شهر هوشمند و واقعیت‌های تصمیم‌گیری داده‌محور | چرا پایلوت‌های هوش مصنوعی به ارزش نمی‌رسند؟


چرا با وجود سرمایه‌گذاری گسترده روی داده و هوش مصنوعی،
بسیاری از سازمان‌ها هنوز تصمیم‌های غیر‌داده‌محور می‌گیرند؟

در این گفت‌وگوی «شهر هوشمند»، به یکی از مهم‌ترین اصول تحول دیجیتال می‌پردازیم: تصمیم‌گیری، تعاملات و فرآیندهای داده‌محور.

این موضوع یکی از محورهای کلیدی مورد توجه McKinsey برای کسب‌وکارهای داده‌محور است.

در این گفتگو درباره:
🔹 آمار و شواهد واقعی از اثر داده‌محوری در تصمیم‌گیری سازمانی
🔹 باقی ماندن بسیاری از کاربردهای Gen AI در مرحله پایلوت
🔹 هشدار صریح Harvard Business Review: «پایلوت‌های متعدد را متوقف کنید!»
🔹 فاصله بین «رشد سرمایه‌گذاری» و «اثرگذاری واقعی»
🔹 نقش فرهنگ سازمانی، سواد داده و ساختار تصمیم‌گیری
صحبت می‌کنیم.



https://youtu.be/RBI8zRcpYmk?si=ftwuc74ms1hxX959


#DataDriven
#DataDrivenDecisionMaking
#GenAI
#DigitalTransformation
#DataStrategy
#CDO
#AITransformation
#OrganizationalCulture
#McKinsey
#HarvardBusinessReview
#SmartGovernance
#تحول_دیجیتال
#داده_محور
#تصمیم_گیری_داده_محور
#7steps
#SmartCities #Smart_City #DigitalTransformation
#شهرهوشمند
#گفتگوی_غیر_رسمی #نیمه_عمومی #نیمه_تخصصی

On World Telecommunication and Information Society Day 2026, digital resilience is no longer a secondary concern, it is a strategic imperative. As highlighted in the latest ITU report, our digital infrastructures, from terrestrial networks to submarine cables, satellites, and data centers; are deeply interconnected and increasingly exposed to systemic risks. Disruptions are no longer isolated incidents; they cascade across sectors and borders, yet they remain significantly underestimated.

The ITU report clearly outlines key priorities: building a deeper understanding of critical digital risks and their chain reactions, updating risk management frameworks to include non-intentional disruptions, strengthening standards such as analogue fallback capabilities, and enhancing coordination across sectors and geographies. Equally important is focusing on critical infrastructures like submarine cables, space-based systems, and data centers; areas that often fall outside traditional policy attention.

The real challenge, however, goes beyond frameworks and technologies. It is about shifting our mindset, from expanding connectivity to designing for resilience. In many contexts, especially in developing digital ecosystems, growth has outpaced preparedness. The key question is no longer whether disruptions will occur, but whether our systems and our governance models are capable of absorbing shocks, adapting, and continuing to operate when it matters most.

https://wtisd.itu.int/2026/digital-risks-report/


#WTISD26
#Digitalresilience

استاد جراحی در سی‌وچهارمین کنفرانس بین‌المللی برق با تأکید بر ظرفیت‌های عظیم زیست‌بوم نوآوری ایران، تصریح کرد: با الگوبرداری از تجربیات موفق دهه ۹۰، اصلاح استانداردهای بورسی و تغییر نگاه حاکمیت از «رقیب» به «تسهیل‌گر»، دستیابی به حداقل ۵ یونیکورن در ۵ سال آینده کاملاً در دسترس است.

https://www.itrc.ac.ir/fa/node/48143


@vapps
#smartgovernance

1- ما در ایران واگن‌های استارتاپی را داریم اما «یونیکورن» (شرکت‌های با ارزش بیش از یک میلیارد دلار) که نقش لوکوموتیو را بازی کنند، نداریم.
2- اقتصاد رسمی یعنی بورس و بازار سرمایه. رشد شرکت‌های بزرگ فناوری در آمریکا، نه صرفاً به خاطر ایده‌های استیو جابز یا بیل گیتس، بلکه به دلیل وجود مکانیسم بورس بود که این شرکت‌ها را به سقف‌های چند تریلیون دلاری رساند.
3- ما در ایران به فن‌سالارانِ (تکنولوژیست‌ها) خود آموخته‌ایم که نباید به بورس فکر کنند، در حالی که اهرم رشدِ شرکت‌های تک‌محور، ورود به بازار سرمایه است.
4- متأسفانه در نظام حسابرسی ما، دارایی‌های نامشهود (مانند پلتفرم‌ها) درک نمی‌شود. حسابرسانِ ما فولاد و سیمان را می‌فهمند، اما پلتفرمی که راننده یا کالا متعلق به خودش نیست را نمی‌توانند ارزش‌گذاری کنند. این در حالی است که در استانداردهای جهانی (IFRS) این موضوع حل شده است.
5-  در دهه ۹۰، یک مثلث طلایی شکل گرفت: ورود کارآفرینان از خارج، حضور سرمایه‌گذاران عمدتاً خارجی و «تحمل» حاکمیت. نکته قابل‌تأمل این است که بنیان‌گذاران این استارتاپ‌ها، دانش‌آموخته دانشگاه‌های فنی ایران یا دارای مدرک دکترا نبودند؛ بلکه افراد دارای مدرک MBA با سابقه کار در شرکت‌های خارجی بودند که سرمایه و «اسمارت‌مانی» (پول هوشمند) را با خود آوردند.
6- دلار سرمایه‌گذاری خارجی «پول حلال» است چون هوشمندی مدیریتی می‌آورد، اما وام‌های بانکی ارزان‌قیمت، «پول خنگ» است و جنسش با رشد ارگانیک متفاوت است.
7- وقتی شمشاد بلند می‌شود، شروع به قیچی کردن آن می‌کنند. از سال ۹۹ که حاکمیت احساس کرد این شرکت‌ها هویتی مستقل یافته‌اند، سعی کرد فیتیله را پایین بکشد که منجر به نرخ انباشت سرمایه منفی شد.
8- امید جوان ایرانی در شرایط فعلی از مسیر اقتصاد دیجیتال می‌گذرد، نه صنایع سنتی؛ برای تحقق این امر حاکمیت باید «حکمرانیِ تسهیل‌گر» را جایگزین مدل‌های نظارتی سخت‌گیرانه کند.

نقشه راه ۶ مرحله‌ای برای خروج از بحران
۱. زیرساخت‌های فیزیکی و محاسباتی: تقویت بسترهای تکنولوژیک.
۲. محیط حقوقی قابل پیش‌بینی: کاهش ۹۰ درصدی تعاملات فرسایشی و دعواهای حاکمیتی که اکنون ۸۰ درصد وقت مدیران استارتاپی را می‌گیرد.
۳. دیپلماسی دیجیتال: تعامل منطقی با جهان.
۴. ایجاد هاب‌های اقتصاد دیجیتال: تقویت مناطقی مانند کیش برای جذب سرمایه.
۵. بازگشت نخبگان (دیاسپورا): الگوبرداری از هند و تایوان در فراخواندن متخصصان ایرانی خارج از کشور برای مدیریت شرکت‌های بزرگ.
۶. تغییر رویکرد حاکمیت: گذار از جایگاه رقیب به حکمرانِ تسهیل‌گر که به‌جای «پنچر کردن» چرخ‌ها، به رشد استارتاپ‌ها کمک کند.

تحلیلی بر تحولات داده محوری

چی فکر می‌کردیم، چی شد!
این عنوان سندی بود که آخرین نسخه‌اش را در ششم دی‌ماه 1404 آماده کردم. موضوعش مروری روندهای داده‌محور در در بازه چهارساله منتهی به 2025 است. یافته‌های این تحلیل اگرچه از تحولی ناتمام و ناهموار در مسیر داده‌محوری حکایت دارد، اما در عین حال نشان‌دهنده برآیند مثبت و رو به جلو طی بازه آغاز 2022 تا انتهای 2025 است. 
البته عنوان سند، تقارن غریب و شاید تلخی دارد با آنچه فکر می‌کردیم (یا حتی فکرش رو هم نمی‌کردیم!) و آن‌چه شد.
خبر خوب اینکه این سند فقط روی داده‌محوری متمرکز است و به تلخ و شیرین روزگار کاری ندارد.
خوشحال میشم تورقی کنید و نظر بدهید...
https://vrgl.ir/T5Xiw
#داده #هوش_مصنوعی #کسب_و_کار #پذیرش #سرمایه_گذاری #بلوغ #بازده #اثربخشی #هوش_مصنوعی_عامل_محور
#data_driven_businesses #investment #impacts #AI #Agentic_AI #AI_Native

Conversational AI and the Future Of Digital Strategy

هوش مصنوعی گفتگو‌محور دیگر یک ابزار آزمایشی نیست
سازمان‌ها امروز با کمک مدل‌های زبانی بزرگ، هوش مصنوعی چندوجهی و معماری‌های مبتنی بر RAG می‌توانند تجربه‌ای شخصی‌سازی‌شده، هوشمند و حتی تراکنش‌محور را در وب‌سایت، اپلیکیشن، مرکز تماس و پلتفرم‌های شریک ارائه کنند.
آنچه این تحول را جدی‌تر می‌کند، فقط پیشرفت فناوری نیست؛ بلکه تغییر انتظارات مشتریان است. کاربران دیگر نمی‌خواهند بین وب‌سایت، اپ، تماس تلفنی و فرم‌های مختلف جابه‌جا شوند، اطلاعات خود را چندبار تکرار کنند یا برای رسیدن به پاسخ درست، چندین بار جست‌وجو انجام دهند. آن‌ها تجربه‌ای می‌خواهند که طبیعی، سریع، آگاه از زمینه و نتیجه‌محور باشد.
هوش مصنوعی گفتگو‌محور دقیقاً به همین نقاط درد پاسخ می‌دهد:
1- حفظ context در همه کانال‌ها
2- کاهش اصطکاک در سفر مشتری
3- ساده‌سازی احراز هویت و تعامل
4- پشتیبانی هوشمند از تصمیم‌گیری
5- انجام خودکار کارهای روتین از ابتدا تا انتها
6- ارجاع شفاف و سریع به نیروی انسانی در موارد پیچیده
از منظر استراتژی دیجیتال، این تحول یعنی حرکت از کانال‌های جزیره‌ای به سمت یک تجربه یکپارچه و گفتگو‌محور. در این مدل، وب‌سایت از یک فضای صرفاً ناوبری‌محور به «درگاه گفتگویی» تبدیل می‌شود، اپلیکیشن موبایل به یک دستیار شخصی و پیش‌دستانه ارتقا می‌یابد، و مراکز تماس به جای انجام امور تکراری، روی پرونده‌های پیچیده و ارزش‌آفرین تمرکز می‌کنند.
اما موفقیت در این مسیر فقط به فناوری وابسته نیست. سازمان‌هایی برنده خواهند بود که هم‌زمان روی طراحی مشتری‌محور، حاکمیت داده، اعتماد، شفافیت، امنیت، GEO و یکپارچه‌سازی هوشمند با بازارگاه‌ها سرمایه‌گذاری کنند.


Ref: Oliver Wyman, "Conversational AI and the Future Of Digital Strategy", 2026

#AI
#Strategy
#Digital_Strategy
#Conversational_AI
#Customer_Experience
#Generative_AI
#Digital_Transformation
#Agentic_AI
#Customer_Engagement
#AI_Strategy

در دهه گذشته بسیاری از سازمان‌ها مسیر خود را از Portal شروع کردند، به Workflow و BPMS و نهایتا Platform رسیدند.

در حوزه هوش مصنوعی نیز در حال ورود به یک مسیر بلوغ مشابه هستیم: از Chatbot به Assistant و این روزها به Agent و Autonomous Agent.

تفاوت اصلی در این است که Agent صرفاً پاسخ تولید نمی‌کند؛ بلکه می‌تواند:
- هدف دریافت کند
- برنامه‌ریزی کند
- ابزارهای مختلف را فراخوانی کند
- اقدام انجام دهد
- و در سطوح پیشرفته، از نتایج یاد بگیرد.

این تمایز برای سازمان‌های بزرگ و نهادهای عمومی مهم است؛ زیرا بسیاری از پروژه‌هایی که امروز تحت عنوان «دستیار هوشمند» اجرا می‌شوند، در واقع هنوز فاصله قابل توجهی با «عامل هوشمند» دارند.

احتمالاً طی دو ۲-۳ سال آینده، یکی از معیارهای ارزیابی بلوغ دیجیتال سازمان‌ها، میزان بهره‌گیری از Agentic AI در فرایندهای عملیاتی خواهد بود.

در این مسیر، کسب‌وکارها و نهادها باید سراغ پاسخ به این سوال کلیدی بروند که: کدام یک از فرایندهای سازمان قابلیت واگذاری به AI Agent را دارند؟

#AI #AgenticAI #GovTech #SmartGovernment #DigitalTransformation #Gartner #EnterpriseArchitecture #Platform

Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints

This new report entitled "Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints" highlights a striking reality about AI consumption:
Training accounts for only about 10% of total AI resource usage.
What truly matters is not a single question you or I ask, but the billions of queries collectively generated every day. According to the report, nearly 80–90% of AI’s total water and energy consumption is driven by cumulative inferences and aggregated tasks we continuously delegate to these systems.
This leads to a deeper concern: we are becoming increasingly consumption-driven and, arguably, wasteful.
We are rapidly normalizing services that were never part of our daily lives before. Instead of relying on our own cognitive abilities, we now turn to AI for even the simplest tasks, checking the time, finding basic recipes, or solving trivial questions. We are not just using machines; we are becoming deeply attached to them, engaging more each day with tools that are, by design, meant to maximize that engagement.
The report sends a clear message: responsibility is shared.
Consumers can be more mindful. Developers can design more efficient systems. And governments must step up, ensuring transparency and mitigating the environmental and societal impacts of large-scale AI deployment.
The future of AI is not just about capability, it’s about responsibility.

https://unu.edu/inweh/news/environmental-cost-of-AIs-Enrgy-use-carbon-water-and-land-footprints