حدود دو سال از ظهور چشمگیر هوش مصنوعی مولد می‌گذرد، و اکنون سرمایه‌گذاران، تحلیلگران، اقتصاددانان و به‌ویژه مدیران عامل شرکت‌ها با یک سؤال کلیدی روبه‌رو هستند: این فناوری پیشرفته چه زمانی و چگونه می‌تواند تغییرات واقعی و ملموسی در کسب و کار هوش مصنوعی ایجاد کند؟ مدیران ارشد سازمان‌ها با این تصور که چت‌بات‌ها آینده‌ساز هستند، پروژه‌های آزمایشی متعددی را آغاز کردند و اکنون به دنبال نتایج واقعی هستند.
از بهره‌وری تا نوآوری
در ابتدا، تمرکز اصلی بر افزایش بهره‌وری و کاهش هزینه‌ها بود—اینکه کارهای مشابه را سریع‌تر و بهتر انجام دهند. اما نشانه‌هایی وجود دارد که برخی سازمان‌ها به جای تکرار رویه‌های پیشین، مسیر خود را به سمت رشد و نوآوری تغییر می‌دهند. برای این کار، آن‌ها به شاخص‌های عملکردی (KPI) و ابزارهایی برای گسترش و حمایت از این تغییر نیاز دارند.
طبق گزارش «وضعیت هوش مصنوعی مولد در شرکت‌ها» که توسط دیلویت تهیه شده، نقطه عطفی در استفاده از این فناوری ایجاد شده است. اگرچه بهره‌وری و کاهش هزینه‌ها همچنان اولویت بسیاری از شرکت‌ها (۴۲ درصد) است، بیش از نیمی از پاسخ‌دهندگان (۵۸ درصد) به مزایای دیگری مانند افزایش نوآوری (۱۲ درصد)، بهبود محصولات و خدمات (۱۰ درصد) و تقویت ارتباط با مشتریان (۹ درصد) اشاره کرده‌اند.
برنا اسنایدرمن، مدیر اجرایی مرکز تحقیقات دیلویت، می‌گوید: «شرکت‌ها اکنون فراتر از هیجان اولیه به این فکر می‌کنند که این فناوری چگونه می‌تواند کسب‌وکار آن‌ها را متحول کند. اما هنوز در حال جستجوی پاسخ این سوالات هستند.»
در این میان، تنها ۳۰ درصد از پروژه‌های آزمایشی توانسته‌اند به مرحله تولید برسند. به گفته کارشناسان، شرکت‌ها همچنان نیاز به بهبود در مدیریت داده‌ها، تعیین شاخص‌های ارزش‌گذاری و تعریف معیارهای موفقیت دارند.
ضرورت داشتن شاخص‌های کمی
یکی از حوزه‌هایی که هوش مصنوعی مولد در آن موفقیت خود را ثابت کرده، ترجمه متون و صداهای هم‌زمان است. این قابلیت به کسب‌وکارها کمک کرده تا علاوه بر کاهش هزینه‌ها، داده‌ها را تحلیل کنند و از تطابق با قوانین سختگیرانه اطمینان حاصل کنند. دیوید جارویس، رهبر تحقیقات دیلویت، می‌گوید: «ادغام عمیق ابزارهای هوش مصنوعی در فرآیندهای سازمانی، بیشترین ارزش را برای شرکت‌ها ایجاد کرده است.»
بیشتر بخوانید: تئوری اینترنت مرده؛ آیا لجن هوش مصنوعی در حال تسلط بر دنیای آنلاین است؟
با این حال، چالش اصلی این است که بسیاری از سازمان‌ها سیستم مشخصی برای ارزیابی نتایج این فناوری ندارند. کمتر از نیمی (۴۸ درصد) از پاسخ‌دهندگان از شاخص‌های عملکردی خاص استفاده می‌کنند و فقط ۳۸ درصد چارچوبی برای ارزیابی بازده سرمایه‌گذاری یا تغییرات بهره‌وری کارکنان ایجاد کرده‌اند.
یکی از مدیران شرکت‌کننده در این نظرسنجی اشاره می‌کند که ارزیابی کیفی برای پروژه‌های کوچک کارساز است، اما در مقیاس‌های بزرگ‌تر، به شاخص‌های کمی نیاز است تا ارزش واقعی این فناوری نشان داده شود.
نیاز به تنظیم مقررات
گزارش دیلویت همچنین نشان می‌دهد که شرکت‌ها همچنان با چالش‌های بزرگی در استفاده گسترده از هوش مصنوعی مولد روبه‌رو هستند. سه‌چهارم شرکت‌ها (۷۵ درصد) قصد دارند هزینه‌های خود برای مدیریت چرخه عمر داده‌ها را افزایش دهند تا از کیفیت، حریم خصوصی و امنیت داده‌ها اطمینان حاصل کنند. همچنین ۷۸ درصد از پاسخ‌دهندگان خواهان قوانین روشن دولتی هستند تا ریسک‌های مربوط به تطابق و نظارت کاهش یابد.
در عین حال، دوسوم شرکت‌ها (۶۷ درصد) قصد دارند بودجه خود برای توسعه هوش مصنوعی مولد را افزایش دهند. با مشخص‌تر شدن استراتژی‌ها، شرکت‌ها می‌توانند صرفه‌جویی‌های حاصل از افزایش بهره‌وری را در پروژه‌های نوآورانه سرمایه‌گذاری کنند.
به گفته دیوید جارویس: «ما در مرحله حساسی قرار داریم که می‌توانیم ببینیم این فناوری چه ارزشی ایجاد خواهد کرد. شرکت‌ها باید صبور باشند و روی اثبات و نمایش ارزش واقعی این فناوری کار کنند.»
منبع: +