انفجار هوش مصنوعی تأثیری تحول‌آفرین بر چندین صنعت با فناوری پیشرفته داشته است، اما ادغام آن با دستگاه‌های اینترنت اشیا می‌تواند شیوه همکاری ما با همکارانمان را در محیط‌های کاری دورکار به طور اساسی دگرگون کند.
یادگیری ماشین (ML) به عنوان زیرمجموعه‌ای از هوش مصنوعی، شریکی طبیعی برای فناوری اینترنت اشیا است؛ زیرا توانایی روان و بی‌دردسری در کار با مجموعه داده‌های بزرگ و بدون ساختار دارد و می‌تواند خوانش‌ها را به بینش‌های قابل اقدام تبدیل کند.
روش یادگیری ماشین و اینترنت اشیا برای بهبود همکاری از طریق توانمندسازی محیط‌های کار هوشمند، خودکارسازی تنظیمات محیطی برای کارمندان و پشتیبانی از ارتباطات هوشمند در سراسر سخت‌افزارهای ضروری است.
همچنین دستاوردهای زیادی از این دو فناوری نوظهور در راه است؛ به طوری که انتظار می‌رود اندازه بازار هوش مصنوعی مولد در اینترنت اشیا از ۲.۰۳ میلیارد دلار در سال ۲۰۲۵ به ۲.۶۱ میلیارد دلار در سال ۲۰۲۶ برسد و مسیر خود را برای رسیدن به ارزش ۶.۹۹ میلیارد دلار تا سال ۲۰۳۰ طی کند که نشان‌دهنده نرخ رشد مرکب سالانه ۲۸ درصدی است.
نیروی کار دورکار
با توجه به اینکه ۳۵ درصد از کارمندان در ایالات متحده همچنان به صورت دورکار فعالیت می‌کنند — علی‌رغم تلاش‌های برخی کارفرمایان پس از دوران پاندمی برای بازگرداندن کارکنان به دفتر — مشخص است که دوران دورکاری به انحای مختلف ماندگار است. این یعنی فناوری باید به پر کردن شکاف‌های همکاری بین تیم‌هایی که در محیط‌های دیجیتال کار می‌کنند، کمک کند.
مطالعات نشان داده‌اند که ۵۳ درصد از افراد دورکار احساس ارتباط کمتری با همکاران خود دارند و امتیازهای تعهد هم‌زمان با افزایش نرخ جابه‌جایی کارکنان کاهش یافته است. این موضوع نشان می‌دهد که برای اطمینان از آزادی عمل کسانی که از راه دور کار می‌کنند در همکاری با تیم‌هایشان، باید کارهای بیشتری انجام شود.
یادگیری ماشین و اینترنت اشیا در کنار هم می‌توانند به پر کردن شکاف‌های فیزیکی موجود میان اعضای توزیع‌شده تیم‌ها کمک کنند. همچنین طیف نوظهوری از موارد استفاده وجود دارد که نشان می‌دهد چرا این فناوری می‌تواند به بازآفرینی تجربه کار در دفتر اداری که در عصر دورکاری از دست رفته است، یاری برساند.
ظهور محیط کار هوشمند
کار در خانه می‌تواند پر از ناکارآمدی‌هایی باشد که در محیط‌های دفتری وجود ندارند، اما ترکیب یادگیری ماشین و اینترنت اشیا می‌تواند به ایجاد محیطی مساعدتر شبیه به محیط‌های کاری سنتی کمک کند و در عین حال مزایای انعطاف‌پذیری مشاغل دورکار را به همراه داشته باشد.
یکی از بزرگ‌ترین خسارات در محیط‌های کار دورکار، فقدان ارتباط چهره‌به‌چهره بین همکاران بوده است که نه تنها تفویض وظایف را دشوارتر می‌کند، بلکه ایجاد پیوند با تیم‌ها را در سطحی مشابه داخل دفتر کار با مشکل مواجه می‌سازد.
در مطالعه‌ای در سال ۲۰۲۱ درباره چالش‌ها و فرصت‌های کار از راه دور در دوران پاندمی، ۴۳ درصد از پاسخ‌دهندگان نظرسنجی از طیف وسیعی از صنایع، «فقدان ارتباط چهره‌به‌چهره یا نبود تماس چشمی» را به عنوان بزرگ‌ترین چالش خود معرفی کردند.
اما به نظر می‌رسد فناوری‌های هوشمند اینترنت اشیا در حال شبیه‌سازی تعاملات ارزشمندتری با همکاران در یک محیط مجازی هستند.
دوربین‌های هوشمند قادرند با کمک بینایی ماشین و یادگیری ماشین، تجربیات شخصی‌سازی‌شده‌تری را به صورت دورکار ارائه دهند. آن‌ها سخنرانان فعال را در اتاق ردیابی کرده و زوایای دید و کادربندی را به طور خودکار تنظیم می‌کنند تا شرکت‌کنندگان دورکار هنگام همکاری آنلاین، دیدی طبیعی داشته باشند.
یک نمونه از این فناوری در عمل، دستگاه‌های همکاری سیسکو و تجربیات جلسات سینمایی است که آن‌ها می‌توانند از طریق تشخیص هوشمند صدا و چهره ایجاد کنند.
این نوآوری تضمین می‌کند که همه شرکت‌کنندگان در جلسات تمرکز بی‌سابقه‌ای روی سخنرانان خواهند داشت و این اطمینان را ایجاد می‌کند که افراد دورکار همیشه احساس کنند بسیار بیشتر در جریان کار قرار دارند.
این فناوری که با RoomOS نیرو گرفته است، به این معناست که اگر شما یک کارمند دورکار باشید، می‌توانید در جلسات کاری شرکت کنید، افراد در حال صحبت را به طور طبیعی ببینید و واکنش‌های دیگر حاضران در اتاق را تشخیص دهید؛ موضوعی که کل تجربه را بسیار جذاب‌تر می‌کند.
محیط‌های کار هوشمند دورکار همچنین می‌توانند به طور طبیعی با بهترین شرایط برای بهره‌وری شما سازگار شوند؛ به این معنا که واحدهای تهویه مطبوع می‌توانند به ترجیحات شخصی شما بازگردند و چاپگرها هنگامی که حسگرهایشان سطح پایین جوهر را تشخیص می‌دهند، به کمک یادگیری ماشین به طور خودکار کارتریج‌های جوهر جدیدی سفارش دهند.
کسب مزیت رقابتی
یکی از بزرگ‌ترین نوآوری‌هایی که یادگیری ماشین و اینترنت اشیا نوید آن را می‌دهند، ظهور شبکه‌های لبه است و موارد استفاده از آن پتانسیل دگرگونی همکاری از راه دور را دارد.
رایانش لبه بر پایه پردازش داده‌ها در نزدیکی منبع تولید داده بنا شده است، نه سرورهای ابری متمرکز.
این یعنی شما می‌توانید از مصرف انرژی و پهنای باند بسیار پایین‌تر بهره‌مند شوید و در عین حال، کارایی و پاسخگویی دستگاه‌های اینترنت اشیا را از طریق پردازش داده‌ها و تصمیم‌گیری بلادرنگ افزایش دهید.
تأخیر مدت‌هاست که هنگام استفاده از سخت‌افزار اینترنت اشیا برای ایجاد یک محیط درون‌دفتری در مکان‌های دورکار یک مسئله بوده است، اما رایانش لبه پتانسیل حل این مشکل را دارد؛ زیرا می‌تواند تأخیر ورودی را در مقایسه با تأخیر ۵۰ تا ۲۰۰ میلی‌ثانیه‌ای مراکز داده متمرکز معمولی، به بین ۱ تا ۱۰ میلی‌ثانیه کاهش دهد.
این امر اصطکاکی را که ممکن است هنگام همکاری بلادرنگ با همکاران با آن مواجه شوید کاهش می‌دهد و هنگام اشتراک‌گذاری تخته‌سفیدهای دیجیتال و دستیارهای صوتی در مدیریت وظایف، درها را به روی پاسخگویی بیشتر باز می‌کند.
همچنین این به معنای آن است که می‌توانید به‌طور یکپارچه ابزارهای مختلف را برای کار مشارکتی مانند اشتراک‌گذاری تقویم، ابزارهای اشتراک‌گذاری فایل و داده، کانال‌های مختلف ارتباطی، ابزارهای ویدیوکنفرانس و ذخیره‌سازی ابری یکپارچه‌سازی کنید.
آینده یادگیری ماشین و اینترنت اشیا
فناوری یادگیری ماشین و اینترنت اشیا دو مورد از مهم‌ترین نوآوری‌هایی هستند که می‌توانند از آینده دورکاری پشتیبانی کنند.
نقش این فناوری‌ها حذف سر و صدا و تلاش دستی است که می‌تواند تعاملات معنادار بین اعضای تیم را بیش از حد برای تقویت بهره‌وری دشوار کند؛ موضوعی که می‌تواند باعث نقص‌های عملیاتی گسترده برای سازمان‌ها شود.
پیوند دادن یادگیری ماشین و اینترنت اشیا به معنای تجربیات جلسات غوطه‌ورکننده‌ای است که می‌تواند شیوه ارتباط ما با یکدیگر و همچنین با مشتریان از سراسر جهان را دگرگون کند، در حالی که سخت‌افزار نیز می‌تواند به طور خودمختار از ما در ساخت محیط‌های کاری مساعدی پشتیبانی کند که عاری از ناکارآمدی‌های معمولِ سرکوب‌کننده بهره‌وری در خارج از دفتر هستند.
با تجربه تأخیر کمتر از طریق رایانش لبه، تعاملات چهره‌به‌چهره را می‌توان با همکاری بلادرنگی جایگزین کرد که نه تنها بر اساس تعاملات معنادار، بلکه بر اساس بینش‌های مبتنی بر داده ساخته شده است؛ بینش‌هایی که می‌توانند به طور یکپارچه توسط کارکنان فراخوانی شوند تا وضوح بی‌سابقه‌ای در ارتباطات ایجاد گردد.
منبع: How ML is Uniting with IoT to Transform Remote Collaboration at Work — IoT For All؛ نویسنده: Dmytro Spilka
منبع: iotforall