قرار دادن سیستم های متخصص برای کار

مدیران از داستانهای برنامه های رایانه ای که می توانند گل را در حین حفاری روغن تجزیه و تحلیل کنند یا سیستم های رایانه ای پیچیده را پیکربندی کنند ، مورد تحسین قرار می گیرند. N L Mudman و شرکت تجهیزات دیجیتال شرکت XCON وظایفی را که قبلاً بسیار پیچیده یا به اندازه کافی روال برای رایانه ها تصور می شد ، انجام می دهند. Mudman و XCON برنامه های رایانه ای معمولی نیستند. آنها "سیستم های خبره" هستند - برنامه ها […]

مدیران از داستانهای برنامه های رایانه ای که می توانند گل را در حین حفاری روغن تجزیه و تحلیل کنند یا سیستم های رایانه ای پیچیده را پیکربندی کنند ، مورد تحسین قرار می گیرند. N L Mudman و شرکت تجهیزات دیجیتال شرکت XCON وظایفی را که قبلاً بسیار پیچیده یا به اندازه کافی روال برای رایانه ها تصور می شد ، انجام می دهند. Mudman و XCON برنامه های رایانه ای معمولی نیستند. آنها "سیستم های خبره" هستند - برنامه هایی که از تفکر متخصصان انسانی تقلید می کنند که در غیر این صورت مجبور به انجام تجزیه و تحلیل ، طراحی یا نظارت هستند (برای تعریف دقیق به درج حاکم مراجعه کنید). از طریق یک سری پیچیده از قوانین "اگر ... پس" قوانین - "اگر یک درایو دیسک وجود دارد که اختصاص داده نشده است و حداقل یک درایو دیسک وجود دارد ، درایو دیسک را به پیکربندی رایانه فعلی اختصاص دهید". رایانه ها برای حل مشکلات دشوار و یک نوع. 1

تعداد فزاینده ای از مدیران می پرسند که آیا سیستم های خبره برای آنها مناسب است ، و اگر چنین است ، چگونه می توانند استفاده از آنها را شروع کنند. کسانی که می خواهند از فناوری جدید سوءاستفاده کنند می توانند از کاربران اولیه سیستم های بزرگ و تجاری تجاری یاد بگیرند. تجربه آنها نشان می دهد که سیستم های خبره در واقع ابزاری ارزشمند برای ضبط و انتشار مهارت و دانش هستند ، اغلب برای ایجاد مزیت رقابتی. اما ممکن است کاربران آینده نگر تشویق شوند که یاد بگیرند که علی رغم جذابیت با استفاده از فناوری جدید در کارهای حیرت انگیز تر مانند اکتشافات فضا یا جنگ ، برخی از بزرگترین فرصت ها برای سیستم های خبره در کارهای کوچک و روزمره مانند تأیید اعتبار یا تجزیه و تحلیل بودجه سرمایه قرار دارند.

مزایای واقعی

از سیستم های خبره (ESS) با موفقیت برای طراحی ، تشخیص و نظارت در طیف وسیعی از صنایع استفاده شده است - از رایانه گرفته تا حسابداری. احتمالاً مشهورترین برنامه تجاری XCON (برای پیکربندی متخصص) است. دیجیتال طیف گسترده ای از مؤلفه های رایانه ای را دارد که به طور مداوم تغییر می کند و می تواند به روش های گسترده ای پیکربندی شود. در اوایل دهه 1970 ، متخصصان انسانی - که به عنوان ویراستاران فنی شناخته می شوند - به این امر موذی می شوند که هر سیستم رایانه ای به ترتیب دارای تمام اجزای لازم و بدون لوازم اضافی است و نمودارهایی را نشان می دهد که نحوه جمع آوری سیستم را نشان می دهد. این فرایند به عنوان "پیکربندی" شناخته می شود.

ES چیست؟

هوش مصنوعی را می توان به عنوان تلاش برای دستیابی به ماشین آلات به توانایی های انسانی ، مانند دیدن ، شنیدن و تفکر تعریف کرد. سیستم های خبره زیر مجموعه ای از پروژه های هوش مصنوعی هستند که در تلاش برای دستیابی به نتایج متخصص در حل مشکلات سخت مانند تخمین قرارداد یا برنامه ریزی حمل و نقل هوایی هستند. یک سیستم متخصص یک برنامه رایانه ای است که از رفتار یک متخصص تقلید می کند. کارشناسان می توانند مشکلات دشوار را حل کنند ، نتیجه را توضیح دهند ، یاد بگیرند ، دانش را بازسازی کنند و ارتباط را تعیین کنند و آنها می دانند که آنها چه چیزی را نمی دانند. ESS اولین - توانایی حل مشکلات - را با موفقیت تقلید می کند. اکثر سیستم ها همچنین می توانند خود را با استفاده از منطقی از طریق منطق مورد استفاده برای رسیدن به یک سؤال یا نتیجه گیری توضیح دهند ، و چند ESS دارای قابلیت های یادگیری احتیاطی نیز هستند. سایر ویژگی های متخصص در فناوری امروز موجود نیست.

بسیاری از مقاله ها به زبان های رایانه ای مانند LISP و Prolog نوشته شده اند که در دستکاری نمادها و همچنین اعداد خوب هستند. توانایی پردازش نمادها مهم است زیرا دانش معمولاً توسط قوانین "اگر ... پس" در ESS ساخته می شود. مثلا:

اگر سطح جریان نقدی مشتری زیاد باشد

و اولویت خطر مشتری زیاد است

سپس سرمایه گذاری در سهام با رشد بالا به شدت توصیه می شود.

هیچ مشخصه دقیقی بین ES و یک سیستم نرم افزاری سنتی وجود ندارد. درست همانطور که می توان شعر را از یک زبان به زبان دیگر ترجمه کرد ، دستیابی به عملکردهای قابل مقایسه با Fortran ، Cobol یا هر زبان رایانه ای دیگر امکان پذیر است ، اما زبانهای برنامه نویسی نمادین اغلب در حل وظایف نیاز به مقادیر زیادی دانش بشری دارندرمزگذاری شده

در دیجیتال تنظیمات اولیه گاهی اوقات شامل حذف یا خطاهایی بود که قبل از تولید می توانستند تولید شوند. سپس 90 ٪ از سیستم ها مجدداً در مونتاژ نهایی و تست دیجیتال در وست مینستر ، ماساچوست ، که قطعات رایانه از نظر جسمی به هم وصل شده و اجرا می شوند ، بررسی شدند. پس از گذراندن این آزمایش ، رایانه ها از هم جدا شدند و به مشتریان ارسال شدند.

در سال 1973 ، با چشم انداز اضافه کردن ده ها میلیون دلار ارزش مونتاژ و تست برای تساوی رشد فروش روبرو شد ، دیجیتال به دنبال یک جایگزین بود. نتیجه XCON ، یک سیستم خبره بود که سفارشات فروش را بررسی می کند و طرح هر سفارش رایانه ای را که تجزیه و تحلیل می کند ، طراحی می کند. سیستم جدید به همراه ایجاد یک پایگاه داده و بهبود کیفیت مؤلفه ، به دیجیتال این امکان را می دهد تا بیشتر مؤلفه ها را مستقیماً به سایت مشتری برای مونتاژ نهایی ارسال کند ، در نتیجه نیاز به امکانات اضافی مونتاژ نهایی را از بین می برد.

N L Baroid ، یک شرکت خدمات حفاری ، Mudman را برای تجزیه و تحلیل مایعات حفاری یا "گل" ایجاد کرد که برای تسهیل حفاری با روغن کاری ، حمل تراش به سطح و غیره ، از زیر شافت پمپ می شوند. در چاه های عمیق یا دشوار یک مهندس در سایت اغلب مجبور است حداقل دو بار در روز گل را نمونه و تجزیه و تحلیل کند. مهندس قرائت را در حدود 20 پارامتر از جمله ویسکوزیته ، گرانش خاص و محتوای سیلت تجزیه و تحلیل می کند. مودمن به مهندس محل کمک می کند تا کار را به طور مداوم انجام دهد. این داده ها را که مهندس وارد می شود ارزیابی می کند و با ترکیب این موارد با داده های تاریخی برای آن چاه خاص ، روندها را مشخص می کند. سپس می تواند تنظیمات مربوط به ترکیب گل را توصیه کند و مهندس گل را به مشکلات احتمالی هشدار دهد.

گل ها یک تجارت کالایی هستند که خریداران آن اندک و قدرتمند هستند. شرکت های بزرگ نفتی برای خرید قیمت و جیره بندی در بین بسیاری از تأمین کنندگان مشتاق خرید می کنند. اما مودمن چیزی منحصر به فرد برای ارائه به مشتریان داد. ناگهان این شرکت می تواند خود را از رقبا متمایز کند. در یک سایت در دریای شمال ، مودمن به درستی یک مشکل آلودگی گل را تشخیص داد که کارشناسان انسانی بیش از یک دهه تشخیص داده شده اند. مشتری شرکت نفت چنان تحت تأثیر قرار گرفت که خط مشی خود را خم کرد و باروئید را دعوت کرد تا سهم "بیش از حد معمول" از تجارت را پیشنهاد دهد.

شرکت الکتریکی Westinghouse برای نظارت بر توربین های بخار که به فروش می رسد ، ES را طراحی کرد. هنگامی که یک توربین از بین می رود ، گاهی اوقات تکه های فولادی را پرتاب می کند و هزاران انقلاب در دقیقه را به سمت ریخته گری های محافظ می چرخاند و باعث می شود ده ها هزار دلار به ارزش خسارت و هفته خرابی باشد. بنابراین تشخیص خرابی های احتمالی بسیار مفید است. سیستم تشخیصی فرآیند Westinghouse (PDS) به طور مداوم داده ها را از مانیتورهای روی توربین ردیابی می کند و توصیه هایی را برای نگهداری ارائه می دهد. PDS به عنوان بخشی از قرارداد خدمات Westinghouse فروخته می شود.

شرکت American Express از یک سیستم خبره برای کمک به کارمندان مجوز اعتبار خود استفاده می کند تا از طریق 13 پایگاه داده ، داده ها را مرتب کند. کارت اعتباری American Express محدودیت هزینه مشخصی ندارد. این ویژگی به دلایل رقابتی مهم است ، اما تعیین سطح اعتبار برای هر مشتری یک چالش اداری سفت و سخت است. هر بار که مشتری یک خرید بزرگ را انجام می دهد ، بازرگانان تلفن های Amex را برای مجاز بودن هزینه دریافت می کنند. سپس کارمند AMEX باید یک تماس داوری سریع برقرار کند. درخواست های مجوز در خارج از الگوی خرید عادی برای اطلاعات بیشتر به جستجوی پایگاه های داده نیاز دارد. اکنون دستیار ES مجوز این جستجو را انجام می دهد و به شخصی که تصمیم به مجوز می گیرد ، توصیه می کند. کل فرآیند فقط ثانیه طول می کشد. بازرگان هنوز در تلفن است.

Coopers & Lybrand دارای یک ES Expertax است که به حسابداران در بررسی نحوه جمع آوری مالیات و ارائه مشاوره در مورد برنامه ریزی مالیاتی کمک می کند. ExpertAx کیفیت خدمات مالیاتی را بهبود می بخشد زیرا هرگز سؤالی را فراموش نمی کند و هر خط مشی را در برابر آمار مالی مشتری بررسی می کند. علاوه بر این ، در جایگزینی برای تجربه افراد جوان ، به آنها امکان می دهد برنامه ریزی مالیاتی کامل و دقیق تری انجام دهند.

XCON ، Mudman ، دستیار مجوز ، و Expertax شرکت هایی را که برای آنها تأمین می کردند ناامید نکردند. پیشرفت هایی که آنها تحویل داده اند واقعی و قابل اندازه گیری بودند. امروز تقریباً 90 ٪ از حجم دلار دیجیتال از سیستم ها به عنوان مؤلفه ارسال می شود و در سایت مشتری مونتاژ می شود. مدیران دیجیتال حدود 25 میلیون دلار پس انداز حاصل از به حداقل رساندن مونتاژ نهایی و فرآیند آزمایش را به XCON نسبت می دهند. آنها همچنین XCON را به عنوان یک کمک کننده مهم در استراتژی طولانی مدت دیجیتال برای ارائه گزینه های بسیاری به مشتریان ذکر می کنند.

تمایز یک محصول کالایی از طریق مودمن کسب و کار جدیدی را برای باروئید کسب کرد. AMEX انتظار دارد که دستیار مجوز خود نه تنها باعث افزایش بهره وری یک پروفایل تا 20 ٪ بلکه برای کاهش ضرر ناشی از بیش از حد اعتبار شود (سود دقیق مالی مخفی نگه داشته می شود). دستیار سازنده از استراتژی شرکت برای تمایز خود با ارائه محدودیت های اعتباری جداگانه پشتیبانی می کند. ExpertAx از زمان افراد جوان استفاده بهتری می کند.

همانطور که این مثالها نشان می دهد ، سیستم های خبره می توانند با تمایز یک محصول یا با کاهش هزینه ها از استراتژی های مختلف رقابتی پشتیبانی کنند. بعضی اوقات پروژه ها با یک هدف در ذهن شروع می شوند و به دیگری منجر شده است. در برخی موارد ، مشاغل جدید به وجود آمده است. هر دو تگزاس Instrument و Digital First سیستم های متخصص را برای استفاده داخلی توسعه داده اند ، اما از آن زمان سازمان ها را بر اساس فناوری هایی که محصولات جدیدی را ارائه می دهند ، مانند سیستم های متخصص "پوسته" و مشاوره و آموزش ، از بین بردند.(یک پوسته ES ابزاری نرم افزاری است که مجموعه ای از بلوک های ساختمانی را ارائه می دهد که می تواند برای ایجاد یک برنامه ES استفاده شود.)

غالباً جالب تر و در نهایت با ارزش تر از سودهای امیدوار در بهره وری و اثربخشی ، بسیاری از مزایای غیر منتظره است که از ESS جریان می یابد. یکی از این مزایا روشی است که یک ES می تواند به افراد سازمان کمک کند تا یک مشکل را بهتر درک کنند. برای سالها IBM مجموعه ای از قیمت های استاندارد برای ارائه خدمات پس از فروش برای نصب ، جابجایی یا حذف رایانه ها داشت. این قیمت ها نقطه شروع مذاکرات در بین مشتری ، نماینده خدمات میدانی و مدیریت خدمات بود. از آنجا که هر مشتری دارای مجاری ، سیم کشی و کفپوش های مختلف بود و به دلیل تجربه برآوردگرها به طور گسترده ای متفاوت بود ، مناقصه مداوم یک مشکل بود. کارمندان خدمات میدانی IBM نیاز به درک مشترک بهتری در مورد چگونگی قیمت مشاغل پیچیده یا تغییر قیمت استاندارد داشتند.

اکنون IBM از مشاور ES به نام مشاور برای کمک به پیشنهادات قیمت خدمات میدانی استفاده می کند. Rep به سادگی انواع دستگاه و عوامل خاص مکان را مشخص می کند و سیستم پیشنهاد ایجاد می کند. پیشنهادات فقط درصورتی که قیمت شخص حوزه با بیش از 20 ٪ با مشاور متفاوت باشد مذاکره می شود. این روش بسیاری از مشکلات اداری را از بین برده است.

پس از فاش شدن تخصص ، می توان آن را به روشهای کاملاً جدید مورد بررسی ، بحث و گفتگو قرار داد. مطالعات نشان داده اند که کارشناسان به ندرت قادر به بازگرداندن مراحل تحلیلی برای رسیدن به یک تصمیم خاص هستند. آنها ممکن است بتوانند عوامل مهمی را که در یک تصمیم گیری قرار گرفته اند برجسته کنند اما معمولاً نمی توانند کل فرآیند را توصیف کنند. آنها عمداً گریزان نیستند. در فرآیند متخصص شدن ، افراد بسیاری از مشاهدات را به شهود و درک عمیق تقسیم می کنند اما نمی توانند آنها را بیان کنند.

این واقعیت باعث می شود که دانش متخصص را انجام دهد. اما پس از تهیه اطلاعات از متخصص و نرم افزار ایجاد شده ، قوانین ، مثالها و داده ها آینه ذهنی را ارائه می دهند که متخصص با آن می تواند ماهیت تخصص خود را کشف ، توضیح و روشن کند. درک فاش شده از این رو هم برای متخصص و هم برای اعضای سازمان وابسته به تخصص است.

هنگامی که تخصص در خارج از سر کسی است ، افراد بیشتری می توانند در پالایش آن کار کنند و همانطور که تنظیم شده است ، حل مسئله از هنر به علم حرکت می کند. سپس می تواند به راحتی در سایر زبان های رایانه ای ضبط شود. بنابراین ، ES های زمینی امروز ممکن است راه حل سنتی فردا باشد. این وسوسه انگیز خواهد بود که به یک ES نگاه کنیم و بگوییم که این کار باید با یک رویکرد برنامه نویسی سنتی تر حل می شد. اما به دست آوردن این موقعیت معمولاً سوء تفاهم (و دست کم گرفتن) فرایندی است که با استفاده از آن تخصص انجام می شود. پس از حل مشکل ، راه حل واضح به نظر می رسد.

یکی دیگر از مزایای ES این است که به محض اینکه دانش در کد ضبط شد ، می توان از آن محافظت و به اشتراک گذاشت. اگر یک متخصص انسانی در آنجا استخدام شود یا برای آموزش همکاران جوان بسیار مشغول باشد ، ES می تواند با خدمت به عنوان یک ابزار آموزشی کمک کند. در واقع بسیاری از افراد می توانند به کارآموز معدودی تبدیل شوند. افرادی که از سؤال می ترسند زیرا انتظار می رود که پاسخ ها را بدانند می توانند با یک ES به صورت خصوصی مشورت کنند. و فرد باتجربه می تواند با دیدن اینکه چگونه یک متخصص دیگر به این کار نزدیک می شود ، بهره مند شود.

سرانجام ، ساختن ES یک پا در درب هوش مصنوعی است. بیشتر سیستم ها سفارشی ساخته شده اند و حتی معدود سیستم های موجود در دسترس اغلب به سفارشی سازی نیاز دارند. مهندسان دانش کمیاب هستند و برای توسعه افراد با مهارت های لازم برای کار کردن ESS و هوش مصنوعی زمان لازم است. البته این واقعیت ها می توانند به صورت رقابتی مورد استفاده قرار گیرند. با ورود به اوایل ، یک سازمان می تواند تجربه و توسعه کارکنان فنی را بدست آورد ، در نتیجه ایجاد رقبای سد کار سختی را پشت سر می گذارد.

پیدا کردن نقاط اهرم

این یک چیز است که موفقیت های شرکت های دیگر و دیگری را برای تولید موفقیت شخصی خود مطالعه کنیم. بنابراین چگونه یک مدیر از فناوری جدید دادگاه می کند؟

اولین قدم شناسایی فرصت ها است. به دنبال طراحی ، تشخیص یا روشهای نظارتی که انجام نمی شود و همچنین ممکن است باشید. بپرسید ، آیا در سازمان من وظیفه ای وجود دارد که اگر ...

... ما زمان بیشتری داشتیم؟کارمندان AMEX روند مجوز اعتبار را به خوبی درک کردند. اگر هر یک از مجوزها نیم ساعت برای پردازش درخواست داشته باشند ، یک سیستم متخصص به سختی لازم نخواهد بود. اما هنگامی که یک طلبکار برای بررسی اعتباری تلفنی می کند ، زمان در چند ثانیه اندازه گیری می شود ، نه ساعت. دستیار مجوز AMEX می تواند خیلی سریعتر از یک متخصص انسانی از قوانین و داده ها استفاده کند.

سازمان ها با کارهایی که انجام کارها سریعتر به معنای بهتر انجام آنهاست ، پر شده است. سیستم های معاملاتی اساسی برای اعتبار ، خرید و غیره مناطق امیدوارکننده ای برای کشف هستند.

… بهترین متخصص همیشه کار را انجام داده است؟شرکت ها همیشه از تخصص مورد نیاز خود برخوردار نیستند. به عنوان مثال ، در هانیول ، مهارت تکنسین های خدمات میدانی معمولاً با تجربه تکنسین متفاوت است. هانیول با استفاده از ES به نام مربی برای کمک به تشخیص مشکلات سیستم های تهویه مطبوع تجاری ، اطمینان می دهد که کیفیت تماس های خدمات به طور یکنواخت بالا است.

دیجیتال نمی تواند مهندسان طراحی خود را پیکربندی سیستم های رایانه ای داشته باشند ، حتی اگر این روند را به بهترین وجه درک کنند. XCON به شرکت اجازه می دهد دانش تخصصی را در وظیفه ای که روال اما مهم است ، اعمال کند.

... ما تصمیمات مداوم داشتیم؟هنگامی که یک دکل حفاری با یک چاه مشکل دارد ، افراد درگیر باید بعضی اوقات روزها به طور همزمان در کار بمانند. درست هنگامی که قضاوت مهندس گل باید مشتاق باشد ، ممکن است او خسته ترین باشد. تجزیه و تحلیل مودمن بدون توجه به شرایط کار ، به طور مداوم دقیق است.

مفهوم یک دستگاه تفکر اغوا کننده است. سازندگان ES اغلب به سمت برنامه های چشمک زن کشیده می شوند. اما مشاهده ده ها سیستم در حال توسعه و استفاده نشان می دهد که کارهای دنیوی تر جزء مثاله ترین مناطق برای کاربردهای جدید هستند. تجارت و دولت مشاغل زیادی دارند که مهم هستند اما روتین یا حتی کسل کننده هستند. وظایفی مانند پیمانکاری ، مذاکره و حسابرسی مشاغل فراگیر و فرصت های امیدوارکننده ای دارند. نامزدهای احتمالی آن دسته از مشاغل هستند که در حال حاضر از پرسشنامه های پیچیده استفاده می کنند. برآورده کردن الزامات آژانس های دولتی مانند آژانس حفاظت از محیط زیست یا اداره ایمنی و بهداشت شغلی می تواند با رمزگذاری مقررات در یک سیستم متخصص و در دسترس شرکت هایی که نیاز به رعایت دارند ، ساده شود.

پیشرفت در کیفیت ، به موقع یا سازگاری ممکن است اندک به نظر برسد ، اما می تواند تأثیر زیادی در تجارت کلی داشته باشد. Texas Instrument از سیستم متخصص سرمایه گذاری خود برای کمک به کارمندانی که درخواست بودجه سرمایه گذاری می کنند ، استفاده می کند. ES مجموعه ای کامل و مداوم از سؤالات را ارائه می دهد که همه جنبه های هر پیشنهادی را پوشش می دهد. سیستم از طریق سؤالات مربوط به پروژه خاص کاربر را راهنمایی می کند. از این طریق مدیران بالاتر در TI از تجزیه و تحلیل های قابل مقایسه اطمینان می دهند ، بنابراین می توانند تصمیمات تخصیص سرمایه آگاهانه تری بگیرند. این سیستم همچنین به مدیران فردی کمک می کند تا شرایط خود را کامل تر تجزیه و تحلیل کنند.

مردم گاهی اوقات از یک برنامه "استاندارد" صحبت می کنند ، اما این اغلب یک اکسیومرون است. اگر یک شرکت برای حل یک مشکل خاص به متخصصان نیاز داشته باشد ، معمولاً به یک رویکرد سفارشی نیاز دارد. در نتیجه ، اجرای یک ES اغلب به همان اندازه فرایندی برای انتقال یک نقطه نظر یا مجموعه ای از اعتقادات است که در حال ارائه راه حل برای یک مشکل است.

پس از شناسایی فرصت های ES ، باید امکان استفاده از فناوری جدید را در آن کارها ارزیابی کنید. به عنوان مثال ، به اندازه مشکل نگاه کنید. یکی از مواردی که در چند دقیقه تا چند ساعت قابل حل است ، کاندیدای معقول است. موضوعاتی که روزها برای حل و فصل طول می کشد احتمالاً بسیار جاه طلب است.

و به این فکر کنید که آیا مشکل را می توان در کلمات توصیف کرد. آیا می توان آن را از طریق تلفن حل کرد؟اگر متخصص نیاز به دیدن یا لمس کردن داده ها داشته باشد ، ممکن است این کار به خوبی برای ES مناسب نباشد. در یک مورد ، پس از شش ماه کار بر روی نمونه اولیه ES که برای تشخیص مشکلات در لحیم کاری اجزای رایانه طراحی شده است ، توسعه دهندگان پروژه به بن بست رسیدند. آنها تصور می کردند که اپراتورها می توانند نقص هایی را که می توانند توسط نرم افزار تشخیص دهند ، تشخیص دهند. با این حال ، با توجه به بی نظمی های ظریف که برای چشم یک متخصص قابل مشاهده بود ، فراتر از قابلیت های اپراتورها بود ، و توسعه دهندگان نتوانستند نرم افزاری را برای انجام این کار متخصص بنویسند. بنابراین ، این پروژه برای رفع مشکلات به راحتی قابل شناسایی ، حتی توسط افراد تازه کار ، مورد استفاده قرار گرفت.

در ایجاد ExpertAx ، Coopers & Lybrand از یک تکنیک عملی برای شبیه سازی محدودیت های صفحه رایانه استفاده کردند. آنها سه متخصص در یک طرف یک میز ، یک تازه کار با تمام داده های طرف دیگر نشسته بودند و یک پرده را از وسط قرار دادند. به کارشناسان مالیاتی متهم به انجام برنامه های تعهدی مالیاتی و مالیاتی برای "مشتری" شد. آنها می توانند هر سؤالی را که می خواستند بپرسند ، اما نتوانستند از خواب بلند شوند و به داده ها نگاه کنند. بنابراین آنها مجبور شدند داده های مورد نیاز خود را مشخص کنند و دلیل آن را توضیح دهند. Coopers فرایند را فیلمبرداری کرد و از آن به عنوان پایه ای برای ES استفاده کرد.

سومین آزمایش امکان سنجی این است که آیا می توانید توانایی هایی را که یک متخصص را از یک تازه کار متمایز می کند ، شناسایی کنید. ایجاد تمایز ضروری است زیرا شما باید بدانید که متخصصان باید در ساخت یک سیستم درگیر شوند و باید در مورد اندازه گیری عملکرد آن از چه استانداردی استفاده کنید.

برآورده کردن چالش اجرای

اگر فرصت رسیده است و استفاده از ES امکان پذیر است ، زمان آن رسیده است که روند توسعه را شروع کنیم. از بسیاری جهات ، توسعه و اجرای یک ES همان فناوری جدید است. همه فن آوری های جدید شامل ریسک فنی هستند ، نیاز به برخی از تنظیمات سازمانی دارند و نیاز به رسیدگی ماهرانه از ادراک دارند تا کاربران آینده نگر انتظارات غیر منطقی را توسعه ندهند. و البته ، تعهد توسط مدیریت ضروری است.

با این حال ، با وجود ESS ، چالش های فنی و سازمانی افزایش می یابد ، تا حدودی به دلیل نحوه ساخت این سیستم ها. بیشتر افراد بازرگان عادت دارند قبل از شروع توسعه دهندگان در پروژه توسعه نرم افزار ، مشخصات دقیق را مشاهده کنند. با این حال ، ESS از طریق نمونه سازی سریع توسعه یافته است - یعنی تولید سریع یک نسخه اولیه که استفاده از آن بازخوردی را برای تصحیح طرح فراهم می کند. مشکلاتی که توسعه دهندگان با آنها روبرو می شوند گاهی اوقات آنقدر زیاد است که مجبورند سیستم را از ابتدا طراحی کنند. برخی از مدیران این موضوع را به طرز وحشتناکی هدر می دهند. آنها درک نمی کنند که مهمترین بخش فرآیند توسعه ، خود برنامه نویسی نیست بلکه کشف مترقی دانش است.

مانند سیستم های پشتیبانی تصمیم گیری ، نمونه سازی ESS شامل انتخاب داده های مربوطه ، مکانیسم های ارائه و مدل های تحلیلی است. اما ESS همچنین ارزیابی ها و توصیه ها را بر اساس داده ها و مدل ها ایجاد می کند. کارشناسان باید هر نسخه از سیستم را ارزیابی کرده و استدلال مورد نظر خود را با تفکر خود مقایسه کنند. مدیران و کارشناسان باید در طول فرآیند درگیر شوند تا اطمینان حاصل کنند که این پروژه در مسیر صحیح قرار دارد.

ماهیت اکتشافی فرایند توسعه ، پیش بینی چگونگی مفید بودن پروژه را دشوار می کند. مدیران ممکن است این عدم اطمینان را ناامید کننده بدانند. آنها نمی توانند عدم اطمینان را از بین ببرند ، اما هرچه بیشتر آنها را درک کنند ، شانس آنها برای ایجاد یک سیستم ارزشمند بهتر می شوند.

مقیاسموضوعی که در مرحله توسعه بوجود می آید این است که آیا باید در مقیاس بزرگ ، مقیاس کوچک یا ترکیبی از این دو شروع شود. یکی از راه های شروع کوچک ، ساخت پوسته های مبتنی بر رایانه شخصی به طور گسترده در دسترس کاربران نهایی است. ایده این است که ، هرچه مردم از این فناوری راحت شوند ، برنامه های مفیدی را به تنهایی کشف می کنند. به عنوان مثال ، DuPont به کارمندان ES ES کوچک و مبتنی بر PC به کارمندان می دهد و آنها را به ساخت سیستم های متناسب با نیازهای خاص خود ترغیب می کند. انتظار می رود چنین سیستم هایی کوچک باشند ، زمان توسعه کوتاه (حداکثر ماه) داشته باشند و بازپرداخت سریع ارائه دهند. پول DuPont ممکن است در غیر این صورت برای مشاورانی که برای آموزش افراد در استفاده از پوسته ها خرج کرده است ، خرج کرده باشد.

شرکت هایی از جمله IBM و Texas Instrument ترکیبی از پروژه های در مقیاس بزرگ و در مقیاس کوچک هستند. نکته اصلی این رویکرد ایجاد زیرساخت های پشتیبانی و اختصاص یک فرد (یا گروه) با مسئولیت نظارت بر ایده ها و گسترش پروژه های موفق در سراسر سازمان است.

سازمان های دیگر ، مانند دیجیتال ، بوئینگ و آرتور اندرسن ، پروژه های گسترده ای را انجام داده اند. این پروژه ها به تیمی از افراد با ترکیب مناسب استعداد نیاز دارند و از شش ماه تا حداقل دو سال برای ایجاد و اجرای آن طول می کشد. Plan-Power ، یک برنامه ریزی مالی شخصی که توسط سیستم های خبره کاربردی تهیه شده است ، تقریباً دو سال از طراحی تا تحویل طول کشید. همین مسئله در مورد مشاور مالی پالادی - یک سیستم متخصص بودجه بندی سرمایه - و برای مودمن نیز صادق است.

نیازی به گفتن نیست ، به دلیل یادگیری که قبلاً اتفاق افتاده است ، این شرکت ها زمان کمتری برای ارائه محصولات مکمل و ESS جدید خواهد داشت. سازمانهایی که یک سیستم را می سازند در این فرآیند یاد می گیرند که دفعه بعد چگونه این کار را سریعتر و بهتر انجام دهند. با این وجود ، پیشرفت در فرآیند توسعه ES در آینده کند است و توسعه یک ES در مقیاس بزرگ یک پیشنهاد طولانی است. البته این دوره جوجه کشی طولانی می تواند یک مزیت رقابتی باشد.

استعداد. تیم توسعه برای پروژه های در مقیاس بزرگ باید سه نوع استعداد داشته باشد: دامنه ، فنی و مدیریتی. تخصص دامنه یا آگاهی از نحوه انجام کار ، معمولاً توسط متخصصی که کار را انجام داده است ارائه می شود. به عنوان مثال ، در مورد ExpertAx ، متخصصان مالیات و حسابرسی تخصص دامنه را ارائه دادند.

مهارت فنی-یعنی آگاهی از ابزارهای سخت افزاری و نرم افزاری موجود و مورد استفاده در این پروژه-می تواند از چندین مکان حاصل شود: دانشگاه ها ، شرکت های مشاوره ، فروشندگان رایانه ، کارکنان MIS داخلی یا متخصصان ES حقوق. ترسیم استعداد از هر یک از این منابع مزایا و اشکالاتی دارد. انتظار می رود کارشناسان خارج از آن درک عمیقی از ابزارها و روشهای ES داشته باشند تا بتوانند به سرعت یک سیستم کار را توسعه دهند و چشم انداز تازه ای به همراه داشته باشند. اما آنها گران هستند و یادگیری تجارت مشتری زمان می برد. از طرف دیگر ، افراد داخل شرکت ، با این حال آگاه هستند که در مورد تجارت هستند ، معمولاً فاقد تجربه با ESS هستند. و استخدام یک کارمند تمام وقت که می داند ESS برای اکثر شرکت ها بسیار گران است. به دلایل عملی ، بیشتر شرکت ها به متخصصان خارج از شرکت مراجعه می کنند که در انتخاب و رمزگذاری قوانین شست یک متخصص تمرین می کنند.

برخی از شرکت ها با محققان دانشگاه برای ایجاد نمونه های اولیه که در خانه ایجاد می شوند ، قرارداد می کنند. Mudman و XCON هر دو با نمونه های اولیه توسعه یافته در دانشگاه کارنگی-ملون آغاز شدند. برخی دیگر به مشاوران متکی هستند. جنرال موتورز سهام عدالت را در Teknowledge ، Inc. ، یک شرکت مشاوره ES که از آن استفاده کرده بود ، خریداری کرد. Texas Instrument در همه جبهه ها تهاجمی حرکت می کند. این آموزش داخلی را ارائه می دهد و از مشاوران استفاده می کند.

نیاز به دامنه و استعدادهای فنی چنان آشکار است که این دو هرگز مورد غفلت قرار نمی گیرند. با این حال ، آنها گاهی اوقات تأثیر بیش از حد یا خیلی کمی اعمال می کنند. هنگامی که کارشناسان فنی به تنهایی عملکرد و ویژگی های کاربردی را تعیین می کنند ، برنامه ها اغلب در تأمین نیاز واقعی تجارت ناکام هستند. پروژه هایی که موفق می شوند معمولاً توسط یک متخصص دامنه یا مدیر تجارت هدایت می شوند. آن شخص ، به عنوان بهترین قاضی مبادله ای که اغلب باید در طول توسعه انجام شود ، باید حرف آخر را در مورد محتوا و روند ES واقعی داشته باشد.

تجربه دیجیتال به این واقعیت گواهی می دهد. ویراستاران فنی در دیجیتال نمی توانند از نسخه اول XCon استفاده کنند. در حالی که از نظر فنی دقیق بود ، متناسب با روشی که تجارت به طور معمول انجام می شد ، مناسب نبود. تولید اغلب در حالی که منتظر تصویب یک فروشنده از سایر قطعات بود ، تا حدی یک سیستم را جمع می کرد. XCON چنین طرحی را کاملاً رد می کند. فقط هنگامی که XCON برای انجام دو چک - یکی برای بررسی و تأیید فروش و دیگری برای تولید ، تجدید نظر شد - این کار را به اندازه کافی انجام داد.

از آنجا که فناوری ES با سایر پروژه های رایانه ای متفاوت است ، مدیریت ارشد اغلب مطمئن نیست که آیا بخش سیستم های اطلاعات مدیریت باید آن را اداره کند. پاسخ بستگی دارد. اگر بخش MIS با نگهداری و به روزرسانی سیستم های موجود عایق یا مشغول باشد ، مشخص نیست که چه نقشی باید ایفا کند. بیشتر ESS در حال حاضر در شرکت های مختلف در یک منطقه کاربردی سرچشمه گرفته است ، نه بخش MIS. با این حال ، اگر بخش MIS سابقه پشتیبانی و اجرای سیستم های مبتنی بر کاربر را داشته باشد و می تواند استعداد لازم را به خود جلب کند ، پس دادن نقش عمده در پروژه توسعه ES احتمالاً ایده خوبی است.

نوع سوم استعداد ، مدیریتی ، موردی است که اغلب مورد غفلت قرار می گیرد یا با موقت مورد توجه قرار می گیرد. مدیریت هر پروژه توسعه نرم افزار نیاز به ترکیبی نادر از توانایی فنی و مهارت های بین فردی دارد ، اما به دلیل اینکه ESS دامنه های پیچیده و بد تعریف شده را کشف می کند ، آنها یک چالش مدیریتی به خصوص دشوار را ایجاد می کنند. ناظر پروژه باید بتواند درجه بالایی از ابهام ذاتی در توسعه ESS را تحمل کند.

استفادهکمتر از آرایش تیم توسعه ، این سؤال است که کاربر چه کسی خواهد بود. این سیستم ممکن است به کارشناسان کمک کند تا سریعتر کار کنند ، کارآموزان به طور مداوم کار می کنند ، یا تازه کار در کار شروع می شود. برخی از ESS به طور مرتب برای انجام کار استفاده می شود و برخی دیگر به صورت پراکنده استفاده می شوند ، بیشتر شبیه یک ابزار آموزشی.

از سیستم های خبره می توان به عنوان یک پسوند یک متخصص برای انجام کارهای روزمره و آزاد کردن آن شخص برای حل مسئله بیشتر استفاده کرد ، یا می توان آنها را به فردی کمتر تجربه کرد. فن آوری های دستی به پایین می توانند یک کلاس کاملاً جدید از متخصصان فنی ایجاد کنند. این اتفاق در بسیاری از موارد رخ داده است که در آن نقش افرادی که از ES استفاده کرده اند بسیار تغییر کرده اند. به عنوان مثال ، با استفاده از PlanPower ، یک منشی شروع به دستیابی به تخصص یک برنامه ریز مالی کرد.

هر الگوی استفاده حاکی از طرح های مختلف سیستم و مزایای مختلف است. ES که توسط تازه کار استفاده می شود با شخصی که توسط خود متخصصان استفاده می شود متفاوت است. و تأثیر سازمانی - ایجاد دسته های شغلی جدید ، ضرورت برنامه های آموزشی یا تغییر مسیرهای شغلی - همچنین متفاوت است.

هدف قرار دادن یک کار خاص همیشه به شما نمی گوید کاربران سیستم چه کسانی خواهند بود ، زیرا استفاده واقعی اغلب از این طرح جدا می شود. شرکت هایی که الگوهای استفاده را مطالعه می کنند ، در مورد نحوه تغییر عملیات ESS چیزهای زیادی را می آموزند. یکی از راه های تقویت یادگیری که اتفاق می افتد از طریق نمونه سازی سازمانی است - یعنی با انجام آزمایشاتی که شامل ایجاد عمدی و ارزیابی گروههای افرادی است که از سیستم متفاوت استفاده می کنند یا مقایسه تفاوت در الگوهای استفاده که به طور طبیعی بوجود می آیند. بینش به دست آمده می تواند به سودهای بهره وری ، خیاطی از نقش های شغلی و حس بهتر نیازهای کاربران به سیستم های آینده تبدیل شود.

XSEL Digital (دستیار فروش متخصص) برای تعامل با XCON طراحی شده است. در ابتدا قرار بود توسط فروشندگان مورد استفاده قرار گیرد تا پیکربندی را در زمانی که سفارش جدیدی برای یک سیستم رایانه ای ایجاد کرده اند ، بررسی کنند. در میان اولین کاربران اروپا ، سه الگوی مختلف استفاده پدیدار شد. در بعضی از دفاتر ، فروشندگان از XSEL به عنوان پیش بینی شده استفاده می کردند. در سایر دفاتر ، پیکربندی ها توسط یک دستیار فنی ، که از XSEL استفاده نمی کند ، به صورت دستی بررسی شد. در سایر دفاتر ، دستیاران فنی از XSEL استفاده کردند. این الگوی سوم همان چیزی است که در اروپا ادامه دارد و دیجیتال با آن تنظیم شده است. توسعه دهندگان XSEL دیگر تصور نمی کنند که همه کاربران سیستم به ویژه در اروپا ، فروش فروش خواهند بود.

اندازه گیری. برخی از مدیران از تعداد کل کاربران یا میزان استفاده به عنوان اقدامات موفقیت استفاده می کنند. با این حال ممکن است این بهترین شاخص های ارزش سیستم نباشد. به عنوان مثال ، برخی از ESS مانند یک ابزار آموزشی استفاده می شود: تازه کارها از ES برای چند ماه استفاده می کنند تا زمانی که همه آنچه را که ارائه می دهد را یاد گرفته اند ، پس از آن استفاده از آن کاهش می یابد تا اینکه یک دسته جدید از مبتدیان در صحنه ظاهر شوند. دیگران توسط چند نفر یا به ندرت اما در نقاط تصمیم گیری مهم استفاده می شوند. بنابراین مدیر یک پروژه ES باید مسئله اندازه گیری را بطور عملی درمان کند. نمونه سازی سازمانی که قبلاً ذکر شد می تواند به برجسته کردن بهترین اقدامات موفقیت کمک کند.

انتظارات را مدیریت کنید

به همان اندازه هیجان انگیز و امیدوار کننده به عنوان ESS ، بیش از حد می تواند منجر به فرضیات بی اساس و انتظارات غیرواقعی شود. 2 ادعای معمولی این است که سیستم های خبره به شرکت ها "کارشناسان کلون" کمک می کنند. این ادعا سرشار از است. حل مسئله تنها بخش کوچکی از کاری است که یک متخصص در یک شرکت انجام می دهد. بهترین مقاله تا به امروز تنها بخشی از دانش متخصص را ضبط می کند. علاوه بر این ، حتی پیشرفته ترین سیستم های خبره ، مانند XCON ، جایگزین کارشناسان نمی شوند بلکه توانایی های آنها را تقویت می کنند یا به افراد با تجربه کمتری اجازه می دهند تا عملکرد بهتری داشته باشند. به طور کلی ، انسان ها توسط سیستم های Expert جایگزین نمی شوند. علاوه بر این ، سیستم های خبره به طور مرتب ، اگر به طور مداوم ، توسط انسان کنترل و به روز شوند.

ESS 100 ٪ 100 ٪ از زمان صحیح نیست. مردم تمایل دارند عملکرد بسیار بالاتری و سازگارتر را از یک برنامه رایانه ای از آنچه انتظار می رود از یک متخصص انسانی انتظار داشته باشند ، انتظار داشته باشند ، اما چنین انتظارات بلند دادگاه فاجعه دادگاه است. می توان انتظار قوام از ES را داشت ، اما ESS از ضعف ها و همچنین نقاط قوت قضاوت بشر تقلید می کند. علاوه بر این ، ارزیابی اینکه آیا پاسخ "صحیح" است ، اغلب یک نظر است. این در مجوز اعتبار و همچنین در پیکربندی رایانه صادق است. بسیاری از پیکربندی ها کار خواهند کرد ، اما انتخاب بهترین موارد یک موضوع قضاوت است.

هیپسترها اغلب در مورد کاربرد ESS اشتباه می کنند زیرا آنها به طور ضمنی ESS را با اتوماسیون مکانیکی مقایسه می کنند. قدرت بخار اسب بخار و نیروی انسانی را برداشته است. رایانه ها کارمندان روحانی را در صنایعی مانند بیمه حذف کردند. ادامه این منطق باعث می شود که فرد به عنوان اتوماسیون متخصصان فکر کند. اما این استدلال دو نقص دارد. اول ، اثرات انواع قبلی اتوماسیون مستقیم نبود. دوم ، ES اغلب بیشتر از یک دارایی فناوری شرکت است تا سرمایه گذاری در جایگزینی کار.

تحقیقات نشان داده است که برای افراد دشوار است که به طور همزمان بیش از نه قطعه داده را آگاهانه پردازش کنند. هر مشکلی با بیش از نه پارامتر ذهن را آزار می دهد. با این حال ، ما در ارزیابی میزان آن پیچیدگی مشکل داریم زیرا درک 20 پارامتر برای ما به همان اندازه دشوار است. در هر صورت ، این فراتر از توانایی ما برای بازیابی آنها به راحتی نیست. این ناتوانی در سنجش عمق پیچیدگی تمایل به تورم انتظارات ما از سیستم های خبره دارد.

به نظر می رسد نسخه اولیه یک سیستم از ضمانت نامه های واقعی آن چشمگیرتر است و باعث می شود افراد قبل از آماده شدن سیستم برای استفاده ، میزان کار باقی مانده را دست کم بگیرند. در برخی موارد ، انتظارات تورم مدیران از تظاهرات اولیه نمونه های اولیه باعث شد تا آنها به نتیجه نادرست بپردازند که پروژه ها در پشت برنامه قرار دارند. برخی از مدیران حتی تا آنجا پیش رفتند که منابع اختصاص داده شده به پروژه را انکار کنند زیرا پیشرفت بسیار کندتر از آنچه پیش بینی می شد بود.

این احتیاط ها با وجود این ، سیستم های خبره ارزش خود را به جامعه تجارت نشان داده اند و مدیران باید مسئولیت استفاده از فناوری ES را با اندیشه بر عهده بگیرند. استفاده از این سیستم ها به سازمان ها این امکان را می دهد تا از تخصص های موجود استفاده کنند تا به موقع و عملکرد بسیاری از تصمیمات معمول اما مهم تجاری را بهبود بخشند. علاوه بر این ، یادگیری در روند سؤال از متخصصان و ساختار دانش آنها بینش ارزشمندی را فراهم می کند که اغلب منجر به کارآیی در انجام کار می شود. اجرای این ابزارها سازمان ها را به قلمرو مدیریتی جدید سوق می دهد. مدیران تجربه زیادی در زمینه انتقال تخصص از یک انسان به انسان دیگر دارند. آنها وقتی ماشین ها به ضبط و تحریک تلاش های انسانی برای ضبط و انتقال دانش کمک می کنند ، تجربه مدیریت بسیار کمتری دارند.

ما هنوز مجموعه کاملی از مزایا و محدودیت های بالقوه سیستم های انسان را نمی دانیم ، اما شروع به یادگیری می کنیم. همانطور که دیدیم ، سیستم های خبره قبلاً به افراد تازه کار اجازه داده اند کارهای متخصص را انجام دهند. در برخی موارد ، آنها به سازمان ها کمک کرده اند تا فرایندها و رویه های حیاتی را درک کنند. موج بعدی ESS ممکن است حتی قدرتمندتر و با ارزش تر باشد. تحقق پتانسیل این ترکیب در حال تحول دانش انسان و ماشین به همان اندازه به مدیریت مربوط به خود فناوری وابسته است.

1 مثال یک قانون اصلاح شده از سیستم متخصص XCON دیجیتال است.

2 برای بحث در مورد انتظارات واقع گرایانه ، به عنوان مثال ، "تفکر در مورد هوش مصنوعی" ، HBR ژوئیه - August 1987 ، ص. 91