MIRAS HOLDINGAI · Architecture · Build
مسیر پیاده‌سازی

پیاده‌سازی هوش مصنوعی در سازمان: مسیر، چالش‌ها و هزینه

بیشتر پروژه‌های هوش مصنوعی نه به‌خاطر مدل، که به‌خاطر مسیر شکست می‌خورند: هدف مبهم، دادهٔ آماده‌نشده، و استقراری که به کار روزمره وصل نمی‌شود. مسیر میراث برای همین ساخته شده است.

مسیر میراث

چهار مرحله، هر یک با خروجی مشخص

ممیزی داده و شاخص

چه داده‌ای دارید (حسگر، اسناد، تصویر، سامانه‌های موجود)، کجا هزینه نشت می‌کند، و کدام شاخص امروز قابل اندازه‌گیری است. خروجی: نقشهٔ داده + یک شاخص هدف + پیشنهاد پایلوت با هزینهٔ مشخص.

پایلوت محدود

مدل روی دادهٔ واقعی شما آموزش می‌بیند و در کنار فرایند فعلی، بدون دخالت در تصمیم، نتیجه می‌دهد. خروجی: عدد شاخص پیش و پس از پایلوت.

استقرار

روی سرور سازمان یا زیرساخت GPU میراث در تهران؛ اتصال به سامانه‌های موجود (ERP، SCADA، دوربین، پرتال)؛ آموزش کاربران. خروجی: سامانه در جریان کار روزمره.

پایش و بهبود

مدل با دادهٔ تازه به‌روز می‌شود، شاخص هر ماه گزارش می‌شود، و دامنه بر اساس نتیجه گسترش می‌یابد.

چالش‌ها

چالش‌های پیاده‌سازی هوش مصنوعی در ایران و پاسخ میراث

  • دسترسی و تحریم: سرویس‌های ابری خارجی یا در دسترس نیستند یا داده را خارج می‌برند. پاسخ: زیرساخت GPU اختصاصی میراث در تهران و مدل‌های وزن‌باز.
  • فارسی: مدل‌های عمومی فارسی را ضعیف می‌فهمند. پاسخ: مدل‌های زبانی، بینایی-زبانی و گفتار فارسی میراث، تنظیم‌شده روی دادهٔ صنعت.
  • دادهٔ پراکنده: داده در اکسل، کاغذ و چند سامانه است. پاسخ: ممیزی داده و شروع از جایی که داده کافی است؛ مدل بینایی برای اسناد کاغذی.
  • پذیرش کاربران: سامانه‌ای که در جریان کار نباشد استفاده نمی‌شود. پاسخ: طراحی برای گوشی، بدون VPN، به زبان کاربر؛ آموزش و پشتیبانی در استقرار.
  • هزینهٔ نامعلوم: پاسخ: قیمت‌گذاری مرحله‌ای؛ پایلوت با هزینهٔ ثابت، استقرار بر اساس نتیجه.
نیازمندی‌ها

چه چیزی لازم است

  • یک مالک پروژه در سازمان شما.
  • دسترسی خواندنی به دادهٔ مرتبط (سامانه، هیستورین، اسناد، دوربین).
  • یک شاخص که امروز قابل اندازه‌گیری باشد.
  • سرور داخل سازمان (اختیاری) — در غیر این صورت زیرساخت میراث.
هزینه

شیوهٔ قیمت‌گذاری میراث

۰۱

ممیزی

یک جلسهٔ کاری با تیم فنی میراث؛ خروجی مکتوب: نقشهٔ داده، شاخص هدف و پیشنهاد پایلوت با هزینه و مدت مشخص.

۰۲

پایلوت با هزینهٔ ثابت

دامنهٔ محدود، شاخص مشخص، هزینهٔ ثابت. اگر شاخص تکان نخورد، استقرار کامل پیشنهاد نمی‌شود.

۰۳

استقرار و نگهداری

قیمت بر اساس دامنه و نتیجهٔ پایلوت؛ نگهداری و به‌روزرسانی مدل به‌صورت دوره‌ای. مالکیت مدل تنظیم‌شده با شماست.

پرسش‌های پرتکرار

پرسش‌های پرتکرار

هزینهٔ پیاده‌سازی هوش مصنوعی در سازمان چقدر است؟

به دامنه، داده و زیرساخت بستگی دارد؛ عددی که بدون دیدن سازمان شما گفته شود قابل اعتماد نیست. به همین دلیل میراث ممیزی را با خروجی مکتوب انجام می‌دهد و پایلوت را با هزینهٔ ثابت پیشنهاد می‌کند؛ استقرار کامل بر اساس نتیجهٔ پایلوت قیمت‌گذاری می‌شود.

پیاده‌سازی هوش مصنوعی در سازمان چقدر زمان می‌برد؟

ممیزی در یک جلسه انجام می‌شود. مدت پایلوت به آماده‌بودن داده بستگی دارد و در پایان ممیزی به‌صورت مکتوب تعهد می‌شود. برای نمونه، استقرار مدل بهینه‌سازی سوخت فولاد مبارکه شش ماه طول کشید.

اگر دادهٔ ما آماده نباشد چه می‌شود؟

ممیزی دقیقاً همین را روشن می‌کند. اغلب از فرایندی شروع می‌کنیم که داده دارد و هم‌زمان جمع‌آوری دادهٔ بخش‌های دیگر را طراحی می‌کنیم؛ اسناد کاغذی و تصاویر هم با مدل بینایی میراث به داده تبدیل می‌شوند.

چه کسی مالک مدل و داده است؟

داده همیشه مال شماست؛ به‌صورت پیش‌فرض داخل ایران می‌ماند، روی سرور شما یا زیرساخت میراث در تهران، و مدل پشتیبان خارجی فقط با رضایت کتبی مشتری به کار می‌رود. مدل تنظیم‌شده برای سازمان شما، طبق قرارداد، قابل تحویل روی سرور خودتان است.

گام بعدی

صنعت یا پروژهٔ خود را هوشمند کنید

از یک جلسهٔ ممیزی داده شروع می‌کنیم: کجا داده دارید، کجا هزینه نشت می‌کند و کدام مدل زودتر جواب می‌دهد. تهران · اصفهان · نوشهر · دبی.