فراتر از ابزار؛ گذار اکوسیستم دیجیتال ایران به عصر بلوغ در هوش مصنوعی

رویداد IRAN AI 2026 که در شهریورماه ۱۴۰۵ در دانشگاه صنعتی شریف برگزار شد، نقطه عطفی در نگاه کسب‌وکارهای بزرگ فناوری‌محور ایران به هوش مصنوعی بود. برخلاف موج اولیه هیجانات که شرکت‌ها را به سمت استفاده نمادین از مدل‌های زبانی می‌کشاند، روایت مدیران ارشد علی‌بابا، دیجی‌کالا، دیوار و اسنپ‌پی، از «ابزارزدگی» به سمت «مسئله‌محوری» تغییر جهت داده است.

مهندسی مسئله؛ استراتژی جدید پیشروان فناوری

ابراهیم نبیئی، مدیر ارشد فناوری گروه علی‌بابا، در این رویداد بر یک اصل کلیدی در معماری پروژه‌های هوش مصنوعی تأکید کرد: «مسئله باید پیش از تکنولوژی تعریف شود.» این رویکرد به معنای پرهیز از ادغام مدل‌های هوش مصنوعی (AI Models) بدون تحلیل بازگشت سرمایه (ROI) است. سازمان‌های پیشرو اکنون به جای اجرای پروژه‌های نمایشی، به سمت بازطراحی فرایندهای زیرساختی حرکت کرده‌اند.

کاربردهای عملیاتی در لایه‌های زیرساخت

• دیوار: اتوماسیون ۹۷ درصدی در فرایند بررسی آگهی‌ها با استفاده از مدل‌های یادگیری ماشین جهت کشف تقلب و تحلیل محتوا.
• دیجی‌کالا: پیاده‌سازی موتورهای قیمت‌گذاری هوشمند که با تحلیل لحظه‌ای کانال‌های بازار، جایگزین فرایندهای دستی و ناکارآمد شده‌اند.
• علی‌بابا: توسعه لایه هوش مشتری با بیش از ۷۰۰ ویژگی مهندسی‌شده و ۱۶ الگوریتم جهت تقسیم‌بندی رفتاری (Micro-segmentation) بیش از ۴ میلیون کاربر.
• اسنپ‌پی: به‌کارگیری مدل‌های کدنویسی هوشمند (AI-assisted coding) که منجر به افزایش ۴۰ درصدی بهره‌وری در تولید نرم‌افزار شده است.

داده و زیرساخت؛ گلوگاه‌های تحول

یکی از مباحث فنی مطرح شده، تفاوت میان دسترسی به مدل‌ها و توانایی عملیاتی‌سازی آن‌هاست. تحلیل‌های ارائه‌شده در IRAN AI 2026 نشان می‌دهد که بدون وجود داده‌های سازمان‌یافته، زیرساخت‌های پردازشی پایدار و مهندسی دقیق ویژگی‌ها (Feature Engineering)، مدل‌های هوش مصنوعی تنها در محیط‌های آزمایشگاهی کارایی دارند. پیش‌بینی ریزش مشتری با دقت ۸۶ درصد در علی‌بابا، گواه روشنی بر این است که بلوغ زیرساخت داده، پیش‌نیاز اصلی اجرای مدل‌های پیش‌نگر (Predictive Models) است.

تغییر پارادایم در نقش نیروی انسانی

شاید مهم‌ترین بخش بحث، پرسش درباره «آینده سازمان» بود. برخلاف نگرانی‌های عمومی، مدیران بر این باورند که هدف از هوش مصنوعی کوچک‌سازی تیم‌ها نیست، بلکه افزایش «پهنای باند تصمیم‌گیری» است. هوش مصنوعی فاصله میان «مسئله» و «تصمیم» را کوتاه کرده است، اما مسئولیت نهایی انتخاب‌های استراتژیک همچنان در دستان تصمیم‌گیران انسانی باقی می‌ماند.