زمان تقریبی مطالعه: 3 دقیقه
هوش مصنوعی در Salesforce؛ از تحلیل اطلاعات تا اجرای فرایندهای سازمانی
تحول از نرم‌افزار ثبت اطلاعات به سامانه هوشمند
نرم‌افزارهای سازمانی در گذشته بیشتر برای ثبت و نمایش اطلاعات استفاده می‌شدند. با گسترش هوش مصنوعی، این ابزارها می‌توانند در تحلیل داده، پیشنهاد اقدام بعدی، خلاصه‌سازی مکالمات و خودکارسازی برخی وظایف نیز نقش داشته باشند.
Salesforce قابلیت‌های هوش مصنوعی را در اکوسیستم خود توسعه داده و Agentforce را برای ساخت و به‌کارگیری عامل‌های هوش مصنوعی در فرایندهای کسب‌وکار معرفی کرده است.
تفاوت اتوماسیون سنتی و عامل هوش مصنوعی
اتوماسیون سنتی معمولاً از قواعد تعریف‌شده پیروی می‌کند. برای مثال، اگر سفارش ثبت شد، پیام تأیید ارسال شود. این ساختار در وظایف تکراری و قابل پیش‌بینی کارآمد است.
عامل هوش مصنوعی می‌تواند با توجه به ورودی‌ها، زمینه اطلاعاتی و دستورالعمل‌های تعریف‌شده، پاسخ تولید کند یا میان چند اقدام مجاز انتخاب کند. با این حال، توانایی آن به کیفیت داده، محدوده دسترسی، طراحی گردش کار و سازوکار کنترل وابسته است.
نباید تصور کرد که هر عامل هوش مصنوعی همیشه پاسخ صحیح می‌دهد یا می‌تواند بدون نظارت، تمام تصمیم‌های حساس را اتخاذ کند.
کاربردهای سازمانی
در فروش، هوش مصنوعی می‌تواند خلاصه‌ای از سابقه مشتری آماده کند یا به اولویت‌بندی فرصت‌های فروش کمک کند. در پشتیبانی، ممکن است درخواست‌های پرتکرار را دسته‌بندی کند یا پاسخ اولیه پیشنهاد دهد. در بازاریابی نیز تحلیل داده‌ها می‌تواند برای طراحی پیام‌های مرتبط‌تر به کار رود.
در هر کاربرد باید معیار نتیجه مشخص باشد؛ مانند کاهش زمان رسیدگی، افزایش دقت پاسخ، کاهش هزینه هر درخواست یا بهبود رضایت مشتری.
ریسک‌های پیاده‌سازی
کیفیت پایین داده‌ها، دسترسی بیش‌ازحد به اطلاعات، تولید پاسخ نادرست، افشای اطلاعات محرمانه و نبود امکان بررسی تصمیم‌ها از ریسک‌های مهم هستند. استفاده از هوش مصنوعی بدون تعریف مسئولیت انسانی می‌تواند خطاهای کوچک را به مشکلات عملیاتی بزرگ تبدیل کند.
به همین دلیل، سازمان باید دسترسی‌ها را محدود کند، اقدامات حساس را نیازمند تأیید قرار دهد و عملکرد سامانه را به‌طور مستمر ارزیابی کند.
تحلیل چرو
برای کسب‌وکارهای چندکاناله، هوش مصنوعی می‌تواند در دسته‌بندی محصولات، پاسخ‌گویی اولیه، تحلیل پرسش‌های مشتری و مدیریت حجم بالای اطلاعات مفید باشد. با این حال، ابتدا باید اطلاعات پایه منظم باشند. اگر مشخصات محصول یا موجودی اشتباه ثبت شده باشد، هوش مصنوعی نیز ممکن است اطلاعات اشتباه ارائه کند.
جمع‌بندی
هوش مصنوعی زمانی ارزش اقتصادی ایجاد می‌کند که یک فرایند واقعی را بهبود دهد و نتیجه آن قابل اندازه‌گیری باشد. راهبرد مناسب، شروع با یک کاربرد محدود، ارزیابی دقت و هزینه، سپس گسترش کنترل‌شده است؛ نه واگذاری کامل تصمیم‌گیری به یک سامانه خودکار.
