هوش مصنوعی (AI) به طور چشمگیری بهره وری را برای انواع سازمان ها بهبود بخشیده است. اما سازمان‌هایی که می‌توانند بیشترین بهره را از کمک‌های دیجیتال ببرند، کسانی هستند که مسئول حل بزرگترین مشکلات بشردوستانه و زیست‌محیطی ما – سازمان‌های غیرانتفاعی هستند.
سازمان های غیرانتفاعی که اغلب با مسائل چالش برانگیز مانند تغییرات آب و هوا، فقر و حمایت اضطراری از افراد آسیب پذیر کار می کنند، باید بتوانند تصمیمات قوی و مبتنی بر شواهد بگیرند و هوش مصنوعی می تواند از این امر پشتیبانی کند.
معرفی هوش مصنوعی مولد به ایده پردازی، توسعه استراتژی و موارد دیگر کمک کرده است. با این حال، سازمان‌هایی با چارچوب‌های داده قوی می‌توانند از تجزیه و تحلیل و اندازه‌گیری پیش‌بینی پیشرفته‌تر، اتوماسیون وظایف اداری و آزاد کردن زمان بیشتری برای مواردی مانند رشد و نوآوری بهره ببرند.
سازمان های غیرانتفاعی باید روی داده های خود سرمایه گذاری کنند تا تغییرات بیشتری ایجاد کنند
Infoxchange بیش از 1500 سازمان، نهاد مدنی و غیرانتفاعی را برای گزارش قابلیت دیجیتال سازمان غیردولتی آسیا-اقیانوسیه بررسی کرد و دریافت که قابلیت و بلوغ داده برای دستیابی به تأثیر مورد نیاز در سراسر منطقه کافی نیست.
در گزارش فناوری دیجیتال استرالیا در گزارش بخش غیرانتفاعی، تنها یک نفر از هر سه موافق است که داده‌های آنها قابل درک و استفاده آسان است و دو نفر از هر سه گزارش دادند که از داده‌های آنها برای هدایت منظم تصمیم‌گیری در سراسر سازمان استفاده نمی‌شود.
سازمان های غیرانتفاعی باید سرمایه گذاری در داده های خود را در اولویت قرار دهند. معرفی هوش مصنوعی می تواند کارایی را تا حد زیادی بهبود بخشد، اما برخی از عناصر کلیدی وجود دارد که سازمان ها باید ابتدا آنها را به عنوان چارچوب تعیین کنند.
موفقیت هوش مصنوعی با یک چارچوب داده قوی آغاز می شود
سازمان‌ها ابتدا باید بدانند که برای چه چیزی از هوش مصنوعی استفاده می‌کنند و اهداف و معیارهای مشخصی داشته باشند.
آیا آنها به دنبال مقدار مشخصی از بودجه هستند؟ آیا به دنبال کاهش زمان مدیریت برای کارکنان هستید؟ زمان انتظار برای ذینفعان کاهش یابد؟ داشتن یک استراتژی داده به بهینه سازی و تسریع تاثیر کمک می کند.
اما ابتدا چارچوب باید آماده باشد. یک چارچوب داده آماده هوش مصنوعی به خوبی اداره می شود، ایمن، عاری از تعصب و دقیق است. مسائلی مانند داده‌های ناقص، نادرستی و ناسازگاری‌ها می‌توانند بر نتیجه سیستم‌های به کمک هوش مصنوعی تأثیر بگذارند.
همچنین داده ها نباید در سیلوها ذخیره شوند، بلکه باید در یک پلت فرم داده یکپارچه در سراسر سازمان در دسترس و قابل دسترسی باشند. مسیری که داده‌ها از طریق یک سازمان جریان می‌یابند باید واضح باشد، با روش‌های قوی ابرداده مانند طبقه‌بندی و برچسب‌گذاری. این امکان تصمیم گیری بهتر در بین تیم ها را فراهم می کند.
متأسفانه، بسیاری از سازمان‌های غیرانتفاعی نمی‌توانند یک تیم داده تخصصی را بخرند – یک متخصص داده در یک سازمان غیرانتفاعی اغلب یک دانشمند داده نیست. بنابراین، سازمان‌های غیرانتفاعی باید کل سازمان را برای ارتقای مهارت در داده‌ها توانمند کنند، زیرا همه بخش‌ها مسئول ورودی و نتایج داده‌ها هستند.
نمونه ای از سازمان غیرانتفاعی بومی TupuToa در Aotearoa، نیوزلند را در نظر بگیرید که فرآیند ارتقای قابلیت داده را طی کرد. این سازمان به کارکنان کمک کرد تا نقشی را که در صحت داده ها ایفا می کنند را درک کنند، در مورد شیوه های داده یاد بگیرند و آنها را تشویق کند تا مباشر داده برای سازمان شوند.
هنگامی که آنها می توانستند تأثیر ورودی داده های خود را ببینند، می توانند به وضوح تأثیری را که روی زندگی واقعی از طریق تجسم داده ها ایجاد می کنند، مشاهده و تجزیه و تحلیل کنند و از این داده ها برای توانمندسازی کسب و کار برای پیش بینی، برنامه ریزی و تصمیم گیری به موقع استفاده کنند. بدون فرهنگ مدیریت داده در سطح سازمان، جذب همه کارکنان برای سفر دشوار خواهد بود.
علاوه بر این، ابتدا باید از داده ها به اندازه کافی محافظت شود. امنیت، یکپارچگی و حریم خصوصی داده ها برای جلوگیری از نشت داده ها، نقض و عدم انطباق بسیار مهم است. در مورد انجمن ناشنوایان سنگاپور، سفر داده‌های آن شامل تمرین‌های روی میز هک داده‌ها بود تا آنها را برای سناریوهایی که می‌تواند داده‌های اهداکننده و ذینفع آنها را در معرض خطر قرار دهد، آماده کند.
حاکمیت داده، استراتژی و حفاظت باید در ابتدا قوی باشد. این شامل داشتن زیرساخت مناسب، خرید فردی مناسب و دید بیشتر در سیلوهای یک سازمان است. تا آن زمان، پذیرش هوش مصنوعی نمی تواند ارزش مورد نیاز برای سازمان های غیرانتفاعی را برای دستیابی به تأثیر مورد نیاز در جوامع خود ارائه دهد.
بلوغ داده های غیرانتفاعی در عمل
در مثال دیگری از جایی که تبدیل داده‌ها می‌تواند سازمان‌های غیرانتفاعی را برای هوش مصنوعی آماده کند، Azure Alliance، سازمانی که از یک قایق روباتی برای تمیز کردن زباله‌های دریایی در بنادر تایوان استفاده می‌کند، می‌خواست رابطه بین الگوهای باد و جزر و مد و جریان زباله به داخل را درک کند. پورت ها قبل از انجام یک ارزیابی داده ها، کارکنان یک فرآیند پر زحمت از جمع آوری و مدیریت داده ها را با استفاده از فایل های سیل شده و جمع آوری داده ها و تجزیه و تحلیل دستی اجرا می کردند.
این تیم یک پلتفرم تجزیه و تحلیل بلادرنگ ایجاد کرد که به‌روزرسانی‌های آب و هوا را به‌روزرسانی می‌کند، از جمله داده‌های باد و جزر و مد از اداره مرکزی هواشناسی، مرتبط با داده‌های جمع‌آوری زباله از داوطلبانشان. این باعث کاهش حجم کاری ورودی داده‌ها و دسترسی به داده‌های دقیق و جاری شد.
سازمان غیرانتفاعی استرالیایی The Deli که به حمایت از زنان و کودکان آسیب دیده از خشونت خانگی و خانوادگی کمک می کند، از سیستم های بایگانی کاغذی با دید کم پرونده های پرونده مشتریان در سراسر سازمان استفاده می کرد. هنگامی که زنان و کودکان نیاز به حمایت فوری داشتند، مجبور بودند هفته‌ها منتظر مشاوره و تریاژ باشند. Deli تمام داده های خود را به یک پلتفرم ابری مشترک منتقل کرد، زمان انتظار را از هفته ها به 24 ساعت کاهش داد و نرخ عدم نمایش 30 درصدی خود را به 10 درصد کاهش داد.
بنیاد Childline، یک بنیاد مستقر در تایلند که به طور 24 ساعته مشاوره و دسترسی به خدمات بهداشتی و انسانی را برای کودکان آسیب‌پذیر ارائه می‌کند، داده‌ها را در پایان ماه از طریق ایمیلی به اشتراک می‌گذارد که به صورت دستی توسط کارکنان جمع‌آوری شده و سپس برای نشان دادن ارقام در وب‌سایت خود جمع‌آوری شده است. .
تغییر داده‌های آن شامل استفاده از داده‌های ردیابی شده درخواست‌های اضطراری از کودکان و ادغام آن در یک داشبورد آنلاین و زنده است، که امکان ارائه خوراک زنده از نیازهای کودکان تایلندی را فراهم می‌کند که به جذب بودجه کمک می‌کند که می‌تواند تأثیر بر کودکانی که آنها حمایت می‌کنند تسریع کند.
سازمان محیط زیست مستقر در استرالیا Take 3 for the Sea از لحاظ تاریخی برای ردیابی داده های خود با چالش هایی مواجه بود که کارکنان از صفحات گسترده و پلت فرم های مختلف استفاده می کردند. این فرآیند یکپارچه سازی را طی کرد و اکنون در حال برنامه ریزی برای انتقال به یک پلت فرم مدیریت ارتباط با مشتری یکپارچه است. اکنون سازمان می‌تواند از داده‌های خود برای تقسیم‌بندی بهتر اهداکنندگان، شرکا، داوطلبان، پیروان یا همه سهامداران خود استفاده کند و پیش‌بینی‌های استراتژیک درآمد را در آینده انجام دهد.
و در نهایت، بنیاد روح جامعه تایلند، سازمانی است که وام های خرد، آموزش دانش و مهارت را برای جوامع نیمه شهری و نیمه روستایی ارائه می دهد. برای اندازه‌گیری دانش بهبودیافته برنامه‌هایشان، نیاز به معرفی اهداف داده‌های استراتژیک و خاص داشت.
پیش و پس اندازه‌گیری بهبود دانش در مقیاس یک تا پنج، اکنون بنیاد را قادر می‌سازد تا شواهدی از تأثیر برنامه‌های خود بر ذینفعان ایجاد کند. از اینجا، می تواند کاوش در استفاده پیشرفته تر از هوش مصنوعی را آغاز کند، زیرا آنها اکنون داده های تاثیر خود را ردیابی می کنند.
سازمان‌های غیرانتفاعی وقتی که اصول اولیه را مرتب می‌کنند، چیزهای زیادی برای باز کردن اطلاعات خود دارند. از گزارش بخش فناوری دیجیتال در بخش غیرانتفاعی (NFP) در سال 2023، در حالی که از هر 25 سازمان تنها یک سازمان گزارش داده‌اند که از داده‌های بزرگ و یادگیری ماشین استفاده می‌کنند، از هر چهار سازمان، یک نفر برنامه‌هایی برای استفاده از آن داشته است. بخش NFP تمرکز قوی بر نوآوری دارد، اما همچنین از مسئولیت های اخلاقی خود در قبال افرادی که به آنها خدمت می کند آگاه است.
این مطالعات موردی زیربنای نمونه هایی از جایی است که سازمان ها می توانند سفر بلوغ داده خود را آغاز کنند. بلوغ یک شبه اتفاق نمی افتد، بلکه تعهد می خواهد. وقتی سازمان‌ها درباره یکی از قدرتمندترین دارایی‌های خود شفافیت داشته باشند، می‌توانند تصمیمات آگاهانه‌تری بگیرند و برای رسیدگی به مشکلات جامعه بهتر نوآوری کنند.