مدیرعامل Sdata:نقش جمعآوری داده در اغلب مواقع حتی از توسعه مدلهای هوش مصنوعی پررنگتر است
در گفتوگوی اختصاصی «ایرانیان استارتاپ» با رامین خاورزاده، مدیرعامل Sdata، او با تشریح اثرگذاری هوش مصنوعی بر مارکتینگ و تحقیقات بازار، توضیح داد که مدلهای سنتی تحقیق بازار جای خود را به تحلیلهای سریعتر و دادهمحورتر دادهاند. خاورزاده گفت: «حدود ۱۰ تا ۱۵ سال پیش بسیاری از سازمانها برای شناخت مشتری و نیازهای او، به شرکتهای تحقیقات بازار سنتی اتکا میکردند؛ شرکتهایی که پرسشنامهها را تکمیل میکردند، دادهها را ثبت میکردند و به سازمان تحویل میدادند و سپس در یک بازه زمانی مشخص گزارشهایی تولید میشد که مبنای تدوین استراتژی و برنامهریزی بازاریابی سازمان قرار میگرفت. این مدل در زمان خود ارزشمند بود؛ اما امروز سرعت تغییرات در کسبوکارها و رقابت بازار بهقدری افزایش یافته که سازمانها ناچارند استراتژیها و فعالیتهای بازاریابی خود را در لحظه بازنگری و اصلاح کنند تا از رقابت عقب نمانند.»
او با اشاره به تحول در شیوه جمعآوری داده و تغییر جایگاه تحقیقات بازار افزود: «امروز حجم بزرگی از دادهها بهصورت مستقیم در پلتفرمهای کسبوکار تولید و جمعآوری میشود؛ از کلیکها گرفته تا مسیر حرکت مشتری در پلتفرم. همین موضوع باعث شده سازمانها بتوانند با اتکا به دادههایی که در اختیار دارند، سریعتر داده جمعآوری کنند، آن را تحلیل کنند و تصمیمهای بازاریابی را بر اساس آن اتخاذ کنند.»
مدیرعامل Sdata «شخصیسازی» را یکی از خروجیهای اصلی این تغییر دانست و تصریح کرد: «در گذشته کسبوکارها برای همه مشتریان نسخه واحدی از محصول و خدمت ارائه میدادند، اما امروز بسیاری از تجربهها در حال شخصیسازی است؛ یعنی محصول یا پلتفرمی که برای یک کاربر طراحی و ارائه میشود میتواند با تجربه کاربر دیگر متفاوت باشد. این همان نقشی است که بازاریابی با اتکا به داده و هوش مصنوعی ایفا میکند.»
خاورزاده با اشاره به نمونههای جهانی گفت: «شرکتهایی مانند نتفلیکس، آمازون و والمارت با استفاده از دادههای آنلاین میتوانند روندهای بازار را سریعتر شناسایی کنند، با سرعت بیشتری استراتژیهای خود را تغییر دهند و تصمیم بگیرند کدام بخش را اصلاح کنند تا سودآوری را بهینه کنند.»
خاورزاده در ادامه تأکید کرد که در بحث هوش مصنوعی باید میان «استفاده از ابزارهای آماده» و «ایجاد زیرساخت هوش مصنوعی در سازمان» تفاوت قائل شد. او گفت: «وقتی از هوش مصنوعی صحبت میکنیم، باید تفکیک کنیم که منظور استفاده از ابزارهای هوش مصنوعی است یا پیادهسازی زیرساخت هوش مصنوعی در سازمان. استفاده از ابزارهایی مانند Gemini به معنای بهرهگیری از ابزارهای هوش مصنوعی است؛ اما زیرساخت هوش مصنوعی زمانی معنا پیدا میکند که سازمان بتواند این قابلیتها را در فرایندهای زیرساختی خود پیادهسازی و نهادینه کند.»
مدیرعامل Sdata نقش داده را در موفقیت پروژههای هوش مصنوعی تعیینکننده دانست و گفت: «بر اساس تجربه و آمارهای موجود، ۶۰ تا ۸۰ درصد زمان اجرای پروژههای هوش مصنوعی در شرکتها صرف جمعآوری داده، پاکسازی داده، دادهکاوی و استانداردسازی میشود و تنها بخش کوچکتری از زمان به توسعه خود مدلها اختصاص دارد. به همین دلیل، اهمیت جمعآوری، پاکسازی و استانداردسازی دادهها در بسیاری از موارد حتی از توسعه مدلهای هوش مصنوعی نیز بیشتر است.»
او برای توضیح این موضوع افزود: «هوش مصنوعی مانند یک مغز عمل میکند و داده در حکم ورودیها و حواس آن است؛ حتی اگر این مغز بسیار توانمند باشد، بدون ورودی داده نمیتواند پردازش مؤثر انجام دهد. بنابراین، نقش داده و زیرساخت داده در پیادهسازی هوش مصنوعی در سازمانها نباید نادیده گرفته شود.»
دیدگاهتان را بنویسید