تأثیر هوش مصنوعی بر نوآوری در مدل‌های تجاری: پلتفرم‌ها

هوش مصنوعی تلاشی برای هوشمند کردن ماشین‌هاست، و هوش کیفیتی است که موجودات را قادر می‌سازد به‌درستی و با آینده‌نگری در محیط پیرامون خود عمل کنند. با مشاهده‌ی پیشرفت‌های چشم‌گیری که درزمینه‌‌ی سخت‌افزار حاصل شده است، می‌توان روندهای تأثیرگذار بر هوش مصنوعی را شناسایی کرد، ازجمله پیشرفت‌ در حوزه‌های یادگیری ماشین در مقیاس بزرگ، یادگیری عمیق، یادگیری تقویتی، رباتیک، پردازش زبان طبیعی، سیستم‌های مشارکتی، جمع‌سپاری، محاسبات انسانی و اینترنت اشیا.

1. مدل‌های تجاری و عوامل ارزش

فناوری‌های هوش مصنوعی به‌کمک چهار عامل موجب تغییر و تکامل مدل‌های تجاری می‌شوند:
خودکارسازی و طراحی مجدد فرایندها به‌منظور افزایش کارایی: با افزایش تراکم دیجیتالی امکان اتصال ماشین‌ها و پایگاه‌های داده با سیستم‌های هوشمندی فراهم می‌شود، که می‌توانند فرایندها را بدون تعامل انسانی کنترل کنند: بسیاری از خرده‌فروشان آنلاین با استفاده از سیستم‌های خودکار به مشتریان خدمات ارائه می‌دهند. سیستم‌های امتیازدهی امکان ثبت امتیازات مثبت و منفی را بدون تعامل انسانی ایجاد می‌کنند.
پیش‌بینی: امروزه به‌لطف روش‌های آمارگری جدید مبتنی بر کلان داده‌ها، امکان استفاده از داده‌ها برای پیش‌بینی فراهم شده است. با این کار مدیران می‌توانند براساس تشخیص‌های داده‌محور تصمیمات بهتری بگیرند؛ امکانی که در گذشته فراهم نبود. ما درحال‌حاضر «چیزهای» زیادی را می‌بینیم که به‌طور «هوشمند» از راه دور قابل اتصال و کنترل هستند.
هماهنگی: هوش مصنوعی می‌تواند با استفاده از داده‌های از راه دور و سیستم‌های هوشمندی بر محدودیت‌های زمانی و مکانی غلبه می‌کنند. انقلاب صنعتی چهارم تماماً بر ایجاد هماهنگی میان سیستم‌های تولید تمرکز دارد.
شخصی‌سازی: تولید محصولات سفارشی و ارائه خدمات نفربه‌نفر ازقبیل ارائه‌ی اعتبارات شخصی، بیمه‌ی شخصی یا درمان شخصی است.

2. ظهور پلتفرم‌های مبتنی بر هوش مصنوعی

مدل‌های تجاری مبتنی بر هوش مصنوعی به افراد کمک می‌کنند تا بخش‌هایی از یک فرایند یا حتی کل آن را به‌گونه‌ای مؤثرتر انجام دهند. این مدل‌ها قادر به تجزیه و تحلیل و یادآوری حجم عظیمی از داده‌ها، کشف الگوهای جدید و انجام وظایف ساده به‌صورت کاملاً مؤثر هستند. درنتیجه، ترکیب فناوری‌های مختلف می‌تواند موجب افزایش اثربخشی مدل‌های تجاری فعلی شده و ابزار یا دستیاری مفید برای افراد شرکت‌کننده در فرایند باشد. از طرف دیگر، این فناوری‌ها امکان تولید مدل‌های تجاری نوآورانه‌ای را فراهم می‌کنند که موجب می‌شوند کارها به روشی کاملاً متفاوت و با استفاده از فناوری‌های هوش مصنوعی انجام شود.
فناوری ارتباطات و به‌ویژه هوش مصنوعی فرصت ابداع مدل‌های تجاری تحول‌گرایانه‌ای را در حوزه‌های مختلف ازجمله حمل‌ونقل، ربات‌های خانگی، بهداشت و درمان، آموزش و امنیت عمومی ایجاد می‌کنند. فناوری‌های هوش مصنوعی با تراکم دیجیتالی بالا (یادگیری سریع و تعامل هوشمند) در بسیاری از بخش‌های تجاری می‌توانند همه‌چیز را دگرگون کنند.
مدل‌های تجاری مبتنی بر پلتفرم، روشی خاص برای هماهنگ‌سازی بخش‌های مختلف فرایند تولید ارزش و ارائه‌ی آن هستند، که با ایجاد ارزش کافی برای هر یک از بخش‌ها و حفظ هماهنگی میان آنها عمل می‌کنند. بنابراین، پلتفرم‌ها را می‌توان ابزارهایی تعریف کرد که بخش‌های مختلف یک اکوسیستم را با هم هماهنگ و یکپارچه می‌کنند تا مشکلات واقعی کاربران را برطرف نمایند. موضوع اصلی بحث حاضر، مدل‌های جدید تجاری مبتنی بر پلتفرم‌ (آنلاین) است که با ترکیب هوش انسان و ماشین، به ایجاد منطق جدید و تولید ارزش می‌پردازند.
پلتفرم «اوبر» یک نمونه‌ی بارز از این مدل‌هاست. هدف اصلی اوبر ایجاد یک سیستم جابه‌جایی بازار‌محور به‌جای تاکسی‌های معمولی سازمان‌یافته است، که بتواند نیازهای هردو طرف بازار را به‌گونه‌ای مؤثرتر برطرف نماید. در این زمینه همچنین از هوش مصنوعی برای «پیش‌بینی» مکان‌هایی که مشتریان نیاز به تاکسی پیدا می‌کنند استفاده شده است.
مالون (2018) برای تسهیل مقایسه‌ی پلتفرم‌های مختلف، سه متغیر را پیشنهاد می‌دهد: هزینه‌ی تصمیم‌گیری گروهی؛ مزایای تصمیم‌گیری گروهی؛ توزیع این مزایا. با اعمال این مفاهیم در اکوسیستم‌های تجاری و تکامل آنها و تلاش برای درک نوآوری و رقابت در مدل‌های تجاری، درمی‌یابیم که فناوری اطلاعات و به‌ویژه هوش مصنوعی می‌توانند به‌طرز شگفت‌انگیزی اثربخشی پلتفرم‌های مختلف را تغییر دهند. و این کار را با ایجاد فرصت‌هایی برای تولید مدل‌های خلاقانه‌ای انجام می‌دهند که هدف آنها تحقق ارزش به‌کمک ایجاد اشکال بهتری از هماهنگی در پلتفرم‌هاست.
مفهوم تحرک‌پذیری به‌عنوان یک خدمت اکنون درحال توسعه یافتن در بسیاری از کشورهای سراسر جهان است. فناوری و داده می‌توانند به طراحی سیستم‌های بهتری برای برنامه‌ریزی حمل‌ونقل کمک کنند. شهرها از هوش مصنوعی برای بهینه‌سازی خدماتی مانند سرویس‌های اتوبوس و مترو، پیگیری محدودیت‌های ترافیکی، تنظیم پویای محدودیت‌های سرعت و قیمت‌گذاری هوشمند در بزرگراه‌ها، پل‌ها و غیره استفاده میکنند. این سیستم‌های چندوجهی هر بار در قیمت‌گذاری، طراحی و زمان‌بندی یکپارچه‌تر می‌شوند (سلسله‌مراتب). درعین‌حال ما شاهد سیستم‌های «رأی‌گیری» هستیم (مانند کاربرد برنامه‌ی مسیریابی Waze) که اطلاعات زیادی را به افراد ارائه می‌کنند تا خودشان براساس سیستم‌های بازار به‌عنوان قیمت‌های پویا تصمیم بگیرند.
کلان‌شهرهای بزرگ و همچنین شهرهای کوچک خود را به جوامعی هماهنگ یا اکوسیستم‌هایی پیچیده تبدیل می‌کنند تا بتوانند به‌کمک سیستم‌های هوشمند و یکپارچه‌سازی خدمات خود را بهینه‌ کنند. این سیستم‌ها برای آنکه به‌طور مناسب پیاده‌سازی شوند به حسگرها و زیرساخت‌ها و همچنین جمع‌آوری داده‌های بزرگ برای «آموزش» ماشین‌های هوش مصنوعی نیاز دارند. حال سؤال اصلی این است: آیا این سیستم‌ها به‌اندازه‌ی کافی مقاوم و خطاناپذیرند؟
ما انتظار نداریم که تا آینده‌ای نزدیک این سیستم‌ها بدون مداخله‌ی انسانی کار کنند؛ بلکه انتظار داریم انسان‌ها در آموزش، اجرا و ارزیابی خودروها و هواپیماهای بدون سرنشین مشارکت داشته باشند. این مشارکت هم برای کمک به افرادی که در کنار ماشین‌ها قرار می‌گیرند و هم آنهایی که از راه دور نظارت می‌کنند، صورت می‌گیرد. پیش‌بینی ما این است که الگوریتم‌ها به‌گونه‌ای پیشرفت کنند که یادگیری ماشین از ورودی‌های انسانی را تسهیل کنند. همچنین انتظار طراحی مدل‌ها و الگوریتم‌هایی را داریم که از دقت انسانی برخوردار بوده و از ارتباط و هماهنگی میان انسان و ماشین پشتیبانی کنند. این بخشی جدایی‌ناپذیر از توسعه‌ی خودروهای آینده است.
البته که صنعت حمل‌ونقل تنها نمونه‌ای از انواع تغییراتی است که باید در آینده‌ای نزدیک انتظار آن را داشته باشیم؛ چراکه این روند اکنون در بسیاری از صنایع دیگر مانند ربات‌های خانگی، بهداشت و درمان، آموزش، خدمات اجتماعی، ایمن‌سازی عمومی، امنیت و سرگرمی نیز آغاز شده است.

3. پلتفرم‌ها و همکاری میان بخش‌های عمومی و خصوصی

امروزه رشد شهرها نیز موجب شکل‌گیری بسیاری از سازمان‌های جامعه‌محور در کلان‌شهرها شده است، که فناوری در آنها نقشی کلیدی را بازی می‌کند. فناوری اطلاعات و به‌ویژه هوش مصنوعی فرصت‌های جدیدی را برای ایجاد همکاری میان بخش‌های عمومی و خصوصی فراهم می‌کنند. درواقع، نقش بخش عمومی در «تعدیل» این مدل‌های تجاری مبتنی بر پلتفرم و توجیه آنها در میان شهروندان و درعین‌حال اجتناب از تصرف بیش‌ازحد رانت‌های انحصاری بسیار مهم است. توجه داشته باشید که ادغام در این زمینه ضروری است، اما درعین‌حال موجب نگرانی تمامی اعضای اکوسیستم می‌شود. بنابراین، نقش دولت در قانون‌گذاری و نظارت بر چنین سیستم‌هایی کاملاً حیاتی است.
شرکت‌های مبتنی بر پلتفرم اکنون دامنه‌ی فعالیت خود را فراتر از مدل‌های C2C و B2C گسترش داده و وارد دنیای B2B شده‌اند. اما در چنین حالتی، اعضای اکوسیستم دربرابرِ پلتفرم‌هایی که آنها را یکپارچه می‌کند، آسیب‌پذیرتر می‌شوند. درنتیجه‌ی این امر، ما شاهد سکوت بیشتری درباره‌ی توسعه‌ی این مدل‌های تجاری جدید نسبت‌به انواع قبلی آن هستیم که سازمان‌هایی عمومی-خصوصی برای کنترل بهتر پلتفرم‌ها اتخاذ می‌کردند.
فناوری هوش مصنوعی امکان ظهور اکوسیستم‌های بزرگ را با روش‌های نوآورانه فراهم می‌کند و می‌دانیم که اکوسیستم‌های بزرگ‌تر هوشمندترند، چراکه اندازه‌ی اکوسیستم در هوشمندی آن مؤثر است. هرچه جامعه بزرگ‌تر باشد، با تنوع بیشتری روبه‌رو خواهیم بود و مهارت‌های غیرمعمول و اشکال جدیدی از دانش و ایده‌ها ظهور پیدا می‌کنند. فناوری‌های هوش مصنوعی علاوه‌بر این موجب کاهش هزینه‌ی تصمیم‌گیری گروهی در پلتفرم‌ها می‌شوند (حتی با افزایش اندازه‌)، بنابراین سطحی از هماهنگی را ایجاد می‌کنند که قبلاً امکان‌پذیر نبوده است.
چگونه اکوسیستم‌ها و جوامع می‌توانند هوشمندانه‌تر فکر کنند؟ آنها هم‌اکنون درنتیجه‌ی افزایش چشم‌گیر تراکم دیجیتالی هوشمندتر شده‌اند. پیشرفت‌های حاصل‌شده در این زمینه، به ماشین‌ها این امکان را می‌دهند که به‌کمک انسان یا به‌صورت خودکار، با سرعت بیشتری یاد بگیرند. ایده‌های فوق نشان‌دهنده‌ی پتانسیل تخریب خلاق با مدل‌های تجاری جدید است.
حال باید پرسید موانع توسعه‌ی اکوسیستم‌های مبتنی بر راهکار که با ترکیب پلتفرم‌ها و بر پایه‌ی فناوری ایجاد شده‌اند چیست؟