در مرحله پیاده‌سازی هم محصولی در زمینه ارائه خدمات بیرونی مبتنی بر دانشنامه توسعه داریم. در این مرحله هم ما با پیچیدگی‌های خاصی روبه‌رو بودیم، مثلاً نیاز به دقت بالا و جلوگیری از توهم مدل و تولید اطلاعات از خودش و اینکه مقیاس‌پذیر باشد و همه مواردی که طی توسعه یک محصول باید رعایت شود، مطرح بود. در این مرحله به یک چارچوب تطبیقی برای هوش مصنوعی مولد که آن را هوشمندتر، دقیق‌تر و متناسب با کاربردهای مختلف می‌کند، نیاز داشتیم. یعنی یک مرحله بالاتر از همه مواردی که گفتیم مدل باید بتواند نمایندگان هوشمندی مبتنی بر همین مدل‌های زبانی توسعه دهد که برای حوزه‌های تخصصی مختلف به‌صورت مستقل و تخصصی در هر صنعت عمل کنند. این مرحله فرآیندهای خاص خودش را دارد و در مجموعه کارهایی که باید اتفاق بیفتد در مرحله زیرساخت، داده و الگوریتم با پیچیدگی‌های متعددی برای توسعه محصول مواجهیم.
بعد از توسعه مدل، در مرحله عرضه محصول به مشتریان، چه موانعی برای پذیرش و استفاده از هوش مصنوعی در صنایع مختلف مشاهده کردید؟
در مرحله نهایی که همان مرحله عرضه محصول به مشتری نهایی است، صورت کلی مسئله استفاده از هوش مصنوعی مطرح است. زیرا بسیاری از ارگان‌ها فاقد دانشنامه شفاف هستند. همچنین بسیاری از اوقات ممکن است استفاده از هوش مصنوعی صرفه اقتصادی برای شرکت‌ها نداشته باشد و ترجیح می‌دهند سیستم را به صورت سنتی پیش ببرند، حتی با وجود اینکه این مدل‌ها می‌توانند بهینه‌سازی‌های زیادی برای شرکت‌ها به وجود بیاورند. مثلاً در حوزه بیمه با توجه به زیرساخت‌ها و نگاه کلاسیکی که به هوش مصنوعی وجود دارد، خیلی از این فناوری استقبال نمی‌کنند. این وضعیت البته در حوزه فین‌تک بهتر است.
آیا تجربه‌ای از همکاری بین سه صنعت فین‌تک، هلث‌تک و اینشورتک برای توسعه مدل‌های هوش مصنوعی مولد دارید؟
متأسفانه، بین این سه صنعت، تجربه هیچ همکاری‌ای وجود ندارد و تا امروز هیچ هلدینگ و سازمانی نتوانسته این سه بازیگر را کنار هم قرار بدهد تا همکاری بین نهادی شکل بگیرد تا محصولی خلق شود.
چه پیشنهادی برای ایجاد این دست همکاری‌ها دارید؟
این حوزه، حوزه‌ای سرمایه‌بر است و کنار فرآیند صفر تا صد توسعه محصول باید به فرآیند منبع باز جهانی هم توجه کنیم. تعدادی از شرکت‌ها و سازمان‌های جهانی مثل متا در حال انتشار مجموعه‌ای از مدل‌هایی است که این حوزه‌های تخصصی می‌توانند از این مدل‌ها برای دامنه‌های تخصصی خودشان استفاده کنند تا یک همکاری را شکل دهند که هزینه کمتری می‌برد. البته که این انتخاب به خودی خود برای شرکت‌ها حتماً هزینه سنگینی دارد. از همه این‌ها مهم‌تر، علاقه‌مندی به سرمایه‌گذاری است. معمولاً بانک‌ها و بیمه‌ها، علاقه‌ای به سرمایه‌گذاری در این حوزه به دلیل محدودیت‌های بازاری در ایران ندارند. زیرا به اندازه هزینه‌ای که می‌کنند، بازگشت سرمایه ندارند. و سرمایه‌گذار رغبت کمتری برای ورود به حوزه های‌تک دارد مگر اینکه مشوق‌هایی برایش وجود داشته باشد. مسئله بعدی اشتراک بیت‌ها و دانش زمینه از طرف حوزه پزشکی است که هرچند هوش مصنوعی مقدار هزینه‌ها را کاهش می‌دهد، باز هم علاقه‌مندی برای ورود به این حوزه وجود ندارد. ابنکه ما چطور می‌توانیم این حوزه‌ها را همراه کنیم و به یک مکانیسمی برسیم که آنها بتوانند با هم همکاری داشته باشند، باید سرمایه‌گذاری مشترکی بین این سه حوزه در قالب شرکت‌های مشترکی ایجاد شود تا با داده‌ها و زیرساختی که تهیه می‌شود بتوان توسعه محصول انجام داد. به نظرم ظرفیت این کار وجود دارد ولی نیاز به پذیرش سرمایه‌گذاری بلندمدت دارند. برای این کار هم رگولاتوری باید مسیر تأمین داده و دسترسی آسان به آن و ایجاد زیرساخت را طی کند که این اتفاق با سرعت بسیار کمی در حال پیگیری است.