«از مسئله شروع کنید، نه از ابزار.» این پیام کلیدی دومین رویداد ملی «کاربردهای هوش مصنوعی در صنایع و کسبوکارها؛ IRAN AI 2026» بود که در دانشگاه صنعتی شریف برگزار شد. در شرایطی که روزانه مدلها و ابزارهای تازهای در سطح جهان معرفی میشوند، محور گفتگوهای مدیران ارشد اکوسیستم دیجیتال ایران بر چگونگی حل مسائل واقعی کسبوکار و خلق ارزش پایدار متمرکز بود.
ابراهیم نبیئی، معاون فناوری گروه علیبابا، در سخنرانی افتتاحیه تأکید کرد که آغاز پروژههای هوش مصنوعی نباید با انتخاب مدل یا فناوری شروع شود. در یک سازمان بالغ، ابتدا باید مسئلهای مشخص در تجربه مشتری یا زنجیره عملیات شناسایی شده و شاخص موفقیت (KPI) آن کاملاً قابل اندازهگیری باشد. دستیابی به مدلهای زبانی تنها بخشی از مسیر است؛ داده ساختاریافته، بستر زیرساختی و درک عمیق سازمانی عوامل تعیینکننده فاصله میان یک پایلوت نمایشی و یک محصول عملیاتی هستند.
در پنل تخصصی مدیران عامل، تجربیات عملی شرکتهای پیشرو به اشتراک گذاشته شد: - دیجیکالا و قیمتگذاری دینامیک: مسعود طباطبائی، مدیرعامل دیجیکالا، از بهکارگیری موتورهای هوشمند پایش قیمت بازار خبر داد. این سیستمها به صورت بلادرنگ کانالهای مختلف عرضه را بررسی کرده و قیمت کالاها را متناسب با استراتژی پلتفرم و رقابت بازار بهروزرسانی میکنند. دیجیکالا همچنین در حال بازطراحی ساختار سازمانی بر مبنای عاملهای هوشمند است. - دیوار و پالایش هوشمند آگهیها: اشکان آرمندهی، مدیرعامل دیوار، اعلام کرد که اکنون ۹۷ درصد فرایند پایش، دستهبندی و کشف تقلب در آگهیها توسط الگوریتمهای هوش مصنوعی انجام میشود. این اقدام زمان تأیید آگهیها را از چند ساعت به چند دقیقه کاهش داده و ظرفیت تیمها را برای حل مسائل پیچیدهتر آزاد کرده است. - اسنپپی و تولید کد هوشمند: مجید حسامی، مدیرعامل اسنپپی، اشاره کرد که حدود ۴۰ درصد کدهای نرمافزاری این مجموعه در حال حاضر با کمک دستیارهای هوش مصنوعی تولید میشود و در کنار آن، شخصیسازی رفتار مالی کاربران و ایجنتهای پشتیبانی در مقیاس وسیع پیاده شده است. - علیبابا و بخشبندی ۴ میلیون میکروسگمنت: توحید علیاشرفی، مدیرعامل علیبابا، و فرناز عابدینی، متخصص داده، از اتصال مرکز تماس به لایه هوش مشتری خبر دادند. علیبابا با مهندسی بیش از ۷۰۰ ویژگی رفتاری و ۱۶ الگوریتم، پایگاه کاربران خود را به بیش از ۴ میلیون میکروسگمنت دقیق تفکیک کرده و مدل پیشبینی ریزش مشتری (Churn Prediction) خود را به دقت بالاتر از ۸۶ درصد رسانده است.
همگرایی تجربیات این مدیران نشان میدهد که هوش مصنوعی در پلتفرمهای تراز اول کشور از مرحله تبلیغاتی عبور کرده و به بخشی جداییناپذیر از فرآیندهای بهینهسازی هزینه، نگهداشت مشتری و افزایش بهرهوری بدل شده است.