وبلاگ
مقیاس‌پذیری هوش مصنوعی در کوکاکولا
مقیاس‌پذیر کردن هوش مصنوعی، دغدغه مشترک بسیاری از رهبران فناوری در جهان امروز است؛ اما کمتر سازمانی با ابعادی به گستردگی آنچه نیرج تولماره، مدیر ارشد فناوری اطلاعات (CIO) شرکت کوکاکولا، با آن سروکار دارد روبه‌رو می‌شود. سیستم جهانی کوکاکولا روزانه بیش از ۲.۲ میلیارد وعده نوشیدنی در بیش از ۲۰۰ کشور و منطقه به مصرف می‌رساند و شامل بیش از ۲۲۵ شریک بطری‌سازی، ۹۰۰ کارخانه بطری‌سازی و ۷۰۰ هزار کارمند در سطح جهانی است.
این شرکت که فعالیتش را از یک دستگاه نوشیدنی‌فروشی در مرکز شهر آتلانتا در سال ۱۸۸۶ آغاز کرد، امروز مسیر بسیار طولانی‌ای را پشت سر گذاشته است. تولماره در حال حاضر مسئول نوسازی زیرساخت دیجیتال کوکاکولا و نظارت بر واحدهای اطلاعات، امنیت سایبری، داده و دیجیتال این شرکت است؛ نقشی که هوش مصنوعی و هوش مصنوعی مولد در آن روزبه‌روز جایگاه پررنگ‌تری پیدا می‌کنند.
آنچه می‌خوانید خلاصه‌ای است از گفت‌وگوی او با مارک پیگینی، مدیر ارشد خدمات مشتری Deloitte برای کوکاکولا، و نیتین میتال، رهبر جهانی هوش مصنوعی در Deloitte، درباره مسیر تحول دیجیتال این شرکت.
زیرساخت مشترک: از ابر تا مدرن‌سازی شبکه جهانی
به گفته تولماره، تحول دیجیتال کوکاکولا سال‌ها پیش، با هدف نوسازی زیرساخت فناوری این سازمان بیش از صدساله، آغاز شد و با فرارسیدن همه‌گیری کرونا شتاب بیشتری گرفت. نکته کلیدی این‌جاست که چون کوکاکولا با مدل فرنچایز فعالیت می‌کند، نوسازی زیرساخت داخلی به‌تنهایی کافی نیست؛ شرکای بطری‌سازی هم باید در این مسیر همراه شوند. چالش اصلی، یافتن پلتفرم‌های مشترکی بود که هم نوآوری را تقویت کنند و هم تبادل داده میان کوکاکولا و شرکایش را آسان‌تر کنند.
نخستین گام، حرکت کامل به سمت ابر بود: فروش مراکز داده و انتقال کامل زیرساخت اپلیکیشن‌ها به فضای ابری. پس از آن، شبکه ارتباطی شرکت هم نوسازی شد تا اتصال میان سیستم‌ها و شرکای جهانی بهبود پیدا کند.
داده، رکن بعدی این استراتژی است. تولماره تأکید می‌کند که تصمیم‌گیری باید بر پایه بینش‌های حاصل از اتوماسیون و تحلیل داده صورت بگیرد؛ موضوعی که همزمان به توجه به حجم و کیفیت داده ورودی، زیرساخت ذخیره‌سازی، موتورهای تحلیلی و سرعت دسترسی نیروهای عملیاتی به بینش‌های نهایی نیاز دارد. در کنار این مسیر، نوسازی سیستم‌های برنامه‌ریزی منابع سازمانی (ERP) و تقویت زیرساخت امنیت سایبری هم از اولویت‌های موازی این تحول بوده‌اند.
هوش مصنوعی در بازاریابی: از Masterpiece تا کمپین‌های شخصی‌سازی‌شده
بازاریابی یکی از نخستین حوزه‌هایی بود که کوکاکولا هوش مصنوعی تحلیلی و مولد را در آن به‌طور گسترده به کار گرفت. تولماره چند نمونه برجسته از این مسیر را شرح می‌دهد:
تیزر تبلیغاتی «Masterpiece» (اوایل ۲۰۲۳): ترکیبی از انیمیشن سه‌بعدی، فیلم‌برداری زنده و هوش مصنوعی مولد که محصول کوکاکولا را به‌صورت مجازی درون یک موزه قرار می‌دهد و آثار هنری موزه با آن تعامل می‌کنند. این تجربه به شرکت نشان داد که تولید دارایی‌های دیجیتال سطح بالا با کمک هوش مصنوعی، به‌طور کارآمد ممکن است.
کمپین «Create Real Magic»: نخستین کمپین کاملاً مبتنی بر هوش مصنوعی این شرکت که در آن هنرمندانی از سراسر جهان با استفاده از پلتفرم و دارایی‌های دیجیتال کوکاکولا آثار خود را خلق کردند. نتیجه، بیش از ۱۲۰ هزار اثر هنری اورجینال بود که با بهره‌گیری از آرشیو خلاقانه کوکاکولا ساخته شدند و در بیلبوردهای دیجیتال میدان تایمز نیویورک و پیکادیلی سیرکاس لندن به نمایش درآمدند.
کمپین تعطیلات با چند عنصر هوش مصنوعی: شامل یک تیزر تلویزیونی تولیدشده با هوش مصنوعی مولد و پلتفرمی برای ساخت گلوب‌های برفی شخصی‌سازی‌شده.
به گفته تولماره، طی چند ماه نگاه این شرکت به هوش مصنوعی تحول قابل‌توجهی پیدا کرد. پرسش اصلی دیگر این نیست که «با هوش مصنوعی چه کاری می‌توانیم بکنیم؟»، بلکه با توجه به سرعت سرسام‌آور نوآوری، این است که «چه کاری باید بکنیم؟»
زنجیره تأمین: پیش‌بینی سفارش بر پایه داده‌های چندبعدی
در حوزه زنجیره تأمین، کوکاکولا در حال آزمایش ابتکاری با شرکای بطری‌سازی است که پیام‌های سفارشی‌سازی‌شده، بر اساس سفارش‌های پیشین و داده‌های بازار، برای مشتریان فروشگاهی ارسال می‌کند. برای فروشگاه‌هایی که محصولات کوکاکولا را عرضه می‌کنند، این شرکت یک الگوریتم پیش‌بین ساخته که پیشنهاد می‌دهد کدام اقلام (SKU) باید در سفارش بعدی از شریک بطری‌سازی گنجانده شوند. این الگوریتم داده‌های فروش تاریخی، شرایط آب‌وهوایی، ردیابی موقعیت جغرافیایی و متغیرهای دیگر را در نظر می‌گیرد.
به گفته تولماره، این ابتکار در حال گسترش به مشتریان و بازارهای بیشتری در سطح جهانی است. هدف بلندمدت، رسیدن به سطحی از شخصی‌سازی است که سیستم بتواند توصیه‌های بسیار دقیقی ارائه دهد؛ برای نمونه، پیشنهاد چیدمان مشخص محصولات در یخچال فروشگاه، همراه با پیش‌بینی درصد افزایش فروش ناشی از آن چیدمان، بر پایه رفتار واقعی مشتریان. او این نمونه را مثالی ملموس از خلق ارزش واقعی توسط هوش مصنوعی در مقیاس بزرگ می‌داند.
ریسک‌های کلیدی: از دیپ‌فیک تا اعتمادپذیری
تولماره دو محور اصلی ریسک مرتبط با هوش مصنوعی را برمی‌شمرد. نگرانی نخست او پدیده دیپ‌فیک است. از نگاه او، سازمان‌ها باید دو جبهه را همزمان مدیریت کنند:
اول، تعیین شیوه‌های درست استفاده از هوش مصنوعی، متناسب با ارزش‌ها و فرهنگ سازمانی و نیازهای مصرف‌کنندگان، و اطمینان از این‌که همه کارکنان این چارچوب را از طریق دستورالعمل‌ها و ساختار حاکمیتی درک کرده باشند.
دوم، محافظت از سازمان در برابر مهندسی اجتماعی و سایر روش‌های سوءاستفاده، که مستلزم ارتقای مستمر آگاهی در سطح سازمان است.
به گفته او، پرسش نخستینِ بسیاری از سازمان‌ها این بود که «آیا می‌توان به هوش مصنوعی اعتماد کرد؟» اما امروز، با افزایش آگاهی عمومی، پرسش رایج‌تر این شده است: «چگونه می‌توان هوش مصنوعی را قابل‌اعتمادتر کرد؟»
از آزمایش تا مقیاس‌پذیری: نقش زیرساخت و حاکمیت
تولماره تأکید می‌کند که ساخت یک پایه فناوری قوی، پیش‌شرط اصلی بهره‌برداری مؤثر از نوآوری‌های هوش مصنوعی است؛ اما این هرگز به‌معنای کندکردن سرعت حرکت نیست. کوکاکولا ترجیح داده بخش عمده این کار پایه‌ای را همزمان با بهره‌برداری از قابلیت‌های هوش مصنوعی پیش ببرد. برای پشتیبانی از این مسیر، این شرکت یک شورای دیجیتال میان‌بخشی تشکیل داده که مسئولیت حاکمیت، اولویت‌بندی و هماهنگی راهبردی را بر عهده دارد.
به باور تولماره، هر فناوری تنها زمانی ارزش واقعی خلق می‌کند که مسئله‌ای مشخص در دنیای واقعی را حل کند؛ و این امر نیازمند زیرساخت مناسب و نیروی متخصص کافی است. کوکاکولا ساختاری عملیاتی طراحی کرده که امکان آزمایش سریع در گروه‌های کوچک را فراهم می‌کند تا مشخص شود کدام فناوری‌های نوظهور واقعاً اثرگذارند و، به همان اندازه مهم، کدام‌یک قابلیت مقیاس‌پذیری در سطح کل سیستم کوکاکولا را دارند. هدف نهایی، رسیدن به معماری ماژولار و آماده‌به‌کار (plug-and-play) برای شرکای بطری‌سازی است.
تولماره نکته مهم دیگری هم اضافه می‌کند: در سازمان‌های جهانی، یک الگوی واحد به‌ندرت برای همه بازارها کارآمد است، چون شیوه‌های کاری در نقاط مختلف جهان یکسان نیستند. به همین دلیل، رویکرد کوکاکولا بر پایه معماری ماژولار و مجموعه‌ای از اصول راهنمای مشترک بنا شده که توسط تیم‌های چابک، با قابلیت انطباق محلی در صورت نیاز، اجرا می‌شود.
توصیه نهایی به رهبران سازمانی
تولماره دو توصیه اصلی برای رهبرانی دارد که مسیر مشابهی را آغاز می‌کنند:
تمرکز بر مسائل واقعی. به باور او، دقیقاً همین تمرکز است که به نتایج قابل‌توجه می‌انجامد؛ پس باید همواره بر نتایجی تمرکز کرد که برای کسب‌وکار و افراد سازمان واقعاً اهمیت دارند.
حفظ کنجکاوی مستمر. او روزانه مقالات تازه می‌خواند تا از تحولات این حوزه به‌روز بماند و تیم خود را هم به همین رویکرد تشویق می‌کند؛ عادتی که به باور او، بخش مهمی از ساخت تاب‌آوری سازمانی در برابر تغییرات سریع است.
در پایان، تولماره یادآوری می‌کند که با توجه به سرعت بی‌سابقه این تحولات، این مسیر برای سازمان‌های کم‌تاب‌آور مناسب نیست. به همین دلیل، توصیه نهایی او این است: از این مسیر لذت ببرید، چون تجربه این سفر باید به‌اندازه نتیجه نهایی‌اش ارزشمند باشد.
منبع: wall street journal