هوش مصنوعی برای کسب و کار ایرانی

از ابزار شروع نکنید، از کار شروع کنید

بیشتر پروژه های شکست خورده هوش مصنوعی در کسب و کارهای کوچک از یک اشتباه ترتیبی می آیند: اول اشتراک خریده شده، بعد دنبال کاری گشته اند که با آن انجام شود. ترتیب درست برعکس است و شروعش یک فایل ساده است، نه یک ابزار.

یک هفته هر کار تکراری را با زمان تقریبی اش بنویسید. بعد سه ستون به فهرست اضافه کنید و هر ردیف را با آن ها بسنجید.

تکرار. کاری که ماهی یک بار انجام می شود ارزش ساختن فرایند ندارد، هر چقدر هم آزاردهنده باشد. تکرار هفتگی حداقل چیزی است که هزینه راه اندازی را برمی گرداند.

هزینه خطا. اگر خروجی غلط باشد و کسی نفهمد، چه اتفاقی می افتد؟ توضیح محصولی که یک صفت اضافه دارد قابل اصلاح است. عددی که در فاکتور مشتری می رود نیست. این ستون بیشتر از دو تای دیگر تصمیم می سازد.

زمان بازبینی. اگر تشخیص درست بودن خروجی خودش نیم ساعت طول بکشد، شما کار را نسپرده اید، فقط جایش را عوض کرده اید. معیار عملی: زیر دو دقیقه بشود مطمئن شد.

ردیفی که هر سه شرط را دارد سپردنی است. ردیفی که یکی را ندارد بماند برای بعد؛ و ردیفی که هزینه خطایش بالاست هیچ وقت سپردنی نمی شود، هر چقدر هم مدل ها بهتر شوند. این تقسیم بندی درباره توانایی مدل نیست، درباره این است که غلط بودن یک خروجی برای شما چقدر آب می خورد.

یک تجربه که همه جا تکرار می شود: مدل نیمه اول کار را سبک می کند و نیمه دوم را سنگین تر. پیش نویس در چند دقیقه آماده است، ولی خروجی «تقریبا درست» بیشتر از خروجی «آشکارا غلط» وقت می برد، چون باید تک تک جمله ها را بخوانید تا بفهمید کدامشان اشتباه است. اگر این وقت را در محاسبه نیاورید، صرفه جویی روی کاغذ می ماند.

قوت و ضعف و فرصت و تهدید، بدون تعارف

شکل بالای همین صفحه چهار خانه دارد و محورهایش واقعی است: درونی در برابر بیرونی، کمک کننده در برابر بازدارنده. خانه ها را اینجا باز می کنیم، چون خانه ای که فقط سه کلمه در آن نوشته باشد به درد تصمیم نمی خورد.

قوت ها درونی اند و بیشترشان زبانی. نوشتن، خلاصه کردن، ترجمه، جواب دادن به پیام مشتری، مرتب کردن یادداشت جلسه. یک تیم کوچک ایرانی یک قوت دیگر هم دارد که شرکت های بزرگ ندارند: فاصله بین تصمیم و اجرا کوتاه است و لازم نیست پنج نفر امضا کنند تا یک فرایند عوض شود.

ضعف ها هم درونی اند و ربطی به مدل ندارند. اصطکاک پرداخت واقعی است. کیفیت فارسی هنوز از انگلیسی عقب تر است، به خصوص در متن تخصصی و در نگارش رسمی. و مهم تر از هر دو: در بیشتر تیم های کوچک هیچ کس مسئول بازبینی خروجی نیست، و همین یک ضعف بیشتر پروژه ها را از پا درمی آورد تا کیفیت مدل.

فرصت ها بیرونی اند و همان جایی هستند که تا دیروز به صرفه نبود. ترجمه کاتالوگ، نوشتن توضیح برای صدها قلم کالا، پاسخ اولیه به پیام های تکراری، خلاصه کردن اسناد داخلی برای عضو جدید تیم. فرصت دوم جای دیگری است: خود این کارها را می شود به مشتری فروخت، و سپردن کار اداری تکراری یکی از همان هاست.

تهدیدها بیرونی اند و دو تایشان جدی است. اول وابستگی: فرایندی که روی حسابی سوار است که مال شما نیست یک روز صبح می تواند از کار بیفتد و آن روز مشتری منتظر جواب است. دوم بی مزیتی: هر کاری که مدل به سادگی انجام می دهد، رقیب شما هم می تواند انجامش دهد؛ پس سرعت بیشتر مزیت پایدار نمی سازد و فقط کف انتظار بازار را بالا می برد. تهدید سوم را در بخش بعد جدا می گیریم، چون بیشتر از بقیه سراغ سایت ها می آید.

موضعی که از این چهار خانه بیرون می آید: هوش مصنوعی برای یک کسب و کار کوچک ایرانی یک مزیت رقابتی نیست، یک کف جدید است. کسی که استفاده اش نکند عقب می افتد، ولی کسی که استفاده اش کند هم جلو نمی افتد. جلو افتادن هنوز از همان جای همیشگی می آید: چیزی که فقط شما می دانید و مدل نمی داند.

سه سناریو که واقعا پیش می آید

یک فروشگاه اینترنتی با چند صد قلم کالا. کار سپردنی روشن است: پیش نویس توضیح محصول از روی برگه مشخصات. هر سه شرط را دارد. تکرار زیاد، خطا قابل اصلاح، و بازبینی سریع چون فقط باید مشخصات را با برگه تطبیق دهید. تله دقیقا همان جاست: مدل وقتی مشخصه ای در ورودی نباشد آن را از خودش می سازد، و «ضدآب» یا «گارانتی هجده ماهه» ای که کسی نگفته بود سر از صفحه محصول درمی آورد. راه حل ساختاری است و نه اخلاقی: در پرامپت بنویسید هر چیزی که در برگه نیست باید خالی بماند، و ستون هایی که خالی مانده اند را خودتان پر کنید.

تهدید سوم همین جا سراغ فروشگاه می آید. راهنمای خود گوگل صریح می گوید استفاده مناسب از هوش مصنوعی یا اتوماسیون خلاف قواعدش نیست، ولی تولید محتوا با هدف اصلی دستکاری رتبه، تخلف از سیاست های اسپم است. تفاوت این دو در نیت نیست، در نتیجه است: هزار توضیح محصول که هر کدام چیزی برای گفتن دارند مسئله ای ندارند؛ هزار صفحه که فقط برای پر کردن جای خالی ساخته شده اند دقیقا همان چیزی است که هدف گرفته شده. جزئیاتش را در درس هوش مصنوعی و سئوی محتوا باز کرده ایم.

یک فریلنسر مترجم یا نویسنده. اینجا تغییر عمیق تر است، چون شغل عوض می شود نه ابزار: از نوشتن به ویرایش. کسی که این را بپذیرد سریع تر می شود؛ کسی که نپذیرد و خروجی خام را تحویل بدهد، کار برگشتی می گیرد و اعتبارش را خرج می کند. نتیجه اقتصادی اش هم فورا خودش را نشان می دهد: اگر ساعتی حساب می کنید، هر چه سریع تر شوید کمتر درمی آورید. قیمت گذاری باید به خروجی بسته شود و نه به زمان، و این تصمیمی است که تا اولین پروژه بعدی نمی شود عقب انداخت. بازار کار آزاد این تغییر را زودتر از کارفرماها فهمید.

یک آژانس، یعنی ما. روی همین سایت سه بازار داخلی هست و تا همین اواخر هر آگهی را آدم بررسی می کرد. حالا یک دسته بند خودکار اول نگاه می کند و بعد آدم. چیزی که در این پروژه بیشتر از انتخاب مدل اهمیت داشت یک تصمیم طراحی بود: آستانه اطمینان لازم برای رد کردن یک آگهی عمدا بالاتر از آستانه لازم برای منتشر کردن آن گذاشته شد. دلیلش اقتصادی است و نه فنی. نگه داشتن یک آگهی سالم برای یک ساعت هزینه ای ندارد، ولی رد کردن اشتباهی یک آگهی، فروشنده را برای همیشه می پراند. هر سیستم خودکاری که روی کاربر اثر می گذارد چنین عدم تقارنی لازم دارد و تقریبا هیچ وقت پیش فرض نیست.

هزینه واقعی کجا نوشته شده

قیمت اشتراک ها را در این درس نمی نویسیم و این تصمیم عمدی است: هر عددی که اینجا بنشیند سه ماه بعد با نسخه اصلی اختلاف پیدا می کند و خواننده به عدد غلط اعتماد می کند. قیمت هر پلن، با تاریخ ثبت، در مرجع هوش مصنوعی همین سایت هست.

ولی هزینه اشتراک تنها هزینه نیست و برای یک کسب و کار ایرانی حتی بزرگ ترینش هم نیست. سه قلم را با هم حساب کنید.

اشتراک. عدد روی صفحه فروشنده. ساده ترین قلم و تنها قلمی که همه به آن نگاه می کنند.

راه پرداخت. کارت ایرانی پذیرفته نمی شود، پس مبلغ واقعی شامل کارمزد مسیری است که انتخاب می کنید و ریسکی که آن مسیر دارد. مسیرها و تفاوتشان در صفحه خرید و پرداخت جمع شده. این قلم گاهی از خود اشتراک بزرگ تر می شود و در هیچ صفحه قیمتی نوشته نشده.

زمان بازبینی. ساعتی که تیم شما صرف خواندن و اصلاح خروجی می کند هزینه است، حتی اگر در هیچ فاکتوری نیاید. اگر این را حساب نکنید، هر پروژه ای روی کاغذ سودده به نظر می رسد.

روش عملی برای تصمیم گیری بدون ریسک: پیش از خرید هر اشتراکی، یک ماه همان کار را با پلن رایگان انجام دهید و فقط یک چیز را اندازه بگیرید، زمان بازبینی به ازای هر خروجی. اگر آن عدد پایین آمد و پایین ماند، خرید اشتراک تصمیم ساده ای است. اگر نیامد، اشتراک هم درستش نمی کند. یک شرط روی این روش هست که نمی شود نادیده گرفت: پلن رایگان جایی است که داده تان بیشترین احتمال را دارد که برای بهبود محصول استفاده شود، پس این یک ماه آزمایش باید با داده عمومی یا ساختگی انجام شود و نه با پرونده مشتری.

کجا نباید بسپارید

سه مرز هست و هیچ کدامشان با بهتر شدن مدل ها جابه جا نمی شوند، چون هیچ کدام درباره توانایی مدل نیستند.

جایی که خطا گران است و دیر معلوم می شود. عدد مالیاتی، مبلغ قرارداد، ادعای حقوقی، توصیه پزشکی، تعهدی که به مشتری داده می شود. مشکل این دسته سرعت اشتباه نیست، تاخیر در کشف اشتباه است: خروجی قانع کننده به نظر می رسد و تا وقتی کسی پیگیر نشود کسی نمی فهمد. هر جا بازخورد کند است، سپردن خطرناک است.

جایی که داده مشتری وارد می شود و حساب قراردادی ندارید. این یکی حکم دارد و شرطی نیست. درس حریم خصوصی در ابزارهای هوش مصنوعی جدول سیاست هر فروشنده به تفکیک پلن را دارد و یک روش دو دقیقه ای برای پاک سازی متن پیش از چسباندن.

جایی که پای امضا وسط است. مدل می نویسد، ولی مسئولیت آنچه نوشته با کسی است که آن را می فرستد. این تفاوت در کار مشتری خیلی زود خودش را نشان می دهد: مشتری با شما قرارداد بسته و اگر متن غلط باشد، توضیح اینکه مدل نوشته هیچ چیزی را حل نمی کند.

اگر بخواهیم همه این درس را در یک جمله بگذاریم: کارهایی را بسپارید که اگر غلط از آب دربیایند خودتان زودتر از مشتری می فهمید. باقی اش هنوز کار شماست، و احتمالا همان بخشی است که به خاطرش پول می گیرید.