حساب‌رسی هوش مصنوعی: چرا اکثر شرکت‌ها از قافله عقب می‌مانند

دوران ماه عسل هوش مصنوعی به پایان رسیده است.

سال‌ها بود که شرکت‌ها برای به‌کارگیری ابزارهایی مانند ChatGPT با عجله پیش می‌رفتند. آن‌ها میلیاردها دلار صرف زیرساخت‌ها کردند. اکنون، تمرکز در حال تغییر است. مدیران عامل (CEO) و مدیران مالی (CFO) دیگر نمی‌پرسند که هوش مصنوعی چه کاری می‌تواند انجام دهد؛ بلکه می‌پرسند هوش مصنوعی چه سودی برای سودآوری آن‌ها دارد.

یک گزارش سفید (whitepaper) جدید از McLean Forrester توضیح می‌دهد که چرا بسیاری از شرکت‌ها در دستیابی به نتایج شکست می‌خورند. آن‌ها در «تله‌ی پروژه‌های آزمایشی» (pilot trap) گرفتار می‌شوند. آن‌ها پروژه‌های کوچکی را راه‌اندازی می‌کنند که تنها بهبودهای ناچیزی در بهره‌وری ایجاد می‌کنند. این پروژه‌ها به دلیل عدم یکپارچگی، در مقیاس بزرگ شکست می‌خورند.

برای پیروز شدن، باید سه سطح ارزش هوش مصنوعی را درک کنید.

۱. هوش مصنوعی افقی (Horizontal AI) این شامل ابزارهای عمومی مانند ChatGPT است. این ابزارها برای وظایف ساده به خوبی عمل می‌کنند. ممکن است شاهد افزایش ۵ تا ۱۰ درصدی در بهره‌وری باشید. با این حال، زمانی که به دانش خاص شرکت یا استدلال‌های پیچیده نیاز دارید، این ابزارها کارایی خود را از دست می‌دهند.

۲. هوش مصنوعی ترکیبی (Hybrid AI) این یک میان‌بر هوشمندانه است. این روش از تولید تقویت‌شده با بازیابی (RAG) استفاده می‌کند. شما یک مدل بزرگ را به داده‌های داخلی، سیاست‌ها و فایل‌های مشتریان خود متصل می‌کنید. این روش بدون هزینه‌های بالای ساخت یک مدل جدید، دقت را فراهم می‌کند. همچنین خطاها را کاهش می‌دهد، زیرا هوش مصنوعی مجبور است از واقعیت‌های (داده‌های) شما استفاده کند.

۳. هوش مصنوعی عمودی (Vertical AI) بالاترین ارزش در این سطح نهفته است. این یک لایه هوشمندی سفارشی است که برای جریان‌های کاری (workflows) خاص شما ساخته شده است.

برای مثال، یک بانک از هوش مصنوعی افقی برای خلاصه‌سازی یک گزارش عمومی استفاده می‌کند. اما همان بانک از هوش مصنوعی عمودی برای بررسی درخواست وام، چک کردن فایل‌های ناقص و پیش‌نویس تصمیم‌گیری استفاده می‌کند. این کار هوش مصنوعی را از یک ابزار غیرفعال به یک کارگر فعال تبدیل می‌کند.

چگونه برای سال ۲۰۲۷ آماده شویم:

برندگان شرکت‌هایی نخواهند بود که بزرگترین بودجه‌ها را دارند؛ بلکه شرکت‌هایی خواهند بود که هوش مصنوعی را با نیازهای تجاری منحصربه‌فرد خود همسو می‌کنند.

منبع: https://dev.to/mcleanforresterllc/the-ai-reckoning-why-most-companies-are-getting-left-behind-175i