هوش مصنوعی در ایران؛ بحران اعتماد و بلوغ کارفرمایی در کنار شکافهای فنی
فرامرز رستگار، دبیر سندیکای صنعت مخابرات ایران و مشاور توسعه فناوری انجمن صنفی شرکتهای فناور هوش مصنوعی و اقتصاد دیجیتال در گفت و گو با سیتنا به تشریح بازار هوش مصنوعی در ایران پرداخت که جزئیات آن به شرح ذیل است:
گلوگاه جدی در توسعه بازار هوش مصنوعی در ایران، صرفاً «توان فنی شرکتهای مولد» نیست؛ بلکه «بلوغ کارفرمایی و توان تشخیص»، اعتمادسازی و وجود سازوکارهای اعتبارسنجی نیز از الزامات اساسی این حوزه هستند.
مسئله اصلی
در بسیاری از سازمانها و دستگاههای کارفرمایی، هنوز شناخت دقیق و عملیاتی از هوش مصنوعی وجود ندارد. این کمآگاهی موجب میشود کارفرما:
- نیاز واقعی خود را بهدرستی تعریف نکند
- انتظارات غیرواقعبینانه از پروژههای هوش مصنوعی داشته باشد
- نتواند کیفیت فنی پیشنهادها را ارزیابی کند
- ریسک پروژه را بیش از حد واقعی تصور کند
- به شرکتهای داخلی اعتماد کافی نداشته باشد
- تصمیمگیری را به تعویق انداخته یا به سمت راهکارهای خارجی و غیرشفاف سوق دهد
در نتیجه، حتی در صورت وجود توان فنی مناسب در شرکتهای ایرانی، نبود اعتماد و نبود معیارهای ارزیابی استاندارد، مانع شکلگیری یک بازار پایدار خواهد شد.
ضرورت ارتقای بلوغ کارفرمایی در هوش مصنوعی
شرکتهای مولد، انجمنهای تخصصی، نهادهای علمی و حاکمیت باید در جهت ارتقای «توان تشخیص کارفرما» نقشآفرینی کنند. این موضوع صرفاً یک اقدام آموزشی نیست، بلکه بخشی از توسعه زیرساخت بازار محسوب میشود.
کارفرمای هوش مصنوعی باید بتواند تشخیص دهد:
- کدام مسائل واقعاً با هوش مصنوعی قابل حل هستند
- چه دادههایی برای اجرای پروژه لازم است
- دقت، کیفیت و میزان خطای مدل چگونه سنجیده میشود
- تفاوت میان نمونه نمایشی (Demo) و محصول عملیاتی چیست
- چه ریسکهایی در حوزههای حریم خصوصی، امنیت، سوگیری و پایداری وجود دارد
- چه شاخصهایی برای تحویل و پذیرش پروژه باید تعریف شود
- تفاوت میان مدل آماده، مدل بومیسازیشده و مدل اختصاصی چیست
مسئله اعتماد به شرکتهای داخلی
بخشی از بیاعتمادی کارفرمایان به شرکتهای داخلی ناشی از ضعف برخی مجریان است؛ اما بخش مهمتری از آن به نبود سازوکارهای رسمی، شفاف و قابل اتکا برای ارزیابی بازمیگردد.
در نبود معیارهای روشن، کارفرما معمولاً یکی از این مسیرها را انتخاب میکند:
- عدم شروع پروژه
- اعتماد به برندهای خارجی
- واگذاری تصمیمگیری به مشاوران غیرتخصصی
- اتکا به رزومه، روابط یا قیمت
- یا ارزیابی بیش از حد ریسک پروژه
بنابراین برای کاهش این ریسک ادراکی، ایجاد «زیرساخت اعتماد» ضروری است.
نقش مراکز تست، اعتبارسنجی و اعتباربخشی
یکی از مهمترین اقدامات برای توسعه بازار هوش مصنوعی داخلی، ایجاد مراکز مستقل برای موارد زیر است:
- تست فنی سامانههای هوش مصنوعی
- اعتبارسنجی مدلها و خروجیها
- ارزیابی امنیت، پایداری و کیفیت داده
- بررسی رعایت الزامات اخلاقی و حقوقی
- اعتباربخشی به شرکتها و محصولات
- تعریف استانداردهای پذیرش پروژههای هوش مصنوعی
این مراکز میتوانند مشابه آزمایشگاهها و نهادهای گواهیدهنده در سایر صنایع عمل کنند.
پیشنهادهای عملی برای شرکتهای مولد هوش مصنوعی داخلی
شرکتهای فعال در این حوزه نباید منتظر بلوغ بازار بمانند، بلکه خود باید در شکلگیری این بلوغ نقشآفرین باشند:
۱. تولید محتوای آموزشی برای کارفرمایان
از جمله:
- راهنمای خرید خدمات هوش مصنوعی
- چکلیست ارزیابی شرکتهای AI
- راهنمای تعریف پروژه هوش مصنوعی
- نمونه RFP برای پروژههای AI
- توضیح تفاوت PoC، MVP و محصول عملیاتی
- معیارهای سنجش کیفیت مدلها
۲. ایجاد چارچوب شفاف ارزیابی پروژه
شرکتها باید در پیشنهادهای خود بهروشنی مشخص کنند:
- مسئله دقیق چیست
- داده موردنیاز چیست
- شاخص موفقیت چگونه تعریف میشود
- حداقل دقت قابل قبول چقدر است
- ریسکهای پروژه چیست
- چه مواردی خارج از تعهد پروژه است
- سطح پشتیبانی و نگهداری چگونه خواهد بود
این شفافیت، اعتماد کارفرما را بهطور قابل توجهی افزایش میدهد.
۳. همکاری برای ایجاد مراکز تست و اعتبارسنجی
با مشارکت:
- دانشگاهها
- پارکهای علم و فناوری
- انجمنهای تخصصی
- آزمایشگاههای مرجع
- نهادهای استانداردگذار
- معاونتهای فناوری و تحول دیجیتال سازمانها
میتوان مراکز ارزیابی و تست ایجاد کرد.
این مراکز قادر خواهند بود برای محصولات هوش مصنوعی گواهیهایی مانند:
- گواهی کیفیت مدل
- گواهی امنیت داده
- گواهی پایداری عملکرد
- گواهی عدمسوگیری نسبی
- گواهی آمادگی استقرار سازمانی
- گواهی انطباق با الزامات محرمانگی
صادر کنند.
۴. تعریف استانداردهای بومی هوش مصنوعی
بازار ایران نیازمند استانداردهای کاربردی، قابل فهم و اجرایی است. این استانداردها میتوانند شامل موارد زیر باشند:
- استاندارد کیفیت داده
- استاندارد مستندسازی مدل
- استاندارد ارزیابی دقت و خطا
- استاندارد امنیت سامانههای هوش مصنوعی
- استاندارد تحویلگیری و پذیرش پروژه
- استانداردهای تکمیلی پروژه هوش مصنوعی
- استاندارد نگهداری و پایش مدل پس از استقرار
- استاندارد مسئولیتپذیری در تصمیمات خودکار
۵. ایجاد نمونههای موفق و قابل ارجاع
هیچ چیز به اندازه یک نمونه موفق، اعتماد ایجاد نمیکند.
شرکتهای داخلی باید پروژههای موفق خود را، تا حدی که ملاحظات محرمانگی اجازه میدهد، بهصورت مستند منتشر کنند. این مستندسازی میتواند شامل موارد زیر باشد:
- مسئله چه بوده است؟
- راهکار ارائهشده چه بوده است؟
- دادهها چگونه آمادهسازی شدهاند؟
- مدل چگونه ارزیابی شده است؟
- نتایج کمی چه بودهاند؟ (مانند صرفهجویی، افزایش بهرهوری یا کاهش خطا)
جمعبندی
برای رشد بازار هوش مصنوعی داخلی، سه اقدام همزمان ضروری است:
- ارتقای بلوغ و دانش کارفرمایان
- افزایش شفافیت و مسئولیتپذیری شرکتهای ارائهدهنده
- ایجاد مراکز تست، اعتبارسنجی و اعتباربخشی
بدون این سه رکن، بازار هوش مصنوعی با بیاعتمادی، شکست پروژهها و تصمیمگیریهای محافظهکارانه مواجه خواهد شد.
اما با شکلگیری این زیرساختها، شرکتهای ایرانی میتوانند با ریسک کمتر، اعتبار بیشتر و اعتماد بالاتر وارد پروژههای بزرگ و راهبردی شوند.
انتهای پیام