شراره عزت‌نژاد، مدیرعامل و موسس شرکت پروداکت رود، در دومین گردهمایی استارتاپی پاندورا به بررسی تأثیرات هوش مصنوعی در مدیریت محصول پرداخت. او با تأکید بر چالش‌ها و فرصت‌های موجود در این حوزه، بر اهمیت داده‌ها و زیرساخت‌های مناسب برای موفقیت در دنیای پیچیده هوش مصنوعی تأکید کرد.
شراره عزت‌نژاد با اشاره به تجربیات خود در زمینه هوش مصنوعی و مدیریت محصول، توضیح داد: «دنیای فناوری به سرعت در حال تحول است و هوش مصنوعی به یکی از ابزارهای کلیدی در مدیریت محصول تبدیل شده است.» او به‌ویژه به نقش کلیدی داده‌ها در این فرآیند اشاره کرد و گفت: «برای موفقیت در استفاده از هوش مصنوعی، کسب‌وکارها نیاز به داده‌های کیفیت بالا و زیرساخت‌های مناسب دارند.»
چالش‌های داده‌ای و پردازش زبان طبیعی
یکی از بزرگ‌ترین چالش‌ها در توسعه مدل‌های هوش مصنوعی، به‌ویژه در زمینه پردازش زبان طبیعی (NLP)، عدم دسترسی به داده‌های کافی و مناسب در زبان فارسی است. عزت‌نژاد خاطرنشان کرد: «در حالی که در زبان‌های دیگر، داده‌ها به‌راحتی قابل دسترس هستند، در زبان فارسی با مشکلاتی نظیر کمبود منابع و عدم ساختاردهی مناسب مواجه‌ایم. این چالش‌ها به‌ویژه در زمان توسعه الگوریتم‌های NLP بسیار محسوس است.»
او توضیح داد: «در زمان فعالیتش در دیجی کالا، تیم مدیریتی با چالش‌های مشابهی روبه‌رو شد. برای بهینه‌سازی جستجوی کاربران و ارائه نتایج مرتبط، لازم بود که مدل‌های هوش مصنوعی را با داده‌های صحیح تغذیه کنند. این امر نیاز به تجزیه و تحلیل دقیق داده‌ها و الگوریتم‌های هوشمند داشت که بتوانند با زبان و فرهنگ ایرانی سازگار شوند.»
بهینه‌سازی فرآیند جستجو با هوش مصنوعی
عزت‌نژاد بر این نکته تأکید کرد: «بهینه‌سازی فرآیند جستجو در دیجی کالا یکی از موفق‌ترین پروژه‌های تیم بود. با استفاده از الگوریتم‌های هوش مصنوعی، تیم توانست نرخ تبدیل (Conversion Rate) را افزایش دهد. در این راستا، فرآیند فیتینگ و رنکینگ اطلاعات به‌دقت بررسی شد تا اطمینان حاصل شود که بهترین محصولات به کاربران نمایش داده می‌شوند.»
او به‌عنوان مثال، با بررسی داده‌های جستجو و تحلیل رفتار کاربران، تیم موفق به شناسایی الگوهای رفتاری شد که امکان بهینه‌سازی دقیق‌تری را فراهم کرد. این فرایند نه‌تنها به بهبود تجربه کاربری منجر شد، بلکه به رشد چشمگیر فروش نیز کمک کرد.
تحلیل کامنت‌های مشتریان با هوش مصنوعی
عزت‌نژاد به بیان چالش‌های این حوزه پرداخت و گفت: «یکی دیگر از چالش‌های مهم در مدیریت محصول، تحلیل نظرات و کامنت‌های مشتریان بود. با افزایش حجم کامنت‌ها، نیاز به ابزاری برای تحلیل سریع و دقیق این داده‌ها احساس می‌شد.» عزت‌نژاد از تجربه استفاده از مدل‌های هوش مصنوعی برای غربالگری و تحلیل کامنت‌ها سخن گفت، او در این رابطه گفت: «این ابزارها به تیم کمک کردند تا به‌سرعت مشکلات و نقاط قوت محصولات را شناسایی کنند.»
او همچنین تأکید کرد: «توجه به حساسیت‌های فرهنگی و اجتماعی در تحلیل کامنت‌ها بسیار حائز اهمیت است. به‌طور مثال، در برخی مواقع، الگوریتم‌های تحلیل متن نتوانسته بودند محتوای نامناسب یا بی‌احترامی را شناسایی کنند. این مسئله نیازمند به‌روزرسانی مداوم مدل‌ها و توجه به تغییرات اجتماعی و فرهنگی است.»
زیرساخت‌های فنی نیز یکی از چالش‌های بزرگ در پیاده‌سازی پروژه‌های هوش مصنوعی بودند. عزت‌نژاد به پروژه پیش‌بینی خرابی سرورها در دیجی کالا اشاره کرد. او ادامه داد: «تیم از الگوریتم‌های پیشرفته برای پیش‌بینی زمان‌های بحرانی استفاده کرد و توانست از مشکلات بزرگ و هزینه‌های ناشی از آن‌ها جلوگیری کند. این تجربه نشان داد که چگونه می‌توان با استفاده از هوش مصنوعی، به‌عنوان یک ابزار پیشگیرانه، به بهبود عملکرد سیستم‌ها کمک کرد.»
ایجاد فرهنگ سازمانی مبتنی بر داده
عزت‌نژاد بر این نکته تأکید کرد که ایجاد یک فرهنگ سازمانی مبتنی بر داده، برای موفقیت در پیاده‌سازی هوش مصنوعی بسیار مهم است. او افزود: «تیم‌های مدیریتی باید به استفاده از داده‌ها به‌عنوان یک ابزار کلیدی برای تصمیم‌گیری توجه ویژه داشته باشند. این فرهنگ سازمانی به تیم‌ها اجازه می‌دهد تا به‌طور مؤثری از داده‌ها برای بهینه‌سازی فرآیندها و تصمیم‌گیری‌ها استفاده کنند.»
به‌طور کلی، چالش‌های داده‌ای، حساسیت‌های فرهنگی، بهینه‌سازی فرآیندها و زیرساخت‌های فنی، همگی از مواردی هستند که برای موفقیت در این حوزه باید به آن‌ها توجه شود. هوش مصنوعی تنها یک ابزار نیست، بلکه یک راهکار مدیریتی است که می‌تواند به کسب‌وکارها کمک کند تا عملکرد خود را بهبود بخشند و تجربه بهتری برای مشتریان خود فراهم کنند.
