تکامل در راستای تغییرات عمیق در صنعت دیجیتال و تاثیر آن بر صنعت خدمات IT

تکامل در راستای تغییرات عمیق در صنعت دیجیتال و تاثیر آن بر صنعت خدمات IT

مقدمه

در طول تاریخ ، جهان بارها به طرق مختلف از هم گسیخته شده‌ است . در طول میلیون‌ها سال انجماد یا شهاب سنگ های عظیم باعث ایجاد تغییرات عمیق در طبیعت شد و تمام گونه‌ها را نابود کرد . در ۴۰۰ سال گذشته ، اختراعات تکنولوژیکی مانند برق ( ۱۶۰۰ ) ، موتور بخار ( ۱۷۱۲ ) ، تلگراف ( ۱۸۳۶ ) ، و موتور احتراق داخلی ( ۱۸۵۹ ) همه صنایع و جامعه را مختل و دست خوش تغییرات شدید کردند . در طول قرن گذشته ، فراوانی تغییرات واختلال با اختراعاتی مثل تلویزیون ( ۱۹۲۶ ) ، موتورهای جت ( ۱۹۳۹ ) ، کامپیوتر ( ۱۹۴۱ ) ، ترانزیستورها ( ۱۹۴۷ ) ، کامپیوترهای شخصی ( ۱۹۷۵ ) و شبکه‌های تلفن همراه سلولی ( ۱۹۷۹ ) افزایش‌یافته است .

اکنون ، اختلال بعدی بر پایه فن‌آوری دیجیتال  راه خود را از طریق صنایع و جامعه ایجاد می‌کند . هوش مصنوعی ( AI ) و یادگیری ماشینی ( ML ) محرک‌های اصلی این تغییر عمیق هستند . این فن آوری ها تازه شروع به حرکت کرده و به سرعت پیش می روند . این امر هر جنبه از زندگی ما را تغییر خواهد داد و باعث اختلال و تغییرات شدید و اجباری در صنایع و دولت‌ها خواهد شد . برخی از شرکت‌ها شکست خواهند خورد و برخی دیگر رشد خواهند کرد .

 

هوش مصنوعی ( AI ) و یادگیری ماشینی ( ML ) چیست ؟

هوش مصنوعی توانایی یک ماشین برای انجام وظایف شناختی مثل حس کردن ، درک ( دیدن ، شنوایی ، احساس و غیره ) ، یادگیری ، استدلال و حل مساله است . یک ماشین می‌تواند سنسورهایی ( مانند دوربین ، رادار ، ردیاب‌های حرکتی و لیزرها ) را برای ثبت و تفسیر اطلاعات انتخاب کند، تصمیم بگیرد بعد چه کار کند ، از موفقیت یا شکست یاد بگیرد و نتایج را حفظ کند . یادگیری ماشینی نوعی از هوش مصنوعی است که در آن یک ماشین ، یا الگوریتم ، از مقادیر زیادی از داده‌های تاریخی و زمان حقیقی برای تصمیم‌گیری ، پیش‌بینی‌ها و توصیه‌ها استفاده می‌کند . وقتی اطلاعات بیشتری در دسترس قرار گیرد ، الگوریتم از آن استفاده می‌کند و دقیق‌تر می‌شود .

در حالی که تئوری هوش مصنوعی و ML در حدود ۸۰ سال است در حد تئوری باقی مانده اند، اما با پیشرفت‌های اخیر در ذخیره‌سازی داده‌ها ، توان محاسباتی ، و الگوریتم‌ها و در دسترس بودن این فن‌آوری‌ها از طریق رایانش ابری ، این تکنولوژی ها هم اکنون هم عملی و هم مقرون‌به‌صرفه هستند و پیشرفت بیشتری یافته اند.

مزایای بالقوه هوش مصنوعی و ML بزرگ هستند . ماشین‌ها و الگوریتم‌ها می‌توانند تصمیم انسان را با تشخیص گرایش‌ها در مقادیر انبوه داده ، افزایش دهند و می‌توانند این کار را بدون خسته شدن انجام دهند . با استفاده از نتایج این تجزیه و تحلیل کلان داده ، یک ماشین می‌تواند تصمیمات آگاهانه و سریع‌تر از انسان بگیرد . در ابتدا تمایلی برای اینکه ماشین ها به طور مستقل تصمیم گیری کنند نبود ، اما همزمان با گذشت زمان انسان‌ها دقت هوش مصنوعی را تشخیص داده و شروع به اتکا به تصمیمات آن ها نمودند . این به این معنی نیست که ماشین‌ها از انسان‌ها استفاده می‌کنند ؛ بلکه به سادگی به این معنی است که ماشین‌ها وظایف خاصی را انجام می‌دهند که نیازمند پردازش سریع حجم عظیم داده‌های لحظه ای هستند .

یک مثال خوب رانندگی مستقل است ، که در آن یک وسیله نقلیه مجهز به سنسورهای زیادی است در حالی که به فضای ابری متصل است . الگوریتم بر روی بورد به طور مستمر براساس همه ورودی‌ها تصمیم‌گیری می‌کند و پیش‌بینی می‌کند که چه چیزی باید در آینده اتفاق بیفتد و متناسب با آن تنظیم شود .

آیا هوش مصنوعی تجارت خدمات IT را مختل می‌کند ؟

وقتی نوبت به هوش مصنوعی می‌رسد ، فعالیت‌هایی که ابتدا اتوماتیک می‌شوند ، بخشی از مدل ۴ بعدی خواهند بود : کسل کننده، کثیف ، خطرناک ، یا دشوار . فعالیت‌هایی که تکراری ( کسل‌کننده هستند ) آسان‌ترین کار برای خودکار کردن هستند . اغلب خدمات IT پیچیده بوده و به همین دلیل خودکارسازی آن ها ساده نیستند ، اما برخی دیگر می‌توانند تکراری باشند ( مانند یک مرکز کمک و راهنمایی که در آن سوالات مشابه اغلب پرسیده می‌شوند ) و بنابراین می‌توانند از طریق هوش مصنوعی خودکار شوند .

اما چه می‌شد اگر سیستمی وجود داشت که به طور قابل اعتمادی پیش‌بینی کند که یک مشکل در شرف وقوع است ؟ فروشندگان دارای مشتریان زیادی هستند که از تجهیزات و تولیدات آن ها در پیکربندی‌های مختلف استفاده می‌کنند . آن‌ها می‌توانند اطلاعات بلادرنگ در مورد کاربرد و پیکربندی محصولات خود داشته باشند ، و هوش مصنوعی می‌تواند این داده‌ها را تحلیل کرده، گرایش‌ها را شناسایی کرده و پیش‌بینی‌های هوشمند در مورد آنچه ممکن است در آینده نزدیک رخ دهد ، انجام دهد . اگر آنالیز هوش مصنوعی مشخص کند که یک مشکل در حال رخ دادن است ، می‌تواند به فروشنده ( یا مشتری ) اطلاع دهد و یک اقدام پیشگیرانه را تجویز کند . یا می‌تواند به طور مستقل اقدامات پیشگیرانه را بدون دخالت انسان انجام دهد ، تنها هشداری از عمل ارسال می‌کند . بدین ترتیب می ‌توان از مشکلات اجتناب کرد در نتیجه بهره‌وری و رضایت مشتری را افزایش داد .

برخی خدمات می‌توانند خطرناک باشند ، مانند بازرسی در آنتن‌های شبکه تلفن همراه . امروزه این وظیفه یک مهندس میدان است که به بالای آنتن صعود کرده و ساختار را بازرسی کند . چنین کار نسبتا ً خطرناکی می‌تواند با استفاده از هواپیماهای بدون سرنشین خودکار شود . مهندسین روی زمین با پهباد هایی کار می‌کنند که می‌تواند با انواع حسگرهای پیشرفته و الگوریتم‌های پیشرفته مجهز باشند . استفاده از دوربین‌های هوشمند می‌تواند زاویه آنتن را برای تعیین و ثبت این که آیا این موقعیت تغییر کرده‌است ، اندازه‌گیری کند . از طریق انواع مختلفی از حسگرها ( الکترو نوری ، مادون‌قرمز ، multispectral ) نیز می‌تواند تشخیص دهد که آیا هیچ پوششی بر روی ساختار فیزیکی وجود دارد یا نه. از همه مهم‌تر ، با استفاده از الگوریتم هوش مصنوعی ، می‌توان تصمیم گرفت که فرآیند بازرسی را بهینه کند .

مثال دیگر استفاده از هوش مصنوعی در صنعت خدمات IT NLP یا برنامه‌نویسی زبان طبیعی است . مراکز تماس یا مراکز راهنمایی مشتریان اغلب توسط بسیاری از افراد ( جوانان ) تامین می‌شوند که به سوالاتی از سراسر جهان پاسخ می‌دهند . مرکز تماس معمولا ً ۲۴ ساعته است و می‌تواند در هر جایی در جهان ( معمولا در کشورهای با دست‌مزد کم ) واقع شود . در حالی که بسیاری از مراکز تماس ،خدمات عالی ارائه می‌کنند ، مثال‌های زیادی از خدمات متوسط یا ضعیف وجود دارد . به هر حال ، کارمندان helpdesk انسان هستند و وقتی با مشتریان بی نزاکت روبرو می‌شوند ، گاهی اوقات مشکل کنترل احساسات خود را دارند . کامپیوترها این مشکل را ندارند . درک مشتری از طریق تلفن ، صرف‌نظر از لهجه آن‌ها ، احساس آن‌ها و واکنش به یک روش مناسب یک سناریوی بسیار پیچیده است که تنها الگوریتم ‌های پیشرفته می‌توانند از آن استفاده کنند. اما تنها مساله زمان است تا این که برای همه در دسترس قرار گیرد ، به طوری که ما همیشه می‌توانیم بر واکنش آرام و منطقی به مشتریان خود برای کمک به محصولات خود تکیه کنیم .