پرش به محتوا

هوش مصنوعی و اتوماسیون

هزینهٔ پیاده‌سازی هوش مصنوعی در کسب‌وکار چقدر است؟

جست‌وجوی فارسی برای این سوال، پر از ارقام دلاری و جهانی است که ربطی به واقعیت یک کسب‌وکار ایرانی ندارد. این یادداشت نشان می‌دهد چه چیزهایی واقعاً این هزینه را شکل می‌دهند.

نماد ماشین‌حساب و مدار روی پترن خیابان‌های چهارراه، نمایندهٔ مقالهٔ هزینهٔ پیاده‌سازی هوش مصنوعی

اگر دنبال «هزینهٔ پیاده‌سازی هوش مصنوعی» گشته باشید، احتمالاً به مقاله‌ها و ارقامی برخورده‌اید که همه‌شان دلاری‌اند و برای شرکت‌های بزرگ آمریکایی یا اروپایی نوشته شده‌اند — چیزی که عملاً ربطی به یک کسب‌وکار ایرانی ندارد. واقعیت این است که در فضای فارسی، تقریباً هیچ عدد قابل‌استناد و واقعی برای این سوال منتشر نشده — نه چون کسی پنهانش می‌کند، بلکه چون این هزینه آن‌قدر به دامنهٔ هر پروژه وابسته است که یک عدد ثابت، گمراه‌کننده‌تر از مفید است.

چیزی که واقعاً هزینه را شکل می‌دهد

پیچیدگی مسئله — یک دستیار ساده که به چند سوال پرتکرار جواب می‌دهد، بسیار سبک‌تر از یک ایجنت است که باید به چند سیستم مختلف (سفارش، انبار، پرداخت) متصل شود و بر اساس آن‌ها تصمیم بگیرد.

کیفیت و حجم داده‌ای که باید به ایجنت داده شود — اگر مستندات، کاتالوگ محصول یا سوابق کسب‌وکار شما از قبل منظم و آماده باشد، این مرحله سریع‌تر طی می‌شود. اگر این داده‌ها پراکنده یا ناقص باشند، بخشی از پروژه صرف همین آماده‌سازی اولیه می‌شود.

تعداد اتصالات به ابزارهای دیگر — هر سیستمی که ایجنت باید با آن کار کند (CRM، صندوق فروش، پنل پیامک) یک لایهٔ فنی اضافه است که زمان پیاده‌سازی را افزایش می‌دهد.

نیاز به نگهداری و بهبود مستمر — برخلاف یک وب‌سایت که بعد از تحویل تقریباً ثابت می‌ماند، یک ایجنت هوشمند باید بر اساس تعامل‌های واقعی اصلاح شود؛ این یعنی بخشی از هزینه، مثل هزینهٔ زیرساخت IT، ماهانه و مستمر است، نه یک‌باره.

چرا نباید دنبال یک عدد ثابت بگردید

دو کسب‌وکار با همین عنوان «می‌خواهیم از هوش مصنوعی استفاده کنیم» می‌توانند نیازهایی داشته باشند که از نظر حجم کار، ده برابر با هم فرق دارد. برای همین، مسیر درست این نیست که دنبال یک تعرفهٔ عمومی بگردید؛ مسیر درست این است که مسئلهٔ مشخص کسب‌وکارتان را با یک تیم در میان بگذارید تا بر اساس همان، دامنهٔ واقعی پروژه و برآورد هزینه‌اش مشخص شود.

نقطهٔ شروع کم‌ریسک

برای کسب‌وکارهایی که مطمئن نیستند از کجا شروع کنند، معمولاً منطقی‌تر است با یک مسئلهٔ کوچک و مشخص شروع شود — مثلاً خودکارسازی یک فرآیند تکراری واحد — تا نتیجهٔ واقعی آن دیده شود، پیش از آنکه سرمایه‌گذاری بزرگ‌تری روی یک سیستم کامل‌تر انجام شود.

ادامه بدهیم

مقالات دیگر

همهٔ مقالات