صنعت ایران در دو راهی هوشمندسازی

حسین جلیلی بال / شرکت‌های بزرگ جهان با استفاده از الگوریتم‌های هوشمند، رباتیک پیشرفته و تحلیل داده، در تلاش‌اند هزینه تولید را کاهش دهند، خطاهای انسانی را محدود کنند، مصرف انرژی را بهینه سازند و محصولات خود را با سرعت و کیفیت بیشتری به بازار عرضه کنند. در چنین شرایطی، صنعت ایران با یک انتخاب مهم روبه‌روست: حرکت به سمت نوسازی و استفاده از فناوری‌های جدید یا ادامه فعالیت با روش‌هایی که ممکن است به‌تدریج قدرت رقابت بنگاه‌های داخلی را کاهش دهند. اما این تحول یک روی دیگر نیز دارد؛ گسترش اتوماسیون و هوش مصنوعی می‌تواند ساختار اشتغال را تغییر دهد، برخی مشاغل تکراری را محدود کند و نیاز به مهارت‌های تازه را افزایش دهد. پرسش اساسی این است که آیا صنایع ایران می‌توانند از فرصت هوش مصنوعی برای افزایش بهره‌وری استفاده کنند، یا هزینه‌های بالای فناوری، کمبود سرمایه و ضعف زیرساخت‌ها، این فرصت را به تهدیدی تازه برای تولید و اشتغال تبدیل خواهد کرد؟

انقلاب هوشمند در کارخانه‌ها؛ رقابت بر سر هزینه و بهره‌وری

در صنایع پیشرفته جهان، هوش مصنوعی دیگر صرفاً ابزاری برای انجام محاسبات پیچیده نیست، بلکه در بخش‌های مختلف فرایند تولید به کار گرفته می‌شود. سامانه‌های هوشمند می‌توانند داده‌های مربوط به عملکرد ماشین‌آلات را بررسی کنند و پیش از وقوع خرابی، نشانه‌های اختلال را تشخیص دهند. این روش که با عنوان نگهداری و تعمیرات پیش‌بینانه شناخته می‌شود، به کارخانه‌ها کمک می‌کند توقف‌های ناگهانی خطوط تولید را کاهش دهند و هزینه تعمیرات را بهتر مدیریت کنند. در بخش کنترل کیفیت نیز سامانه‌های بینایی ماشین قادرند برخی عیوب محصولات را با سرعت بالا شناسایی کنند؛ کاری که در خطوط تولید انبوه، می‌تواند به کاهش ضایعات و افزایش یکنواختی کیفیت منجر شود.کاربرد هوش مصنوعی به همین موارد محدود نیست. پیش‌بینی تقاضای بازار، مدیریت موجودی انبار، تنظیم مصرف انرژی، برنامه‌ریزی تولید، کنترل کیفیت مواد اولیه و بهینه‌سازی مسیرهای حمل‌ونقل از دیگر حوزه‌هایی هستند که می‌توانند از تحلیل داده و ابزارهای هوشمند بهره ببرند. برای کارخانه‌ای که با هزینه بالای مواد اولیه، محدودیت نقدینگی و نوسان تقاضا روبه‌روست، حتی کاهش چنددرصدی ضایعات یا مصرف انرژی نیز می‌تواند در بهبود عملکرد اقتصادی اهمیت داشته باشد.در ایران، این ظرفیت‌ها به‌ویژه برای صنایع انرژی‌بر، خودروسازی، فولاد، پتروشیمی، سیمان، صنایع غذایی، دارویی و قطعه‌سازی قابل‌توجه است. برای مثال، تحلیل هوشمند داده‌های مصرف برق و گاز می‌تواند به شناسایی تجهیزات پرمصرف و اصلاح برنامه تولید کمک کند. در صنعت قطعه‌سازی نیز کنترل تصویری کیفیت، امکان شناسایی سریع‌تر برخی عیوب و کاهش دوباره‌کاری را فراهم می‌کند. در صنایع غذایی، پیش‌بینی تقاضا و مدیریت موجودی می‌تواند از انباشت محصولات و هدررفت مواد اولیه بکاهد.با این حال، بهره‌مندی از این فرصت‌ها صرفاً با خرید یک نرم‌افزار یا نصب چند دستگاه هوشمند محقق نمی‌شود. استفاده مؤثر از هوش مصنوعی به داده‌های دقیق، زیرساخت دیجیتال، اتصال پایدار، نیروی انسانی آموزش‌دیده و بازنگری در شیوه مدیریت کارخانه نیاز دارد. بنگاهی که اطلاعات تولید و هزینه‌های خود را به‌درستی ثبت نمی‌کند، نمی‌تواند انتظار داشته باشد الگوریتم‌های هوشمند به‌تنهایی مشکلات ساختاری آن را حل کنند. فناوری زمانی ارزش اقتصادی ایجاد می‌کند که بخشی از یک برنامه واقعی برای اصلاح فرایندهای تولید باشد.

صنعت ایران در برابر دیوار سرمایه و فناوری

یکی از مهم‌ترین موانع استفاده گسترده از هوش مصنوعی در صنایع ایران، محدودیت منابع مالی است. بسیاری از واحدهای تولیدی برای تأمین سرمایه در گردش، خرید مواد اولیه، پرداخت حقوق و حفظ فعالیت روزانه با دشواری روبه‌رو هستند. در چنین شرایطی، سرمایه‌گذاری در سامانه‌های هوشمند، نوسازی ماشین‌آلات، ایجاد زیرساخت‌های پردازش داده و آموزش کارکنان ممکن است در اولویت‌های بعدی قرار گیرد؛ حتی اگر این سرمایه‌گذاری در بلندمدت به کاهش هزینه‌ها منجر شود.این مشکل برای بنگاه‌های کوچک و متوسط جدی‌تر است. شرکت‌های بزرگ معمولاً امکان بیشتری برای تشکیل واحدهای فناوری، استخدام متخصصان داده و اجرای پروژه‌های آزمایشی دارند، اما یک کارخانه کوچک ممکن است نه نیروی متخصص کافی داشته باشد و نه بتواند هزینه ایجاد زیرساخت اختصاصی را بپردازد. اگر سیاست‌های حمایتی و خدمات فنی مشترک در دسترس نباشند، احتمال دارد فاصله فناوری میان صنایع بزرگ و کوچک افزایش یابد و بخشی از بنگاه‌های کوچکدر رقابت با تولیدکنندگان مجهزتر عقب بمانند.محدودیت دسترسی به برخی تجهیزات، نرم‌افزارها و خدمات بین‌المللی نیز می‌تواند مسیر نوسازی را دشوار کند. افزون بر این، ناپایداری اینترنت، مسائل امنیت داده، کمبود استانداردهای مشترک و دشواری ارتباط میان سامانه‌های قدیمی کارخانه‌ها و فناوری‌های جدید، از موانعی هستند که باید در برنامه تحول دیجیتال مورد توجه قرار گیرند. در برخی واحدها، ماشین‌آلات قدیمی فاقد حسگرها و ابزارهای لازم برای جمع‌آوری داده‌اند؛ بنابراین، اجرای پروژه هوش مصنوعی مستلزم اصلاح زیرساخت پایه است.در چنین فضایی، سیاست صنعتی باید از شعارهای کلی درباره هوشمندسازی فاصله بگیرد و بر پروژه‌های عملی و قابل‌اندازه‌گیری متمرکز شود. ایجاد مراکز مشترک فناوری برای صنایع کوچک، ارائه تسهیلات هدفمند برای نوسازی، حمایت از شرکت‌های دانش‌بنیان صنعتی، توسعه آموزش‌های کاربردی و فراهم کردن امکان آزمایش فناوری پیش از سرمایه‌گذاری گسترده می‌تواند هزینه ورود بنگاه‌ها به این حوزه را کاهش دهد.نکته مهم آن است که حمایت دولتی نباید به توزیع منابع بدون ارزیابی نتیجه تبدیل شود. هر طرح هوشمندسازی باید بر اساس شاخص‌هایی مانند کاهش ضایعات، افزایش بهره‌وری، کاهش توقف خطوط تولید، صرفه‌جویی انرژی و بهبود کیفیت ارزیابی شود. اگر پروژه‌ای صرفاً به خرید تجهیزات منجر شود، اما تغییر محسوسی در عملکرد کارخانه ایجاد نکند، نمی‌توان آن را موفق دانست. هدف اصلی، هوشمند شدن ظاهری کارخانه نیست؛ هدف، افزایش توان تولید و رقابت‌پذیری آن است.هوش مصنوعی و آینده اشتغال؛ حذف شغل یا تغییر ماهیت کار؟نگرانی درباره تأثیر هوش مصنوعی بر اشتغال، یکی از مهم‌ترین بحث‌های پیش روی صنعت است. برخی وظایف تکراری، قابل‌پیش‌بینی و مبتنی بر قواعد مشخص، بیش از دیگر فعالیت‌ها در معرض خودکارسازی قرار دارند. ثبت و پردازش اطلاعات، بازرسی‌های تکراری، برخی امور اداری، زمان‌بندی ساده تولید و بخشی از عملیات انبارداری می‌توانند با استفاده از سامانه‌های هوشمند و تجهیزات خودکار تغییر کنند. این تحول ممکن است نیاز به نیروی انسانی برای انجام بعضی وظایف را کاهش دهد، اما هم‌زمان تقاضا برای مهارت‌هایی مانند نگهداری تجهیزات هوشمند، تحلیل داده، امنیت سایبری، برنامه‌ریزی تولید و مدیریت سامانه‌های دیجیتال را افزایش می‌دهد.با این حال، نباید نتیجه گرفت که ورود هوش مصنوعی الزاماً به حذف گسترده و فوری مشاغل منجر خواهد شد. اثر نهایی به نوع صنعت، سطح فناوری، هزینه نیروی کار، سرعت سرمایه‌گذاری، شرایط بازار و نحوه سازمان‌دهی تولید بستگی دارد. در بسیاری از موارد، فناوری به‌جای حذف کامل یک شغل، وظایف آن را تغییر می‌دهد و بخشی از کارهای زمان‌بر را بر عهده می‌گیرد تا کارکنان بتوانند بر فعالیت‌های تخصصی‌تر تمرکز کنند.خطر اصلی زمانی ایجاد می‌شود که سرعت تغییر فناوری از سرعت آموزش و سازگاری نیروی کار بیشتر باشد. کارگری که سال‌ها با یک دستگاه یا فرایند مشخص کار کرده است، اگر فرصت یادگیری مهارت‌های تازه را نداشته باشد، ممکن است در معرض کاهش فرصت‌های شغلی قرار گیرد. از این رو، آموزش مجدد نیروی انسانی باید هم‌زمان با برنامه‌های هوشمندسازی پیش برود. دوره‌های فنی کوتاه‌مدت، آموزش کار با تجهیزات دیجیتال، آشنایی با تحلیل داده و توسعه مهارت‌های حل مسئله می‌توانند به کارکنان کمک کنند در ساختار جدید تولید جایگاه خود را حفظ کنند.همچنین، مدیران صنعتی باید درک کنند که تحول دیجیتال صرفاً یک پروژه فنی نیست؛ این تحول بر ساختار سازمانی، شیوه ارزیابی عملکرد، روابط کاری و نیازهای آموزشی کارکنان اثر می‌گذارد. مشارکت نیروی انسانی در اجرای طرح‌های جدید و اطلاع‌رسانی شفاف درباره تغییرات می‌تواند مقاومت در برابر فناوری را کاهش دهد و احتمال موفقیت پروژه‌ها را افزایش دهد. هوش مصنوعی برای صنعت ایران نه نسخه‌ای جادویی برای حل همه مشکلات است و نه تهدیدی اجتناب‌ناپذیر که باید در برابر آن تسلیم شد. این فناوری ابزاری است که نتیجه استفاده از آن به کیفیت مدیریت، دسترسی به سرمایه، زیرساخت‌های مناسب و آمادگی نیروی انسانی بستگی دارد. اگر صنایع کشور بتوانند از آن برای کاهش ضایعات، افزایش کیفیت، بهینه‌سازی مصرف انرژی و توسعه محصولات رقابتی استفاده کنند، فرصت تازه‌ای برای تقویت تولید و حضور در بازارهای داخلی و خارجی ایجاد خواهد شد. اما اگر نوسازی به تعویق بیفتد و آموزش نیروی کار نادیده گرفته شود، هزینه عقب‌ماندن از تحولات جهانی می‌تواند در سال‌های آینده سنگین‌تر شود.صنعت ایران برای ورود به عصر هوش مصنوعی، به تصمیم‌های عملی نیاز دارد؛ نه صرفاً نمایش فناوری و شعارهای هوشمندسازی. آینده متعلق به کارخانه‌هایی است که بتوانند فناوری را به بهره‌وری، بهره‌وری را به رقابت‌پذیری و رقابت‌پذیری را به اشتغال پایدار تبدیل کنند. در این مسیر، معیار موفقیت نه تعداد سامانه‌هایخریداری‌شده، بلکه میزان بهبود تولید، حفظ فرصت‌های شغلی باکیفیت و توانایی صنایع برای ساختن آینده‌ای پایدارتر خواهد بود.