تزریق تفکر استارتاپی به غول ۱۲۸ ساله؛ استراتژی هوش مصنوعی گودیر برای کارخانه‌های آینده

وقتی رامان مهتا (Raman Mehta) در دسامبر ۲۰۲۵ سکان هدایت فناوری اطلاعات شرکت تایرسازی گودیر (Goodyear) رو به دست گرفت، وارد یک تولیدکننده سنتی و اسطوره‌ای شد که وسط یک دوره دگرگونی اساسی قرار داشت. این غول ۱۲۸ ساله با درآمد سالانه ۱۸.۳ میلیارد دلار در سال ۲۰۲۵ و حدود ۶۳ هزار پرسنل در ۴۸ کارخانه در ۱۹ کشور دنیا، محصولاتی از تایر خودروهای شخصی گرفته تا هواپیما، ماشین‌آلات کشاورزی و اتومبیل‌رانی عرضه می‌کنه.

گودیر پیش از این با برنامه تحول Goodyear Forward حسابی سبد محصولاتش رو چابک کرده بود؛ طرحی که تا پایان ۲۰۲۵ سودی معادل ۱.۲۵ میلیارد دلار رقم زد. حالا مأموریت مهتا تمام بخش‌های فناوری اطلاعات، استراتژی دیجیتال، امنیت سایبری، زیرساخت، تجربه مشتری، تعامل با نمایندگی‌ها و بخش‌هایی از زنجیره تأمین و لجستیک رو شامل میشه.

مهتا با اشاره به چالش‌های این مأموریت میگه: «بزرگ‌ترین چالش من به عنوان مدیر ارشد اطلاعات (CIO)، تزریق ذهنیت استارتاپی به یک سازمان ۱۲۸ ساله و سنتیه. سوال اصلی اینه که چطور سوار موج فعلی فناوری بشیم و به مشتری‌ها و سهام‌داران خیلی سریع‌تر و مؤثرتر خدمت‌رسانی کنیم؟»

از پروژه‌های پایلوت تا پروژه‌های فانوس دریایی

مهتا این دیدگاه تازه رو با یک فرمول ساده جا انداخت: «حرکت و شتاب، وضوح میاره.» اون به جای اینکه تیم‌ها رو معطل آماده شدن داده‌های بی‌نقص یا برنامه‌ریزی‌های طولانی‌مدت چندساله کنه، ازشون خواست فوراً دست‌به‌کار بشن، پروژه‌ای واقعی تحویل بدن و از نتایجش یاد بگیرن. تعریف مهتا از سرعت اصلاً تعداد آزمایش‌های نصفه‌نیمه نیست، بلکه نتایج ملموس و قابل اندازه‌گیری روی کار پایانه.

نظم و انضباط عملیاتی حرف اول رو می‌زنه؛ زیرساخت‌ها باید پابرجا و امنیت سایبری باید کاملاً نفوذناپذیر باشه. روی همین بستر، مهتا میخواد گودیر از ابزارهای دم‌دستی بهره‌وری شخصی فراتر بره و هوش مصنوعی رو برای حل چالش‌های بزرگ میان‌بخش‌های سازمانی به کار بگیره. اون در ۶ ماه اول، با مدیران زنجیره تأمین، تولید و مالی همکاری کرد تا چند «پروژه فانوس دریایی» (Lighthouse Projects) با حمایت مستقیم مدیران ارشد و تأثیر شفاف روی سودآوری یا تجربه مشتری تعریف کنه.

مهتا در این‌باره توضیح میده: «باید از فاز پایلوت‌های ساده بیرون بیایم و محصولاتی عرضه کنیم که مستقیماً به درآمدزایی کمک کنن یا کیفیت سرویس‌دهی به مشتری رو ارتقا بدن.» این موفقیت‌های اولیه همچنین تنبلی و مقاومت سیستم در برابر تغییر روندهای قدیمی رو می‌شکنه. وقتی تیم‌ها می‌بینن یک گره کور به جای چند سال، ظرف چند هفته باز میشه، بحث‌ها از اینکه "آیا سازمان آمادگی داره یا نه"، به این سمت می‌ره که "حالا بریم سراغ حل کدوم مسئله بعدی".

هوش سازمانی با داده‌های تمیز متولد میشه

بزرگ‌ترین مانع سر راه، کیفیت و ساختار داده‌های سازمانی زیربنای مدل‌هاست. خیلی از سیستم‌های اداری قدیمی برای دورانی طراحی شدن که چند قانون ساده به یک داشبورد ختم می‌شد، یک کارشناس گزارش رو تحلیل می‌کرد و گردش کار ادامه می‌یافت. هرچند هوش مصنوعی امروز قدرت تحلیل، استدلال و اقدام پیدا کرده، اما داده‌های نامطمئن و آلوده این قابلیت‌ها رو در فرآیندهایی که نیاز به دقت میلی‌متری دارن، به شدت خطرناک می‌کنه.

مهتا تأکید می‌کنه: «هوش مصنوعی مولد ماهیتی مبتنی بر احتمالات داره، اما تو دنیای سازمانی شما به خروجی‌های کاملاً قطعی و بدون خطا نیاز دارید. نمیشه مثلاً حساب اعتباری یک مشتری رو بر اساس حدس و گمان مسدود کرد؛ داده‌ها باید ۱۰۰ درصد دقیق باشن.»

گودیر حالا روی دسته‌های حیاتی داده مثل مشتریان، تأمین‌کنندگان و فهرست مواد تشکیل‌دهنده کالاها متمرکز شده. این شرکت از ایجنت‌های هوشمند برای پیدا کردن خطاهای داده، پیشنهاد اصلاحات و کشف الگوهای مخفی در دریاچه‌های داده (Data Lakes) استفاده می‌کنه.

مهتا نتیجه نهایی این مسیر رو «هوش سازمانی» (Enterprise Grade Intelligence یا EGI) می‌نامد؛ هوشی متکی بر داده‌های تحت نظارت، بستر تجاری واقعی و کنترل‌های قابل اتکا. این فرآیند شامل آموزش معماری مفاهیم گودیر به مدل‌ها، ساخت گراف‌های دانش و استخراج تجربیات باارزش قدیمی کارمندان از اکسل‌های جداگانه است.

محصولات داده مشترک حالا ضمانت‌های مشخصی در زمینه کیفیت، به‌روز بودن و امنیت دارن. به این ترتیب متخصصان کسب‌وکار می‌تونن سیستم‌های تحلیلی و گردش‌کارهای مبتنی بر ایجنت‌ها رو بسازن بدون اینکه درگیر ارقام متناقض شعب مختلف بشن. مهتا در این مورد میگه: «حالا همه بر اساس یک منبع اطلاعاتی واحد و هماهنگ کار می‌کنن.»

فناوری محصول‌محور، نقش کارشناسان IT را دگرگون می‌کند

مهتا ساختار سنتی فناوری اطلاعات رو از حالت پروژه‌محور به سمت فناوری محصول‌محور (Product IT) سوق داده. مدیران فناوری حالا موظف هستن حوزه تجاری که بهش خدمت می‌کنن رو عمیقاً بفهمن، پا به پای شرکای تجاری کار کنن و سنجه‌های تأثیرگذار محصولشون رو بسنجن. این رویکرد بر درک سرتاسری IT از فرایندهای کلیدی مثل "از ثبت سفارش تا دریافت وجه" تکیه داره.

این تحول نیازمند مدل استعدادیابی کاملاً جدیدیه. هم‌زمان با اینکه هوش مصنوعی توسعه مبتنی بر مشخصات و شکل‌های نوینی از مهندسی نرم‌افزار رو ممکن ساخته، معیارهایی مثل شمارش خطوط کدنویسی دیگه اهمیتی ندارن. گودیر به جای دوره‌های آموزشی کلیشه‌ای، بر «یادگیری بر پایه شواهد» تمرکز کرده؛ یعنی کارمندان روی پروژه‌های واقعی اسکیل‌هاشون رو ارتقا میدن و متخصصان مسلط به ابزارهای هوش مصنوعی کنار نیروهای باسابقه می‌نشینن.

مهتا میگه: «ما یک رابطه مربی‌گری راه انداختیم که در اون متخصصان هوش مصنوعی به کارشناسان حوزه‌های تخصصی یاد میدن چطور این دو دنیا رو به هم پیوند بزنن.» هدف این نیست که هر مدیر باسابقه به مهندس یادگیری ماشین تبدیل بشه؛ هدف اینه که بینش تجاری با قدرت فنی تلفیق بشه تا تیم‌ها بتونن یک فرایند رو از نو طراحی کنن، نه اینکه صرفاً کار قدیمی رو خودکار کنن.

تولد کارخانه متصل

خط تولید و بخش ساخت، جاییه که داده‌ها، تفکر محصول و برنامه‌های هوش مصنوعی مهتا به هم می‌رسن. کارخانه‌های گودیر از نظر قدمت، تجهیزات و سطح خودکارسازی با هم فرق زیادی دارن. بنابراین اولین نیاز برای یک کارخانه متصل، ساخت زیرساختی تحت نظارت و قدرتمنده که بتونه داده‌های لحظه‌ای رو از ماشین‌ها، کنترل‌کننده‌های منطقی برنامه‌پذیر (PLC) و ایستگاه‌های تولید جمع‌آوری کنه.

روی این بستر، مهتا سیستم‌های اجرای تولیدی رو ترسیم می‌کنه که استانداردهای یک تایر بی‌نقص رو می‌شناسن، هر انحرافی رو متوجه میشن و ریشه نقص‌ها رو در مواد اولیه، میزان خطا و مشخصات فنی ردیابی می‌کنن. هدف نهایی، یک چرخه بسته خودکارسازیه که توش سیستم بر اساس چارچوب‌های تعیین‌شده اقدام اصلاحی پیشنهاد میده یا اعمال می‌کنه.

علاوه بر این، مهتا چشم‌انتظار هوش مصنوعی فیزیکی (Physical AI) هم هست. مدل‌های بینایی-زبانی به ربات‌ها این امکان رو میدن که با دیدن عملکرد انسان‌ها کارها رو یاد بگیرن، بدون اینکه لازم باشه خط‌به‌خط براشون برنامه‌نویسی بشه. این قابلیت در ایمنی کارخانه، بازرسی فنی و نظارت کیفی کاربرد فوق‌العاده‌ای خواهد داشت.

آزمایش و تجربه همچنان لازمه، اما هر طرح جدید باید پشتیبان تجاری، چارچوب شفاف و یک دکمه توقف اضطراری (Kill switch) داشته باشه. پروژه‌های ناموفق باید بدون سرزنش متوقف بشن و تجربیاتشون به پروژه بعدی منتقل بشه. گودیر پلتفرم جامع خودش رو "Good AI" نام‌گذاری کرده تا یادآوری کنه این یک ماجراجویی مشترک بین فناوری و اصل بیزینسه.

مهتا در پایان تأکید می‌کنه: «هوش مصنوعی هر روز دانش خودش رو چند برابر می‌کنه. اگه از همین امروز استارت نزنید، از همین حالا یک سال از رقبای خودتون عقب افتادید. ما آماده‌ایم که واقعاً وارد پیست مسابقه بشیم و با حداکثر سرعت بتازیم.»