رامین خاورزاده، مدیر باسابقه حوزه فناوری و مدیرعامل استارتاپ sdata، در یک نشست تخصصی از بحران پراکندگی داده در ایران سخن گفت؛ بحرانی که به گفته او «بزرگ‌ترین مانع توسعه هوش مصنوعی» است.
او تأکید کرد که بسیاری از سازمان‌ها، هوش مصنوعی را به‌صورت نمایشی و تزیینی وارد ساختار خود می‌کنند، در حالی که این فناوری تنها زمانی ارزش خلق می‌کند که برای یک مسئله واقعی، یک راه‌حل واقعی ارائه دهد.

به باور خاورزاده، ایران با وجود ضعف زیرساخت داده، همچنان چهار مسیر عملی و ثروت‌ساز برای پیاده‌سازی هوش مصنوعی دارد؛ مسیرهایی که در جهان نیز امتحان پس داده‌اند:

1) هوش بازار و شکار تقاضا

در دنیا نمونه‌هایی مانند والمارت با سیستم Element، ترندهای شبکه‌های اجتماعی را لحظه‌ای تحلیل می‌کنند و قبل از رقبا، محصولات موردنیاز را وارد قفسه فروشگاه‌ها می‌کنند. تسلا نیز با داده‌برداری لحظه‌ای از خودروها، نیاز قطعات و روند بازار را پیش‌بینی می‌کند.

اما در ایران به‌دلیل نبود دیتای یکپارچه، این فرآیند دشوارتر است. با این حال، نشانه‌های شکل‌گیری «هوش بازار» دیده می‌شود؛ مثل تأثیر ورود خودروهای چینی بر بازار قطعات و تلاش فعالان برای پیش‌بینی آینده این صنعت.
این اتفاقات، به‌نوعی آغاز حرکت به سمت تحلیل هوشمند تقاضا در کشور است.

2) مهندسی انتخاب مشتری (سیستم‌های توصیه‌گر)

پلتفرم‌هایی مانند نتفلیکس با شخصی‌سازی کامل محتوا، بیش از 80٪ رفتار کاربران را با سیستم‌های توصیه‌گر هدایت می‌کنند؛ حتی پوستر فیلم‌ها را برای هر کاربر تغییر می‌دهند.

در ایران نیز فروشگاه‌های اینترنتی بزرگ در مسیر توسعه توصیه‌گرهای هوشمند پیش می‌روند.
اگرچه کیفیت و حجم داده‌ها هنوز با استانداردهای جهانی فاصله دارد، اما رفتار مصرف‌کننده و بزرگی بازار آنلاین ایران ظرفیت بالایی برای رشد این فناوری ایجاد کرده است.

3) پیش‌بینی فروش

خاورزاده معتقد است: «ذات هوش مصنوعی یعنی پیش‌بینی.»
در دنیا، مدل‌های هوش پیش‌گویانه توانسته‌اند انقلابی در مدیریت موجودی، کاهش ضایعات و پیش‌بینی فروش ایجاد کنند. مثال بارز آن مک‌دونالد است که با فناوری Dynamic Yield، نیاز هر شعبه را پیش‌بینی کرده و خطای موجودی را به حداقل رسانده است.

او می‌گوید این نوع سیستم‌ها در ایران کاملاً قابل اجراست.
برای نمونه، یک فروشگاه بزرگ می‌تواند با تحلیل داده‌های آب‌وهوایی پیش‌بینی کند کدام استان در معرض بارندگی یا سرماست و از قبل، انبار همان منطقه را با کالاهای موردنیاز پر کند. این ترکیب داده‌های محیطی و رفتاری، سود مستقیم و قابل اندازه‌گیری ایجاد می‌کند.

4) قیمت‌گذاری هوشمند

یکی از کاربردهای مهم هوش مصنوعی، قیمت‌گذاری لحظه‌ای است.
Best Buy زمانی در رقابت با آمازون عقب افتاد، اما با سیستم قیمت‌گذاری هوشمند توانست قیمت رقبا را ساعت‌به‌ساعت اسکن و قیمت‌های خود را هماهنگ کند. نتیجه این شد که شعار «بهترین خرید ممکن» برای مشتری واقعی شد.

در ایران نیز پلتفرم‌های آنلاین به‌دلیل رقابت شدید قیمتی، بهترین بستر برای چنین فناوری‌هایی هستند.
با ترکیب داده‌هایی مانند قیمت لحظه‌ای رقبا، موجودی انبار، رفتار مشتری و روند تقاضا، می‌توان سیستم‌هایی ساخت که بازار را به سمت قیمت‌گذاری هوشمند و سودآور هدایت کنند.

جمع‌بندی

رامین خاورزاده با وجود نقدهای جدی به وضعیت داده در ایران، معتقد است که هوش مصنوعی در ایران قابل پیاده‌سازی است؛ به‌شرط آنکه هدفمند و مسئله‌محور باشد.

چهار مسیر کلیدی که او معرفی می‌کند – هوش بازار، سیستم‌های توصیه‌گر، پیش‌بینی فروش و قیمت‌گذاری هوشمند – نقشه راهی هستند که نشان می‌دهند حتی در شرایط فعلی نیز می‌توان از داده و فناوری، ارزش و ثروت ساخت.
پیش‌نیاز این موفقیت تنها یک چیز است:
ترکیب درست مسئله، داده و فناوری.


برای مشاهده جدیدترین اخبار، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.