بسیاری از سازمان‌ها برای کاهش کارهای تکراری، افزایش سرعت انجام فعالیت‌ها و جلوگیری از خطاهای انسانی، از اتوماسیون فرایندهای سازمانی استفاده می‌کنند. گردش کارهای سنتی می‌توانند وظایفی مانند ثبت درخواست، ارسال برای تأیید، اطلاع‌رسانی و ثبت نتیجه را به‌صورت خودکار انجام دهند؛ اما زمانی که یک فرایند به بررسی اسناد، درک درخواست‌های متنوع یا تصمیم‌گیری بر اساس شرایط متغیر نیاز دارد، اجرای دستورالعمل‌های از پیش تعریف‌شده ممکن است کافی نباشد.
در این شرایط، عامل‌های هوش مصنوعی (AI Agents) می‌توانند قابلیت‌های تازه‌ای به اتوماسیون سازمانی اضافه کنند. این عامل‌ها علاوه بر اجرای وظایف مشخص، در صورت برخورداری از ابزارها، دسترسی‌ها و دستورالعمل‌های مناسب، می‌توانند اطلاعات را تحلیل کنند، برای رسیدن به یک هدف چند مرحله را دنبال کنند و بر اساس نتیجه هر مرحله، اقدام بعدی را انتخاب کنند.
اما آیا عامل‌های هوش مصنوعی جایگزین گردش کار سنتی می‌شوند؟ تفاوت این دو رویکرد چیست و سازمان‌ها چگونه می‌توانند از آن‌ها در کنار سامانه‌هایی مانند شیرپوینت استفاده کنند؟ در این مقاله، به این پرسش‌ها پاسخ می‌دهیم.
اتوماسیون فرایندهای سازمانی چیست؟
اتوماسیون فرایندهای سازمانی به استفاده از نرم‌افزارها و فناوری‌ها برای اجرای خودکار بخشی یا تمام مراحل یک فرایند کاری گفته می‌شود. هدف از این کار، کاهش فعالیت‌های دستی، استانداردسازی عملیات، افزایش سرعت و بهبود قابلیت پیگیری فرایندهاست.
برای مثال، در فرایند درخواست خرید ممکن است کارمند درخواست خود را در یک سامانه ثبت کند. سپس درخواست به مدیر مربوطه ارسال شود، پس از تأیید به واحد تدارکات برسد و در نهایت وضعیت آن در سامانه به‌روزرسانی شود. اگر این مراحل با قواعد مشخص و بدون جابه‌جایی دستی اطلاعات انجام شوند، بخشی از فرایند سازمانی خودکار شده است.
اتوماسیون سازمانی می‌تواند در حوزه‌های مختلفی به کار رود، از جمله:
– مدیریت درخواست‌های خرید و تدارکات
– گردش کار تأیید قراردادها و اسناد
– مدیریت مرخصی و درخواست‌های منابع انسانی
– ثبت و پیگیری وظایف و جلسات
– مدیریت فاکتورها و پرداخت‌ها
– اطلاع‌رسانی درباره سررسیدها و فعالیت‌های معوق
– تهیه گزارش‌های عملیاتی و مدیریتی
نکته مهم این است که اتوماسیون الزاماً به معنی استفاده از هوش مصنوعی نیست. بسیاری از فرایندهای سازمانی با قواعد ساده و گردش کارهای از پیش طراحی‌شده، به‌خوبی خودکار می‌شوند.
گردش کار سنتی چیست و چگونه کار می‌کند؟
گردش کار سنتی (Traditional Workflow) مجموعه‌ای از مراحل، شرایط و قوانین از پیش تعریف‌شده است که مشخص می‌کند هر فعالیت چه زمانی، توسط چه فرد یا سامانه‌ای و با چه ترتیبی انجام شود.
در این مدل، طراح فرایند از قبل مسیرهای اصلی را تعیین می‌کند. برای مثال، اگر مبلغ یک درخواست خرید کمتر از یک حد مشخص باشد، درخواست برای تأیید مدیر واحد ارسال می‌شود؛ اما اگر مبلغ از آن حد بیشتر باشد، تأیید مدیر ارشد نیز لازم خواهد بود.
یک گردش کار سنتی معمولاً از اجزای زیر تشکیل می‌شود:
محرک: رویدادی که فرایند را آغاز می‌کند؛ مانند ثبت یک درخواست.
قواعد: شرایطی که مسیر اجرای فرایند را تعیین می‌کنند.
اقدامات: کارهایی مانند ارسال اعلان، تغییر وضعیت یا ثبت اطلاعات.
مسئولیت‌ها: مشخص‌کردن فرد یا واحد مسئول هر مرحله.
شرایط پایان: تعیین زمانی که فرایند کامل‌شده محسوب می‌شود.
مزیت اصلی این مدل، قابل‌پیش‌بینی‌بودن و کنترل‌پذیری آن است. اگر فرایند ساختار مشخصی داشته باشد و قوانین آن به‌ندرت تغییر کنند، گردش کار سنتی می‌تواند راهکاری ساده، قابل‌اعتماد و مقرون‌به‌صرفه باشد.
محدودیت این روش زمانی آشکار می‌شود که اطلاعات ورودی متنوع باشند، اسناد به تفسیر نیاز داشته باشند یا مسیر مناسب از ابتدا به‌طور کامل مشخص نباشد. در چنین شرایطی، ممکن است لازم باشد قواعد بیشتری طراحی شوند یا یک کارمند به‌صورت دستی درباره ادامه فرایند تصمیم بگیرد.
عامل هوش مصنوعی چیست؟
عامل هوش مصنوعی یا AI Agent سامانه‌ای نرم‌افزاری است که برای دستیابی به یک هدف مشخص طراحی می‌شود و می‌تواند با استفاده از مدل هوش مصنوعی، اطلاعات موجود را بررسی کند، درباره گام بعدی تصمیم بگیرد و از ابزارهای مجاز برای اجرای وظایف استفاده کند.
تفاوت مهم عامل هوش مصنوعی با یک چت‌بات ساده این است که عامل می‌تواند فراتر از پاسخ‌دادن به پرسش‌ها عمل کند. برای مثال، ممکن است درخواست یک کارمند را بررسی کند، اطلاعات موردنیاز را از منابع مجاز پیدا کند، یک سند مرتبط را تحلیل کند و در صورت داشتن مجوز، یک رکورد یا پیش‌نویس درخواست ایجاد کند.
یک عامل هوش مصنوعی سازمانی ممکن است این قابلیت‌ها را داشته باشد:
درک اطلاعات متنوع: بررسی درخواست‌هایی که با عبارت‌بندی‌های متفاوت نوشته شده‌اند.
تحلیل محتوا: استخراج اطلاعات از اسناد، ایمیل‌ها و فرم‌ها.
انتخاب گام بعدی: تصمیم‌گیری در محدوده هدف، قواعد و ابزارهای مجاز.
استفاده از ابزارها: تعامل با سامانه‌های سازمانی از طریق اتصال‌های تعریف‌شده.
پیگیری چندمرحله‌ای: انجام چند اقدام مرتبط و بررسی نتیجه آن‌ها.
ارجاع موارد خاص به انسان: درخواست بررسی انسانی در شرایط مبهم یا حساس.
البته همه عامل‌های هوش مصنوعی به تمام این قابلیت‌ها مجهز نیستند. عملکرد آن‌ها به مدل مورد استفاده، کیفیت اطلاعات، ابزارهای متصل، سطح دسترسی و محدودیت‌های اجرایی بستگی دارد. همچنین، تصمیم‌گیری عامل به معنی درست‌بودن همیشگی تصمیم‌های آن نیست.
تفاوت اتوماسیون با عامل‌های هوش مصنوعی و گردش کار سنتی چیست؟
تفاوت اصلی در نحوه اجرای فرایند و برخورد با شرایط مختلف است. گردش کار سنتی عمدتاً بر قواعد و مسیرهای از پیش تعریف‌شده تکیه دارد؛ در حالی که عامل هوش مصنوعی می‌تواند در محدوده اختیارات خود، اطلاعات را تحلیل کند و با توجه به شرایط، گام بعدی را انتخاب کند.
این مقایسه به معنی برتری مطلق یکی از روش‌ها نیست. برای وظایف تکراری با قواعد روشن، گردش کار سنتی ممکن است انتخاب مناسب‌تری باشد. برای کارهایی که به تحلیل محتوای متنوع یا انتخاب بین چند اقدام نیاز دارند، عامل هوش مصنوعی می‌تواند ارزش بیشتری ایجاد کند.
مثال کاربردی: فرایند درخواست خرید در سازمان
فرض کنید یکی از کارکنان سازمان درخواست خرید تجهیزات ثبت می‌کند. اطلاعات درخواست شامل نام کالا، تعداد، دلیل خرید، واحد درخواست‌کننده و اسناد پیوست است.
اجرای فرایند با گردش کار سنتی
در یک گردش کار سنتی، فرایند می‌تواند به این صورت طراحی شود:
۱. کارمند فرم درخواست خرید را تکمیل می‌کند.
۲. سامانه بررسی می‌کند که فیلدهای ضروری تکمیل شده باشند.
۳. درخواست بر اساس مبلغ یا واحد سازمانی به مدیر مربوطه ارسال می‌شود.
۴. پس از تأیید مدیر، درخواست به واحد تدارکات ارجاع داده می‌شود.
۵. با تغییر وضعیت درخواست، اعلان‌های لازم ارسال می‌شوند.
این فرایند برای درخواست‌هایی که ساختار یکسان دارند، کارآمد است. با این حال، اگر شرح درخواست مبهم باشد، مشخصات کالا در یک فایل پیوست قرار گرفته باشد یا اطلاعات چند سند با یکدیگر تطبیق داده شوند، ممکن است به مراحل تکمیلی یا بررسی دستی نیاز باشد.
اجرای فرایند با عامل هوش مصنوعی
در مدل مبتنی بر عامل هوش مصنوعی، علاوه بر مراحل فوق، می‌توان وظایف تحلیلی بیشتری تعریف کرد:
۱. عامل شرح درخواست و فایل‌های پیوست را بررسی می‌کند.
۲. اطلاعاتی مانند نام کالا، تعداد، مشخصات و دلیل خرید را استخراج می‌کند.
۳. اطلاعات استخراج‌شده را با داده‌های موجود در منابع مجاز مقایسه می‌کند.
۴. موارد ناقص، مبهم یا متناقض را مشخص می‌کند و در صورت نیاز، تکمیل اطلاعات را درخواست می‌کند.
۵. بر اساس سیاست‌های مصوب سازمان، مسیر پیشنهادی رسیدگی را تعیین می‌کند.
۶. پس از تأییدهای لازم و در محدوده دسترسی مجاز، اطلاعات را در سامانه ثبت یا برای واحد مربوطه ارسال می‌کند.
در این مثال، عامل هوش مصنوعی می‌تواند کارهای تحلیلی را انجام دهد و گردش کار، اجرای مراحل قطعی و کنترل‌شده را بر عهده بگیرد. برای نمونه، تصمیم نهایی درباره خریدهای حساس یا مبالغ بالا همچنان می‌تواند به مدیر مربوطه واگذار شود.
آیا عامل‌های هوش مصنوعی جایگزین گردش کار سنتی می‌شوند؟
در بسیاری از سازمان‌ها، پاسخ مناسب این است که این دو فناوری می‌توانند مکمل یکدیگر باشند.
گردش کار سنتی برای اجرای مراحل مشخص، اعمال قوانین قطعی، ثبت سوابق و اطمینان از انجام تأییدهای ضروری مناسب است. عامل هوش مصنوعی نیز می‌تواند وظایفی مانند تحلیل اسناد، دسته‌بندی درخواست‌ها، استخراج اطلاعات و پیشنهاد اقدام بعدی را انجام دهد.
برای مثال، عامل هوش مصنوعی می‌تواند محتوای یک قرارداد را بررسی کند و تاریخ انقضا یا بندهای نیازمند توجه را استخراج کند. سپس یک گردش کار مشخص، اطلاعات استخراج‌شده را برای بررسی مسئول حقوقی ارسال کند و در زمان مناسب اعلان یادآوری را فعال سازد.
در چنین ساختاری، هوش مصنوعی وظایفی را انجام می‌دهد که به تحلیل محتوا نیاز دارند و گردش کار، مراحل رسمی و قابل‌پیگیری را مدیریت می‌کند.
این رویکرد ترکیبی به سازمان اجازه می‌دهد بدون کنارگذاشتن فرایندهای موجود، قابلیت‌های هوشمند را به بخش‌هایی اضافه کند که بیشترین نیاز را به تحلیل و پردازش اطلاعات دارند.
نقش شیرپوینت در اتوماسیون هوشمند فرایندهای سازمانی
مایکروسافت شیرپوینت می‌تواند یکی از اجزای اصلی زیرساخت اتوماسیون سازمانی باشد؛ به‌ویژه در سازمان‌هایی که از آن برای مدیریت اسناد، پرتال داخلی، همکاری تیمی و ثبت اطلاعات استفاده می‌کنند.
در یک راهکار مبتنی بر شیرپوینت، می‌توان اطلاعات و اسناد را در کتابخانه‌ها و فهرست‌های سازمانی نگهداری کرد، دسترسی کاربران را بر اساس نقش آن‌ها تنظیم کرد و با استفاده از قابلیت‌های گردش کار و ابزارهای یکپارچه‌سازی، مراحل مختلف فرایند را به هم متصل کرد.
با اضافه‌شدن قابلیت‌های هوش مصنوعی و عامل‌ها، این زیرساخت می‌تواند برای انجام وظایف تحلیلی نیز مورد استفاده قرار گیرد؛ البته این موضوع به محصولات، مجوزها، اتصال‌ها و تنظیمات فنی انتخاب‌شده بستگی دارد.
۱. هوشمندسازی مدیریت اسناد
فرض کنید سازمان تعداد زیادی قرارداد، دستورالعمل، صورت‌جلسه و سند اداری در شیرپوینت نگهداری می‌کند. عامل هوش مصنوعی می‌تواند در صورت دسترسی مجاز، محتوای اسناد را بررسی کند و اطلاعاتی مانند موضوع، تاریخ، نام طرف قرارداد یا نوع سند را استخراج کند.
این اطلاعات می‌توانند برای دسته‌بندی بهتر اسناد، تکمیل فراداده‌ها و یافتن موارد نیازمند بررسی استفاده شوند. با این حال، اطلاعات استخراج‌شده باید در موارد حساس اعتبارسنجی شوند و دسترسی عامل به اسناد نیز تابع مجوزهای تعریف‌شده باشد.
۲. بهبود گردش کار تأیید قراردادها
در یک فرایند مدیریت قرارداد مبتنی بر شیرپوینت، گردش کار می‌تواند مراحل ارسال قرارداد به واحد حقوقی، بررسی مالی، تأیید مدیر و ثبت نسخه نهایی را مدیریت کند.
عامل هوش مصنوعی می‌تواند در کنار این گردش کار، بندهای مهم قرارداد را استخراج کند، تاریخ‌های کلیدی را شناسایی کند یا بخش‌هایی را که نیازمند بررسی بیشتر هستند مشخص سازد.
به این ترتیب، عامل نقش دستیار تحلیلی را دارد و گردش کار، مسئولیت اجرای مراحل رسمی و ثبت وضعیت تأییدها را بر عهده می‌گیرد. تصمیم حقوقی نهایی نیز باید در اختیار فرد مسئول باقی بماند.
۳. پاسخ‌گویی هوشمند در پرتال سازمانی
در پرتال داخلی مبتنی بر شیرپوینت، کارکنان ممکن است برای پیدا کردن دستورالعمل‌ها، فرم‌ها، آیین‌نامه‌ها یا وضعیت درخواست‌های خود به اطلاعات مختلفی نیاز داشته باشند.
با فراهم‌بودن ابزار مناسب و رعایت مجوزهای دسترسی، یک عامل هوش مصنوعی می‌تواند اطلاعات مرتبط را از منابع مجاز بازیابی کند و پاسخ اولیه‌ای در اختیار کارمند قرار دهد. در صورت نیاز، می‌توان فرایند ثبت درخواست یا ارجاع پرسش به واحد مسئول را نیز به این راهکار متصل کرد.
در این حالت، شیرپوینت می‌تواند بستر نگهداری محتوا و همکاری سازمانی باشد و عامل هوش مصنوعی، دسترسی به اطلاعات و انجام برخی وظایف را تسهیل کند.
۴. پیگیری درخواست‌ها و وظایف سازمانی
در فرایندهای مبتنی بر فهرست‌ها و گردش کارهای شیرپوینت، می‌توان وضعیت درخواست‌ها، مسئول هر فعالیت و مهلت انجام آن را ثبت کرد.
عامل هوش مصنوعی می‌تواند اطلاعات این موارد را تحلیل کند، درخواست‌های دارای اطلاعات ناقص را شناسایی کند یا مواردی را که به پیگیری نیاز دارند پیشنهاد دهد. سپس ابزارهای اتوماسیون می‌توانند اعلان یا ارجاع لازم را مطابق قواعد سازمان انجام دهند.
نکته مهم این است که قابلیت‌های عامل هوش مصنوعی به‌صورت خودکار با نصب شیرپوینت در اختیار سازمان قرار نمی‌گیرند. برای پیاده‌سازی این سناریوها ممکن است به ابزارهایی مانند Power Automate، سرویس‌های هوش مصنوعی، اتصال‌های اختصاصی یا توسعه نرم‌افزاری نیاز باشد.
مزایای استفاده از عامل‌های هوش مصنوعی در اتوماسیون سازمانی
استفاده از عامل‌های هوش مصنوعی در بخش مناسب یک فرایند می‌تواند مزایای متعددی داشته باشد:
کاهش فعالیت‌های دستی: استخراج اطلاعات از اسناد، دسته‌بندی درخواست‌ها و آماده‌سازی پیش‌نویس‌ها می‌تواند بخشی از زمان کارکنان را آزاد کند.
پردازش اطلاعات متنوع: عامل‌ها می‌توانند برای کار با متن‌های غیرساختاریافته و ورودی‌هایی که دقیقاً یک قالب ندارند، به کار گرفته شوند.
بهبود دسترسی به اطلاعات: در صورت اتصال به منابع مجاز، کارکنان می‌توانند سریع‌تر اطلاعات مرتبط با درخواست یا وظیفه خود را پیدا کنند.
پشتیبانی از تصمیم‌گیری: تحلیل اطلاعات و ارائه پیشنهاد می‌تواند به مسئولان کمک کند تا موارد مهم را سریع‌تر شناسایی کنند؛ بدون آنکه لزوماً اختیار تصمیم نهایی به عامل واگذار شود.
کاهش تأخیر در رسیدگی: شناسایی درخواست‌های ناقص، موارد معوق و اسناد نیازمند بررسی می‌تواند پیگیری فرایندها را بهبود دهد.
با این حال، میزان این مزایا به کیفیت پیاده‌سازی، تناسب فناوری با مسئله و نحوه ارزیابی عملکرد بستگی دارد. استفاده از هوش مصنوعی به‌تنهایی تضمین نمی‌کند که فرایند سریع‌تر، ارزان‌تر یا دقیق‌تر شود.
چالش‌ها و ریسک‌های اتوماسیون مبتنی بر هوش مصنوعی
عامل‌های هوش مصنوعی در کنار قابلیت‌های خود، محدودیت‌هایی نیز دارند. سازمان‌ها باید پیش از استفاده عملیاتی، این محدودیت‌ها را در طراحی فرایند در نظر بگیرند.
احتمال تولید اطلاعات نادرست
مدل‌های هوش مصنوعی ممکن است اطلاعات نادرست تولید کنند یا محتوای یک سند را اشتباه تفسیر کنند. بنابراین، خروجی‌هایی مانند اطلاعات مالی، مفاد قرارداد یا تصمیم‌های حساس باید متناسب با میزان ریسک اعتبارسنجی شوند.
امنیت و سطح دسترسی
عامل نباید صرفاً به دلیل اتصال به یک سامانه، به تمام اطلاعات سازمان دسترسی داشته باشد. دسترسی‌ها باید بر اساس اصل حداقل دسترسی تعریف شوند و هر اقدام مهم قابل‌ثبت و بررسی باشد.
هزینه و پیچیدگی پیاده‌سازی
انتخاب مدل، هزینه پردازش، اتصال به سامانه‌های موجود، نگهداری و ارزیابی کیفیت خروجی‌ها می‌توانند هزینه‌های جدیدی ایجاد کنند. بهتر است پیش از توسعه گسترده، یک نمونه محدود و قابل‌اندازه‌گیری اجرا شود.
پاسخ‌گویی و کنترل اقدامات
سازمان باید مشخص کند عامل در چه شرایطی اجازه اجرای خودکار دارد، چه اقداماتی نیازمند تأیید انسانی هستند و در صورت بروز خطا چگونه می‌توان اقدام را متوقف یا اصلاح کرد.
حفظ محرمانگی اطلاعات
ارسال اسناد و اطلاعات حساس به سرویس‌های هوش مصنوعی باید مطابق سیاست‌های امنیتی، الزامات قانونی و شرایط سرویس انتخاب‌شده انجام شود. پیش از اتصال عامل به سامانه‌های داخلی، نحوه نگهداری داده‌ها و حدود استفاده از آن‌ها باید بررسی شود.
چگونه انتخاب کنیم: گردش کار سنتی یا عامل هوش مصنوعی؟
برای انتخاب روش مناسب، ابتدا باید ماهیت وظیفه را مشخص کنید؛ نه اینکه صرفاً به دنبال استفاده از فناوری جدید باشید.
گردش کار سنتی مناسب‌تر است اگر:
– مراحل فرایند ثابت و مشخص باشند.
– تصمیم‌ها بر اساس قوانین قطعی گرفته شوند.
– ثبت دقیق سوابق و کنترل تأییدها اهمیت زیادی داشته باشد.
– ورودی‌ها ساختار مشخصی داشته باشند.
– اجرای قابل‌پیش‌بینی و کم‌هزینه اولویت اصلی باشد.
عامل هوش مصنوعی می‌تواند مفید باشد اگر:
– اطلاعات ورودی متنوع یا غیرساختاریافته باشند.
– بررسی اسناد و استخراج اطلاعات به زمان زیادی نیاز داشته باشد.
– برای انتخاب گام بعدی، تحلیل چند منبع اطلاعاتی لازم باشد.
– تعداد زیادی درخواست مشابه با توضیحات متفاوت دریافت شود.
– بتوان کیفیت خروجی را سنجید و اقدامات حساس را تحت کنترل نگه داشت.
در بسیاری از موارد، بهترین نقطه شروع، ترکیب این دو روش است: قواعد قطعی را به گردش کار بسپارید و وظایف تحلیلی را به عامل هوش مصنوعی واگذار کنید.
مراحل پیاده‌سازی اتوماسیون هوشمند در سازمان
برای کاهش ریسک و جلوگیری از هزینه‌های غیرضروری، می‌توان پیاده‌سازی را در چند مرحله انجام داد.
۱. شناسایی فرایند مناسب: فرایندی را انتخاب کنید که حجم کار دستی یا نیاز به تحلیل اطلاعات در آن قابل‌توجه باشد.
۲. مستندسازی وضع موجود: مراحل، مسئولیت‌ها، قواعد، استثناها و مشکلات فرایند فعلی را ثبت کنید.
۳. تفکیک وظایف قطعی از وظایف تحلیلی: مشخص کنید کدام مراحل باید دقیقاً طبق قواعد اجرا شوند و کدام مراحل از تحلیل هوش مصنوعی سود می‌برند.
۴. انتخاب ابزار و طراحی اتصال‌ها: سامانه‌های موجود، منابع اطلاعاتی، ابزار گردش کار و مدل هوش مصنوعی موردنیاز را مشخص کنید.
۵. تعریف سطح دسترسی و تأیید انسانی: تعیین کنید عامل به چه اطلاعاتی دسترسی دارد و کدام اقدامات بدون تأیید کاربر قابل اجرا نیستند.
۶. اجرای آزمایشی: راهکار را ابتدا روی تعداد محدودی از درخواست‌ها یا اسناد اجرا کنید و خروجی‌ها را با نتیجه بررسی انسانی مقایسه کنید.
۷. اندازه‌گیری و بهبود: زمان انجام فرایند، نرخ خطا، میزان مداخله انسانی و هزینه اجرا را پیش و پس از پیاده‌سازی مقایسه کنید.
۸. گسترش تدریجی: پس از رسیدن به سطح قابل‌قبولی از دقت، امنیت و عملکرد، دامنه استفاده را افزایش دهید.
جمع بندی
اتوماسیون فرایندهای سازمانی با عامل‌های هوش مصنوعی، امکان اضافه‌کردن تحلیل محتوا و انتخاب گام بعدی را به برخی فرایندهای خودکار فراهم می‌کند. در مقابل، گردش کار سنتی همچنان برای اجرای مراحل مشخص، اعمال قواعد قطعی و ثبت تأییدها کاربرد مهمی دارد.
برای بسیاری از سازمان‌ها، ترکیب این دو رویکرد منطقی‌تر از جایگزین‌کردن کامل یکی با دیگری است. برای مثال، در یک راهکار مبتنی بر شیرپوینت می‌توان مدیریت اسناد، اطلاعات و مراحل تأیید را با قابلیت‌های گردش کار انجام داد و از عامل هوش مصنوعی برای استخراج اطلاعات، دسته‌بندی درخواست‌ها یا آماده‌سازی پیشنهادها کمک گرفت.
اگر هدف، هوشمندسازی فرایندهای سازمانی است، نقطه شروع مناسب شناسایی یک مسئله واقعی، سنجش هزینه و خطاهای فعلی و انتخاب بخشی از فرایند است که هوش مصنوعی بتواند ارزش قابل‌اندازه‌گیری ایجاد کند.
سوالات متداول
تفاوت عامل هوش مصنوعی با گردش کار سنتی چیست؟
گردش کار سنتی بر اساس مراحل و قوانین از پیش تعریف‌شده اجرا می‌شود؛ اما عامل هوش مصنوعی می‌تواند با تحلیل اطلاعات و استفاده از ابزارهای مجاز، در محدوده تعیین‌شده گام بعدی را انتخاب کند. این دو روش می‌توانند در یک فرایند واحد با یکدیگر ترکیب شوند.
آیا عامل‌های هوش مصنوعی می‌توانند تمام فرایندهای سازمانی را خودکار کنند؟
خیر. همه فرایندها برای اجرای خودکار با هوش مصنوعی مناسب نیستند. تصمیم‌های حساس، فعالیت‌های دارای الزامات قانونی و وظایفی که به قضاوت تخصصی نیاز دارند، ممکن است به تأیید انسانی نیاز داشته باشند. میزان خودکارسازی باید بر اساس ریسک و عملکرد واقعی تعیین شود.
آیا برای استفاده از هوش مصنوعی در اتوماسیون سازمانی به شیرپوینت نیاز داریم؟
خیر. این راهکارها می‌توانند با سامانه‌های مختلف اجرا شوند. با این حال، شیرپوینت برای سازمان‌هایی که اسناد، اطلاعات، پرتال داخلی و فرایندهای همکاری خود را در آن مدیریت می‌کنند، می‌تواند بستر مناسبی برای اتصال گردش کارها و قابلیت‌های هوش مصنوعی باشد.
آیا می‌توان عامل هوش مصنوعی را به گردش کار شیرپوینت متصل کرد؟
بله، در صورت انتخاب ابزارها و اتصال‌های مناسب می‌توان عامل هوش مصنوعی را با گردش کارهای مبتنی بر شیرپوینت یکپارچه کرد. برای نمونه، عامل می‌تواند اطلاعات یک سند را استخراج کند و گردش کار، مراحل بررسی و تأیید آن را اجرا کند. جزئیات پیاده‌سازی به معماری، مجوزها و ابزارهای انتخاب‌شده بستگی دارد.
آیا اتوماسیون مبتنی بر عامل هوش مصنوعی هزینه کمتری دارد؟
نه لزوماً. این روش ممکن است هزینه برخی فعالیت‌های دستی را کاهش دهد، اما هزینه مدل هوش مصنوعی، اتصال سامانه‌ها، نظارت و نگهداری نیز باید در نظر گرفته شود. مقایسه هزینه‌ها باید بر اساس یک فرایند مشخص و شاخص‌های قابل‌اندازه‌گیری انجام شود.
برای شروع هوشمندسازی فرایندهای سازمانی چه کاری انجام دهیم؟
بهتر است ابتدا یک فرایند پرتکرار مانند بررسی اسناد، دسته‌بندی درخواست‌ها یا پیگیری قراردادها را انتخاب کنید. سپس وضع موجود را اندازه‌گیری کنید، وظایف مناسب برای هوش مصنوعی را مشخص کنید و یک نمونه آزمایشی با دسترسی محدود و امکان بررسی انسانی اجرا کنید.
بدون دیدگاه