با توجه به گزارش اخیر مک کینزی در مورد وضعیت هوش مصنوعی، 78 ٪ از سازمان های مورد بررسی حداقل در یک عملکرد تجاری از هوش مصنوعی استفاده می کنند ، از 55 ٪ در سال 2023.
با Ankit Agarwal ملاقات کنید – معمار پشت سیستم های هوش مصنوعی که سفارشات مربوط به مشتریان مک دونالد و استارباکس را در سراسر جهان پردازش می کند ، عملیات انبار خودکار را با استفاده از میلیون ها بسته آمازون انجام می دهد و چگونه بیش از 450،000 رستوران را در چالش برانگیزترین زمان در تاریخ مهمان نوازی اداره می کنند. آگاروال به عنوان مهندس موسس صوتی AI در Doordash و مهندس ارشد ارشد نرم افزار در آمازون ، بیش از یک دهه را صرف تبدیل ایده های بلندپروازانه هوش مصنوعی به راه حل های دنیای واقعی کرده است که میلیارد ها دلار در ارزش اقتصادی ایجاد می کند.
چه چیزی طول می کشد ساخت سیستم های AI این مارک های جهانی با عملکرد اصلی خود اعتماد دارند؟ چگونه می توانید از نمونه اولیه تا استقرار شرکت ، به میلیون ها کاربر خدمت کنید؟ و اکثر شرکت ها هنگام اجرای هوش مصنوعی چه اشتباهات مهمی انجام می دهند که مانع از دستیابی به نتایج تحول آمیز می شود؟
در این مصاحبه اختصاصی ، Agarwal استراتژی های خودی را در ایجاد راه حل های هوش مصنوعی که در مقیاس فعالیت می کنند ، به اشتراک می گذارد ، درسهای سخت برنده از تیم های پیشرو 50+ مهندس در پروژه های برش را بازگو می کند و توضیح می دهد که چرا موج بعدی پذیرش AI یا ایجاد یا شکسته خواهد شد. مشاغل کوچک و آنچه رهبران امروز می توانند انجام دهند تا خود را در سمت برنده قرار دهند.
در سالهای اخیر ، هوش مصنوعی و اتوماسیون صنایع را به روشی بی سابقه تغییر داده اند. از دیدگاه شما ، مهمترین فرصت ها و چالش ها برای مشاغل امروز AI چیست؟
با افزایش فرزندخواندگی AI ، مزایای آن هم برای شرکت های سطح شرکت و هم برای مشاغل کوچکتر آشکار می شود. به عنوان مثال ، نوآوری محور AI به شرکتها امکان می دهد طیف گسترده ای از فرصت ها را برای بهینه سازی فرآیندهای پیچیده ، مانند نگه داشتن موجودی انبار تحت کنترل یا پردازش چندین سفارش ، به شرکتها اجازه دهد. با این حال ، برای اینکه ادغام های هوش مصنوعی سودمند باشند ، مشاغل برای اتخاذ فن آوری های جدید به یک رویکرد آگاهانه نیاز دارند. فرآیندهای عملیاتی ابتدا باید مورد مطالعه قرار گیرند ، بنابراین نوآوری ها سطحی باقی نمی مانند و واقعاً در عملیات تجاری ادغام می شوند. در نتیجه ، سرمایه گذاری در آموزش و سازگاری نیروی کار کارمندان باید با اجرای راه حل های جدید فناوری همراه باشد.
حرفه شما شامل چندین پروژه برای ادغام راه حل های نوآورانه در گردش کار تجاری است. این کار در موسسه تحقیقاتی سامسونگ آغاز شد و شما را به آمازون و دورداش برد ، جایی که شما پروژه های تحول AI را هدایت کردید. چگونه این تجربیات رویکرد شما به نوآوری را شکل داده است؟
من هر وظیفه ای را که من روی آن کار می کنم ، صرف نظر از مقیاس آن ، به عنوان فرصتی برای تسلط بر فناوری های جدید و کسب دانش و تجربه جدیدی که بیشتر به پروژه های بعدی خود خواهم پرداخت ، درک می کنم. به عنوان مثال ، تجربه اولیه من در سامسونگ در معرض دید بین المللی به من پیشنهاد داد و به من آموخت که ضمن داشتن استانداردهای صنعت ، در محیط های متقابل کار کنم. این مهارت ها بعداً در آمازون و دورداش ، جایی که من روی پروژه های در مقیاس بزرگ و تأثیرگذار کار کردم ، مفید واقع شد. یکی دیگر از مهارتهای کلیدی که بارها در طول حرفه من مفید بود ، شناسایی نقاط درد و یافتن کارآمدترین روش برای استفاده از فناوری های جدید برای حل آنها بود.
کار شما در Doordash ، شرکت پیشرو تحویل مواد غذایی در ایالات متحده ، نمونه بارز چنین رویکردی است. در آنجا ، شما توسعه سیستم های اتوماسیون صوتی با قدرت Genai و سیستم عامل های سفارش دهنده ای را که اکنون توسط چندین مارک جهانی استفاده می شود ، هدایت کردید. این نوآوری ها در مورد تغییر شکل مجدد تجربه و عملکرد مشتری به ما چه می گویند؟
راه حل های مبتنی بر هوش مصنوعی پتانسیل حل مشکلات رستوران ها و تحویل مواد غذایی امروزه مانند کمبود نیروی کار را به همراه افزایش بار کار دارند. سیستم صوتی با هوش مصنوعی به رستوران ها اجازه می داد سفارشات صوتی و خدمات به مشتری را به صورت خودکار انجام دهند ، بار کار کارکنان را کاهش داده و سرعت خدمات را بهبود بخشند. سیستم سفارش صوتی یکپارچه با پایانه های POS برای سفارش تلفن در سال 2023 اجرا شد و سپس در سال 2025 به رانندگی گسترش یافت ، به یکی از راه حل های پیشگام از این نوع تبدیل شد و بعداً توسط زنجیرهای اصلی مواد غذایی مانند Donatos و Chicken Express پذیرفته شد. این مثال نشان می دهد که راه حل های مبتنی بر هوش مصنوعی ، هنگامی که به درستی انجام شود ، به نفع مشتریان ، مشاغل و کارمندان به طور یکسان است ، زیرا باعث کاهش بار کار و بهبود خدمات به مشتری می شوند.
کار شما برای آمازون ، غول خرده فروشی جهانی که روزانه میلیون ها سفارش را پردازش می کند ، بیشتر نشان می دهد که اتوماسیون محدود به سفارشات پردازش نیست و می تواند در جنبه های مختلف عملیات تجاری ، از مدیریت انبار تا تشخیص کلاهبرداری ادغام شود. پروژه های بزرگ در مورد مقیاس بندی پروژه های هوش مصنوعی برای تأثیرگذاری به ما چه درسهایی می آموزند؟
در مقایسه با مثال قبلی اجرای هوش مصنوعی در خدمات مشتری در Doordash ، پروژه هایی که برای آمازون توسعه داده ام عمدتاً روی فرآیندهای داخلی شرکت متمرکز شده است. این اتوماسیون هم برای نصب سخت افزار و هم سنسورهای جدید مانند دوربین و مقیاس برای ردیابی و توسعه نرم افزار برای پردازش این داده های تازه خریداری شده ، که برای مدیریت انبار در زمان واقعی ، تجزیه و تحلیل پیش بینی کننده و تدارکات کارآمد استفاده می شد ، نیاز داشت. در نتیجه ، این سیستم اجازه کاهش هزینه های نیروی کار را می دهد و خطاهای به حداقل می رساند ، اما همچنین منابع لازم را برای رشد تجارت الکترونیکی که در سال 2022 و بعد از آن دنبال می شود ، فراهم می کند.
شما به عنوان یک مهندس نرم افزار کارکنان در Doordash ، شما یک تیم کارآمد از ده ها مهندس را که برای ایجاد راه حل های نوآورانه با هم کار می کنند ، شکل دادید. به رهبران فناوری مشتاق که می خواهند نوآوری را در سازمان های خود هدایت کنند ، چه توصیه ای می کنید؟
درس اصلی برای جلب این تجربه این است که همکاری برای نوآوری و دستیابی به تعالی فنی بسیار مهم است. برای تیم های بزرگ و کوچک به طور یکسان ، لازم است محیطی ایجاد شود که افراد با پیشینه های مختلف بتوانند دیدگاه های خود را ابراز کنند و ایده ها را به اشتراک بگذارند. علاوه بر این ، علاوه بر تیم فوری خود ، با افراد شرکت خود در تماس باشید: بفهمید که نوآوری شما روی گردش کار آنها چه تاثیری خواهد داشت و اطمینان می دهید که به چالش هایی که ممکن است از آن بوجود بیاید ، برطرف کنید. به خاطر آن از نوآوری خودداری کنید: در مورد نقاط درد کاربر خود تحقیق کنید و روی آنها تمرکز کنید. به عنوان مثال ، درک چالش هایی که رستوران های کوچک با آن روبرو بودند به ما کمک کرد تا سکویی را ایجاد کنیم که به طور فعال توسط آنها استفاده شود.
به عنوان راه حل های محور AI مانند مواردی که در مورد آنها در صنایع مختلف گسترش یافته ایم ، در مورد تأثیر آنها در آینده نزدیک چه فکر می کنید؟ آیا آنها همچنان به عنوان یک شرکت در مقیاس سازمانی مانند آمازون باقی می مانند ، یا آیا این امکان را دارند که برای مشاغل کوچکتر نیز در دسترس تر شوند؟
با پیشرفت فن آوری هوش مصنوعی ، به عنوان مثال برای مشاغل کوچکتر از طریق راه حل های مبتنی بر ابر و کم کد در دسترس تر می شود. در Doordash ، کار ما نشان داد که چگونه ابزارهای AI محور مانند اتوماسیون صوتی می توانند رستوران های کوچکتر را برای رقابت در یک اقتصاد دیجیتال اول توانمند سازند. با نگاه به آینده ، می خواهم اتوماسیون رستوران AI را حتی دورتر پیش ببرد. با ترکیب آن با تدارکات و نوآوری تحویل خودمختار ، من قصد دارم این سیستم عامل ها را در سراسر جهان مقیاس بندی کنم و این سرویس را برای جوامع تحت نظارت ، هدایت سهام اقتصادی و اجتماعی در دسترس قرار دهم