شیدهوش
LDR·3·01مدیریت پیشرفتهمتنی

استراتژی و نقشه‌ی راه هوش مصنوعی برای مدیران، سطح پیشرفته

سطح پیشرفته از دوره‌ی سه‌سطحی هوش مصنوعی برای مدیران: اتوماسیون، مدل زبانی بزرگ، مدیریت تغییر، و استراتژی و نقشه‌ی راه سازمان.

  • ۱۶ درس
  • ۱۵ ساعت مطالعه
  • ۱۶ درس رایگان
  • ۱ درس منتشرشده، بقیه در حال نگارش

در این دوره یاد می‌گیرید OUTCOMES

  • فرایند مناسب اتوماسیون را انتخاب کنید، معماری‌اش را بچینید و آن را پایش کنید
  • پردازش زبان طبیعی (NLP)، مدل زبانی بزرگ و مهندسی پرامپت را در کار سازمان به کار ببرید
  • تحول سازمانی را رهبری کنید: مقاومت در برابر تغییر، استراتژی رونمایی، توانمندسازی و سنجش موفقیت
  • استراتژی هوش مصنوعی سازمان را بنویسید: ماتریس کاربردها، نقشه‌ی راه، تشکیلات و حاکمیت

مسیر یادگیری PATH

پیشنهاد: قبل از این دورههوش مصنوعی برای مدیران، سطح میانی: پیاده‌سازی و مدیریت ریسکمیانی · ۱۷ درس
همین دورهاستراتژی و نقشه‌ی راه هوش مصنوعی برای مدیران، سطح پیشرفتهپیشرفته · ۱۶ درس
پیشنهاد: بعد از این دوره—دوره‌ی بعدی این مسیر به‌زودی

سرفصل‌های استراتژی و نقشه‌ی راه هوش مصنوعی برای مدیران SYLLABUS

۰۱اتوماسیون فرآیندهای سازمانی با هوش مصنوعیچگونه فرآیندهای سازمانی را خودکار کنیم؟۴ درس · ۳۶۰ دقیقهدر حال نگارش۱۱. انتخاب فرآیند برای اتوماسیون با هوش مصنوعیکدام فرآیند سازمانی برای اتوماسیون با هوش مصنوعی مناسب است: تکراری، زمان‌بر و با قاعده‌ی روشن؛ و کدام تصمیم حساس نباید خودکار شود.طرح درس۶۰ دقیقه۲۲. معماری اتوماسیون هوش مصنوعیاتوماسیون هوش مصنوعی چطور کار می‌کند: سیستم، رویداد، هوش مصنوعی و عمل؛ با مثال ارجاع خودکار درخواست و اتصال از راه API، Webhook و زمان‌بندی.طرح درس۱۲۰ دقیقه۳۳. بهینه‌سازی و نظارت مستمر بر اتوماسیوناتوماسیون هوش مصنوعی هیچ‌وقت صددرصد نیست: با بررسی هفتگی خطاها بسنجید چند درصدش درست کار می‌کند و بقیه را چطور دستی بگیرید.طرح درس۱۲۰ دقیقه۴۴. پروژه‌ی واقعی: یک فرآیند را با هوش مصنوعی خودکار کنپروژه‌ی پایان فصل: یک فرآیند سازمانی را انتخاب کنید و سیستم ارجاع خودکار تیکت را با هوش مصنوعی بسازید.طرح درس۶۰ دقیقه
۰۲پردازش زبان طبیعی (NLP) و مدل زبانی بزرگ (LLM) در سازمانچگونه با متن و زبان کار کنیم؟۴ درس · ۳۰۰ دقیقه۵۱. پردازش زبان طبیعی (NLP) چیست؟پردازش زبان طبیعی (NLP) در هوش مصنوعی به زبان ساده: رایانه چطور از متن درخواست، فوریت و موضوع را می‌فهمد و آن را به تیم درست می‌فرستد.طرح درس۶۰ دقیقه۶۲. مدل زبانی بزرگ (LLM) در سازمانمدل زبانی بزرگ (LLM) در سازمان چه می‌کند: پاسخ خودکار تیکت، خلاصه‌ی صورت‌جلسه و پیش‌نویس سند؛ و محدودیتش در استدلال، محرمانگی داده و خبر تازه.طرح درس۹۰ دقیقه۷۳. مهندسی پرامپت — چگونه درست از هوش مصنوعی بخواهیممهندسی پرامپت چیست و چرا دو نفر از یک مدل دو نتیجه‌ی متفاوت می‌گیرند؛ پرامپت‌نویسی با نقش، محدودیت و مثال، و الگوی آماده برای کار روزمره.۶۰ دقیقه۸۴. فیلتر و ایمنی مدل زبانی در سازمانمدل زبانی هم خطر دارد: درخواست‌هایی که نباید پاسخ بگیرند و نشت داده‌ی مشتری. ایمنی هوش مصنوعی با سیاست سازمان و فیلتر ورودی و خروجی (Guardrails).طرح درس۹۰ دقیقه
۰۳مدیریت تغییر در سازمان برای استقرار هوش مصنوعیمدیران از هوش مصنوعی می‌ترسند. چگونه همراه کنیم؟۴ درس · ۲۴۰ دقیقهدر حال نگارش۹۱. روان‌شناسی تغییر: ترس کارکنان از هوش مصنوعیچرخه‌ی مقاومت کارکنان در برابر هوش مصنوعی، از انکار و ترس از بیکاری تا پذیرش؛ و این‌که مدیر در هر مرحله چطور همراهی کند.طرح درس۶۰ دقیقه۱۰۲. استراتژی رونمایی هوش مصنوعی در سازماناستقرار هوش مصنوعی در سازمان، موج‌به‌موج: آزمایش با پنج تا ده نفر در دو هفته، موج اول با پنجاه نفر، و بعد کل سازمان در سه ماه.طرح درس۶۰ دقیقه۱۱۳. آموزش کارکنان و نقش‌های تازه با هوش مصنوعیتوانمندسازی کارکنان برای کار با هوش مصنوعی: نقش از «من تیکت‌ها را دسته‌بندی می‌کنم» به «من خروجی هوش مصنوعی را نظارت می‌کنم» می‌رسد.طرح درس۶۰ دقیقه۱۲۴. اندازه‌گیری موفقیت پروژه‌ی هوش مصنوعیموفقیت پروژه‌ی هوش مصنوعی را با شاخص کلیدی عملکرد (KPI) قبل و بعد بسنجید: زمان پردازش، دقت و رضایت کارمند؛ نه با حس.طرح درس۶۰ دقیقه
۰۴استراتژی هوش مصنوعی سازمان: ماتریس کاربردها، نقشه‌ی راه و تیمدورنمای ما کجاست؟ پنج سال بعد؟۴ درس · ۲۴۰ دقیقهدر حال نگارش۱۳۱. ماتریس اولویت‌بندی کاربردهای هوش مصنوعیماتریس اولویت‌بندی پروژه‌های هوش مصنوعی بر دو محور تأثیر و پیچیدگی: کدام کاربرد فوری است و کدام شش ماه بعد؛ با مثال ارجاع تیکت و تشخیص تقلب.طرح درس۶۰ دقیقه۱۴۲. نقشه‌ی راه هوش مصنوعی سازماننقشه‌ی راه هوش مصنوعی برای سازمان در پنج سال: از دو تا سه پروژه‌ی اتوماسیون ساده در سال اول تا رسیدن هوش مصنوعی به هسته‌ی فرآیندها.طرح درس۶۰ دقیقه۱۵۳. تشکیلات و مشاغل هوش مصنوعی در سازمانساختار تیم هوش مصنوعی در سازمان: مدیر محصول هوش مصنوعی، دانشمند داده، مهندس یادگیری ماشین و مسئول اخلاق؛ با نمونه‌ی تیم برای سازمان ۱۵۰ نفره.طرح درس۶۰ دقیقه۱۶۴. ریسک و حاکمیت هوش مصنوعی در سطح سازمانچارچوب حاکمیت هوش مصنوعی در سطح سازمان: حریم خصوصی داده‌های شخصی، کنترل سوگیری، مسئولیت‌پذیری روشن، و شفافیت و حق توضیح.طرح درس۶۰ دقیقه

پروژه‌ی پایان سطح پیشرفته: نقشه‌ی راه پنج‌ساله + تیم معرفی‌شده CAPSTONE

آن‌چه در پایان این سطح، برای سازمان خودتان تحویل می‌دهید:

  • پروژه‌های پنج سال آینده با ترتیب اجرا
  • نقش‌ها و اختیارات هر جایگاه
  • معیار موفقیت و KPIهای قابل اندازه‌گیری

پرسش‌های متداول

دوره‌ی استراتژی هوش مصنوعی برای مدیران رایگان است؟

بله. همه‌ی درس‌ها رایگان‌اند و بدون ثبت‌نام خوانده می‌شوند. ثبت‌نام فقط برای ذخیره‌ی پیشرفت شماست.

استراتژی هوش مصنوعی سازمان از کجا شروع می‌شود؟

از ماتریس کاربردها: هر کاربرد ممکن را بر دو محور تأثیر و پیچیدگی می‌چینید؛ پرتأثیر و کم‌پیچیده‌ها فوراً اجرا می‌شوند و بقیه در نقشه‌ی راه چندساله نوبت می‌گیرند. فصل آخر این سطح همین را با تشکیلات تیم و حاکمیت کامل می‌کند.

برای آموزش هوش مصنوعی مدیران باید برنامه‌نویسی بلد باشم؟

نه. دوره‌ی هوش مصنوعی برای مدیران برای تصمیم‌گیرنده نوشته شده، نه برنامه‌نویس: هدفش این است که سؤال درست را از تیم فنی بپرسید و پروژه را هدایت کنید.

همه‌ی درس‌ها نوشته شده‌اند؟

هنوز نه. از ۱۶ درس این سطح، ۱ درس متن کامل دارد و بقیه فعلاً طرح درس‌اند: مفهوم، مثال و چالش هر درس آمده و متن کاملش به‌تدریج اضافه می‌شود.

دوره‌ی هوش مصنوعی برای مدیران چند سطح دارد؟

سه سطح: مقدماتی (هوش مصنوعی چیست و کجای سازمان کار می‌کند)، میانی (پیاده‌سازی اولین پروژه و مدیریت ریسک) و پیشرفته (استراتژی، مدیریت تغییر و نقشه‌ی راه). هر سطح یک دوره‌ی جداست و می‌شود از هر کدام شروع کرد.

دوره‌های دیگر این تالار

آکادمی هوش مصنوعی شیدهوش — بخشی از shidhoosh.com