رفتن به محتوای اصلی
کهن‌دژکتاب مرجع هوش مصنوعی
منابعاعتبارسنجی
فهرست این فصلبخش ۱، فصل ۵

بخش ۱، فصل ۵

برای مدیران — پیام‌های اجرایی مبانی و زبان مشترک هوش مصنوعی

متن اصلی فارسی با منشأ، شناسه و پیوند استناد پایدار.

از زبان مشترک تا تصمیم قابل‌دفاع

جمع‌بندی تدوینگر

چه چیزی مهم است؟

نخستین پیام این بخش برای مدیران: برای «هوش مصنوعی» (AI) تعریف واحد و موردتوافق گسترده‌ای وجود ندارد و نخستین وظیفهٔ مدیران، ساختن «زبان مشترک» سازمانی است. سه نکتهٔ بنیادین:

  • انسان‌ها در مرکز سامانه‌های AI باقی می‌مانند؛ توافق‌ها، فرایندها و چارچوب‌بندی هدف توسط انسان، بر عملکرد مدل اثر می‌گذارد.
  • هر سامانهٔ AI «چرخهٔ حیات» دارد؛ از انتخاب مورد کاربرد تا طراحی، توسعه، استقرار، «پایش» (Monitoring) و کنار گذاشتن. حاکمیت باید تمام این چرخه را بپوشاند، نه فقط لحظهٔ خرید ابزار.
  • خروجی مدل‌ها «پیش‌بینی» است، نه حکم قطعی؛ عدم قطعیت و خطا در آن‌ها ذاتی و تقلیل‌ناپذیر است.

ریسک اصلی

پرخطرترین الگو در سازمان‌های تازه‌کار، «خرید بدون صورت‌مسئله» است: هزینه‌کردن برای مسئله‌ای که اصلاً به AI نیاز ندارد، یا پذیرش خروجی مدل به‌عنوان حقیقت مسلم. سوگیری ذاتی همهٔ مدل‌ها، «تاریک‌ساختگی» (جعبهٔ سیاه) و چشم‌انداز پراکنده و به‌سرعت متغیر تنظیم‌گری، این ریسک را چندبرابر می‌کند. برای یک بانک ایرانی یا یک بیمارستان خصوصی، پرسش حساس روزِ حسابرسی نه «مدل چقدر دقیق بود؟» بلکه «با چه فرایند و مدرکی چنین تصمیمی گرفتید؟» است.

چه تصمیم مدیریتی لازم است؟

در لایهٔ اجرایی این کتاب پیشنهاد می‌شود مدیر ارشد سه تصمیم مکتوب بگیرد:

  • تصویب واژه‌نامهٔ واحد به‌عنوان مرجع الزامی گزارش‌ها و جلسات راهبری؛
  • قاعدهٔ «اصالت مورد کاربرد»: هیچ پروژهٔ AI بدون سند کوتاه «چرا AI و نه روش ساده‌تر؟» بودجه نگیرد؛
  • تعیین مالک پاسخ‌گو برای هر سامانهٔ AI در سراسر چرخهٔ حیات، با تفکیک نقش‌ها در قالب RACI.

طبقه‌بندی این قاعده به‌عنوان «ضروری برای اجرای پایه»، طبقه‌بندی تدوینگر است.

چه کسی مسئول است؟

مالکیت پاسخ‌گو باید یک فرد مشخص باشد؛ مثلاً معاون ارشد دیجیتال یا مدیر ریسک. کمیتهٔ راهبری AI نقش نظارت و هماهنگی دارد، نه محو مسئولیت فردی. تیم فنی مالک عملکرد مدل است؛ اما پذیرش ریسک، تصمیم مدیریت است.

چه مدرکی باید وجود داشته باشد؟

  • سند انتخاب و رد موارد کاربرد، حتی موارد ردشده به‌دلیل نبود نیاز واقعی به AI؛
  • فهرست سامانه‌های AI سازمان (شامل هدف، داده‌های اصلی و نام مالک هر سامانه)؛
  • مصوبهٔ واژه‌نامهٔ واحد و نقشهٔ RACI مصوب.

چه چیزی باید اندازه‌گیری شود؟

شاخص (نمونهٔ پیشنهادی تدوینگر)تعریفآستانهٔ هشدار
پوشش توجیهنسبت پروژه‌های AI دارای سند «چرا AI»کمتر از ۱۰۰٪
پوشش مالکیتنسبت سامانه‌های دارای مالک نام‌بردهکمتر از ۱۰۰٪
یکدستی زباننسبت اسناد راهبری منطبق بر واژه‌نامهٔ مصوبکمتر از ۹۰٪

این KPI/KRI نمونهٔ پیشنهادی تدوینگر بر پایهٔ مفاهیم مطرح‌شده در منابع این بخش است. ممکن است بسته به صنعت و مقررات حاکم، الزامات دیگری نیز اعمال شود.

استناد

محمدعلی کهن‌دژ، راهنمای جامع حاکمیت، امنیت و مدیریت ریسک هوش مصنوعی، شناسه بخش: KDJ-AI-2026E1-P01-C05-S01

شناسهٔ محتوا KDJ-AI-2026E1-P01-C05-S01-5AC7A267

پیوند مستقیم این بخش