وبلاگ کسب و کار
» چطور در هوش مصنوعی سرمایه گذاری کنیم؟
نویسنده: Deborah Perry Piscione
منتشر شده در: Harvard Business Review
جولای ۲۰۲۵
چرا این موضوع مهم است؟
بسیاری از شرکتها مبالغ زیادی در زمینه هوش مصنوعی هزینه میکنند، اما گاهی شرکتهای کوچکتر با هزینه کمتر نتایج بهتری میگیرند. مسئله اصلی این نیست که بسازیم یا بخریم، بلکه این است که چه استراتژی ترکیبی و هوشمندانهای را انتخاب کنیم.
چهار استراتژی کلیدی برای پیادهسازی هوش مصنوعی
1. Build (ساختن)
زمانی مناسب است که:
- مزیت رقابتی خاصی ایجاد میکند.
- دانش تخصصی یا دادههای خاص سازمان وجود دارد.
- حفظ مالکیت فکری اهمیت دارد.
- سرمایهگذاری اولیه بالا در درازمدت مقرونبهصرفه خواهد بود.
الزامات ساخت:
- نقشهبرداری دقیق از قابلیتها.
- تیمهای بینرشتهای (تخصص فنی + تجربه صنعتی).
- زیرساخت کامل (MLOps، داده، سرور).
- چرخههای توسعه ۱۲ تا ۲۴ ماهه.
- تعریف شاخصهای موفقیت فراتر از معیارهای فنی.
مثال: جیپی مورگان با سرمایهگذاری ۱۷ میلیارد دلاری، پلتفرم هوش مصنوعی خاص خود را برای کشف تقلب طراحی کرده که نرخ خطاها را تا ۲۰٪ کاهش داده است.
2. Buy (خریدن)
مناسب زمانیست که:
- سرعت در راهاندازی حیاتی است.
- فروشنده متخصصتر است.
- توسعه داخلی هزینهبر یا غیرضروری است.
الزامات خرید:
- بررسی کامل فروشنده (توان فنی، امنیت، آیندهپذیری).
- آزمایشهای میدانی (Pilot).
- مذاکرات قراردادی برای جلوگیری از قفل شدن به یک تأمینکننده.
- مدیریت تغییر، آموزش کارمندان و بومیسازی نرمافزار.
مثال: Salesforce با خرید شرکتهایی مانند Einstein Analytics، قابلیتهای هوش مصنوعی را بهجای توسعه داخلی، بهسرعت در پلتفرم خود گنجاند.
3. Blend (ترکیب)
ترکیبی از ساختن و خریدن است و مناسب زمانیست که:
- برخی اجزا نیاز به سفارشیسازی دارند و برخی را میتوان استاندارد خرید.
- سازمان نیاز به کنترل روی الگوریتمهای حیاتی دارد، اما زیرساخت را اجاره میکند.
موارد مهم:
- طراحی سیستم ماژولار.
- یکپارچهسازی API و امنیت دادهها.
- تیمهای مشترک برای نظارت و توسعه تدریجی.
مثال: Capital One سیستم تحلیل اعتباری را خود توسعه داد اما برای اتوماسیون خدمات مشتری از راهکار آماده استفاده کرد.
4. Partner (شراکت استراتژیک)
برای زمانیست که:
- قابلیت مورد نظر حیاتی اما غیرفرقساز است.
- نیاز به تخصص خارجی و خدمات جامع وجود دارد.
ویژگیهای شراکت موفق:
- همراستایی فرهنگی و استراتژیک.
- قراردادهای شفاف با محوریت ارزشآفرینی و نوآوری مشترک.
- داشبوردهای مشترک، تیمهای ارتباطی و بازبینی دورهای.
مثال: Domino’s با همکاری Microsoft Azure، پلتفرم AI خود برای پیشبینی زمان آمادهسازی سفارشات را توسعه داد و دقت پیشبینی را از ۷۵٪ به ۹۵٪ رساند.
جمعبندی راهبردی:
شرکتهای موفق از جدل ساخت یا خرید عبور کردهاند و از چهار مسیر مکمل استفاده میکنند. آنها هر قابلیت را بر اساس سه معیار کلیدی میسنجند:
- مزیت رقابتی و تمایزپذیری
- آمادگی سازمانی
- همراستایی با استراتژی بلندمدت
نکات اجرایی (Actionable Insights):
✅ پیش از هر تصمیم، ارزیابی کنید که این قابلیت هوش مصنوعی آیا برای مشتری ارزش منحصربهفرد خلق میکند یا خیر؟
✅ از ابزارهای از پیش آموزشدیده شروع کنید و آنها را با دادههای خود غنی کنید.
✅ اگر ساخت را انتخاب میکنید، زیرساخت MLOps و منابع انسانی متخصص ضروری است.
✅ برای خرید، به آیندهپذیری راهکارها و توان انطباق فروشنده اهمیت دهید.
✅ در مدل ترکیبی، طراحی معماری انعطافپذیر با API و امنیت داده اولویت دارد.
✅ در شراکت، قراردادها باید فراتر از SLA باشند و شامل همکاری نوآورانه و بهروزرسانی مستمر باشند.
✅ موفقیت فقط در انتخاب درست نیست؛ در اجرای درست و پیوسته نیز هست (مدیریت پروژه، بررسی منظم، تغییرات سازمانی).
✅ چارچوب تصمیمگیری داخلی برای ارزیابی مداوم مزیت، ریسک و هزینهها ایجاد کنید.
منبع: linkedin.com
