دستیار دانش داخلی سازمان
اگر میخواهید هوش مصنوعی را در سازمان شروع کنید و نمیدانید از کجا، این معمولاً درستترین نقطه است. نه چون بیشترین ارزش را دارد، بلکه چون کمریسکترین است: مخاطبش داخلی است، اشتباهش پرهزینه نیست، و بازخوردش سریع میآید.
مسئلهای که وجود دارد و شمرده نمیشود
واحد اداری و مالی هر ماه یک مجموعه پرسش تقریباً ثابت میگیرد. مرخصی، مأموریت، بیمه تکمیلی، فرایند خرید، سقف هزینه، مراحل تسویه.
جواب همهشان در آییننامهها هست. مسئله این است که پیدا کردنش برای کارمند سختتر از پرسیدن است — بخشنامهها در چند فایل پراکندهاند، بعضی بهروزرسانی شده و نسخه قدیمی هم هنوز در گردش است، و کسی مطمئن نیست کدام معتبر است.
هزینه این وضعیت در هیچ صورت مالیای نوشته نمیشود، ولی وجود دارد: وقت کارکنانی که میپرسند، وقت کسانی که جواب میدهند، و تصمیمهایی که بر اساس نسخه منسوخ گرفته میشود.
چرا نقطه شروع خوبی است
اسناد از قبل وجود دارند. برخلاف بسیاری از پروژههای هوش مصنوعی، لازم نیست دانش را از نو تولید کنید.
مخاطب باگذشت است. کارمندی که جواب مبهم بگیرد، دوباره میپرسد یا از همکارش میپرسد. همان اشتباه در پاسخ به مشتری، تعهد میسازد.
بازخورد سریع و مستقیم است. میتوانید بپرسید کجا کار نکرد و جواب واقعی بگیرید.
سنجش ساده است. پیش و پس از راهاندازی، تعداد پرسشهای تکراری که به واحد اداری میرسد را بشمارید.
سختترین بخش: اسناد شما
تجربه ما این است که در این پروژهها، کار فنی بخش کوچکتر است. بخش بزرگتر مرتبکردن چیزی است که قرار است دستیار از آن بخواند.
مسائلی که تقریباً همیشه پیدا میشوند:
چند نسخه از یک سند. اگر دو نسخه در منبع باشد، دستیار ممکن است از قدیمی جواب بدهد. باید مشخص باشد کدام معتبر است و منسوخها از منبع خارج شوند.
سندهای متناقض. بخشنامهای که بخشی از یک آییننامه قدیمیتر را نقض کرده ولی آن را باطل نکرده. دستیار این تناقض را حل نمیکند؛ فقط آشکارش میکند — که خودش ارزش دارد.
اسکن بدون متن. فایلهای تصویری از بخشنامههای قدیمی. اول باید متنشان استخراج شود.
دانشی که اصلاً مکتوب نیست. اگر جواب فقط در ذهن دو نفر است، هیچ سامانهای پیدایش نمیکند.
دسترسی: مسئلهای که نمیشود بعداً اضافه کرد
این تفاوت اصلی دستیار داخلی با دستیار مشتری است. همه کارکنان نباید به همه اسناد دسترسی داشته باشند. حقوق و دستمزد، پرونده پرسنلی، صورتجلسات مدیریتی.
نکته فنی مهم: فیلترکردن پاسخ کافی نیست. اگر سامانه ابتدا از همه اسناد بازیابی کند و بعد بر اساس دسترسی کاربر جواب را سانسور کند، اطلاعات از منبع خارج شده و راههای نشتش قابل پیشبینی نیست.
راه درست این است که سطح دسترسی در خود بازیابی اعمال شود — یعنی جستجو از ابتدا فقط در اسنادی انجام شود که این کاربر حق دیدنشان را دارد. این تصمیم معماری است و افزودنش بعداً به معنای بازنویسی لایه بازیابی است.
زبان و اصطلاحات داخلی
سازمانها واژگان خودشان را دارند: نام اختصاری واحدها، شماره فرمها، اسم پروژههای داخلی. کارمند با همانها میپرسد و در سند ممکن است به شکل رسمی نوشته شده باشد.
یک فهرست مترادف داخلی بسازید و از پرسشهای بینتیجه واقعی پرش کنید، نه از حدس. بهعلاوهٔ نرمالسازی متن فارسی که پیشنیاز هر جستجوی قابل اتکاست و در چالشهای پردازش زبان فارسی توضیح داده شده.
کجا بنشیند
دستیاری که در یک آدرس جدا باشد، بعد از هفته اول فراموش میشود. جایی بنشیند که کارمند از قبل میرود: پرتال سازمانی، یا ابزار پیامرسان داخلی.
اگر پرتال سازمانی دارید، منطقیترین جا همانجاست — چون هویت کاربر و سطح دسترسیاش از قبل آنجا حل شده است.
سنجش
سه عدد که ارزش دنبالکردن دارند:
سهم پرسشهای تکراری که دیگر به واحد اداری نمیرسد. هدف اصلی.
نرخ پاسخ قاطعِ غلط. با نمونهگیری دستی از گفتوگوهای واقعی. تنها عددی که باید نزدیک صفر باشد.
پرسشهای بیجواب، مرتب بر اساس فراوانی. این فهرست دو چیز به شما میگوید: کدام سند ناقص است، و کدام دانش اصلاً مکتوب نشده. ارزش این گزارش اغلب از خود دستیار بیشتر است.
مسیر پیشنهادی
با یک حوزه شروع کنید — معمولاً منابع انسانی، چون اسنادش منظمتر و پرسشهایش پرتکرارتر است.
اسناد همان حوزه را مرتب کنید: نسخه معتبر مشخص، منسوخها خارج، اسکنها تبدیل به متن.
پنجاه پرسش واقعی جمع کنید و سامانه را با همان بسنجید.
و وقتی جواب داد، حوزه بعدی را اضافه کنید — نه زودتر. سازمانهایی که از «همه دانش شرکت» شروع کردهاند، معمولاً بعد از ماهها یک دمو دارند که هیچکس به آن اعتماد نمیکند.