به نام خدا هوش مصنوعی در مدیریت سازمانها تهیه :حسین بخارائی فهرست مطالب • مقدمه • مدیریت کاربردهای هوش مصنوعی در • مصنوعی چالش های هوش • (Microsoftمطالعات موردی ) IBMو ، Google، Amazon، Tesla • جمع بندی و نتیجه گیری مقدمه • • • • • • هوش مصLنوعی ( Artificial IntelligenceیLا )AIیکی از م اLسLت LکLه شLیوهL ت وL LیLک L ی LقLرن LبیسL L ن فنLاوLریهLاL L م LهمLتLری L نهاL LراL LدگLرگLون کLرLده اLسLت .امLروزه بسLLیاLری ماL L دیLریتL LسLاز L مL L مهLای ههLا و اLلگLوریت ک LتLحلیLل LداLد ی مLدیرLیتLی LبLا کمL L Lاز LتصLمیمها L هوشمند انجام میشود. نکات مهم: افزایش سرعت تصمیمگیری کاهش خطاهای انسانی افزایش بهرهوری تحلیل حجم عظیم دادهها بازگشت هوش مصنوعی چیست؟ • هوش مصLنوعی شLاخهای از علLوم رایانLه اسLت کLه بLه طLراحی مهLایLی LمیپLردازLد LکLه توانLایی انLجLام وظLاLیفی مشLابه انسLان سیLسLت L L را دارند. • قابلیتها: .1 یادگیری .2 استدالل .3 پیشبینی .4 تصمیمگیری .5 درک زبان طبیعی .6 بینایی ماشین تاریخچه هوش مصنوعی • :۱۹۵۶شکلگیری مفهوم AI • دهه :۱۹۸۰سیستمهای خبره • دهه :۲۰۰۰یادگیری ماشین • دهه :۲۰۱۰یادگیری عمیق • دهه :۲۰۲۰هوش مصنوعی مولد چرا سازمانها به هوش مصنوعی نیاز دارند؟ • دالیل استفاده: .1رقابت جهانی .2کاهش هزینهها .3افزایش دقت .4تصمیمگیری سریع .5افزایش رضایت مشتری کاربردهای AIدر مدیریت .1مدیریت منابع انسانی .2مدیریت مالی .3بازاریابی .4فروش .5مدیریت پروژه .6زنجیره تأمین .7تولید .8خدمات مشتریان بازگشت هوش مصنوعی در مدیریت منابع انسانی • کاربردها: .1استخدام هوشمند .2غربال رزومهها .3تحلیل عملکرد کارکنان .4پیشبینی ترک شغل .5آموزش شخصیسازیشده هوش مصنوعی در مدیریت مالی .1کشف تقلب .2تحلیل ریسک .3پیشبینی فروش .4بودجهبندی .5سرمایهگذاری هوش مصنوعی در بازاریابی • کاربردها: .1تبلیغات هدفمند .2تحلیل رفتار مشتری .3پیشنهاد محصوالت .4پیشبینی خرید .5قیمتگذاری هوشمند هوش مصنوعی در مدیریت پروژه .1زمانبندی خودکار .2پیشبینی تأخیر .3مدیریت منابع .4تحلیل ریسک پروژه .5گزارشگیری هوشمند یادگیری ماشین (Machine )Learning • یادگیری ماشLین یکی از زیرشLاخههای هLوش مصLنوعی هریزLی میدLهLد بLدون LبرنLاLم L ههLا LاLمکLاLن L L ه بLه رایLاLنL L LاسLت LکL L ههLا یLاLد بگیرنLد و LعملکLرد خLود را بهبLود مسLتLقیم ،از Lداد L دهند. • کاربردها در مدیریت: .1پیشبینی فروش .2تحلیل رفتار مشتری .3پیشبینی تقاضا .4شناسایی تقلب مالی .5پیشبینی ریسک پروژه یادگیری عمیق (Deep )Learning • یادگیری عمیLق از شLLبکههای عصLLبی مصLLنوعی چنLدالیLه بLرای LتحلLیLل دادههLای پیچیLده اسLتفاده میکند. • کاربردها: .1تشخیص تصویر .2تشخیص گفتار .3ترجمه زبان .4خودروهای خودران .5سیستمهای پیشنهاددهنده پردازش زبان طبیعی ()Natural Language Processing • NLPفنLاوریای اسLت کLه بLه رایانLه اجLازه میدهLد زبان انسان را درک و تحلیل کند. • کاربردها: .1چتباتها .2ترجمه ماشینی .3تحلیل نظرات مشتریان .4پاسخگویی خودکار .5خالصهسازی اسناد تحلیل کالنداده (Big Data )Analytics • کالندادههLLا حجم عظیمی از اطالعLLات شهLای سLنتی قابLل تحلیLل هسLتند کLه بLا رو نیستند. • مزایا: .1شناخت بهتر مشتری .2تصمیمگیری مبتنی بر داده .3کاهش هزینهها .4پیشبینی روند بازار هوش مصنوعی در تصمیمگیری مدیران • هوش مصLنوعی جLایگزین مLدیران نیسLت، بلکLه ابLزار قدرتمنLدی بLرای تصLمیمگیری بهتر است. • مزایا: .1کاهش خطا .2افزایش سرعت .3تحلیل همزمان هزاران متغیر .4ارائه سناریوهای مختلف کاربرد AIدر زنجیره تأمین .1پیشبینی میزان تقاضا .2مدیریت موجودی .3انتخاب بهترین مسیر حملونقل .4کاهش ضایعات .5مدیریت انبار هوش مصنوعی در خدمات مشتری • کاربردها: .1چتباتهای هوشمند .2پاسخگویی ۲۴ساعته .3شخصیسازی خدمات .4تحلیل رضایت مشتری .5پیشنهاد محصوالت مناسب کاربرد AIدر تولید .1کنترل کیفیت .2پیشبینی خرابی تجهیزات .3نگهداری پیشگیرانه .4افزایش بهرهوری .5کاهش هزینه تولید کاربرد AIدر مدیریت ریسک • هوش مصLLنوعی میتوانLLد ریسLLکهای مLالی ،عملیLاتی و امنیLتی را پیش از وقLوع شناسایی کند. • نمونهها: .1پیشبینی ورشکستگی .2کشف تقلب بانکی .3تشخیص حمالت سایبری .4مدیریت بحران مزایای استفاده از هوش مصنوعی در مدیریت مزیت توضیح تصمیمگیری سریع تحلیل دادهها در چند ثانیه کاهش هزینه حذف بسیاری از فعالیتهای تکراری افزایش دقت کاهش خطاهای انسانی بهرهوری بیشتر استفاده بهینه از منابع رضایت مشتری خدمات شخصیسازیشده بازگشت معایب و چالشها .1هزینه باالی پیادهسازی .2نیاز به دادههای باکیفیت .3تهدید برخی مشاغل .4مسائل اخالقی .5نگرانیهای امنیتی .6وابستگی به فناوری چالشهای اخالقی • مهمت888رین عبارتاند از: .1حفظ حریم خصوصی .2تبعیض الگوریتمی .3شفافیت تصمیمات .4مسئولیتپذیری .5امنیت دادهها چالشه888ای اخالقی تأثیر AIبر بازار کار • مش8اغلی ک8ه بیش8تر تحت ت8أثیر ق8رار میگیرند: .1 اپراتورهای ورود اطالعات .2 متصدیان خدمات ساده .3 حسابداری تکراری • مشاغل جدید: .1 مهندس هوش مصنوعی .2 دانشمند داده .3 تحلیلگر داده .4 متخصص اخالق هوش مصنوعی .5 مهندس یادگیری ماشین مطالعه موردی :شرکت مایکروسافت • MicrosoftبLا توسLعه ابزارهLای هLوش مصLنوعی ماننLد ،LCopilotقاLبلLیتهLLای هوشLLمند رLا LLدر مجموعLLه مافLزارLهLای Office، WindowsLوL L Azure LادغLام LکLرLده نر L ه افLزاLیش LLبهLرهوریL ،تولیLد LمحتLوا، LاسLتL .این ابزLارLهLا بL L تحلیLل داده و خودکارسLازی فراینLدهای سLازمانی کمLک میکنند. • نتایج: .1افزایش بهرهوری کارکنان .2صرفهجویی در زمان .3بهبود تصمیمگیری مبتنی بر داده بازگشت مطالعه موردی :شرکت آمازون • Amazonاز هLوش مصLنوعی در مLدیریت انبارهLا، پیشبیLنی تقاضLا ،پیشLنهاد محصLوالت و بهینهسLازی زنجیره تأمین استفاده میکند. • دستاوردها: .1کاهش زمان تحویل .2مدیریت هوشمند موجودی .3افزایش رضایت مشتری .4کاهش هزینههای عملیاتی مطالعه موردی :گوگل • Googleاز هLوش مصLنوعی در تقریبًLا تمLام خLدمات خLود اسLتفاده ه تLا ترجLمLه L،نقشLه L،تبلیغLات و موLتLور LجسLتجو LگرفتL L یکنLدL؛ از L م L سرویسهای ابری. • کاربردها در مدیریت: .1تحلیل رفتار کاربران .2پیشبینی روند بازار .3مدیریت مراکز داده .4بهینهسازی تبلیغات دیجیتال .5افزایش بهرهوری کارکنان • نتیجه: • اسLتفاده گسLترده از هLوش مصLنوعی بLاعث افLزایش دقت تصLمیمگیری شLهزینههای عLملیاتی شدهLاLست. Lو کاه L مطالعه موردی :تسال • Teslaاز هLوش مصLنوعی در طLراحی ،تولیLد و خودروهLای خLودران اسLتفاده میکند. • کاربردها: .1کنترل کیفیت کارخانه .2رباتهای هوشمند .3تحلیل دادههای خودروها .4نگهداری پیشگیرانه تجهیزات .5تصمیمگیری مبتنی بر داده • دستاوردها: .1افزایش بهرهوری خطوط تولید .2کاهش خطاها .3بهبود کیفیت محصوالت مطالعه موردیIBM : • IBMبLا توسLعه سLامانههای هLوش مصLنوعی سLLLازمانی ،راهکارهLLLایی بLLLرای بانکهLLLا، بیمارستانها و شرکتهای بزرگ ارائه میدهد. • کاربردها: .1تحلیل اسناد .2مدیریت دانش .3تحلیل مالی .4پشتیبانی تصمیمگیری مدیران مقایسه مدیریت سنتی و مدیریت مبتنی بر هوش مصنوعی مدیریت سنتی مدیریت مبتنی بر AI تصمیمگیری بر اساس تجربه تصمیمگیری مبتنی بر داده سرعت کمتر سرعت بسیار باال احتمال خطای انسانی زیاد دقت بیشتر تحلیل محدود اطالعات تحلیل میلیونها داده فرایندهای دستی اتوماسیون فرایندها بازگشت آینده هوش مصنوعی در مدیریت یش8ود در س8الهای آینده: • پیشبی8نی م .1مدیران از دسLتیارهای هوشLمند بیشLتری استفاده کنند. هصLورت خودکLار انجLام .2بسLیاری از تصLمیمات روزمLره ب شود. ههLای بLزرگ بLه بخش جداییناپLذیر مLدیریت .3تحلیLل داد تبدیل شود. .4سازمانها از «دوقلوهLای دیجیتLال» ()Digital Twins برای شبیهسازی وLبهینهسازی Lفرایندها استفاده کنند. .5همکLاری انسLان و هLوش مصLنوعی بLه الگLوی اصLلی مدیریت تبدیل شود. توصیههایی برای مدیران .1سرمایهگذاری در آموزش کارکنان .2تقویت مهارتهای تحلیل داده .3رعایت اصول اخالقی در استفاده از AI .4حفاظت از امنیت اطالعات .5اسLLLتفاده تLLLدریجی و هدفمنLLLد از فناوریهای هوشمند .6ارزیLLابی مسLLتمر عملکLLرد سLLامانههای هوش مصنوعی جمعبندی .1 .2 .3 .4 .5 هوش مصLنوعی شLیوه مLدیریت سLازمانها را متحLول کLرده اسLت. اسLتفاده از AIمLوجب افLزایش سLرعت ،دقت و بهLرهوری میشود. در کنLار مزایLا ،چالشهLایی ماننLد امLنیت ،حLریم خصوصLی و مسLائل اLخالقی نیLز وجود Lدارد. موفقیت سLازمانها در آینLده بLه توانLایی آنهLا در اسLتفاده هوLشLمLندانه اLز فنLاوری Lو تLوسLعه مهارLتLهLای انسLانLی وابسLته خواهد بود. هوش مصLنوعی جLایگزین مLدیران نخواهLد شLد ،بلکLه مLدیرانی کLه ه LمیکنLنLدL ،LمLزیت LرقLاLبتیL Lاز LهLوشL LمصLنLوعیL LبهدLرسLتی LاLسLتفادL L بLیشLترLی LنسLبLتL LبLه LدیLگLراLن خLوLاLهنLد دLLاشLتL L.آیLنLدLه مLدیLریت LبLر LپLایLه همLکارLی انسLان ،داLده Lو فناوLریLهایLهوLشمنLد شکل خLواهد گرفت. منابع :• کتابها .Stephen P. Robbins & Mary Coulter, Management .1 .Peter F. Drucker, The Practice of Management .2 Russell, S. & Norvig, P., Artificial Intelligence: A Modern .3 .Approach :• گزارشها و منابع معتبر Microsoft، Google، Amazon، Tesla رکتهایLاالنه شLای سLشه گزار.1 IBM و نوعیLوش مصLاره هL دربMcKinsey & Company هLای مؤسسLشه گزار.2 و مدیریت ول دیجیتالLدیریت و تحLده مLاره آینL دربGartner ایLشه گزار.3 اربردLاره کL دربHarvard Business Review ده درLاالت منتشرشL مق.4 نهاLهوش مصنوعی در سازما
مدیریت و رهبری
هوش مصنوعی در مدیریت سازمانها
50,000 تومان