شفقنا – گزارش جدید مؤسسه ناندا در ام‌آی‌تی با عنوان «شکاف هوش مصنوعی مولد: وضعیت AI در کسب‌وکار ۲۰۲۵» نشان می‌دهد که با وجود هیاهوی گسترده پیرامون هوش مصنوعی مولد، اکثریت قریب به اتفاق پروژه‌های آزمایشی شرکت‌ها در این حوزه شکست خورده‌اند.
بر اساس این پژوهش، تنها حدود ۵ درصد از برنامه‌های پایلوت هوش مصنوعی مولد توانسته‌اند شتاب درآمدی قابل‌توجهی ایجاد کنند، در حالی که ۹۵ درصد دیگر یا متوقف شده‌اند یا تأثیر قابل اندازه‌گیری بر عملکرد مالی نداشته‌اند.
این گزارش بر پایه ۱۵۰ مصاحبه با مدیران ارشد، یک نظرسنجی از ۳۵۰ کارمند و تحلیل ۳۰۰ مورد استفاده عمومی از هوش مصنوعی تدوین شده است. نتایج حاکی از یک شکاف عمیق میان شرکت‌هایی است که با استفاده از این فناوری به موفقیت‌های بزرگ رسیده‌اند و سازمان‌هایی که در مسیر پیاده‌سازی ناکام مانده‌اند.
به گفته آدیتیا چلپالی، نویسنده اصلی این گزارش، شرکت‌های موفق معمولاً جوان، چابک و متمرکز بر حل یک مشکل خاص هستند. او می‌گوید: استارت‌آپ‌هایی که توسط جوانان ۱۹ یا ۲۰ ساله راه‌اندازی شده‌اند، توانسته‌اند ظرف یک سال از صفر به درآمد ۲۰ میلیون دلاری برسند، چون فقط روی یک نقطه درد تمرکز می‌کنند، اجرای دقیقی دارند و با شرکای مناسب همکاری می‌کنند.
در مقابل، بخش عمده‌ای از شرکت‌های بزرگ با وجود سرمایه‌گذاری سنگین، نتوانسته‌اند نتایج ملموسی کسب کنند. عامل اصلی این ناکامی، نه کیفیت مدل‌های هوش مصنوعی، بلکه شکاف یادگیری در سطح ابزارها و سازمان‌ها عنوان شده است. بسیاری از مدیران مشکلات را به مقررات یا محدودیت‌های فناوری نسبت می‌دهند، اما بررسی ام‌آی‌تی نشان می‌دهد مشکل اصلی در ادغام ناکارآمد با فرآیندهای سازمانی است. ابزارهای عمومی مانند چت‌جی‌پی‌تی برای کاربران فردی به دلیل انعطاف بالا مفیدند، اما در محیط سازمانی دچار مشکل می‌شوند زیرا توانایی یادگیری و انطباق با جریان‌های کاری خاص را ندارند.
گزارش همچنین نشان می‌دهد که شرکت‌ها در توزیع بودجه‌های هوش مصنوعی مولد دچار سوءتخصیص شده‌اند. بیش از نیمی از این بودجه صرف ابزارهای فروش و بازاریابی می‌شود، در حالی که ام‌آی‌تی بیشترین بازدهی سرمایه‌گذاری را در حوزه اتوماسیون فرآیندهای پشتیبانی شناسایی کرده است؛ از جمله حذف برون‌سپاری فرآیندهای تجاری، کاهش هزینه‌های آژانس‌های خارجی و ساده‌سازی عملیات داخلی.
یکی از یافته‌های کلیدی این است که خرید ابزارهای تخصصی از فروشندگان بیرونی و ایجاد مشارکت با آنها حدود ۶۷ درصد مواقع موفق است، در حالی که پروژه‌های داخلی فقط در یک‌سوم موارد به نتیجه می‌رسند. این نکته برای صنایع حساس مانند خدمات مالی، که در سال ۲۰۲۵ به‌طور گسترده در حال ساخت سیستم‌های اختصاصی خود هستند، اهمیت زیادی دارد. داده‌های ام‌آی‌تی نشان می‌دهد هرچه شرکت‌ها بیشتر به سمت راهکارهای درون‌سازمانی می‌روند، نرخ شکست بالاتر می‌رود.
گزارش ام‌آی‌تی چند عامل کلیدی برای موفقیت پروژه‌های هوش مصنوعی مولد معرفی می‌کند:
– قدرت‌دهی به مدیران خط مقدم برای پیشبرد پیاده‌سازی، نه محدود کردن تصمیم‌گیری به آزمایشگاه‌های مرکزی.
– انتخاب ابزارهایی که قابلیت ادغام عمیق و یادگیری تدریجی دارند.
– تمرکز بر چالش‌های خاص کسب‌وکار به جای تلاش برای حل همه مشکلات با یک ابزار عمومی.
هوش مصنوعی در سایه و چالش‌های آتی
پدیده «هوش مصنوعی در سایه» نیز گسترش یافته است؛ کارمندان از ابزارهایی مانند چت‌جی‌پی‌تی بدون تأیید سازمان استفاده می‌کنند. همچنین، بسیاری از شرکت‌ها همچنان برای اندازه‌گیری تأثیر واقعی هوش مصنوعی بر بهره‌وری و سودآوری با مشکل مواجه‌اند.
به گفته ام‌آی‌تی، شرکت‌های پیشرو اکنون به‌دنبال نسل بعدی فناوری هستند: سیستم‌های عامل هوشمند (Agentic AI) که قادرند در محدوده‌های تعیین‌شده یاد بگیرند، حافظه داشته باشند و به‌صورت مستقل عمل کنند. این نوآوری می‌تواند مرحله بعدی تکامل هوش مصنوعی سازمانی را رقم بزند.
در مجموع، یافته‌های گزارش نشان می‌دهد که صرف سرمایه‌گذاری یا استفاده از مدل‌های قدرتمند تضمینی برای موفقیت نیست. تفاوت میان پیروزی و شکست در نحوه ادغام، انتخاب راهکار مناسب، و مدیریت تغییرات سازمانی نهفته است. برای اکثریت شرکت‌ها، عبور از این شکاف نیازمند بازنگری در استراتژی و تمرکز بر ارزش‌های واقعی کسب‌وکار است.
این خبر را اینجا ببینید.
source