شیدهوش

روش کار شیدهوش، در هر چهار بسته‌ی خدمات

مراحل پیاده‌سازی هوش مصنوعی در ۳ گام عملی

پیاده‌سازی هوش مصنوعی در سازمان با خرید ابزار شروع نمی‌شود. سه گام دارد: اول روشن می‌شود کدام داده‌ها نباید از سازمان بیرون بروند، بعد یک کار کوچک و تکراری خودکار می‌شود، و در آخر نتیجه با عدد سنجیده می‌شود.

گام ۰۱ از ۰۳

گام ۱: تعیین مرز داده‌ها و طبقه‌بندی اطلاعات محرمانه

پرسش شما

کدام داده‌ها نباید از سازمان بیرون بروند؟

پاسخ کوتاه: داده‌ها را از عمومی تا محرمانه دسته‌بندی می‌کنیم و برای هر دسته مشخص می‌کنیم کجا پردازش شود.

بیشتر ابزارهای هوش مصنوعی متن یا فایلی را که به آن‌ها می‌دهید برای پردازش به سرور خودشان می‌فرستند. پس پیش از انتخاب هر ابزاری باید روشن باشد کدام داده اجازه‌ی بیرون رفتن دارد و کدام ندارد. بدون این مرز، انتخاب ابزار روی حدس بنا می‌شود.

در این گام چه می‌کنیم

  • داده‌هایی را که در کارهای روزانه دست‌به‌دست می‌شوند فهرست می‌کنیم: اسناد، پیام‌ها، فایل‌های مالی و اطلاعات مشتری.
  • هر داده را در یکی از چهار سطح می‌گذاریم: عمومی، داخلی، محرمانه یا تنظیم‌شده.
  • برای هر سطح مشخص می‌کنیم کجا پردازش شود، از ابری عمومی تا درون‌سازمانی و آفلاین.
  • قاعده‌ی داده را می‌نویسیم: چه چیزی هرگز وارد ابزار بیرونی نمی‌شود.

چهار سطح داده

عمومی
انتشارش بیرون از سازمان مشکلی ایجاد نمی‌کند. پردازش: ابری عمومی
داخلی
برای داخل سازمان است، ولی افشایش خسارت جدی نمی‌زند. پردازش: ابری خصوصی
محرمانه
افشایش به کسب‌وکار، مشتری یا اعتبار شما آسیب می‌زند. پردازش: درون‌سازمانی
تنظیم‌شده
قانون یا مقررات تعیین می‌کند کجا و چطور نگهداری شود. پردازش: درون‌سازمانی ایزوله یا آفلاین

پایان این گام: هر داده‌ای که در کار هست سطح و محل پردازش مشخص دارد و قاعده‌ی داده نوشته شده است.

نمونه‌ی خروجی این گام

نقشه‌ی داده‌هانمونه
دادهسطحکجا پردازش شود
محتوای وب‌سایتعمومیابری عمومی
دستورالعمل‌های داخلیداخلیابری خصوصی
اطلاعات مشتریانمحرمانهدرون‌سازمانی
پرونده‌های مالیتنظیم‌شدهدرون‌سازمانی ایزوله یا آفلاین

گام ۰۲ از ۰۳

گام ۲: شروع با یک کار کوچک؛ پایلوت هوش مصنوعی

پرسش شما

از کدام کار شروع کنیم؟

پاسخ کوتاه: یک کار تکراری و کم‌خطر را انتخاب می‌کنیم و اول همان را با هوش مصنوعی خودکار می‌کنیم.

پایلوت یعنی اجرای آزمایشی روی یک کار واقعی و محدود، پیش از گسترش به کل سازمان. به‌جای نقشه‌های چندساله، از کاری شروع می‌کنیم که امروز تکراری است و اگر خطا کند خسارت کمی دارد. نتیجه‌ی یک کار کوچک واقعی بیشتر از یک برنامه‌ی بزرگ روی کاغذ نشان می‌دهد هوش مصنوعی برای سازمان شما چه می‌کند.

در این گام چه می‌کنیم

  • کاری را انتخاب می‌کنیم که تکراری است: هر روز یا هر هفته با همان الگو انجام می‌شود.
  • کم‌خطر است: اگر خروجی اشتباه باشد، پیش از رسیدن به مشتری دیده و اصلاح می‌شود.
  • قابل سنجش است: می‌شود درست و غلط بودن خروجی را شمرد.
  • به داده‌ای نیاز ندارد که در گام ۱ اجازه‌ی بیرون رفتن نگرفته است.

پایان این گام: یک کار انتخاب شده، ابزار متناسب با سطح داده‌اش پیکربندی شده و روی کار واقعی اجرا می‌شود.

شبیه‌ساز مسیر را امتحان کنید

بسته‌های مرتبط: کارگاه عارضه‌یابی و نجات داده (نصف‌روز یا یک‌روز تخصصی)، اجرای امن و استقرار پایلوت (۸ تا ۱۲ هفته)

نمونه‌ی خروجی این گام

انتخاب اولین کارنمونه
  • پاسخ به پرسش‌های تکراری مشتریاول این: تکراری و کم‌خطر
  • خلاصه‌ی گزارش‌های هفتگیکار بعدی
  • بررسی قراردادهابعد از امن شدن داده‌ها

گام ۰۳ از ۰۳

گام ۳: سنجش نتیجه با عدد؛ معیار موفقیت پروژه هوش مصنوعی

پرسش شما

از کجا بفهمیم جواب داده است؟

پاسخ کوتاه: پیش از شروع، معیار موفقیت را با عدد می‌نویسیم و امضا می‌کنیم؛ تحویل یعنی رسیدن به همان عدد.

راهکاری که با عدد سنجیده نشود، آزمایش است، نه راهکار. پیش از شروع، معیار موفقیت را با عدد می‌نویسیم و امضا می‌کنیم؛ مثلاً حداقل دقتی که خروجی باید روی نمونه‌های واقعی به آن برسد. تحویل یعنی رسیدن به همان عدد، نه یک ارائه‌ی خوش‌ظاهر. اگر عدد محقق نشد، علتش را صریح می‌گوییم: داده، معماری، یا معیاری که از اول غیرواقعی بسته شده بود.

در این گام چه می‌کنیم

  • دقت خروجی را روی نمونه‌های واقعی می‌سنجیم که در ساخت سامانه به کار نرفته‌اند.
  • آزمون امنیت می‌گیریم: داده‌ی یک واحد نباید به واحد دیگر نشت کند.
  • سند معرفی سیستم را می‌نویسیم: سامانه چه می‌کند، چه نمی‌کند و روی چه داده‌ای سنجیده شده.
  • کد و مجموعه‌ی ارزیابی را تحویل می‌دهیم تا تیم خودتان بتواند همین سنجش را تکرار کند.

پایان این گام: عدد توافق‌شده محقق شده و تیم شما می‌تواند سنجش را بدون ما تکرار کند.

نمونه‌ی خروجی این گام

چک‌لیست تحویلنمونه
  • معیار موفقیت با عدد، امضاشده
  • آزمون دقت خروجی
  • آزمون امنیت
  • سند معرفی سیستم
  • تحویل کد برنامه

اشتباه‌های رایج در شروع کار با هوش مصنوعی

هر کدام از سه گام جلوی یکی از این اشتباه‌ها را می‌گیرد.

تعهد شیدهوش در هر سه گام

  • معیار روشنبدون معیار موفقیتِ عددی و امضاشده شروع نمی‌کنیم.
  • داده‌ی امنداده‌ی حساس فقط با قرارداد محرمانگی و زیرساخت جدا.
  • صداقتمحدودیت‌ها و ریسک‌ها را کنار مزایا می‌نویسیم.
  • تصمیم با شمادر تصمیم‌های پرخطر، حرف آخر را شما می‌زنید.

پرسش‌های رایج درباره‌ی مراحل پیاده‌سازی هوش مصنوعی

مراحل پیاده‌سازی هوش مصنوعی در سازمان چیست؟

سه گام: تعیین مرز داده‌ها، شروع با یک کار کوچک، و سنجش نتیجه با عدد. ترتیب مهم است: بدون گام اول، ابزار روی حدس انتخاب می‌شود و بدون گام سوم، معلوم نیست پایلوت جواب داده یا نه.

شروع کار با هوش مصنوعی در یک کسب‌وکار کوچک هم همین سه گام را دارد؟

بله، فقط کوتاه‌تر. برای کسب‌وکار کوچک، معمولاً یک کارگاه نصف‌روز یا یک‌روزه هر سه را پوشش می‌دهد: قاعده‌ی داده، سه کار قابل خودکارسازی، و این معیار که دست‌کم یکی از آن‌ها تا پایان همان هفته اجرا شود.

طبقه‌بندی اطلاعات محرمانه چه ربطی به هوش مصنوعی دارد؟

ابزار هوش مصنوعی هر چه به آن بدهید پردازش می‌کند و اغلب برای این کار داده را بیرون از سازمان می‌فرستد. طبقه‌بندی اطلاعات مشخص می‌کند کدام داده می‌تواند به ابزار ابری برود و کدام باید درون سازمان بماند. این همان گام اول است.

پایلوت هوش مصنوعی چیست و چقدر طول می‌کشد؟

پایلوت اجرای آزمایشی روی یک کار واقعی و محدود است. در بسته‌ی «اجرای امن و استقرار پایلوت»، از طراحی تا استقرار در محیط عملیاتی ۸ تا ۱۲ هفته طول می‌کشد. برای یک تیم کوچک، پایلوت ساده‌تر می‌تواند از همان کارگاه یک‌روزه شروع شود.

هزینه‌ی هر گام چقدر است؟

قیمت روی سایت نمی‌آید، چون بدون شناخت کار شما عددی بی‌معناست. در جلسه‌ی اول که رایگان است، دامنه‌ی کار مشخص می‌شود و بعد برآورد دقیق می‌آید.

آماده‌اید هوشمندتر کار کنید؟

مشاوره رایگان برای خودکارسازی فرآیندها و حفظ امنیت داده‌های شما

اگر این خدمات مناسب شما نباشد، صریحاً به شما می‌گویم.