مدیر سابق محصول هوش مصنوعی دیجی‌کالا، در اینوتکس ۲۰۲۵ هشدار داد که ۷۵ درصد شرکت‌ها فاقد نقشه راه مشخص برای بهره‌گیری از هوش مصنوعی مولد هستند؛ در حالی‌ که استفاده از این فناوری در یک سال گذشته دو برابر شده است.

به گزارش ستاد خبری اینوتکس 2025، در جریان نشست ایستگاه آینده اینوتکس ۲۰۲۵، علی منصور، مدیر محصول سابق هوش مصنوعی در دیجی‌کالا در سخنرانی خود با عنوان «بازتعریف بی‌سروصدای مدل‌های کسب‌وکار با هوش مصنوعی»، بر لزوم تدوین رویکردی عملیاتی و هوشمندانه برای بهره‌گیری از هوش مصنوعی مولد در شرکت‌ها تأکید کرد.

وی با اشاره به یافته‌های یک گزارش پژوهشی تازه، گفت: ۷۵ درصد از شرکت‌ها هیچ نقشه‌راه مشخصی برای بهره‌برداری از هوش مصنوعی مولد ندارند. همچنین کمتر از ۴۰ درصد مدیران ارشد درک دقیقی از ارزش‌افزوده این فناوری برای کسب‌وکار خود دارند. این در حالی‌ است که استفاده از هوش مصنوعی مولد در شرکت‌ها از ۳۳ درصد در سال ۲۰۲۳ به ۶۵ درصد در سال ۲۰۲۴ رسیده است.

علی منصور با استناد به این داده‌ها، تأکید کرد که پرسش اصلی امروز دیگر «آیا باید از AI استفاده کنیم؟» نیست، بلکه «چگونه و از کجا باید استفاده کنیم؟» اهمیت بیشتری دارد. به گفته وی، بسیاری از سازمان‌ها هنوز درک روشنی از نقاطی که هوش مصنوعی می‌تواند برایشان ارزش خلق کند ندارند.

وی در ادامه، فریم‌ورکی پنج‌مرحله‌ای برای پیاده‌سازی مؤثر هوش مصنوعی مولد در سازمان‌ها پیشنهاد داد که نخست “شناسایی پتانسیل‌ها: بررسی فرآیندهایی که تکراری، زمان‌بر یا داده‌محور هستند، نخستین گام است. به گفته منصور، سازمان‌ها باید فهرستی از حوزه‌هایی تهیه کنند که بیشترین پتانسیل برای خودکارسازی یا ارتقا با کمک AI را دارند” است.

منصور گفت: دومی شناخت کاربردهای بالفعل (use cases): وی توصیه کرد که سازمان‌ها از راه‌حل‌های ساده و اثبات‌شده مانند چت‌بات‌ها یا تولید محتوای خودکار شروع کنند و از عقب‌ماندن در این حوزه‌های اساسی بپرهیزند است.

وی گفت: سومی اولویت‌بندی پروژه‌ها: به‌جای تمرکز بر پروژه‌های جاه‌طلبانه و بزرگ، باید پروژه‌های کوچک‌تر، عملیاتی‌تر و قابل‌اجرایی را که می‌توانند زمینه‌ساز تغییر فرهنگی در سازمان شوند، برگزید. وی توصیه کرد در اولویت‌بندی پروژه‌ها سه عامل اثرگذاری، سهولت اجرا و هم‌راستایی با اهداف استراتژیک مد نظر قرار گیرند است.

وی ادامه داد: چهارمی  ارزیابی داده و ابزار: دسترسی به داده‌های کافی و ابزارهای مناسب برای اجرای پروژه‌های AI، شرط موفقیت آن‌هاست. سازمان‌ها باید پیش از آغاز، زیرساخت‌های لازم را بررسی کنند است.

منصور گفت: پنجمی نیز تطابق با استراتژی کلان سازمان: منصور هشدار داد که در صورت عدم هم‌راستایی پروژه‌های AI با اهداف کلان، این پروژه‌ها به‌جای آن‌که در خدمت سازمان باشند، به باری بر دوش تیم‌ها تبدیل می‌شوند و شانس موفقیت کاهش می‌یابد است.

وی همچنین تأکید کرد که پرسش درست این نیست که «کجا می‌توان از AI استفاده کرد؟»، بلکه باید پرسید: «AI در کدام مسئله می‌تواند راه‌حل بهتری نسبت به وضعیت فعلی ارائه دهد؟» به گفته او، این رویکرد مسئله‌محور به جای ابزارمحور بودن، باعث می‌شود پروژه‌ها از معنا و ضرورت بیشتری برخوردار شوند و از شکست مصون‌تر باشند.

علی منصور سخنان خود را با این هشدار به پایان رساند که تمرکز بیش از حد روی پروژه‌های پیچیده و نمایشی، سازمان‌ها را از مسیر پیشرفت واقعی دور می‌کند: سنگ بزرگ نشانه نزدن است. شروع با پروژه‌های کوچک اما تأثیرگذار، پایه‌گذار فرهنگ هوش مصنوعی در سازمان خواهد بود.