صفحه اصلی > هوش مصنوعی : کاربرد هوش مصنوعی در رباتیک

کاربرد هوش مصنوعی در رباتیک

کاربرد هوش مصنوعی در رباتیک

با پیشرفت علم، هوش مصنوعی نیز به وجود آمد. به زبان ساده می‌توان گفت هوش مصنوعی که شاخه‌ای از کامپیوتر است، یعنی داشتن دانشی برای ساخت انواع ماشین‌ها با تکنولوژی و برنامه‌های پیشرفته. هوش مصنوعی ( AT ) و رباتیک به طور فزاینده‌ای در روزنامه‌ها و دانشگاه‌ها به موضوعات داغ تبدیل شده‌اند. در اکتبر ۲۰۱۷‌، بلومبرگ مقاله‌ای منتشر کرد و ادعا کرد که هوش مصنوعی “مخل ترین نیروی فناوری در دهه آینده” است و هشدار داد که شرکت‌هایی که در پذیرش این فناوری کند و یا ضعیف عمل می‌کنند ممکن است خطر انقراض را داشته باشند. به همین ترتیب، ماه بعد، فایننشال تایمز اعلام کرد که “ارتش ربات” در حال دگرگونی در محیط کار جهانی است. در این مقاله به بررسی کاربرد هوش مصنوعی در رباتیک می‌پردازیم.

بیشتر بخوانید: هوش مصنوعی، ویروس کرونا را از طریق سرفه‌ در گوشی هوشمند تشخیص می‌دهد

 توجه: این علاقه احتمالاً به دلیل دستاوردهای سریعی است که هوش مصنوعی در برخی از برنامه‌ها مانند شناسایی تصویر و بازی‌های استراتژیک انتزاعی کسب کرده است و رباتیک پیشرفته در آزمایشگاه‌ها ساخته شده است‌، حتی اگر برنامه‌های گسترده تجاری عقب مانده باشند. این مقاله مقدمه‌ای بر هوش مصنوعی، رباتیک و جریان‌های تحقیقاتی است که پیامدهای اقتصادی و سازمانی این فناوری‌ها و همچنین فناوری‌های مرتبط را بررسی می‌کند. ما تحقیقات نوپا در مورد هوش مصنوعی و رباتیک را در ادبیات اقتصاد و مدیریت توصیف می‌کنیم و خلاصه رویکردهای غالب محققان در این زمینه را بیان می‌کنیم.

پیامدهای اقتصادی و هوش مصنوعی

دانشمندان به طور فزاینده‌ای به پیامدهای اقتصادی  اجتماعی و توزیعی هوش مصنوعی، رباتیک و سایر انواع اتوماسیون و کاربرد هوش مصنوعی در رباتیک علاقه‌مند شده‌اند. به عنوان مثال، طی ۲ سال گذشته اقتصاددانان در دانشگاه تورنتو کنفرانسی پیرامون اقتصاد هوش مصنوعی برگزار کرده‌اند که در آن مجموعه‌ای خیره کننده از دانشمندان علوم اقتصادی از دیدگاه‌های مختلف شرکت کرده‌اند از جمله برندگان جایزه نوبل ادموند فلپس، پل رومر، جوزف استیگلیت برخی از تحقیقات بیشتر و سایر موارد را انجام داده است.

 Footnote3 تعدادی کنفرانس برای اجتماعات حقوقی، تولیدی، فنی و منافع عمومی مانند کنفرانس جهانی رباتیک و هوش مصنوعی، WeRobot و AI Now وجود دارد. دانشمندان سازمانی کمی دیر به بازی رسیده‌اند و تازه تمرکز خود را بر پیامدهای سازمانی هوش مصنوعی، رباتیک و سایر انواع فن آوری‌های پیشرفته گذاشته‌اند. با این حال، همانطور که در این مقاله آغاز کردیم، معتقدیم که این فناوری‌ها فرصتی بی نظیر را برای دانشمندان سازمانی فراهم می‌کند. دوره‌های تحول بزرگ فناوری می‌تواند پیشرفت زیادی ایجاد کند اما آشفتگی بزرگی را نیز به همراه داشته باشد. به عنوان مثال، در حالی که موتور بخار به رشد اقتصادی زیادی منجر شد (به عنوان مثال ، Crafts 2004 مراجعه کنید) همچنین منجر به جابجایی شغل شد.

تاثیر هوش مصنوعی بر انوع اتوماسیون

برای سازمان‌ها مهم است که تأثیراتی که هوش مصنوعی، رباتیک و سایر انواع اتوماسیون می‌توانند داشته باشند را درک و پیش بینی کنند و خود را بر این اساس طراحی کنند. در حالی که می‌توان از قسمت‌های قبلی اتوماسیون درس‌های زیادی گرفت، این احتمال وجود دارد که هوش مصنوعی و رباتیک پیامدهای منحصر به فردی داشته باشند. تفاوت در قسمت‌های قبلی اتوماسیون شامل این است که:

  1. ماهیت فعالیت تجاری طی دهه گذشته به طرز چشمگیری تغییر کرده است به طوری که اکنون بسیاری از مشاغل به مدل‌های تجاری پلت فرم (یعنی بازار دو طرفه) اعتماد می‌کنند.
  2. هوش مصنوعی احتمالاً کارگران یقه سفید بیشتر از کارگران یقه آبی تأثیر می‌گذارند (در حالی که شاید رباتیک ممکن است کارگران یقه آبی را بیشتر از کارگران یقه سفید تحت تأثیر قرار دهد).
  3. هوش مصنوعی ممکن است بر روابط بین موسسات و شرکت‌ها تأثیر بگذارد (به عنوان مثال نظارت و شرکت محدوده).

مطالعات مربوط به هوش مصنوعی و رباتیک نظریه و تحلیل آن‌ها را بر اساس سازه‌های اتوماسیون، رباتیک  هوش مصنوعی و یادگیری ماشین و اتوماسیون بنا می‌کنند. در این مجموعه از ادبیات، می‌توان از فناوری‌های رباتیک، هوش مصنوعی و یادگیری ماشین به عنوان متغیرهای مستقل و وابسته استفاده کرد. اینکه چگونه استفاده از این فن آوری‌ها بر نتایج گوناگونی تأثیر می‌گذارد، مانند تأثیرات آن بر نیروی کار، بهره وری، رشد و سازماندهی شرکت. مهم است که دانشمندان سازمانی در مطالعات خود به دقت چنین ساختارهایی را تعریف کرده و از اشتباه گرفتن این ساختارهای مرتبط اما متمایز جلوگیری کنند. منظور از تعاریف زیر اولین گام مفید در چنین تلاشی است.

رباتیک و هوش مصنوعی

فدراسیون بین المللی ربات ها (IFR )، یک گروه صنعتی بین المللی متمرکز بر رباتیک تجاری، یک ربات صنعتی را به عنوان “یک کنترل کننده اتوماتیک، قابل برنامه ریزی مجدد، چند منظوره، قابل برنامه ریزی در سه یا بیشتر محورها، تعریف می‌کند که می‌تواند در محل ثابت یا متحرک باشد استفاده از آن در برنامه‌های اتوماسیون صنعتی. هر ماشینی که بتواند برای انجام اقدامات یا وظایف پیچیده به صورت خودکار مورد استفاده قرار گیرد، یک ربات محسوب می‌شود.

هوش مصنوعی و یادگیری ماشین

هوش مصنوعی مشابه رباتیک، ساختاری است با تعاریف مختلف و تفسیرهای بالقوه گسترده. “هوش مصنوعی عمومی” به نرم افزار رایانه‌ای اطلاق می‌شود که می‌تواند به تنهایی فکر کند و عمل کند. در حال حاضر چیزی شبیه به این وجود ندارد. “هوش مصنوعی باریک” به نرم افزار رایانه‌ای اطلاق می‌شود که برای یافتن الگوها در داده‌ها و پیش بینی آینده، به تکنیک‌های الگوریتمی پیچیده و بسیار پیچیده متکی است. از این نظر، این نرم افزار از داده‌های موجود “می آموزد” و از این رو گاهی اوقات “یادگیری ماشین” نامیده می‌شود، اما این نباید با یادگیری واقعی اشتباه گرفته شود.

بسیاری از کاربردهای یادگیری ماشین بر پیش بینی و برآورد ناشناخته ها بر اساس مجموعه ای معین از اطلاعات متمرکز هستند. الگوریتم‌های مختلفی وجود دارد که می‌تواند برای این یادگیری ماشین استفاده شود. برخی از این تکنیک‌ها استفاده های نسبتاً ساده ای از مدل های logit است که برای اکثر دانشمندان سازمانی آشنا است، در حالی که برخی دیگر شامل الگوریتم‌های بسیار پیچیدهای هستند که سعی در تقلید از چگونگی جستجوی مغز انسان به الگوها در داده‌ها دارند (به شبکه‌های دوم “شبکه‌های عصبی” گفته می‌شود). از فناوری هوش مصنوعی می‌توان برای اهداف مختلفی استفاده کرد، از جمله بازی‌های استراتژیک انتزاعی مانند Chess یا Go. به بازی‌های ویدیویی در زمان واقعی مانند آتاری، آستریکس یا کوهنورد دیوانه. برای شناسایی تصویر یا شماره خیابان به ترجمه زبان طبیعی ؛ و بسیاری موارد دیگر.

اتوماسیون

اتوماسیون به استفاده از سیستم‌ها و تجهیزات عمدتا اتوماتیک و احتمالاً تحت کنترل رایانه در فرایندهای تولید گفته می‌شود که جایگزین برخی یا همه کارهایی می‌شود که قبلاً توسط نیروی انسانی انجام می شده است. اتوماسیون مفهوم جدیدی نیست، زیرا می‌توان نوآوری‌هایی مانند موتور بخار یا جین پنبه را اتوماتیک کارهای دستی قبلی دانست. یکی از نگرانی‌های دانشمندان در این زمینه این است که چطور و در چه زمینه‌هایی افزایش استفاده از رباتیک و فناوری هوش مصنوعی ممکن است منجر به افزایش اتوماسیون شود و تأثیری که این شکل از افزایش اتوماسیون می‌تواند بر نیروی کار و طراحی سازمان‌ها داشته باشد.

از هوش مصنوعی ، رباتیک و اتوماسیون جدا کردن

در حالی که هوش مصنوعی، رباتیک و اتوماسیون مفاهیم مرتبطی هستند، اما آگاهی از تمایز بین هر یک از این سازه‌ها و کاربرد هوش مصنوعی در رباتیک مهم است. رباتیک تا حد زیادی بر روی فناوری متمرکز شده است که می‌تواند به عنوان “دستکاری” در تعریف IFR طبقه بندی شود، و بر این اساس، مستقیم تر مربوط به اتوماسیون کارهای فیزیکی است. از طرف دیگر، هوش مصنوعی نیازی به دستکاری فیزیکی ندارد، بلکه یادگیری مبتنی بر کامپیوتر است. تمایز بین این دو فناوری می‌تواند مبهمتر شود زیرا استفاده از هوش مصنوعی ممکن است شامل رباتیک باشد یا بالعکس. به عنوان مثال ، “ربات‌های هوشمند” ربات‌هایی هستند که یادگیری ماشین و هوش مصنوعی را برای بهبود مستمر عملکرد ربات‌ها ادغام می‌کنند. هم هوش مصنوعی و هم فناوری‌های رباتیک توانایی اتوماسیون را دارند.

با این حال، یک سوال باز این است که چگونه و آیا ممکن است اثرات اتوماسیون در هر دو فناوری متفاوت باشد؟ برخی از محققان ادعا می‌کنند که رایانه سازی و افزایش استفاده از هوش مصنوعی در مقایسه با سایر کارهایی که قبلاً تحت اتوماسیون قرار گرفته بودند ، توانایی خودکار کردن برخی وظایف غیرروتین را دارد. بر این اساس، این امکان وجود دارد که فناوری‌های دارای هوش مصنوعی بتوانند وظایف بسیار بیشتری از فناوری‌های مبتنی بر رباتیک را به طور خودکار انجام دهند و کاربرد هوش مصنوعی در رباتیک فوقالعاده است.

نکته مهم در کاربرد هوش مصنوعی در رباتیک این است که حتی اگر یک فناوری مانند هوش مصنوعی یا رباتیک ممکن است بعضی از کارهایی را که قبلاً توسط نیروی انسانی انجام شده است، خودکار کند، لزوماً به این معنی نیست که انسان از کار خودکار شده است. در بسیاری از موارد، یک رایانه یا ربات ممکن است قادر به انجام کارهای نسبتاً کم ارزش باشد و انسان را آزاد کند تا تلاش خود را به جای کارهایی با ارزش بالا متمرکز کند. از این نظر، هوش مصنوعی و رباتیک ممکن است کار انجام شده توسط نیروی انسانی را افزایش دهد.

تمایز از فناوری اطلاعات و ارتباطات

علاوه بر تمایز بین مفاهیم رباتیک، هوش مصنوعی و اتوماسیون، ما علاوه بر این توجه خوانندگان را به تضاد بین هوش مصنوعی و رباتیک و به طور کلی رایانه سازی و فناوری‌های اطلاعات جلب می‌کنیم. به طور مشابه رباتیک و هوش مصنوعی، فناوری اطلاعات و ارتباطات  هم از نظر پتانسیل آن برای افزایش بهره وری و هم توانایی آن برای تأثیر بر نیروی کار مورد توجه محققان و سیاست گذاران قرار گرفته است .

با این وجود، اگرچه هوش مصنوعی و رباتیک ممکن است هزینه ذخیره سازی، برقراری ارتباط و انتقال اطلاعات را بسیار شبیه ICT کاهش دهد، اما از هم متمایز هستند. ICT می‌تواند به هر شکلی از سیستم اطلاعاتی مبتنی بر رایانه (پاول و دنت-میکالف ۱۹۹۹) اشاره کند، در حالی که هوش مصنوعی و رباتیک ممکن است مبتنی بر رایانه باشد اما لزوماً سیستم اطلاعاتی نیستند. این تفکیک با توجه به گستردگی و تنوع در تعاریفی که برای رباتیک و هوش مصنوعی در ادبیات استفاده می‌شود، به ویژه دشوار است. باز هم، ما از محققان سازمانی می‌خواهیم که در مطالعه خود به دقت هر یک از این ساختارها را تعریف کنند.

هوش مصنوعی، رباتیک و بهره وری

تحقیقات در مورد کاربرد هوش مصنوعی در رباتیک از بخش قابل توجهی از ادبیات پیرامون نوآوری و توسعه فناوری تشکیل شده است. نوآوری یک عامل اساسی در رشد اقتصادی است (سولو ۱۹۵۷ ؛ رومر ۱۹۹۰) و از دهه‌های قبل مورد توجه نظریه پردازان و سیاست گذاران بوده است. ادبیات مربوط به رباتیک و اتوماسیون به پتانسیل چشمگیر این فن آوری‌های جدید اشاره کرده است. Brynjolfsson و McAfee (2017) ادعا می‌کنند که هوش مصنوعی این توانایی را دارد که “مهمترین فن آوری همه منظوره عصر ما باشد”. Graetz and Michaels (2018)  اظهار داشتند که رباتیک برای گروهی متشکل از ۱۷ کشور از سال ۱۹۹۳ و ۲۰۰۷ ، برای رشد تولید ناخالص داخلی سالانه ۰٫۳۷ درصد درصد افزوده است ، که این تأثیر مشابه تأثیر استفاده از موتورهای بخار بر رشد اقتصادی در طول انقلاب صنعتی است.

هوش مصنوعی، رباتیک و نیروی کار

از نظر تاریخی ، هیجان پیرامون فن آوری‌های جدید رادیکال با اضطراب در مورد احتمال جایگزینی کار کاهش می‌یابد (موکیر و همکاران ۲۰۱۵). مجموعه‌ای از کارها نشان داده است که اتوماسیون ناشی از نوآوری می‌تواند نیروی کار را تکمیل و جایگزین کند. Acemoglu و Restrepo (2018) بررسی می‌کنند که چگونه افزایش استفاده از روباتیک صنعتی بر بازارهای کار منطقه‌ای ایالات متحده بین سال‌های ۱۹۹۰ و ۲۰۰۷ تأثیر گذاشته است.

یافته‌های آنها نشان می‌دهد که پذیرش رباتیک صنعتی با اشتغال و دستمزد رابطه منفی دارد. به طور خاص هر روبات اضافی اشتغال شش کارگر را کاهش می‌دهد و اینکه یک روبات جدید در بین هزار کارگر ۰٫۵٪ دستمزد را کاهش می‌دهد. Graetz and Michaels (2018) دریافتند در حالی که با استفاده از ربات دستمزد افزایش می‌یابد، به طور متوسط ​​ساعت کار برای کارگران با مهارت کم و متوسط ​​کاهش می‌یابد. یک مطالعه مشابه در آلمان نشان می‌دهد که هر ربات صنعتی اضافی منجر به از دست دادن دو شغل تولیدی می‌شود، اما این مشاغل با نقش های تازه ایجاد شده در صنعت خدمات جبران می شوند.

کار بر روی اتوماسیون و نیروی کار بر واحدهای مختلف تجزیه و تحلیل متمرکز شده است. بیشتر کارهای موجود در اقتصاد معطوف به کل اقتصاد است. به عنوان مثال ، فری و آزبورن (۲۰۱۷) خطر اتوماسیون را در سطح شغل اندازه گیری می‌کنند اما مشاغل را در سطح جهانی در نظر می‌گیرند. کارهای مشابه موسسه McKinsey Global (MGI 2017) همین کار را می‌کند و کارهای اخیر Accenture این موارد را در سطح کشور در نظر گرفته است. کارهای خاص ایالات متحده توسط Brynjolfsson و همکاران انجام شده است. برخی تحقیقات رویکردی متمرکزتر در پیش گرفته‌اند و تأثیر هوش مصنوعی و اتوماسیون را بر بخش‌های خاصی از اقتصاد برجسته می‌کنند. به عنوان مثال، Acemoglu و Restrepo (2018) تأکید می‌کنند که بیشترین تأثیرات پذیرش فناوری در تولید، به ویژه در مشاغل دستی و یقه‌های آبی و برای کارگران فاقد مدرک دانشگاهی رخ خواهد داد.

نقش رباتیک در اتوماسیون

به طور فزاینده‌ای، کار در اتوماسیون بیش از رباتیک، هوش مصنوعی را در نظر می‌گیرد یا بر آن تمرکز می‌کند. فری و آزبورن (۲۰۱۷) پیش بینی می‌کنند که چگونه افزایش رایانه، به ویژه فن آوری‌های یادگیری ماشین، بر کارهای غیرمعمول تأثیر می گذارد. بر اساس وظایفی که بیشتر درگیر یک شغل هستند، نویسندگان پیشنهاد می‌کنند که مشاغل ممکن است در آینده بیشتر یا کمتر در معرض خطر اتوماسیون باشند. نتایج آن‌ها نشان می‌دهد که ۴۷٪ از اشتغال در ایالات متحده آمریکا در معرض خطر بالایی از رایانه است.

کارهای فری و آزبورن توسط محققان کشورهای دیگر اعمال شده است. با استفاده از همین روش، برزسکی و بورک (۲۰۱۵) اظهار داشتند که ۵۹٪ از نیروی کار آلمان ممکن است بسیار مستعد اتوماسیون باشند، در حالیکه Pajarinen و Rouvinen (2014) 35٪ مشاغل فنلاندی را در معرض خطر قرار می‌دهند. مشابه رویکرد مبتنی بر وظیفه که توسط فری و آزبورن استفاده شده است ، برینولفولسون و دیگران.  برای ارزیابی مناسب بودن مشاغل برای یادگیری ماشین، رویکردی مبتنی بر وظیفه اتخاذ می‌کنند. آن‌ها نشان می‌دهند که مشاغل در سراسر طیف دستمزد به همان اندازه حساس هستند، که نشان می‌دهد یادگیری ماشین احتمالاً قسمت‌های مختلف نیروی کار را نسبت به امواج قبلی اتوماسیون تحت تأثیر قرار خواهد داد.

اثرات توزیع هوش مصنوعی و رباتیک

کارهای موجود در زمینه هوش مصنوعی و رباتیک همچنین سعی در شناسایی “برندگان” و “بازندگان” و درک تأثیرات توزیعی این فناوری های جدید داشته است. بدنه‌ای از این اثر به بررسی تأثیرات بین صنعت می‌پردازد. Autor and Salomons (2018) نشان می‌دهد که افزایش بهره وری خاص صنعت با کاهش اشتغال در صنعت آسیب دیده همراه است. با این وجود، سرریز مثبت در بخش‌های دیگر بیش از آن است که تأثیر منفی صنعت خود را جبران کند. به همین ترتیب، مندل (۲۰۱۷) فروشگاه‌های خرده فروشی آجر و ملات را در زمان افزایش تجارت الکترونیکی بررسی می‌کند و دریافت که مشاغل جدید ایجاد شده در مراکز مکالمه و مراکز تماس بیش از جبران از دست دادن شغل در فروشگاه‌های بزرگ است.

کارهای دیگر در کاربرد هوش مصنوعی در رباتیک این است که چگونه ترکیب مهارت می‌تواند بر اثرات بالقوه مکمل یا جایگزینی این فناوری‌های جدید تأثیر بگذارد. مقاله اخیر توسط Choudhury و همکاران (۲۰۱۸) اثرات عملکرد استفاده از هوش مصنوعی توسط کارگران با انواع مختلف آموزش را بررسی می‌کند. آنها دریافتند که بهره وری با فناوری هوش مصنوعی بسیار تحت تأثیر زمینه‌های فردی با علوم و مهندسی کامپیوتر است.

افرادی که مهارت‌های لازم مهندسی کامپیوتر یا مهندسی دارند، بهتر از افرادی که این مهارت‌ها را ندارند، می‌توانند عملکرد برتر را با استفاده از فناوری‌های هوش مصنوعی باز کنند. فلتن و همکاران (۲۰۱۸) از یک روش مبتنی بر توانایی برای ارزیابی ارتباط بین پیشرفت‌های اخیر در هوش مصنوعی و اشتغال و رشد دستمزد استفاده می‌کند. آنها دریافتند مشاغلی که به نسبت نسبتاً بالایی از مهارت‌های نرم افزاری نیاز دارند، وقتی تحت تأثیر هوش مصنوعی قرار می‌گیرند ، رشد اشتغال را مشاهده می‌کنند، در حالی که سایر مشاغل رابطه معناداری بین تأثیر هوش مصنوعی و رشد اشتغال نمی‌بینند.

نتیجه کاربرد هوش مصنوعی در رباتیک

هوش مصنوعی و رباتیک افزایش چشمگیر عملکرد را تجربه کرده‌اند، و این منجر به بودجه بیشتر برای هوش مصنوعی و استارت آپ‌های رباتیک، مقالات مطبوعات محبوب‌تر در مورد چگونگی تغییر این فناوری‌ها در جهان و افزایش اخیر تحقیقات دانشگاهی در مورد عواقب آن شده است. از این فن‌آوری ها برای شرکت‌ها، کارگران و اقتصاد در این مقدمه، ما مفاهیم کلیدی را تعریف می‌کنیم، ادبیات موجود را مرور می‌کنیم، مفاهیم طراحی سازمان را شناسایی می‌کنیم و فرصت‌ها را برای محققان سازمانی و استراتژی توصیف می‌کنیم. بیشتر ادبیات انجام شده در این زمینه به چگونگی تأثیر فناوری‌های رباتیک و هوش مصنوعی بر رشد اقتصادی و بازارهای کار متمرکز است.

با توجه به پیامدهای مهم رفاه اجتماعی، این هنوز یک منطقه مهم برای تحقیقات بیشتر است. علاوه بر این، فقدان داده‌های جامع در مورد استفاده و استفاده از هوش مصنوعی و روبات‌ها به این معنی است که بیشتر کارهای موجود به جای شواهد تجربی به نظرات متخصص یا مردم متکی هستند (به عنوان مثال، فری و آزبورن ۲۰۱۷ ؛ برینجولفسون و همکاران ۲۰۱۸ ؛ Felten و همکاران ۲۰۱۸). در آینده، جمع‌آوری و سازماندهی بهتر داده‌ها امکان انجام مطالعات تجربی مستقیم تر را فراهم می‌کند و به محققان امکان می‌دهد تا سوالات مجاور مانند اختلاف از نظر عملکرد و پیامدهای بازار کار را برای انواع مختلف رباتیک یا فناوری‌های هوش مصنوعی بررسی کنند.

ما به تحقیقات مبتنی بر شواهد در مورد چگونگی تأثیر هوش مصنوعی بر بهره وری، اشتغال و دستمزد در سطح شرکت و همچنین تحقیق در مورد اینکه چگونه هوش مصنوعی ممکن است بر نتایج اقتصادی با پیامدهای توزیعی مانند نوآوری، پویایی تجارت و نابرابری تأثیر بگذارد، نیاز داریم.

من پانتـه‌آ پایـدار کارشناس ارشد مهندسی آی تی در گرایش کسب و کار الکترونیکی هستم. علاقمند به هر فناوری و تکنیک جدیدی در حوزه آی‌تی و هر چه به این حوزه کمک می‌کند. به تحقیق و پژوهش و تولید محتوا در زمینه دنیای دیجیتال و آی تی مشغولم.
مقالات مرتبط

چگونه از سوشال لیسنینگ در مدیریت بحران روابط عمومی استفاده کنیم؟

مدیریت بحران یکی از کارکردهای حیاتی در حوزه روابط عمومی به شمار می‌رود. در دنیای امروز، با گسترش رسانه‌های اجتماعی و سرعت بالای انتشار اطلاعات، تشخیص و مدیریت بحران‌ها از اهمیت ویژه‌ای برخوردار است. یکی از ابزارهای کلیدی در این زمینه، سوشال لیسنینگ (رصد اجتماعی) است که به سازمان‌ها کمک می‌کند تا به سرعت به بحران‌ها واکنش نشان دهند و از هزینه‌های ناشی از آنها بکاهند. در این مقاله با تمرکز بر سامانه دیتاک به بررسی چگونگی استفاده از سوشال لیسنینگ برای مدیریت بحران روابط عمومی خواهیم پرداخت.

دیدگاهتان را بنویسید