عضویت در کانال مدیریت فرایند
درک اتوماسیون مبتنی بر هوش مصنوعی (AI) و آینده آن
آموزش هوش مصنوعی

در دنیای امروز سیستم‌های مبتنی بر هوش مصنوعی و نوآوری‌های جدیدی مانند هوش مصنوعی مولد (Generative AI) و عامل‌های خودگردان (Agentic AI)، سازمان‌ها راه‌های تازه‌ای برای بهینه‌سازی فرآیندها و پیاده‌سازی بهبودهای اساسی پیدا کرده‌اند که تأثیرات آن تا سال‌ها ادامه خواهد داشت.

با این حال، بسیاری از شرکت‌ها نگران تأثیر این فناوری‌ها بر کارمندان، مشتریان و تطابق با قوانین و مقررات هستند.

 

در این مقاله در مورد موارد زیر می خوانید:

  • چگونه می‌توان از فناوری‌های هوش مصنوعی به شکل ایمن و مؤثر در اتوماسیون استفاده کرد؟
  • چگونه می‌توان با کمک مدل‌های زبانی بزرگ (LLM) و دیگر ابزارهای AI مولد، کسب‌وکار را متحول کرد؟
  • چالش‌های موجود در مسیر اتوماسیون هوش مصنوعی و راهکارهای آن‌ها
  • نتایج نظرسنجی جهانی از مدیران کسب‌وکار درباره آمادگی و استفاده از Agentic AI

 

طبق نظرسنجی جهانی در سال 2025، 84٪ از مدیران کسب‌وکار معتقدند که AI پتانسیل متحول کردن روش‌های سنتی و ایجاد راه‌های نوآورانه در کار را دارد.


اتوماسیون مبتنی بر هوش مصنوعی چیست؟

اتوماسیون ابتدا با ربات‌هایی آغاز شد که وظایف تکراری و مبتنی بر قواعد را انجام می‌دادند (RPA). با پیشرفت هوش مصنوعی، اتوماسیون نیز توسعه یافت و به مدیریت فرآیندها از ابتدا تا انتها، اتصال سیستم‌ها و هماهنگی میان آن‌ها رسید. ترکیب RPA، AI و مدیریت فرآیند کسب‌وکار (BPM) را “اتوماسیون هوشمند” (Intelligent Automation یا IA) می‌نامند.

مرحله بعدی اتوماسیون هوشمند، ورود به قلمرو «Enterprise AI» است که مفاهیمی مانند «Agentic AI» را نیز در بر می‌گیرد؛ یعنی عامل‌هایی که به‌طور مستقل تصمیم‌گیری کرده و اجرا می‌کنند. «اتوماسیون AI» یا اتوماسیون مبتنی بر هوش مصنوعی اصطلاحی کلی است که شامل همین مفهوم می‌شود: خودکارسازی با کمک هوش مصنوعی.

 

آیا هوش مصنوعی همان اتوماسیون است؟

خیر. AI به تنهایی می‌تواند کارهایی مثل نوشتن پیشنهاد تجاری را انجام دهد، ولی وقتی با اتوماسیون ترکیب می‌شود، قابلیت‌های بسیار گسترده‌تری پیدا می‌کند که به آن «اتوماسیون شناختی» (Cognitive Automation) می‌گویند.

مثلاً در حالت معمول، ربات‌ها فقط دستورهایی را اجرا می‌کنند که از قبل برایشان تعریف شده‌اند. اما اگر AI به آن‌ها اضافه شود، می‌توانند مسیر دستیابی به هدف را خودشان انتخاب کرده و عملکردشان را به مرور زمان بهبود دهند.


به‌طور خلاصه:

AI با یادگیری ماشین (ML)، شبکه‌های عصبی و الگوریتم‌های پیچیده، داده‌های ساختارمند و بدون ساختار را تحلیل می‌کند.

BPM افراد و سیستم‌ها را به هم متصل می‌کند.

RPA کارهای ساده مانند پر کردن فرم و استخراج داده را انجام می‌دهد.

فناوری‌های AI شامل ML، پردازش زبان طبیعی (NLP)، بینایی ماشین و یادگیری عمیق است.

 

طبق گزارش SS&C در سال 2025: 29٪ از سازمان‌ها Agentic AI را پیاده‌سازی کرده‌اند و 38٪ نیز برنامه دارند طی یک سال آینده این کار را انجام دهند.


 

اتوماسیون مبتنی بر هوش مصنوعی

 


مثالی از همکاری AI و اتوماسیون

ترکیب AI و اتوماسیون که به آن “اتوماسیون هوشمند” یا “Enterprise AI” نیز می‌گویند، باعث می‌شود کارکنان دیجیتال (Digital Workers) به کمک انسان‌ها آمده و فرآیندهای تجاری را سریع‌تر و بهتر انجام دهند.

مثلاً در مراکز تماس، چت‌بات‌های AI می‌توانند به سرعت به سوالات مشتری پاسخ دهند. اگر نتوانستند، گفت‌وگو را به اپراتور انسانی منتقل می‌کنند. این باعث کاهش زمان انتظار و تمرکز انسان‌ها بر پرونده‌های پیچیده‌تر می‌شود.

 

فناوری‌های اتوماسیون هوش مصنوعی (که به آن‌ها اتوماسیون هوشمند یا Enterprise AI نیز گفته می‌شود) به سازمان‌ها این امکان را می‌دهند که نیروی کار انسانی خود را با این کارگران دیجیتال IA تقویت کنند تا فرآیندهای تجاری را ساده‌سازی کنند. این کارگران دیجیتال گاهی به عنوان «کارگران هوش مصنوعی» یا تحت عنوان «عامل‌های سازمانی» در Enterprise AI شناخته می‌شوند. این موضوع به رفع کمبود مهارت و نیروی کار کمک می‌کند و کارکنان را از انجام کارهای خسته‌کننده و تکراری آزاد می‌سازد تا بتوانند روی کارهای استراتژیک و باارزش‌تر تمرکز کنند.

 

یک مثال خوب از این موضوع، دستیاران مجازی یا چت‌بات‌های مجهز به هوش مصنوعی هستند. مراکز خدمات مشتری معمولاً با هزاران ایمیل مواجه می‌شوند  که تعداد آن‌ها برای پاسخ‌دهی مناسب و سریع در یک روز کاری هشت‌ساعته توسط چند نفر بسیار زیاد است. اما چت‌بات‌های هوش مصنوعی فوراً به سؤالات مشتری پاسخ می‌دهند و به صورت شبانه‌روزی کار می‌کنند تا زمان انتظار مشتری کاهش یابد. اگر چت‌بات نتواند به سؤال مشتری پاسخ دهد، گفتگو به یک کارشناس انسانی منتقل می‌شود. این موضوع باعث کاهش زمان انتظار و انباشت درخواست‌ها می‌شود و در نتیجه کارکنان می‌توانند روی موارد پیچیده‌تر تمرکز کنند.

 

اتوماسیون هوش مصنوعی

 


نمونه‌های واقعی از اتوماسیون هوش مصنوعی

اتوماسیون هوش مصنوعی در بانکداری

بانک خرده‌فروشی اسپانیایی ABANCA از ترکیبی از هوش مصنوعی مولد، ابزارهای اتوماسیون و NLP برای ارتقای تجربه مشتری و افزایش بهره‌وری استفاده کرد. کارگران دیجیتال حجم زیادی از ایمیل‌های دریافتی را تحلیل می‌کنند و وظایفی مانند اعتبارسنجی و استخراج اسناد را انجام می‌دهند. در نهایت، ABANCA توانست ۶۰٪ سریع‌تر به درخواست‌های مشتریان پاسخ دهد و ۱.۲ میلیون ساعت زمان را به کسب‌وکار بازگرداند.

 

– روبرتو لوپز رودریگز، مدیر RPA و IA در ABANCA :

«ورود ABANCA به دنیای پیشرفته اتوماسیون فقط درباره بهره‌وری نیست؛ بلکه درباره بازآفرینی امکانات خدمات بانکی است. ما مشتریان خود را به عصری از بانکداری دعوت می‌کنیم که با سرعت، شخصی‌سازی و اعتمادپذیری بی‌وقفه شناخته می‌شود — همه این‌ها با هم‌افزایی پیشرو SS&C Blue Prism RPA، GPT-4 و NLP ممکن شده است.»

 

اتوماسیون هوش مصنوعی در مراقبت‌های بهداشتی

بنیاد NHS Guy’s و St. Thomas’ تیمی از کارگران دیجیتال هوشمند را برای پشتیبانی از کارکنان و بیماران و کاهش خطاهای لیست انتظار به کار گرفت. یک تیم اعتبارسنجی داده اکنون گزارش‌های روزانه را برای مشخص کردن خطاهای خاص در لیست‌های انتظار بیماران تهیه کرده و به کارگران دیجیتال ارسال می‌کند. کارگران دیجیتال به‌سرعت خطاها را رفع کرده و نام‌های تکراری را حذف می‌کنند. آن‌ها در مدت شش ماه، بیش از ۳۲٬۰۰۰ خطا را حذف کرده و تعداد موارد تکراری را ۵۴٪ کاهش دادند.– آنابل بالکومب، مدیر بهبود عملکرد، بنیاد NHS Guy’s و St. Thomas’

«تیم اعتبارسنجی داده از حجم عظیم خطاهایی که کارگران دیجیتال می‌توانند اصلاح کنند بسیار خرسند است. ما زمان ارزشمندی را آزاد کرده‌ایم که می‌تواند برای مراقبت از بیماران یا حمایت بهتر از مراقبین استفاده شود.»

 

اتوماسیون هوش مصنوعی در تولید

شرکت Kimberly-Clark از اتوماسیون هوشمند برای افزایش درآمد و سود خود از طریق بهبود دقت پیش‌بینی فروش و شناسایی فرصت‌های جدید فروش متقابل و فروش افزایشی استفاده کرده است. این شرکت اکنون از تکنیک‌های AI و یادگیری ماشین برای تولید بینش‌ها و توصیه‌ها بر اساس حجم زیادی از داده‌های جمع‌آوری‌شده – از جمله بازخورد مشتری، رسانه‌های اجتماعی، روندهای بازار و شاخص‌های عملکرد داخلی – استفاده می‌کند. آن‌ها همچنین از هوش مصنوعی در ابزار گفتگوی بلیت‌دهی برای بهبود رضایت مشتری بهره برده‌اند. تاکنون، ۱.۶ میلیون ساعت کار دستی را صرفه‌جویی کرده‌اند.

 

سو پیاسکی، معمار ارشد سازمانی، Kimberly-Clark Corporation:

«در Kimberly-Clark، ما فقط فرآیندهای موجود را اتوماسیون نمی‌کنیم بلکه آن‌ها را بازآفرینی می‌کنیم. ما از قدرت اتوماسیون برای خلق روش‌های جدید کار، محصولات و خدمات جدید و ارزش‌های جدید برای مشتریان، مصرف‌کنندگان و سهام‌داران بهره می‌گیریم. اتوماسیون یک اقدام صرفاً کاهش هزینه نیست؛ بلکه موتور رشد و نوآوری است. ما مرزهای اتوماسیون را در همه بخش‌های کسب‌وکار – از تولید و زنجیره تأمین تا بازاریابی و فروش – گسترش می‌دهیم تا نتایج بهتری را سریع‌تر و کارآمدتر ارائه دهیم.»

 

اتوماسیون هوش مصنوعی در صنعت بیمه

شرکت Trygg-Hansa از هوش مصنوعی مولد برای تشخیص اینکه آیا یک درخواست خسارت مشکوک به تقلب است و نیاز به بررسی بیشتر دارد یا اینکه مشتری مورد اعتماد است و پرداخت باید تسریع شود استفاده می‌کند. کارگران دیجیتال هر درخواست را ارزیابی کرده، برچسب‌گذاری کرده و به بخش پردازش مناسب ارجاع می‌دهند. آن‌ها پایگاه داده را اسکن کرده، درخواست‌های تسریع‌شده را شناسایی و پردازش می‌کنند و پیام اطلاع‌رسانی را از طریق پورتال مشتری برای آن‌ها ارسال می‌کنند. آن‌ها زمان پردازش درخواست‌های تسریع‌شده را ۹۵٪ کاهش داده‌اند!

 

– یوهان انگهولم، رئیس رباتیک و اتوماسیون هوشمند، Trygg-Hansa

– یوهان انگهولم، رئیس رباتیک و اتوماسیون هوشمند، Trygg-Hansa

یوهان انگهولم، رئیس رباتیک و اتوماسیون هوشمند، Trygg-Hansa :

 

«یادگیری ماشین و هوش مصنوعی توسط تیم تحلیل ما درون‌سازمانی توسعه داده شده‌اند، اما بدون کارگر دیجیتال کار نمی‌کنند. SS&C Blue Prism حلقه مفقوده‌ای است که اطلاعات را به سیستم، مسئول رسیدگی یا مشتری منتقل می‌کند. اتوماسیون هوشمند زمانی معنا پیدا می‌کند که این کارها را با هم انجام دهیم.»

۶۴٪ از کارکنان معتقدند که فناوری‌های اخیر هوش مصنوعی باعث تعادل بهتر میان کار و زندگی و ایجاد فرصت‌های شغلی جدید خواهد شد.

 

ادامه دارد …

به اشتراک بگذارید :

شاید این موارد نیز مورد علاقه شما باشد :

تمامی حقوق مادی و معنوی برای این وب سایت محفوظ می باشد .