چالش های تجاری سازی هوش مصنوعی

هوش مصنوعی در طول سال های اخیر هیاهوی زیادی به راه انداخته است. نگاهی گذرا به شعارها و وعده های رنگارنگ توسعه دهندگانی وثل اپن ای آی و گوگل نوید تغییراتی عمده در زندگی روزمره مردم سراسر دنیا را می دهد. شاید شما هم از سر کنجکاوی چندباری با چت جی پی تی صحبت کرده باشید. چه بسا در زندگی روزمره تان روی ان به عنوان دوستی صمیمی حساب می کنید. با این حال نوع نگاه بنگاه های تجاری به این پدیده کمی متفاوت از تجربه شخصی کاربران است.

بر اساس گزارش تحقیقاتی دانشگاه ام آی تی (MIT) ۹۵ درصد از پروژه های آزمایشی برای استفاده از هوش مصنوعی به صورت کلان در عرصه تجاری با شکست رو به رو شده اند. ماجرا وقتی جالب تر می شود که بدانیم اغلب سرمایه گذارها و کارآفرینان نسبت به پتانسیل تجاری سازی این فناوری شک و تردیدهای عمیق دارند. بی شک این آمار برای غول هایی مثل گوگل و اپن ای آی یک فاجعه به تمام معماست، اما چرا دنیای تجارت تا این اندازه با هوش مصنوعی زاویه دارد؟ در ادامه برخی از مهم ترین دلایل و مشکلات این حوزه را واکاوی خواهیم کرد. 

گزارش ام آی تی چه می گوید؟

گزارش شکاف ژن ای آی (GenAI Divide) به تازگی از سوی دانشگاه ام آی تی منتشر شده و بازار هوش مصنوعی را حسابی به هم ریخته است. بر اساس این گزارش، در حالی که شرکت های توسعه دهنده هوش مصنوعی وعده کاربردهای متنوع ابزارهای شان را می دهند، در عمل این فناوری افزایش سریع سود کسب و کارها با شکست رو به رو شده است. در حالی که این ابزارها برای افراد عادی مفید هستند، در محیط سازمانی به دلیل عدم انطباق با فرآیندهای منحصر به فرد هر شرکت با شکست رو به رو شده اند. 

مطلب مرتبط: فراشخصی سازی تبلیغات با هوش مصنوعی

نکته جالب اینکه اغلب بنگاه های تجاری بر روی هوشمندسازی فرآیند بازاریابی و فروش تمرکز کرده اند، در حالی که بهترین عملکرد هوش مصنوعی در حوزه اتوماسیون پشتیبانی گزارش شده است. این یعنی مدیران و کارآفرینان هنوز درک درستی از توانایی های هوش مصنوعی ندارند. 

شاید در نگاه نخست شکست سنگینی هوش مصنوعی ناشی از بی توجهی عمیق کسی و کارها باشد، اما اوضاع اینقدرها هم ساده نیست. تقریبا نیمی از بنگاه های تجاری در استفاده از هوش مصنوعی بر روی شخصی سازی آن برای نیازهای خود تمرکز کرده اند. با این حال خروجی نهایی چندان راضی کننده نیست. به عبارت ساده تر، هوش مصنوعی هنوز توانایی یادگیری نیازهای خاص هر بنگاه و انطباق با آنها را ندارد. این امر یکی از چالش های اساسی است که توسعه دهندگان باید فکری به حال اش کنند.

شاید خبر خوب برای علاقه مندان به هوش مصنوعی، آپدیت های اخیر ای ابزارها باشد. به طور مشخص، رونمایی از مدل جی پی تی ۵ (GPT 5) تلاشی برای پر کردن شکاف یادگیری هوش مصنوعی است. بر این اساس نسل های بعدی هوش مصنوعی قرار است عملکردی بهتر در زمینه درک نیازهای خاص سازمانی و انطباق با آن داشته باشند. با این حال چنین وعده ای هنوز در مرحله آزمایشی به سر می برد. 

راه حل: ظهور هوش مصنوعی عامل محور 

راه حل نهایی برای تجاری سازی هوش مصنوعی نه در امیدواری صرف، بلکه ترکیب آن با یادگیری ماشین (Machine Learning) به صورت پیشرفته است. چرا که فناوری یادگیری ماشین در طول سال های اخیر پا به پای هوش مصنوعی رشد نکرده است. به همین خاطر خیلی وقت ها از دست ابزارهای هوش مصنوعی عصبانی شده و آن ها را ناکارآمد قلمداد می کنیم. 

تجاری سازی هوش مصنوعی در بعد کلان بدون توسعه هرچه سریع و معنادار یادگیری ماشین امکان پذیر نخواهد بود. این امر به معنای تقویت توانایی این ابزارها برای یادگیری و به خاطرسپاری است. نتیجه این امر توانایی عملکرد خلاقانه هوش مصنوعی در چارچوب های تعریف شده سازمانی است. به طوری که دیگر نیازی به مداخله مداوم و مستقیم عامل انسانی نباشد. این امر نیروی انسانی را از مقام مهندس اجرایی به یک استراتژیست با پیشرفته ترین ابزارهای دیجیتالی تبدیل می کند. 

مطلب مرتبط: نقش هوش مصنوعی در شکل دهی به کارآفرینی مدرن

شاید مهم ترین مزیت هوش مصنوعی عامل محور در توانایی پرداز فرآیندهای چند مرحله ای باشد. جایی که این ابزارها می توانند فرآیندهای چند مرحله ای را برنامه ریزی، اصلاح و اجرا کنند. این امر فراتر از پاسخگویی صرف به درخواست هاست. با این حساب هوش مصنوعی فقط در صورتی که به جای دستیار خشک و خالی بدل به همکاری همه فن حریف برای کارآفرینان شود، پتانسیل تجاری سازی گسترده خواهد داشت.