گزارش‌ها، اطلاعات و کارهای پراکنده‌ی شرکت را به یک جریان روشن و قابل پیگیری تبدیل می‌کنیم؛ با استفاده از سیستم‌هایی که همین امروز دارید.
اطلاعات، پیگیری‌ها و تصمیم‌های کسب‌وکارتان را با کمک هوش مصنوعی منظم‌تر و مؤثرتر می‌کنیم.
برای هر مسئله، از یک راهکار قابل اجرا شروع می‌کنیم؛ نه از اضافه‌کردن یک نرم‌افزار دیگر.
راهکار مناسب را روی داده‌ها و نرم‌افزارهای موجود هر مجموعه طراحی می‌کنیم.
ملاحظه: برای ارتباط با سامانه‌های موجود، دسترسی فنی و کیفیت داده باید بررسی شود.
ملاحظه: اقدامات حساس با دسترسی و تأیید تعریفشده انجام می‌شوند.
ملاحظه: این سامانه تصمیمگیری انسان را جایگزین نمیکند.
ملاحظه: فناوری انتخابی متناسب با هزینه، امنیت و مقیاس پروژه تعیین می‌شود.
ملاحظه: آزمایش تحقیق و توسعه الزاماً به محصول نهایی منجر نمی‌شود.
نوع فعالیتتان را انتخاب کنید تا ببینید چه اطلاعاتی به هم وصل می‌شود، کدام کار ساده‌تر می‌شود و چه نتیجه‌ای را می‌توان سنجید.
یک نمونه‌ی کاربردکارخانه‌ای با تولید، خرید، موجودی مواد، نگهداری و واحد مالی.
«کدام عامل باعث تأخیر تولید شده و چه کاری معطل مانده است؟»
انحراف توقف خط ۲ با کمبود یک ماده‌ی اولیه هم‌زمان شده و درخواست خرید مربوط هنوز تأیید نشده است.
نام‌ها و داده‌های این نمونه فرضی‌اند؛ دامنه و نتیجه‌ی هر پروژه پس از بررسی فرایند و داده‌های شما مشخص می‌شود.
یک نمونه‌ی کاربردشرکتی با فروش حضوری و تلفنی، انبار و سیستم مالی.
«کدام سفارش‌ها عقب مانده‌اند و کدام مشتری‌ها نیاز به پیگیری دارند؟»
دلیل: سه سفارش آخر با فاصله‌ای بیشتر از همیشه ثبت شده و حجمشان کمتر شده است.
پیشنهاد: تماس فروشنده پیش از پایان ماه
نام‌ها و داده‌های این نمونه فرضی‌اند؛ دامنه و نتیجه‌ی هر پروژه پس از بررسی فرایند و داده‌های شما مشخص می‌شود.
یک نمونه‌ی کاربردمجموعه‌ای با شعبه‌های متعدد، نوبت‌ها و پرونده‌های خدمت.
«کدام درخواست مشتری بی‌پاسخ مانده و در کدام شعبه؟»
دستیار عملیاتدو درخواست در شعبه‌ی «الف» و یک شکایت در شعبه‌ی «ب» از مهلت پاسخ گذشته‌اند. مسئول هر مورد مشخص است و یادآوری برای تأیید شما آماده شده.«…شکایت ثبت‌شده: تأخیر در تحویل خدمت؛ ارجاع به سرپرست شعبه…»سامانه‌ی نوبت‌دهیپرونده‌ی شکایات
فقط پرونده‌های شعبه‌هایی که به آن‌ها دسترسی دارید
نام‌ها و داده‌های این نمونه فرضی‌اند؛ دامنه و نتیجه‌ی هر پروژه پس از بررسی فرایند و داده‌های شما مشخص می‌شود.
یک نمونه‌ی کاربردشرکتی با پروژه‌های هم‌زمان، جلسات و پرونده‌های فنی متعدد.
«کدام تصمیم جلسه هنوز اجرا نشده و چه اثری روی برنامه دارد؟»
مقرر شد نقشه‌های اصلاحی تا پایان هفته ارسال شود، استعلام تجهیزات تمدید شود و پاسخ نامه‌ی کارفرما آماده شود.
نام‌ها و داده‌های این نمونه فرضی‌اند؛ دامنه و نتیجه‌ی هر پروژه پس از بررسی فرایند و داده‌های شما مشخص می‌شود.
پیش از توسعه، معیار موفقیت را مشخص می‌کنیم تا معلوم باشد راهکار چه تغییری در کار روزانه ایجاد کرده است.
| امروز | بهبود مورد انتظار | معیار سنجش پیش و پس از اجرا |
|---|---|---|
| گزارش‌ها با جمع‌آوری دستی آماده می‌شوند. | گزارش‌گیری سریع‌تر و منظم‌تر | زمان تهیه‌ی گزارش |
| کارها از طریق تماس و پیام پیگیری می‌شوند. | وضعیت و مسئول هر اقدام روشن‌تر است | تعداد کارهای معوق و مدت پیگیری |
| یافتن سند یا پاسخ به چند نفر وابسته است. | دسترسی سریع‌تر به اطلاعات مجاز | زمان یافتن پاسخ درست |
| مشکلات عملیاتی دیر آشکار می‌شوند. | هشدار زودهنگام‌تر | فاصله‌ی رخداد تا کشف |
| درخواست مشتری بدون وضعیت مشخص می‌ماند. | رسیدگی شفاف‌تر | زمان پاسخ و حل درخواست |
خروجی هر پروژه متناسب با مسئله‌ی شماست: گزارش روشن، جریان‌کار قابل پیگیری، داشبورد یا قابلیت هوشمند؛ تحویل‌دادنی‌ها در قرارداد هر پروژه مشخص می‌شوند.
مقادیر واقعی پس از بررسی فرایند و داده‌های سازمان شما تعیین می‌شوند.
از یک مسئله‌ی مشخص و معیار موفقیت شروع می‌کنیم؛ نمونه‌ی محدود را می‌آزماییم و پس از سنجش نتیجه، درباره‌ی گسترش آن تصمیم می‌گیریم.
فرایند موجود، داده‌ها، هدف و معیار موفقیت را بررسی می‌کنیم.
کشف نیازمعماری، روش اجرا، ریسک و برآورد منابع را مشخص می‌کنیم.
معماری و برنامهریزینمونهی اولیه را توسعه می‌دهیم و با داده‌های مجاز می‌سنجیم.
پیادهسازیدر صورت اثبات ارزش، راهکار را گسترش می‌دهیم و پایش می‌کنیم.
بهینهسازیزمانبندی و برآورد هزینه پس از بررسی نیاز، اطلاعات و امکانات موجود ارائه می‌شود.
گام اول را شروع کنیمبرای مسئله‌های تازه، روش‌ها و مدل‌های هوش مصنوعی را با داده‌ی آزمون، معیار کیفیت، تحلیل خطا و بررسی هزینه ارزیابی می‌کنیم تا تصمیم فنی بر پایه‌ی شواهد باشد.
پژوهش در جریان با قابلیت آماده‌ی ارائه یکی نیست؛ این دو را جدا نگه می‌داریم.
مقایسه‌ی چند روش روی یک وظیفه‌ی مشخص با داده‌ی آزمون مستقل.
شناخت جاهایی که پاسخ اشتباه می‌شود و دلیل آن.
سنجش هزینه‌ی اجرا و نگهداری در کنار کیفیت.
پاسخ روشن به این پرسش که ساختن راهکار ارزش دارد یا نه.
عملکرد، امنیت و شفافیت باید در کنار هم طراحی شوند.
اقدامات حساس، در چارچوب مجوز و تأیید مناسب انجام می‌شوند.
دسترسی و نگهداری داده متناسب با نیاز و الزامات سازمان طراحی می‌شود.
منبع پاسخ و مراحل اقدام، متناسب با سامانه، تا حد امکان قابل بررسی است.
مدل و زیرساخت را متناسب با مسئله انتخاب می‌کنیم، نه بر اساس وابستگی به یک فروشنده.
این‌ها اصول طراحی ما هستند، نه گواهی‌نامه.
مسئله‌تان را با ما در میان بگذارید تا بررسی کنیم هوش مصنوعی کجا می‌تواند ارزش واقعی ایجاد کند و از کجا بهتر است شروع کنیم.
برای شروع، چند خط درباره‌ی فرایند فعلی و مشکل اصلی کافی است.
