در نوشتار «جمع‌سپاری: قدرتی کشف‌نشده» درباره پیشنه جمع‌سپاری، اهمیت و انواع آن مختصراً توضیحاتی ارائه شد. از بین انواع جمع‌‌سپاری‌ها، مسابقه جمع‌سپاری بیشترین شباهت را با چالش‌های نوآوری دارند. از آنجایی که آی‌چلنج تمرکز خود را بر توسعه چالش‌های نوآوری در اکوسیستم نوآوری کشور نهاده است، در نوشتار پیشِ رو، مسابقه جمع‌سپاری را بیشتر شرح می‌دهیم.
یکی از راه‌های استفاده از جمع‌سپاری، اجرای مسابقه است. حامی مسابقه جمع‌سپاری (مثلا یک شرکت) مسئله مشخصی را شناسایی می‌کند، جایزه‌‌ای را تعیین می‌کند و فراخوان می‌دهد. شرکت‌ها استفاده‌کننده نهایی راه‌حلی هستند که از مسابقه جمع‌سپاری به دست می‌آید؛ اما ارزیابی پیشنهادهای متعدد، شناختی از جانمایی پیشگامان فناوری برای شرکت به ارمغان می‌آورد، مخصوصاً اگر پای راه‌حل‌های بینارشته‌ای در میان باشد؛ به‌ویژه در زمان‌هایی که شرکت نمی‌داند راه‌حل را باید در کجا جست‌وجو کند. در اغلب چالش‌هایی که آی‌چلنج برگزار می‌کند مانند کاهش نفوذپذیری هوا در لایه داخلی تایر خودرو و تولید نانو پوشش‌های چربی‌گریز پایدار روی سطوح فلزی یا شیشه‌ای، شرکت‌های متقاضی با بررسی شرکت‌های خارجی متوجه شده بودند که راه‌حلی برای مسئله‌شان وجود دارد ولی شرکت یا تیمی را سراغ نداشتند که در داخل کشور بتواند راه‌حلی مناسب آن‌ها ارائه کند. از این رو دست به برگزاری چالش نوآوری زندند.
یکی از تجربه‌های جالب جهانی، تجربه‌ای است که شرکت دارویی مرک پشت سر گذاشته است. آن‌ها از سامانه جمع‌سپاری کاگل (kaggle) برای توسعه فرمول‌های دارویی جدید استفاده کردند. رویه کاری به‌منظور شناسایی مواد مؤثر دارویی برای یک بیماری خاص شامل آزمودن صدها ترکیب شیمیایی است. چنین فرآیندی زمان زیاد و هزینه گزافی می‌برد. از این رو مرک در سال ۲۰۱۲، مسابقه‌ای هشت‌هفته‌ای با ۴۰ هزار دلار جایزه ترتیب داد. در این مسابقه داده‌های آزمون‌های پیشینِ برخی ترکیبات شیمیایی در اختیار شرکت‌کننده‌ها قرار گرفت. از آن‌ها خواسته شد تا آینده‌دارترین ترکیبات را برای انجام تست‌های آتی مشخص کنند. پس از انتشار فراخوان، ۲۵۰۰ پیشنهاد برای مرک ارسال شد. در حالی که همه انتظار داشتند از بین متخصصان علوم زیستی کسانی پیدا شوند که بهترین راه‌حل را ارائه کنند، راه‌حل برگزیده نزد گروهی از متخصصان علوم رایانه بود! آن‌ها توانسته بودند با استفاده از الگوریتم‌های یادگیری ماشین ترکیب‌های مورد نظر مرک را شناسایی کنند. فراموش نکنیم که در سال 2012 کاربرد هوش مصنوعی و یادگیری ماشین در علوم زیستی مانند زمان حاضر، شناخته‌شده نبود. (می‌توانید تجربه‌های نوکیا، انل و آسترازنکار را نیز در وبلاگ آی‌چلنج مشاهده کنید.)
البته باید توجه داشت که برگزاری یک مسابقه جمع‌سپاری چندان ساده و بی‌دردسر نیست. اول باید مسئله‌ای انتخاب شود که به قدر کافی مهم باشد. این مسئله که معمولاً از درون یک سازمان برآمده، باید به زبانی قابل فهم برای مخاطبان بیرون از سازمان ترجمه شود. این ترجمه باید به گونه‌ای باشد که اطلاعات خاص سازمان افشا نشود. حتی ممکن است مسئله اصلی، به چند مسئله کوچک‌تر بشکند و چند مسابقه برای آن برگزار شود. اما در نهایت ساختار مسابقه به‌گونه‌ای طراحی می‌شود که به راه‌حلی قابل پیاده‌سازی در سازمان منجر شود.
یک مسابقه جمع‌سپاری باید به طریقی انگیزه شرکت‌کنندگان متخصص را بالا ببرد. اولین گزینه برای این کار اعطای جایزه است، اما می‌تواند از ایجاد فرصت‌هایی برای کسب درآمد تا تولد یک کسب‌وکار نوپا هم ادامه یابد.
در این نوشتار تلاش کردیم مسابقه جمع‌سپاری را به زبان ساده شرح دهیم. آی‌چلنج از سال ۱۳۹۵، رسالت خود را بر توسعه این روش حل مسئله در کشور متمرکز کرده است و تا کنون مجری ده‌ها مسابقه نوآوری در قالب چالش نوآوری بوده است. مسئله‌های چالش‌های نوآوریِ برگزارشده در آی‌چلنج معمولاً از دو طریق به دست می‌آیند: یکی، دریافت مشکل از یک سازمان و دیگری، شناسایی محصول یا راه‌حلی که در کشور تقاضاهای متعدد دارد. اگر شرکتی هستید که می‌خواهید برای حل مسائل فناورانه خود از قدرت جمع‌سپاری بهره بگیرد یا پژوهشگری هستید که فکر می‌کنید توانمندی حل مسائل فناورانه کشور را دارید با آی‌چلنج تماس بگیرید.
نوشتار فوق ترجمه و تلخیصی بود از این منبع:
Using the Crowd as an Innovation Partner by K. J. Boudreau and K. R. Lakhani