کاری باید انجام دهند استفاده می‌کنند.

Example

تیم بازاریابی ما از حالت صوتی ChatGPT برای ایده‌پردازی کمپین‌ها استفاده می‌کند تا موانع خلاقیت را برطرف کند و کار روی یک بریف را آغاز کند.

تمرکز بر این نوع کارها می‌تواند به شما کمک کند تا به سرعت فرصت‌های هوش مصنوعی با تأثیر بالا را شناسایی کنید و به تیم‌هایتان کمک کند گردش کار را بهینه کنند، گلوگاه‌ها را کاهش دهند و نوآوری را در سراسر سازمان‌تان تسریع کنند.

«ما یک کارگروه خودکارسازی هوش مصنوعی با این اصل راهنما تشکیل دادیم. از همه اعضای تیم مالی خواستیم فرایندهایی را شرح دهند که به نظرشان می‌توانستند از هوش مصنوعی بهره‌مند شوند. ما آن فهرست را گرفتیم و از آن یک نقشه راه از پروژه‌هایی که می‌خواستیم بررسی کنیم ایجاد کردیم.»
Andrea Ellis، مدیر ارشد مالی، Fanatics Betting and Gaming

اقدامات

از تیم‌های خود بخواهید سناریوها و وظایفی را که در آن‌ها: فهرست کنند

  • برای شروع مشکل دارید یا با موانع مواجه می‌شوید

  • زمان زیادی را صرف کارهای دستی می‌کنند که دیگران همیشه آن را درک یا ارزش‌گذاری نمی‌کنند، یا بهترین استفاده از زمانشان نیست (یعنی «فهرست ضدکارهایشان»)

  • با یک گلوگاه مهارتی روبرو شوند تا زمانی که تیم دیگری از راه برسد و به آن‌ها کمک کند (مانند تحلیل داده‌ها، طراحی، نوشتن مطابق با برند، و توسعه وب که نمونه‌های خوبی هستند)

از این فهرست‌ها برای شروع شناسایی زمینه‌های احتمالی برای موارد استفاده جدید استفاده کنید.

این کار را می‌توان در آغازِ یک کارگاه یا هکاتون انجام داد تا به کارکنان شما کمک کند ببینند از کجا باید شروع کنند.  

یا از این اعلان استفاده کنید تا از ChatGPT درباره چند کاربرد جالب سؤال کنید:

آموزش شش اصل اولیه مورد استفاده به تیم‌هایتان

وقتی به تیم‌های خود چارچوبی برای شناسایی فرصت‌های جدید هوش مصنوعی دادید، گام بعدی این است که آن‌ها را درباره روش‌های اساسی استفاده از هوش مصنوعی آموزش دهید. برای کمک به این موضوع، بیش از 600 مورد کاربری را که از مشتریان‌مان گردآوری شده بودند تحلیل کردیم. بیشتر موارد استفاده در یکی از شش «عنصر پایه» قرار می‌گیرند—انواع بنیادینِ موارد استفاده که در همه بخش‌ها و حوزه‌های تخصصی کاربرد دارند:

نمودار دایره‌ای با مرکز آبی که با آیکون‌هایی با برچسب‌های ایجاد محتوا، تحقیق، کدنویسی، تحلیل داده‌ها، ایده‌پردازی/استراتژی و اتوماسیون احاطه شده‌اند.

این اجزای پایه راهی سریع برای کمک به کارکنان شما هستند تا امیدبخش‌ترین موارد استفاده را برای کسب‌وکارتان پیدا کنند. هر جزء پایه نمایانگر صدها مورد کاربردی است که ما در صنایع، نقش‌ها و گردش‌کارهای مختلف دیده‌ایم و همین آن‌ها را به مسیری سریع برای دستیابی به ارزش مقیاس‌پذیر تبدیل می‌کند.

اجازه دهید نگاهی دقیق‌تر به هر جزء پایه بیندازیم و بررسی را با تولید محتوا آغاز کنیم:

ابتدایی 01: تولید محتوا

هوش مصنوعی می‌تواند از تولید محتوا در تمامی تیم‌ها پشتیبانی کند—چه برای خلاصه‌سازی تماس‌های فروش و چه برای تولید پیش‌نویس‌های اولیه اسناد راهبردی، پست‌های وبلاگ، صفحات وب، و حتی تصاویر و نمودارها. ما مشاهده می‌کنیم که تیم‌ها از هوش مصنوعی برای ویرایش و صیقل دادن کار خود استفاده می‌کنند و سپس در آخرین لحظه آن را به‌عنوان نمونه‌خوان نهایی به کار می‌گیرند.



هوش مصنوعی می‌تواند به طور خودکار با سبک سازمان شما بنویسد و راهنمای لحن رسمی شما را اعمال کند؛ از ساختارهای ترجیحی اسناد شما پیروی کند؛ یا حتی درباره نوشتار شما بازخورد ارائه دهد. سپس می‌تواند کار شما را به زبان‌های مختلف ترجمه کند یا آن را برای مخاطبان، کانال‌ها یا برنامه‌های مختلف به صورت رسمی بازآفرینی کند.

هنگام نوشتن، هوش مصنوعی می‌تواند تمام زمینه‌ی یک مکالمه یا مجموعه‌ای از اسناد بارگذاری‌شده را در نظر بگیرد و خروجی را بر اساس آن شکل دهد. برای مثال، راهنمای نگارش خود را آپلود کنید یا از پنج پست برتر وبلاگتان استفاده کنید، سپس اعلان ChatGPT را برای ایجاد یک راهنمای نگارش مفصل بر اساس آن نمونه‌ها وارد کنید.

نمونه‌های کاربردی تولید محتوا برای شروع:

بازاریابی

استراتژی کمپین، تیترها یا کمپین‌های ایمیلی ایجاد کنید. طرح کلی محتوا و پیش‌نویس‌های اولیه تهیه کنید. محتوا را برای مخاطبان یا کانال‌های مختلف بازنویسی و تطبیق دهید.

تیم‌های مالی

پیش‌نویس اسناد خط‌مشی و یادداشت‌های فنی حسابداری را برای بررسی کارشناسان تهیه کنید.

تیم‌های محصول

اسناد نیازمندی محصول تهیه کنید، توضیحات محصول بنویسید، یادداشت‌های انتشار، ارتباطات راه‌اندازی و راهنماهای کاربر ایجاد کنید.

تیم‌های فروش

برنامه‌های حساب مشتری، اسکریپت‌های تماس و ایمیل‌های پیگیری تولید کنید.

Promega پیام‌رسانی خود را در بازارها و میان مخاطبان مختلف گسترش داد

Promega، شرکت علوم زیستی، در شش ماه اول استفاده از ChatGPT Enterprise برای تهیه پیش‌نویس ایمیل‌های کمپین، 135 ساعت صرفه‌جویی کرد. همچنین از آن برای تولید خلاصه‌های کمپین از روی یک سند پیام استفاده می‌کنند و هر متن تبلیغاتی را برای کانال‌های بازاریابی خاص به تبلیغات پولی ترجمه می‌کنند.

مربع آبی انتزاعی
«زمانی که با هم‌راستا کردن استراتژی ایمیل‌ها در زمان صرفه‌جویی می‌کنیم، می‌توانیم آن را صرف تولید محتوایی کنیم که تجربه ایمیل را بهبود می‌دهد.» یادم نمی‌آید آخرین باری که بدون استفاده از این GPT یک ایمیل بازاریابی نوشته‌ام.»
Kari Siegenthaler، استراتژیست بازاریابی، Promega

عنصر بنیادین 02: تحقیق

هوش مصنوعی به طور گسترده برای تحقیقات در صنایع مختلف استفاده می‌شود. از یادگیری سریع مفاهیم جدید (مثل پذیرش هوش مصنوعی یا تفکر طراحی) گرفته تا جستجوی وب برای مقالات و داده‌های رقابتی، تا پروژه‌های تحقیقاتی چندمرحله‌ای که وب را برای داده‌ها و بینش‌ها بررسی می‌کنند. می‌بینیم که تیم‌ها اسناد داخلی طولانی را هم برای به‌دست آوردن سریع بینش بارگذاری می‌کنند. 

یکی از مزیت‌های اصلی استفاده از هوش مصنوعی در تحقیق این است که می‌توانید نحوه ارائه تحلیل را مشخص کنید؛ مثلاً به صورت جدول، بولت‌پوینت، بخش‌بندی‌شده یا همراه با ارجاعات متقابل.



دقت هوش مصنوعی در جزئیات و توانایی آن در پیروی از دستورالعمل‌ها، آن را به یک دستیار پژوهشی عالی تبدیل می‌کند.

نمونه‌های کاربردی تحقیق برای شروع:

فروش و بازاریابی

بررسی صنایع جدید، درک بهتر رقبا و تحقیق درباره مخاطبان جدید.

مالی

جستجو برای معیارها از شرکت‌های سهامی عام، اهداف M&A، یا مقالات و راهنماهای مربوط به استانداردهای حسابداری.

محصول

اندازه بازارهای جدید را برآورد کنید، درباره رقبا تحقیق کنید، ترندها را شناسایی کنید و بازخورد کاربران را تحلیل کنید.

تیم‌های فروش

در وب به دنبال فروشندگان جدید بگردید و نقاط قوت و ضعف محصولات آن‌ها را ارزیابی کنید.

مهندسی نرم‌افزار

نقطه پایان‌های API و مستندات خارجی را بررسی کنید.

Introducing Deep Research

تحقیق عمیق یک قابلیت جدید عامل‌محور در ChatGPT است که به‌طور مستقل تحقیقات چندمرحله‌ای را در اینترنت انجام می‌دهد. به آن یک اعلان بدهید، و ChatGPT صدها منبع آنلاین را پیدا، تحلیل و ترکیب می‌کند تا گزارشی جامع در سطح یک تحلیلگر تحقیق ایجاد کند. بیشتر بدانید.

اولیه 03: برنامه‌نویسی

بسیاری از مهندسان نرم‌افزار از کاربران حرفه‌ای هوش مصنوعی هستند. آن‌ها از آن برای اشکال‌زدایی، تولید پیش‌نویس اولیهٔ کد در زبان‌های ناآشنا، انتقال کد از یک زبان به زبان دیگر، و بررسی دقیق کد خود (حتی با روش rubber duck) استفاده می‌کنند. در دو سال گذشته، توانایی‌های هوش مصنوعی در ریاضی، علوم و برنامه‌نویسی در زبان‌های متعدد به‌طور چشمگیری بهبود یافته است، و بسیاری از ابزارها اکنون حتی پیش‌نمایش لحظه‌ای کد را نیز ارائه می‌دهند.

همچنین مشاهده می‌کنیم که افراد زیادی که برنامه‌نویس نیستند، با کمک ابزارهای هوش مصنوعی به برنامه‌نویسی روی آورده‌اند. فقط با استفاده از زبان طبیعی، تیم‌های بازاریابی و مالی می‌توانند اسکریپت‌های Python برای خودکارسازی، کوئری‌های SQL برای استخراج داده یا حتی مصورسازی‌هایی برای وب‌سایت‌ها و ارائه‌های داخلی ایجاد کنند. 

نمونه‌های کاربردی کدنویسی برای شروع:

مهندسان نرم‌افزار

کد را اشکال‌زدایی کنید (حتی با روش rubber duck)، آن را به زبان‌های دیگر منتقل کنید و APIها را بررسی کنید.

بازاریابی

نمودارهای تعاملی و تجسم‌های داده ایجاد کنید تا با تیم‌های وب و طراحی به اشتراک بگذارید، یا برای تحلیل داده‌ها SQL بنویسید.

مالی

اسکریپت‌های Python ایجاد کنید تا بخش‌هایی از بستن حساب‌های ماهانه را خودکار کنید.

محصول

نمونه‌های اولیه تعاملی بسازید تا ایده‌های جدید محصول را سریع‌تر توسعه دهید.

Tinder کدنویسی را تسریع می‌کند

تیم مهندسی Tinder از ChatGPT برای تولید پیش‌نویس اولیهٔ سینتکس هنگام کار با زبان‌های غیرشهودی—مانند اسکریپت‌های Bash—که به دانش تخصصی نیاز دارند، استفاده می‌کند. ChatGPT بهره‌وری آن‌ها را در کدنویسی افزایش می‌دهد و مراجعه به مستندات APIهای خارجی، جستجو در آن‌ها و عیب‌یابی تصمیم‌های معماری و طراحی را آسان می‌کند.

مربع آبی انتزاعی
«قبلاً کارهایی در Jira بود که به خاطر حس کارِ طاقت‌فرسا داشتن، در اولویت پایین قرار می‌گرفتند.» حالا در نهایت سراغشان می‌روم، چون می‌دانم که با ChatGPT کنارم، روبه‌رو شدن با آن‌ها راحت‌تر خواهد بود.»
Chris Fuller، مهندس ارشد نرم‌افزار، Tinder

مرحله 04: تحلیل داده

هوش مصنوعی به افراد کمک می‌کند داده‌ها را از منابع مختلف یکپارچه کنند، روندها را شناسایی کنند و با داده‌های پیچیده صفحات گسترده کار کنند—بدون نیاز به مهارت‌های پیشرفته در Excel، SQL یا Python.

می‌توانید چندین صفحه گسترده یا اسکرین‌شات از داشبوردها را در اختیار هوش مصنوعی قرار دهید تا از تحلیل سریع پشتیبانی کند. می‌تواند داده‌های صفحات گسترده را تحلیل کند، نمودارهای بصری را درک کند و حتی خروجی شما را برای گزارش‌دهی قالب‌بندی کند. همچنین می‌توانید راهنمایی کنید که نتایج چگونه ساختاربندی شوند، برای مثال با مشخص کردن انواع نمودار ترجیحی، قالب‌های خلاصه‌سازی یا منطق مقایسه.

نمونه‌های کاربردی تحلیل داده برای شروع:

بازاریابی

داده‌های حضور در وبینار را بارگذاری و سریعاً تحلیل کنید. روندهای کلیدی را از اسکرین‌شات داشبورد استخراج کنید.

محصول

روندها، بازخورد شبکه‌های اجتماعی یا داده‌های CRM را تحلیل کنید تا فرصت‌های جدید را شناسایی کنید.

فروش

فهرست‌های حساب خود را مرور کنید تا قوی‌ترین حساب‌های خود را پیدا کنید. سرنخ‌ها را به حساب‌ها نگاشت کنید و بر اساس سیگنال‌های قصد، آن‌ها را امتیازدهی کنید.

مالی

داده‌های هزینه را به سرعت تحلیل کنید و به دنبال روندها بگردید، یا داده‌های صفحات گسترده و پایگاه‌های داده مختلف را هماهنگ کنید.

Poshmark زمان بیشتری برای بینش و استراتژی به دست می‌آورد

Poshmark، بازارگاه مد، از ChatGPT برای تولید کد Python استفاده کرد که میلیون‌ها ردیف صفحه‌گسترده را برای تحلیل عملکرد کسب‌وکار تطبیق می‌دهد. سپس از هوش مصنوعی برای تولید گزارش‌های هفتگی عملکرد و یادداشت‌های حسابداری برای مدیران استفاده می‌کنند و هر هفته ساعت‌ها از کار دستی صرفه‌جویی می‌شود.

مربع آبی انتزاعی
«ما کارهای دستی را به‌طور چشمگیری کاهش داده‌ایم و سرعت، دقت، ارتباطات و بینش‌ها را بهبود داده‌ایم.» «دارم ارتقای سطح کار همه را می‌بینم.»
Rodrigo Brumana، مدیر مالی، Poshmark

مرحله 05: ایده‌پردازی و استراتژی

این کاربردها در همه تیم‌ها رایج هستند، از ایده‌پردازی برای یک پست وبلاگ جدید تا کمک به ساختاردهی اسناد، رفع مشکلات استراتژی، یا ارائه بازخورد بر اساس اهداف کلیدی و ترجیحات ذی‌نفعان.

با چندوجهی‌تر شدن مدل‌های هوش مصنوعی، تیم‌ها از صدا و تصویر برای تعامل با آن—مشابه یک همکار—استفاده می‌کنند.

و با پیشرفته‌تر شدن مدل‌ها در حل مسائل پیچیده، بسیاری از تیم‌ها از آن‌ها برای تدوین برنامه‌های استراتژیک استفاده می‌کنند و داده‌ها، اهداف، محدودیت‌ها و وابستگی‌ها را در نظر می‌گیرند.

نمونه‌های کاربردی ایده‌پردازی و تدوین استراتژی برای شروع:

بازاریابی

برای کمپین، بر اساس فرصت‌های جدید ایده‌پردازی کنید. بریف بازاریابی خود را بارگذاری کنید و بپرسید چه مواردی کم است. اعلان برای برنامه‌ای جهت برو به بازار برای عرضه محصول.

محصول

برای یک منطقهٔ جغرافیایی جدید، با در نظر گرفتن رقبای محلی، ریسک‌ها، اندازهٔ فرصت و نیازهای منابع، برنامه‌ای برای گسترش بازار تدوین نمایید.

فروش

برنامه‌های راه‌اندازی بسازید که همهٔ وابستگی‌ها و ریسک‌ها را منعکس می‌کنند. PRD خود را بارگذاری کنید و پیش از بررسی مدیران، نقاط ضعف را شناسایی کنید.

مالی

ارائه یا مهارت‌های کشف خود را با حالت صوتی تمرین کنید.

Match Group گروه‌های کانونی را شبیه‌سازی می‌کند

Match Group، رهبر جهانی در حوزه قرارهای آنلاین، در حال آزمایش قابلیت‌های چندحالته GPT‑4 برای اجرای شبیه‌سازی‌های گروه‌های کانونی به‌منظور ارزیابی کاربردپذیری محصول است. با آپلود کردن وایرفریم‌ها و درخواست از ChatGPT برای اینکه نقش یک پرسونا مشخص را بازی کند، طراحان می‌توانند سؤال‌هایی مطرح کنند، در حالی که از «کاربر» می‌خواهند در رابط کاربری حرکت کند و بازخورد بدهد. نتیجه: ایده‌های جدید برای نوآوری در محصول، بدون هزینه و تأخیر اضافی.

مربع آبی انتزاعی

مرحله 06: خودکارسازی

بسیاری از موارد استفاده شامل خودکارسازی بخش‌هایی از یک وظیفه هستند. ما دیده‌ایم که مشتریان وظایف تکراری و روزمره را شناسایی می‌کنند و راه‌هایی برای واگذاری آن‌ها به هوش مصنوعی طراحی می‌کنند. این خودکارسازی‌ها می‌توانند ساده باشند—مثل تولید گزارش‌های هفتگی—یا پیچیده‌تر، مانند تهیه گزارش مالی برای جلسات مدیریتی، آماده برای بازبینی انسانی.

حافظه و دستورالعمل‌های سفارشی کلید خودکارسازی این‌گونه فرایندها هستند. GPTهای سفارشی راهی برای اشتراک‌گذاری این فرایندها هستند. با ایجاد مجموعه‌ای استاندارد از دستورالعمل‌ها، بارگذاری همان سند و مشخص کردن همان خروجی در هر بار، تیم‌ها می‌توانند وظایف کم‌ارزش‌تر را برون‌سپاری کنند.

امروز این خودکارسازی‌ها اغلب به وظایف فردی محدود هستند، اما با ابزارهایی مانند «تحقیق عمیق» و «Operator»، در حال حرکت به سمتی هستیم که هوش مصنوعی بتواند وظایف چندمرحله‌ای را به صورت مستقل و زمان‌بندی‌شده انجام دهد.

برای شروع با موارد استفاده از اتوماسیون:

بازاریابی

برای جمع‌بندی‌های سریع وبینار، یک گزارش استاندارد و تجسم‌ها ایجاد کنید. یا از یادداشت‌های جلسه یا رونوشت‌ها، خلاصه‌های به‌روزرسانی Slack را ایجاد کنید.

محصول

یک خلاصه‌ساز برای به‌روزرسانی راه‌اندازی ایجاد کنید. یا بینش‌های هفتگی مشتری را خلاصه کنید و به اشتراک بگذارید. یادداشت‌های جلسه را به پست‌های Slack برای مدیران ارشد تبدیل کنید که وابستگی‌ها و گام‌های بعدی را خلاصه می‌کنند.

مالی

داده‌های مالی هفتگی را به یک نمای کلی اجرایی تبدیل کنید، همراه با هشدارهایی برای تغییراتی که نیاز به توجه دارند.

فناوری اطلاعات

معماری نرم‌افزار خود را به صورت اسکرین‌شات بارگذاری کنید و درخواست شناسایی وابستگی‌ها، ریسک‌ها و فرصت‌های کلیدی برای بهینه‌سازی را مطرح کنید.

BBVA بخش‌هایی از فرآیند تحلیل اعتبار خود را خودکار می‌کند

Credit Analysis Pro GPT متعلق به BBVA به تحلیلگران ریسک اعتباری کمک می‌کند ارزیابی‌های خود را با استخراج داده‌های بدون ساختار از منابع گوناگون، مانند گزارش‌های سالانه، ارزیابی‌های ESG و اخبار، سریع‌تر انجام دهند.

مربع آبی انتزاعی

اقدامات

  • مبانی هر مؤلفه‌ی پایه را به تیم‌های خود آموزش دهید و برای هر واحد نمونه‌هایی ارائه کنید.

  • در مرحله بعد، برای موارد کاربرد جدید ایده‌پردازی کنید، هکاتون‌ها یا مسابقات در سطح شرکت برگزار کنید تا مشخص شود چه کسی می‌تواند موارد کاربرد با بیشترین تأثیر را شناسایی کند.

  • درباره المپیاد موارد استفاده Bain برای یک چارچوب خاص بیشتر بدانید.

  • یک صفحه‌گسترده یا کانال Slack تنظیم کنید تا بتوانید همه موارد استفاده‌ای را که تیم‌هایتان به آن می‌رسند جمع‌آوری کنید.

شرکت Estée Lauder چگونه یک فرآیند تکرارپذیر برای توسعه GPT ایجاد کرد

آزمایشگاه GPT شرکت Estée Lauder کار خود را با تیم‌های بین‌رشته‌ای—شامل یک کاربر کسب‌وکار، یک کارشناس حوزه، و یک رهبر فنی—برای شناسایی و توسعه موارد کاربردی با تأثیر بالا آغاز می‌کند. فرایند آن‌ها ساده و تکرارپذیر است:

  1. طراحی: کاربر تجاری هدف، دامنه و مخاطب را در یک خلاصه دوصفحه‌ای تعریف می‌کند.

  2. آماده‌سازی: SME داده‌های مرتبط را برای تدوین یک مورد کاربردی بر اساس بهترین شیوه‌ها گردآوری می‌کند.

  3. ساخت و آزمایش: رهبر فنی GPT را می‌سازد، مجموعه‌داده‌ها را یکپارچه می‌کند و GPT را از نظر دقت و ثبات آزمایش می‌کند.

  4. راه‌اندازی: کل تیم GPT را مستقر می‌کند و یک راهنمای کاربر ایجاد می‌کند.

  5. تغییر مسیر و مقیاس‌پذیری: کل تیم از چرخه‌های بازخورد برای تکرار و بهینه‌سازی بر اساس عملکرد GPT استفاده می‌کند.

«ما در حال بررسی تمام فرآیندهای کسب‌وکار—از امور حقوقی تا تحقیق، تولید و تجارت—هستیم و به این فکر می‌کنیم که چگونه آنها را با هوش مصنوعی بازطراحی کنیم.»
Stéphane Bancel، مدیر عامل، Moderna

برای مطالعه جزئیات بیشتر، دربارهٔ Estée Lauder GPT Lab بخوانید.

جمع‌آوری و اولویت‌بندی موارد کاربرد

هنگامی که تیم‌ها موارد استفاده کلیدی را درک می‌کنند و شناسایی مشکلاتی را که باید حل شوند آغاز می‌کنند، موارد استفاده معمولاً به‌سرعت افزایش می‌یابند.

چالش در این مرحله از اکتشاف به اولویت‌بندی تغییر می‌کند. کدام موارد کاربردی قابلیت گسترش در کل سازمان را دارند؟ کدام موارد بیشترین صرفه‌جویی هزینه را در کوتاه‌مدت ایجاد می‌کنند؟ کدام موارد می‌توانند به محصول یا منبع درآمد جدید منجر شوند؟

تیم‌های موفقیت مشتری ما از این چارچوبِ تأثیر/تلاش استفاده می‌کنند تا به مشتریان سازمانی برای اولویت‌بندی سناریوهای کاربردی کمک کنند. این یک ماتریسِ ساده‌ی چهارقسمتی است که هر سناریوی کاربردی را بر اساسِ ارزش آن برای شرکت و میزان تلاشی که نیاز دارد امتیازدهی می‌کند.

چارچوب تأثیر/تلاش

تمرکز بر بازده سرمایه‌گذاری بالا

دستاوردهای سریع با تأثیر زیاد و تلاش کم—اغلب بهترین نقطه برای شروع ایجاد تداوم حرکت هستند.

خودسرویس

پروژه‌هایی که کمترین میزان تلاش را می‌طلبند و یک کاربر می‌تواند آن‌ها را برای خود، به عنوان یک دستیار شخصی برای یک وظیفه مشخص، راه‌اندازی نماید. بسیاری از آن‌ها به عنوان راهکارهای فردی شروع می‌شوند، اما اغلب در میان تیم‌ها ارزشمند می‌گردند.

ارزش بالا/تلاش بالا

اغلب دگرگون‌کننده هستند (مانند Dose GPT مدرنا یا دستیار مشتری Klarna)، اما ساخت این موارد استفاده معمولاً به زمان، برنامه‌ریزی و منابع بیشتری نیاز دارد. بسیاری از تیم‌ها کار را با راهکارهای سریع آغاز می‌کنند تا شتاب حرکت ایجاد کنند و از آن‌ها به عنوان الهامی برای سرمایه‌گذاری در پروژه‌های ارزشمندتر استفاده کنند.

تلاش زیاد/تأثیر کم

فعلاً می‌توان این‌ها را با خیال راحت کنار گذاشت. اما محصولات و قابلیت‌های جدید ممکن است ساخت و استقرار آن‌ها را آسان‌تر کنند، بنابراین برای ترویج آن‌ها آمادگی داشته باشید.

نمودار دایره‌ای با مرکز آبی که با آیکون‌هایی با برچسب‌های ایجاد محتوا، تحقیق، کدنویسی، تحلیل داده‌ها، ایده‌پردازی/استراتژی و اتوماسیون احاطه شده‌اند.  نمودار ماتریسی 2x2 که ارزش را در برابر تلاش نشان می‌دهد: تمرکز بر بازگشت سرمایه بالا، تعیین دامنه و اولویت‌بندی، خودخدمتی، و کاهش اهمیت؛ هر کدام همراه با نمونه‌های کوتاهی از موارد کاربرد هوش مصنوعی.

از Jeret Shuck از سافت‌بانک سپاسگزاریم که به ما نشان داد چگونه از این ابزار ساده اما قدرتمند استفاده می‌کند.

62%

از ارزش هوش مصنوعی در کارکردهای اصلی کسب‌وکار قرار دارد

ارزیابی و اولویت‌بندی فرصت‌های مربوط به موارد استفاده هوش مصنوعی به این شیوه، به تسریع موفقیت‌های بزرگ کمک می‌کند؛ موفقیت‌هایی که به نوبه خود علاقه و سرمایه‌گذاری بیشتری ایجاد می‌کنند.

اقدامات

  • چارچوب اولویت‌بندی را در سراسر شرکت ترویج کنید و کارکنان را تشویق کنید تا از آن در جلسات تیمی برای شناسایی بهترین ایده‌ها استفاده کنند.

  • برای موارد کاربردِ با ارزش بالا و نیازمند تلاش زیاد، هم‌زمان با برآورد دامنه کار موردنیاز، استقرار یک GPT شخصی سازی شده را در نظر بگیرید.

  • از رهبران خود بخواهید موارد کاربردی را پیش ببرند که بر کل بخش‌ها تأثیرگذار باشند. حمایت مدیریت ارشد یکی از شاخصه‌های کلیدی پیاده‌سازی‌های موفق AI است.

  • این امتیازدهی را در هر فصل دوباره ارزیابی کنید، زیرا موارد استفاده با تلاش بالایی که امروز دارید ممکن است با پیشرفت قابلیت‌های هوش مصنوعی به موارد استفاده با تلاش پایین تبدیل شود.

گام بعدی: ترسیم جریان کاری بخش

بیشتر تیم‌ها کار را با استفاده از هوش مصنوعی برای وظایف فردی آغاز می‌کنند: ویرایش پست‌های وبلاگ، تولید خلاصه‌های کمپین، یا پیش‌نویس سیاست‌ها. راحت‌تر است که هوش مصنوعی را در قالب وظایف مشخص و مجزا در نظر بگیریم.

اما هنگامی که مشاهده می‌کنیم کاربران حرفه‌ای هوش مصنوعی را در هر کاری که انجام می‌دهند ادغام می‌کنند، اغلب می‌بینیم که موارد کاربردی پیدا می‌کنند که شامل جریان‌های کاری چندمرحله‌ای می‌شود.

در ادامه، نحوه شکل‌گیری یک جریان چندمرحله‌ای را می‌بینید:

  • از تحقیق عمیق برای بررسی روندهای بازار استفاده کنید

  • تحلیل داده‌های مشتریان برای برآورد اندازه فرصت

  • با استفاده از حالت صوتی، برای راه‌اندازی ایده‌پردازی کنید

  • پیام‌های بازاریابی، دارایی‌های کمپین و ترجمه‌ها را ایجاد کنید

کمک به تیم‌ها برای دیدن هوش مصنوعی به عنوان ابزاری قابل‌استفاده در تمام مراحل کار، آن‌ها را برای آینده‌ای آماده می‌کند که در آن عامل‌های هوش مصنوعی می‌توانند پروژه‌ها را کامل انجام دهند.

An example:

Using AI across a Marketing workflow
  • تحقیق عمیق برای درک روندها و فرصت‌های بازار

  • تحلیل داده‌ها برای برآورد اندازه مخاطبان و فرصت

  • ایده‌پردازی برای استراتژی کمپین و تدوین خلاصه

  • تولید محتوا برای کمک به نگارش پیام‌های کلیدی و متن

  • فرآیند خودکارسازی بومی‌سازی محتوا و بهینه‌سازی کانال

اقدامات

  • کاربران حرفه‌ای را تشویق نمایید تا: گردش‌های کاری را به وظایف مجزا تقسیم نمایند، موارد استفاده اصلی (primitives) را شناسایی نمایند و هر مرحله را به وضوح ترسیم نمایند.

همین امروز شروع کنید

هوش مصنوعی شبیه نرم‌افزارهای سنتی یا برنامه‌های ابری نیست. یادگیری بهره‌گیری از نقاط قوت آن مستلزم یک طرز فکر جدید است. اما کار ما با مشتریان‌مان نشان داده است که افراد در تمامی حوزه‌ها می‌توانند به‌سرعت این طرز فکر را بیاموزند و موارد کاربرد با تأثیر بالا را در کار خود شناسایی کنند.

برای آغاز این فرایند، سازمان شما باید سه گام بردارد:

  1. درک کنید که هوش مصنوعی کجا ارزش می‌آفریند
    بخش‌هایی از کسب‌وکارتان را شناسایی فرمایید که می‌توانند بلافاصله از هوش مصنوعی بهره‌مند شوند.

  2. موارد استفاده بنیادین را به کارمندان خود آموزش دهید
    به تیم‌ها کمک کنید تا موارد استفاده بنیادین را بررسی کنند و ساخت موارد استفاده خود را آغاز نمایند.

  3. آنچه را باید مقیاس‌دهی شود، در اولویت قرار دهید
    با استفاده از چارچوب تأثیر/تلاش، بر فرصت‌های با تأثیر بالا و نیازمند تلاش کم تمرکز کنید.

هرچه افراد بیشتری با هوش مصنوعی برای بازطراحی وظایف و جریان‌های کاری کار کنند، فرصت‌های بیشتری را کشف می‌کنند.

امیدواریم این راهنما مسیر روشنی برای شروع در اختیار تیم شما قرار دهد. اینجا هستیم تا در مسیر تبدیل ایده‌ها به نتایج از شما حمایت کنیم.

«ما در حال بررسی تمام فرآیندهای کسب‌وکار—از امور حقوقی تا تحقیق، تولید و تجارت—هستیم و به این فکر می‌کنیم که چگونه آنها را با هوش مصنوعی بازطراحی کنیم.»
Stéphane Bancel، مدیر عامل، Moderna

آیا مایل هستید هوش مصنوعی را به کسب‌وکار خود وارد کنید؟

یاد بگیرید چگونه به شرکت‌ها کمک می‌کنیم راهبردهای مقیاس‌پذیر و مسئولانه هوش مصنوعی ایجاد کنند.