چرا «پیاده‌سازی هوش مصنوعی برای کسب‌وکارهای متوسط» می‌تواند یکی از بازارهای جذاب سال‌های پیش رو باشد؟

وقتی درباره فرصت اقتصادی هوش مصنوعی صحبت می‌شود، معمولاً ذهن به سمت ساخت مدل بزرگ، خرید GPU یا راه‌اندازی دیتاسنتر می‌رود. اما شاید بزرگ‌ترین فرصت برای بسیاری از کارآفرینان ایرانی در جایی بسیار ساده‌تر قرار داشته باشد: کمک به شرکت‌های معمولی برای استفاده واقعی از AI.

شرکت تولیدکننده مواد غذایی، فروشگاه اینترنتی، شرکت بازرگانی، کلینیک، آژانس مسافرتی، کارخانه قطعه‌سازی یا شرکت خدماتی الزاماً نمی‌خواهد «شرکت هوش مصنوعی» شود. این کسب‌وکار می‌خواهد هزینه خدمات مشتری را پایین بیاورد، اسنادش سریع‌تر پردازش شوند، فروشنده‌هایش مشتری مناسب را زودتر پیدا کنند یا گزارش‌های مدیریتی با زمان کمتری تهیه شوند.

فاصله میان این نیاز و فناوری موجود، همان بازاری است که امروز «فرصت‌سنج» زیر ذره‌بین می‌برد.

اتفاقی که بازار را جذاب‌تر کرده است

در ایران، چارچوب صدور پروانه «ارائه خدمات هوش مصنوعی» یا AISP پیش‌تر تصویب شده و اکنون مقام‌های وزارت ارتباطات از شکل‌گیری اپراتورهای AI و توسعه زیرساخت پردازشی طی حدود ۱۸ ماه آینده سخن می‌گویند. چارچوب قانونی این اپراتورها نیز زیرساخت پردازشی و ارائه خدمات مبتنی بر هوش مصنوعی را به رسمیت شناخته است.

در سطح جهانی نیز رقابت برای زیرساخت با شدت عجیبی ادامه دارد. علی‌بابا روز دوشنبه اعلام کرد بیش از ۱۰ میلیارد دلار سرمایه تازه برای توسعه تراشه، زیرساخت و مدل‌های AI جذب می‌کند. در عین حال محدودیت دسترسی شرکت‌های چینی به پیشرفته‌ترین تراشه‌های انویدیا باعث شده آنها روی مدل‌ها و زیرساخت‌های کارآمدتر و کم‌هزینه‌تر کار کنند.

این دو اتفاق در ظاهر درباره شرکت‌های بزرگ و زیرساخت هستند، اما برای یک کارآفرین پیام دیگری دارند:

هرچه زیرساخت بیشتر شود، تعداد شرکت‌هایی که می‌خواهند روی آن «کاربرد» بسازند بیشتر خواهد شد.

و کاربرد، جایی است که بسیاری از کسب‌وکارهای متوسط به کمک نیاز دارند.

فرصت دقیقاً چیست؟

اسم ساده‌ای می‌توان روی آن گذاشت:

AI Implementation as a Service

یا به فارسی:

خدمات پیاده‌سازی هوش مصنوعی برای کسب‌وکار.

شما مدل هوش مصنوعی جدیدی نمی‌سازید. دیتاسنتر هم نمی‌سازید. حتی لازم نیست از روز اول تیم بزرگ برنامه‌نویسی داشته باشید.

کار اصلی شما این است که یک فرآیند واقعی در شرکت مشتری را پیدا کنید و با ترکیب ابزارهای موجود، داده‌های خود شرکت و کمی توسعه نرم‌افزاری، آن فرآیند را بهتر کنید.

مثلاً یک شرکت بازرگانی روزانه صدها PDF، پیش‌فاکتور و ایمیل دریافت می‌کند. سیستم AI می‌تواند اطلاعات آنها را استخراج کند، کالا، قیمت، تاریخ تحویل و تأمین‌کننده را وارد یک جدول کند و موارد غیرعادی را برای کارشناس علامت بزند.

یک فروشگاه اینترنتی می‌تواند دستیار پاسخ‌گویی داشته باشد که براساس اطلاعات واقعی محصولات و سفارش‌ها پاسخ دهد.

یک واحد منابع انسانی می‌تواند رزومه‌ها را دسته‌بندی کند و برای مدیر خلاصه بسازد.

یک شرکت صنعتی می‌تواند گزارش‌های تعمیر و نگهداری را تحلیل کند و خطاهای تکراری را مشخص کند.

اینها پروژه‌هایی هستند که لازم نیست میلیون‌ها دلار بودجه داشته باشند، اما اگر درست اجرا شوند، ارزش اقتصادی قابل‌اندازه‌گیری دارند.

مشتری واقعی این کسب‌وکار چه کسی است؟

بهترین مشتری برای شروع احتمالاً شرکت بسیار کوچک نیست و شرکت بسیار بزرگ هم نیست.

شرکت بسیار کوچک ممکن است فرآیند کافی برای توجیه هزینه پروژه نداشته باشد. شرکت بسیار بزرگ نیز معمولاً تیم IT و بودجه اختصاصی خودش را دارد.

بازار جذاب‌تر می‌تواند شرکت‌های متوسط باشد؛ بنگاه‌هایی که تعداد قابل توجهی کارمند، مشتری، سند و تراکنش دارند اما تیم AI اختصاصی ندارند.

چنین شرکتی معمولاً می‌گوید:

«می‌دانیم AI مهم است، ولی نمی‌دانیم از کجا شروع کنیم.»

همین جمله، نشانه بازار است.

چه چیزی بفروشیم؟

اشتباه این است که به مشتری بگویید «چت‌بات می‌فروشیم».

مشتری چت‌بات نمی‌خواهد؛ نتیجه می‌خواهد.

پیشنهاد باید چیزی شبیه این باشد:

«زمان پاسخ پشتیبانی را ۴۰ درصد کم می‌کنیم.»

یا:

«ورود اطلاعات فاکتورها را خودکار می‌کنیم.»

یا:

«گزارش فروش روزانه را بدون کار دستی تولید می‌کنیم.»

در این حالت فناوری پشت صحنه قرار می‌گیرد و نتیجه کسب‌وکاری محصول اصلی می‌شود.

این تفاوت بین یک شرکت خدمات AI و فروشنده ابزار AI است.

بهترین نقطه شروع کجاست؟

به‌جای پروژه‌های بزرگ، دنبال فرآیندی بگردید که چهار ویژگی داشته باشد: تکراری باشد، داده دیجیتال داشته باشد، زمان نیروی انسانی زیادی مصرف کند و نتیجه آن قابل‌اندازه‌گیری باشد.

برای نمونه، پردازش فاکتور، پاسخ‌گویی به پرسش‌های تکراری مشتری، تهیه گزارش، دسته‌بندی اسناد، خلاصه‌سازی قراردادها، استخراج اطلاعات سفارش و آماده‌سازی پیش‌نویس پیشنهاد فروش نقاط شروع مناسبی هستند.

کارهایی که تصمیم حساس حقوقی، پزشکی یا مالی نهایی دارند، برای شروع گزینه‌های ضعیف‌تری هستند و همچنان به کنترل انسانی جدی نیاز دارند.

مدل درآمدی چطور باشد؟

یکی از جذاب‌ترین ویژگی‌های این فرصت، امکان ترکیب درآمد پروژه‌ای و تکرارشونده است.

در مرحله اول می‌توان برای «ارزیابی فرآیند» مبلغ ثابتی دریافت کرد. بعد هزینه راه‌اندازی و اتصال سیستم به داده‌های مشتری دریافت می‌شود. در مرحله سوم، قرارداد ماهانه برای نگهداری، مصرف API، بهبود سیستم، گزارش عملکرد و پشتیبانی شکل می‌گیرد.

در نتیجه کسب‌وکار فقط پروژه نمی‌فروشد؛ می‌تواند به درآمد تکرارشونده برسد.

مدل مناسب حتی می‌تواند شامل بخشی از صرفه‌جویی باشد. مثلاً اگر سیستم بتواند هزینه پردازش یک فرآیند را ماهانه ۲۰۰ میلیون تومان کاهش دهد، قرارداد می‌تواند بخشی ثابت و بخشی مبتنی بر نتیجه داشته باشد.

مهم‌ترین مزیت برای تازه‌وارد چیست؟

برای ورود به این بازار لازم نیست در مسابقه ساخت مدل‌های بزرگ شرکت کنید.

علی‌بابا بیش از ۱۰ میلیارد دلار سرمایه تازه جذب می‌کند تا در زیرساخت AI رقابت کند. شرکت‌های آمریکایی نیز صدها میلیارد دلار سرمایه‌گذاری می‌کنند. یک کارآفرین ایرانی منطقی نیست با آنها در «زیرساخت» مسابقه دهد.

اما همان شرکت‌های بزرگ ابزارهایی می‌سازند که کسب‌وکارهای کوچک‌تر نمی‌دانند چطور از آنها استفاده کنند.

اینجا مزیت به جای سرمایه، می‌تواند دانش صنعت باشد.

کسی که فرآیند شرکت‌های حمل‌ونقل را خوب می‌شناسد، ممکن است بهتر از یک برنامه‌نویس عمومی برای صنعت حمل‌ونقل AI پیاده کند.

فردی که سال‌ها در حسابداری کار کرده می‌تواند محصولی بسیار کاربردی‌تر برای اتوماسیون امور مالی طراحی کند.

هوش مصنوعی بخشی از مزیت است؛ شناخت مسئله مشتری بخش مهم‌تر آن است.

بزرگ‌ترین خطر این فرصت چیست؟

بزرگ‌ترین خطر، فناوری نیست؛ «پروژه نمایشی» است.

مدیر تحت فشار موج AI می‌خواهد اعلام کند شرکتش از هوش مصنوعی استفاده می‌کند. پیمانکار نیز یک دموی جذاب می‌سازد. چند ماه بعد مشخص می‌شود ابزار در فرآیند واقعی شرکت استفاده نمی‌شود.

تجربه علی‌بابا نمونه بزرگی از همین ضرورت توجه به اقتصاد پروژه است. هزینه‌های AI این شرکت به افت ۷۵ درصدی سود فصلی کمک کرده و حالا بازار درباره بازده سرمایه‌گذاری عظیم آن سؤال دارد.

در مقیاس کوچک‌تر هم همان قانون برقرار است:

AI باید پول بسازد، پول ذخیره کند یا یک شاخص مهم کسب‌وکار را بهتر کند.

اگر هیچ‌کدام اتفاق نمی‌افتد، استفاده از AI به‌تنهایی موفقیت نیست.

Forsat Score؛ امتیاز فرصت: 83 از 100

این امتیاز ارزیابی تحریریه «فرصت امروز» است و توصیه سرمایه‌گذاری محسوب نمی‌شود.

تقاضای بالقوه: 23 از 25. تقریباً همه صنایع در حال بررسی کاربرد AI هستند، اما بخش بزرگی از شرکت‌ها تیم تخصصی داخلی ندارند.

سهولت شروع: 16 از 20. برای اجرای پروژه آزمایشی الزاماً به سرمایه سخت‌افزاری سنگین نیاز نیست و می‌توان از سرویس‌ها و مدل‌های موجود استفاده کرد.

سرعت رسیدن به درآمد: 13 از 15. یک پروژه محدود در صورت وجود مشتری مشخص می‌تواند ظرف چند هفته به قرارداد برسد.

فضای رقابتی: 11 از 15. تعداد ارائه‌دهندگان رو به افزایش است، اما تخصص عمودی در صنایع مشخص هنوز می‌تواند مزیت ایجاد کند.

قابلیت کنترل ریسک اجرایی: 11 از 15. پروژه‌های AI ممکن است از نظر دقت، امنیت داده و پذیرش کارکنان شکست بخورند، اما شروع کوچک و Human-in-the-loop ریسک را کاهش می‌دهد.

قابلیت توسعه: 9 از 10. یک راهکار موفق برای یک شرکت می‌تواند به محصول قابل تکرار برای ده‌ها شرکت همان صنعت تبدیل شود.

برای چه کسی این فرصت مناسب‌تر است؟

بهترین نقطه ورود برای کسی است که یکی از دو دارایی را دارد: یا فناوری را می‌شناسد و به یک صنعت دسترسی دارد، یا یک صنعت را عمیقاً می‌شناسد و می‌تواند شریک فنی پیدا کند.

برنامه‌نویسی بدون شناخت مشتری کافی نیست و شناخت بازار بدون توان فنی هم کافی نیست.

ترکیب این دو همان چیزی است که مزیت ایجاد می‌کند.

برنامه عملی هفت‌روزه

در هفته اول هیچ محصول بزرگی نسازید. یک صنعت انتخاب کنید و با پنج مدیر آن صنعت صحبت کنید. فقط یک سؤال بپرسید: «کدام کار تکراری در شرکت شما بیشترین وقت کارکنان را می‌گیرد؟»

از جواب‌ها یک فرآیند مشترک انتخاب کنید و هزینه فعلی آن را تخمین بزنید. سپس یک نمونه کوچک بسازید که فقط بخشی از همان کار را انجام دهد و نتیجه را با وضعیت قبلی مقایسه کنید.

اگر توانستید عددی مثل «۶۰ ساعت کار در ماه به ۲۰ ساعت کاهش یافت» به دست آورید، محصول واقعی دارید.

اگر فقط می‌توانید بگویید «دموی ما خیلی جذاب است»، هنوز محصول ندارید.

اولین اقدام

اگر در فناوری، مشاوره مدیریت، حسابداری، فروش، منابع انسانی، لجستیک یا هر صنعت تخصصی دیگری فعالیت دارید، امروز یک جدول ساده بسازید و ده فرآیند تکراری آن صنعت را بنویسید.

بعد از خودتان بپرسید:

کدام یک از این فرآیندها آن‌قدر پرهزینه است که یک مدیر حاضر باشد برای حل آن پول بدهد؟

پاسخ این سؤال نقطه شروع فرصت است.

قرار نیست شرکت بعدی OpenAI یا علی‌بابا را بسازید.

ممکن است فرصت بزرگ‌تر این باشد که به هزاران کسب‌وکار معمولی کمک کنید هوش مصنوعی را از یک ابزار جذاب به یک نتیجه اقتصادی قابل اندازه‌گیری تبدیل کنند.