تجربه یک شرکت بزرگ بین‌المللی نشان می‌دهد که مدیریت مصرف هوش مصنوعی به‌اندازه توسعه کاربرد آن اهمیت پیدا کرده است.
به گزارش گزیده جهان فولاد، با گسترش استفاده از هوش مصنوعی در شرکت‌ها و سازمان‌های بزرگ، مدیریت هزینه این فناوری به یکی از چالش‌های جدید مدیران تبدیل شده است. ابزارهایی مانند ChatGPT و Claude، علاوه بر افزایش سرعت انجام فعالیت‌ها، هزینه‌هایی را نیز به سازمان تحمیل می‌کنند که در صورت نبود نظارت و برنامه‌ریزی، ممکن است از بودجه پیش‌بینی‌شده فراتر روند.
این موضوع به‌ویژه برای صنایع بزرگ، از جمله صنعت فولاد، اهمیت دارد؛ صنایعی که هوش مصنوعی به‌تدریج در بخش‌های تولید، کنترل کیفیت، تعمیرات و نگهداری، منابع انسانی و مدیریت انرژی آن‌ها به کار گرفته می‌شود.
تجربه اکسنچر؛ وقتی هزینه هوش مصنوعی به هزار دلار می‌رسد
شرکت اکسنچر (Accenture)، یکی از بزرگ‌ترین شرکتهای بین‌المللی مشاوره مدیریت و خدمات فناوری اطلاعات، که در زمینه تحول دیجیتال و پیاده‌سازی فناوری‌های نوین به سازمان‌ها و صنایع بزرگ خدمات ارائه می‌دهد، اخیراً شیوه مدیریت هزینه استفاده کارکنان از هوش مصنوعی را تغییر داده است.
بر اساس گزارش رسانه 404 Media در اکتبر ۲۰۲۶، این شرکت مقرر کرده است که هزینه استفاده از ابزار Claude بیش از مبلغ ۲۹ دلار در ماه، به بودجه پروژه یا واحد مربوطه اختصاص یابد. گزارش‌ها نشان می‌دهد برخی کارکنان، به‌ویژه برنامه‌نویسان، ماهانه بین ۵۰۰ تا ۱۰۰۰ دلار برای استفاده از Claude Code هزینه داشته‌اند.
البته اکسنچر توضیح داده است که این سیاست به معنای ممنوعیت استفاده بیشتر از هوش مصنوعی نیست، بلکه هدف آن شفاف‌سازی هزینه‌ها و تخصیص منابع متناسب با نیاز پروژه‌هاست.
این تصمیم، پرسش مهمی را پیش روی مدیران قرار می‌دهد: آیا افزایش مصرف هوش مصنوعی لزوماً به معنای افزایش بهره‌وری است؟
پنج اقدام ضروری برای مدیریت مصرف هوش مصنوعی در شرکت‌ها
۱. تعیین بودجه مشخص برای ابزارهای هوش مصنوعی
شرکت‌ها باید متناسب با نیاز واحدهای مختلف، بودجه مشخصی برای استفاده از ابزارهای هوشمند تعریف کنند. مصرف یک واحد اداری با نیازهای تخصصی بخش مهندسی، تحلیل داده یا برنامه‌نویسی یکسان نیست و تخصیص منابع باید بر همین اساس انجام شود.
۲. سنجش بازگشت سرمایه و بهره‌وری کارکنان
هزینه هوش مصنوعی زمانی توجیه اقتصادی دارد که به کاهش زمان انجام کار، افزایش کیفیت، کاهش خطا یا بهبود عملکرد سازمان منجر شود. بنابراین، شرکت‌ها باید نتایج استفاده از این فناوری را با شاخص‌های قابل‌اندازه‌گیری ارزیابی کنند.
۳. آموزش هدفمند کارکنان
استفاده نادرست از ابزارهای هوش مصنوعی می‌تواند هزینه و زمان بیشتری ایجاد کند. آموزش کارکنان برای انتخاب ابزار مناسب، طراحی درخواست‌های دقیق و ارزیابی صحت خروجی‌ها، یکی از مؤثرترین راه‌های افزایش بهره‌وری است.
۴. کنترل مصرف و حفاظت از اطلاعات سازمانی
نظارت بر میزان مصرف ابزارهای هوشمند باید با تدوین دستورالعمل‌های امنیت اطلاعات همراه باشد. اطلاعات محرمانه تولید، قراردادها، مشتریان و کارکنان نباید بدون مجوز و تدابیر حفاظتی در اختیار سامانه‌های عمومی هوش مصنوعی قرار گیرد.
۵. اولویت‌بندی کاربردهای دارای ارزش اقتصادی بالاتر
شرکت‌ها باید سرمایه‌گذاری در هوش مصنوعی را به فعالیت‌هایی اختصاص دهند که بیشترین تأثیر را بر عملکرد دارند. در صنعت فولاد، کاربردهایی مانند پیش‌بینی خرابی تجهیزات، بهینه‌سازی مصرف انرژی، کنترل کیفیت و برنامه‌ریزی تولید می‌توانند از اولویت‌های مهم باشند؛ مشروط بر آنکه نتایج آن‌ها در شرایط واقعی کارخانه ارزیابی شود.
صنعت فولاد در مسیر استفاده اقتصادی از هوش مصنوعی
در کارخانه‌های فولادی، هزینه هوش مصنوعی نباید صرفاً به‌عنوان یک هزینه فناوری اطلاعات دیده شود. این فناوری در صورت انتخاب صحیح کاربردها و اجرای اصولی، می‌تواند به ابزاری برای بهبود عملکرد تولید و مدیریت منابع تبدیل شود.
بااین‌حال، تجربه اکسنچر نشان می‌دهد حتی سازمان‌های پیشرو در حوزه فناوری نیز به سازوکار مشخصی برای کنترل هزینه‌ها و سنجش ارزش اقتصادی هوش مصنوعی نیاز دارند.
آینده رقابت‌پذیری صنایع تنها به میزان استفاده از هوش مصنوعی وابسته نخواهد بود، بلکه به توانایی آن‌ها در تبدیل این فناوری به بهره‌وری واقعی، کاهش هزینه‌های عملیاتی و خلق ارزش اقتصادی بستگی دارد.
منابع خبر: 404 Media، ۱۵ اکتبر ۲۰۲۶.
