تک جدید دریچه‌ای به دنیای بزرگ فناوری
گزارش تازه‌ای از دانشگاه ام‌آی‌تی نادا (MIT NADA) در آمریکا تصویری واقع‌بینانه و کمی تلخ از وضعیت هوش مصنوعی مولد در شرکت‌ها ارائه می‌دهد: ۹۵ درصد از پروژه‌های آزمایشی یا پایلوت، هیچ اثر مالی قابل توجهی برای شرکت‌ها به همراه نداشته‌اند.
به گزارش فارس به نقل از این وست، این مطالعه که با عنوان «شکاف هوش مصنوعی مولد: وضعیت هوش مصنوعی در کسب‌وکار ۲۰۲۵» منتشر شده، بر پایه ۱۵۰ مصاحبه با مدیران، نظرسنجی از ۳۵۰ کارمند و بررسی ۳۰۰ پروژه عمومی در حوزه هوش مصنوعی است. نتیجه کلی این است که فقط بخش کوچکی از شرکت‌ها توانسته‌اند این فناوری را به‌طور موفق در کار خود ادغام کنند.
بر اساس یافته‌ها، تنها ۵ درصد از پروژه‌های پایلوت توانسته‌اند به رشد سریع درآمدی منجر شوند. بیشتر پروژه‌ها در همان مرحله ابتدایی متوقف می‌شوند و توانایی عبور از فاز آزمایشی به سطح عملیاتی و گسترده را ندارند.
«آدیتیا چلَپالی»، نویسنده اصلی گزارش و رئیس گروه «هوش مصنوعی متصل» در آزمایشگاه رسانه دانشگاه ام‌آی‌تی آمریکا، دلیل اصلی این ناکامی‌ها را کیفیت پایین مدل‌ها نمی‌داند، بلکه آن را «شکاف یادگیری» بین ابزارهای هوش مصنوعی و سازمان‌های استفاده‌کننده عنوان می‌کند. او می‌گوید برخلاف ابزارهای مصرفی مثل «چت‌جی‌پی‌تی» که برای کاربر فردی انعطاف دارند، ابزارهای سازمانی اگر دقیقاً با جریان کار داخلی هماهنگ نشوند، شکست می‌خورند.
این تحقیق نشان می‌دهد بیش از نیمی از بودجه‌های هوش مصنوعی در شرکت‌ها صرف فروش و بازاریابی می‌شود، در حالی که بیشترین بازده سرمایه‌گذاری در بخش‌های پشتیبانی و اداری مشاهده شده است. خودکارسازی فرآیندهای دفتری باعث کاهش هزینه‌های برون‌سپاری، کاهش اتکا به آژانس‌های بیرونی و افزایش بهره‌وری می‌شود. این یعنی بسیاری از شرکت‌ها استراتژی روشنی برای سرمایه‌گذاری درست روی هوش مصنوعی ندارند.
عامل دیگر موفقیت یا شکست، شیوه تأمین ابزارهاست. خرید ابزارهای آماده از فروشندگان تخصصی و ایجاد شراکت‌های استراتژیک حدود ۶۷ درصد مواقع موفق بوده، در حالی که سیستم‌های ساخته‌شده در داخل شرکت‌ها فقط یک‌سوم مواقع به نتیجه رسیده‌اند. این نکته در صنایع مالی که در سال ۲۰۲۵ به شدت روی توسعه هوش مصنوعی اختصاصی سرمایه‌گذاری کرده‌اند بسیار مهم است، چون داده‌ها نشان می‌دهد راه‌حل‌های بیرونی در عمل قابل‌اعتمادتر هستند.
به گفته «چلپالی»، بسیاری از شرکت‌ها حاضر نیستند نرخ شکست پروژه‌هایشان را علنی کنند و معمولاً مشکلات را به عملکرد مدل یا محدودیت‌های قانونی ربط می‌دهند. اما مشکل اصلی، ادغام و پیاده‌سازی در سازمان است. گزارش پیشنهاد می‌دهد که فقط آزمایشگاه‌های مرکزی مسئول پیشبرد نباشند، بلکه مدیران خط مقدم هم باید اختیار و توانایی هدایت استفاده از هوش مصنوعی را داشته باشند. همچنین انتخاب ابزارهایی که قابلیت رشد و هماهنگی با نیازهای متغیر سازمان را داشته باشند، حیاتی است.
این تغییرات هم‌اکنون روی بازار کار هم اثر گذاشته‌اند. به‌جای موج گسترده اخراج‌ها، بسیاری از شرکت‌ها تصمیم گرفته‌اند موقعیت‌های خالی در بخش‌های خدمات مشتری و کارهای اداری را دیگر جایگزین نکنند. مخصوصاً مشاغلی که قبلاً ارزش پایین‌تری داشته و اغلب به خارج از شرکت سپرده می‌شدند، اکنون با اتوماسیون هوش مصنوعی به‌تدریج حذف می‌شوند.
در نهایت، گزارش به رشد «هوش مصنوعی در سایه» اشاره می‌کند؛ یعنی ابزارهایی مثل «چت‌جی‌پی‌تی» که کارمندان بدون مجوز رسمی شرکت استفاده می‌کنند. این موضوع باعث می‌شود ردیابی تأثیر واقعی هوش مصنوعی بر بهره‌وری و سود دشوار شود. در کنار این، برخی سازمان‌های پیشرو مشغول آزمایش نسل جدیدی از «هوش مصنوعی عامل‌محور» یا «اِیجنتیک» هستند؛ سیستم‌هایی که توانایی یادگیری، به خاطر سپردن و عمل مستقل در محدوده‌های مشخص را دارند. این آزمایش‌ها نشانه‌ای از مرحله بعدی تکامل هوش مصنوعی در کسب‌وکارهاست.
