تحقیقات جدید MIT نشان میدهد که اشتیاق و سرمایهگذاری در هوش مصنوعی مولد، نتایج مورد انتظار را در پی ندارد. آیا مشکل در فناوری است یا در نحوه پیادهسازی آن؟
گزارش جدید “GenAI Divide: State of AI in Business 2025” منتشر شده توسط ابتکار عمل NANDA در MIT، آشکار میکند که در حالی که هوش مصنوعی مولد وعده رشد سریع درآمد را برای شرکتها دارد، بیشتر این تلاشها به بنبست میرسند.
با وجود هیاهوی پیرامون ادغام مدلهای قدرتمند جدید، تنها ۵ درصد از برنامههای آزمایشی (پایلوت) هوش مصنوعی، منجر به تسریع قابل توجه درآمد میشوند؛ اکثریت قریب به اتفاق پروژهها متوقف شده و تأثیر قابل اندازهگیری بر سود و زیان شرکتها ندارند. این تحقیق – بر اساس ۱۵۰ مصاحبه با رهبران، نظرسنجی از ۳۵۰ کارمند و تحلیل ۳۰۰ استقرار عمومی هوش مصنوعی – شکاف عمیقی بین داستانهای موفقیت و پروژههای شکستخورده نشان میدهد.
آدیتیا چالاپالی، نویسنده اصلی گزارش و همکار طرح NANDA در MIT، در مصاحبه با Fortune در این رابطه گفت: «برخی از شرکتهای بزرگ و استارتاپهای جوان به طور قابل توجهی با هوش مصنوعی مولد موفقیت کسب میکنند.» به عنوان مثال، استارتاپهایی که توسط افراد ۱۹ یا ۲۰ ساله رهبری میشوند، در عرض یک سال، درآمد خود را از صفر به ۲۰ میلیون دلار رساندهاند. «این به دلیل انتخاب یک نقطه درد (مشکل)، اجرای دقیق و مشارکت هوشمندانه با شرکتهایی است که از ابزارهای آنها استفاده میکنند.»
اما برای ۹۵ درصد از شرکتهای موجود در این مجموعه داده، پیادهسازی هوش مصنوعی مولد با شکست مواجه شده است. مشکل اصلی؟ نه کیفیت مدلهای هوش مصنوعی، بلکه «شکاف یادگیری» هم در ابزارها و هم در سازمانها است. در حالی که مدیران اغلب مقررات یا عملکرد مدل را مقصر میدانند، تحقیقات MIT نشان میدهد که مشکل در یکپارچگی نامناسب در سازمان است. ابزارهای عمومی مانند ChatGPT به دلیل انعطافپذیری برای افراد عالی هستند، اما به دلیل عدم یادگیری یا تطبیق با گردش کارها، در استفاده سازمانی به بنبست میرسند.
این دادهها همچنین نشان میدهد که در تخصیص منابع عدم تطابق وجود دارد. بیش از نیمی از بودجههای هوش مصنوعی مولد به ابزارهای فروش و بازاریابی اختصاص داده شده است، در حالی که MIT بزرگترین بازگشت سرمایه (ROI) را در خودکارسازی کارهای پشت صحنه (back-office automation) یافته است – از جمله حذف برونسپاری فرآیند کسب و کار (business process outsourcing)، کاهش هزینههای آژانسهای خارجی و سادهسازی عملیات.
چه عواملی پشت موفقیت استقرار هوش مصنوعی هستند؟
نحوه پذیرش هوش مصنوعی توسط شرکتها حیاتی است. خرید ابزارهای هوش مصنوعی از فروشندگان تخصصی و ایجاد مشارکت، حدود ۶۷ درصد اوقات موفقیتآمیز است، در حالی که ساخت داخلی (in-house builds) تنها یک سوم این میزان موفقیت را دارند.
این یافته به ویژه در خدمات مالی و سایر بخشهای تنظیمشده، که بسیاری از شرکتها در سال ۲۰۲۵ سیستمهای اختصاصی هوش مصنوعی مولد خود را در حال ساخت هستند، مرتبط است. با این حال، تحقیقات MIT نشان میدهد که شرکتها با شکست بیشتری در این راه مواجه میشوند.
چالاپالی خاطرنشان کرد که شرکتهای مورد بررسی اغلب تمایل نداشتند نرخ شکست را به اشتراک بگذارند. «تقریباً در همه جا، شرکتها سعی داشتند ابزار خود را بسازند، اما دادهها نشان داد که راه حلهای خریداری شده نتایج قابل اطمینانتری ارائه میدهند.»
سایر عوامل کلیدی برای موفقیت شامل توانمندسازی مدیران خط (line managers) – نه فقط آزمایشگاههای هوش مصنوعی مرکزی – برای هدایت پذیرش و انتخاب ابزارهایی است که میتوانند به طور عمیق یکپارچه شوند و در طول زمان سازگار شوند.
تغییر در نیروی کار و استفاده از “هوش مصنوعی سایه”
اختلال در نیروی کار از قبل در حال وقوع است، به ویژه در نقشهای پشتیبانی مشتری و اداری. به جای اخراجهای گسترده، شرکتها در حال حاضر در صورت خالی شدن موقعیتها، جایگزین نمیکنند. بیشتر تغییرات متمرکز بر مشاغلی است که قبلاً به دلیل ارزش پایین درک شده، برونسپاری شدهاند.
گزارش همچنین استفاده گسترده از “هوش مصنوعی سایه” (shadow AI) – ابزارهای غیرمجاز مانند ChatGPT – و چالش مداوم اندازهگیری تأثیر هوش مصنوعی بر بهرهوری و سود را برجسته میکند.
با نگاهی به آینده، سازمانهای پیشرو در حال حاضر در حال آزمایش سیستمهای هوش مصنوعی عاملیت (agentic AI) هستند که میتوانند به طور مستقل در محدوده تعیین شده یاد بگیرند، به یاد داشته باشند و عمل کنند – ارائه نگاهی اجمالی از نحوه تکامل فاز بعدی هوش مصنوعی سازمانی.
برای مطالعه اخبار بیشتر اینجا کلیک کنید.
نکات کلیدی برای کسب و کارهای علاقهمند به راهاندازی هوش مصنوعی مولد:
- بررسی دقیق نیازها: قبل از هر گونه سرمایهگذاری، نیازهای خاص کسب و کار خود را به دقت ارزیابی کنید.
- همکاری با متخصصان: با متخصصان و مشاوران هوش مصنوعی مشورت کنید تا بهترین رویکرد را برای کسب و کار خود انتخاب کنید.
- آزمایش و یادگیری: به طور مداوم برنامههای آزمایشی (پایلوت) انجام دهید و از شکستها درس بگیرید.
- آموزش و توانمندسازی: به کارکنان خود آموزش دهید تا از ابزارهای جدید هوش مصنوعی به طور موثر استفاده کنند و آنها را توانمند کنید تا ایدههای خود را به اشتراک بگذارند.
نظر شما در مورد این مطلب چیه؟