توسط :
با ورود هوش مصنوعی به دنیای فناوری و اوج گرفتن هیجان در پایان سال ۲۰۲۲ با معرفی «ChatGPT» توسط OpenAI، به نظر میرسد این پیشرفت در حال کاهش سرعت است. بخشی از شرکتها ممکن است از این کندی استقبال کنند.
در حالی که مدلهای زبان بزرگ توسط استارتاپها و شرکتهای بزرگ فناوری مرتباً بهبود یافته و بازار سهام تکنولوژی از جمله سهام غول چیپهای هوش مصنوعی، مانند Nvidia، به اوج خود رسیدهاند، اما به نظر میرسد که این مدلها به مرزهای پیشرفت خود رسیدهاند.
این تابستان، شرکت مِتا برنامهریزی خود برای عرضه نسخه بعدی مدل هوش مصنوعی اصلی خود، به نام Llama 4 Behemoth، را به تأخیر انداخت زیرا مهندسان نتوانستند بهبود چشمگیری در آن ایجاد کنند. مدل جدید GPT-5 از OpenAI نیز با تأخیر به بازار عرضه شد و به توقعات پاسخ نداد. سام آلتمن، مدیرعامل OpenAI، اخیراً واقعگراتر شده و اذعان کرده است که سرمایهگذاران بیش از حد درباره این فناوری هیجانزده شدهاند.
اگرچه ابزارهای هوش مصنوعی پیشرو به نظر میرسد که در حال از دست دادن شتاب باشند، برای بسیاری از شرکتهایی که میخواهند هوش مصنوعی را در کار خود بهکارگیرند، این امر احتمالاً مشکلی جدی نخواهد بود. حتی ممکن است این کندی فرصت بهتری برای پذیرش و تنظیم آنها فراهم کند.
هوش مصنوعی مولد پیشرفته برای کسبوکارها بسیار مفید است؛ مانند خلاصهسازی متون بزرگ و کمک به کارکنان برای نوشتن ایمیل یا کدنویسی. حتی اشکال قدیمیتر هوش مصنوعی که قبل از انفجار مدلهای زبان وجود داشتند، نیز در وظایفی مانند پردازش فاکتورها یا ارائه توصیههایی در رابطه با مدیریت ناوگان خودروها بسیار کارآمد شدهاند.
با این حال، بسیاری از بنگاهها هنوز از قابلیتهای فعلی هوش مصنوعی فقط به طور سطحی استفاده کردهاند. در عین حال، بسیاری از آنها به سرعت پذیرش نکردهاند. رهبران فناوری شرکتها نگران نشت اطلاعات حساس از طریق مکالمات پیامرسانی هستند و تردید دارند که به هوش مصنوعی در تصمیمگیریهای حیاتی اعتماد کنند. تمایل مدلهای AI به ارائه پاسخهای نادرست، شکاف اعتمادی را گسترش میدهد.
مطالعهای از MIT نشان داده که شرکتها عمدتاً با استفاده از ابزارهای هوش مصنوعی آماده مانند OpenAI و Microsoft راحت بودهاند، اما در ساخت نرمافزارهای سفارشی هوش مصنوعی برای بهبود عملیات خود، نرخ شکست پروژههای آزمایشی ۹۵ درصد بوده است.
کاربران شرکتها ابزارهای هوش مصنوعی سفارشی یا پیشنهاد شده توسط فروشندگان را به عنوان «شکننده، بیشازحد پیچیده یا ناسازگار با جریان کاری واقعی» توصیف کردند.
حتی اگر پیشرفت مدلهای پیشرفته هوش مصنوعی متوقف شود، این بدان معنا نیست که تجربه و نوآوری در این حوزه متوقف میشود. مردم به دنبال راههای جدید برای بهبود هوش مصنوعی خواهند بود و احتمالاً موفقیت هم خواهند داشت. جالب است که این تصور که هوش مصنوعی در حال کاهش سرعت پیشرفت است، ممکن است به شرکتها انگیزه دهد تا بیشتر در این حوزه سرمایهگذاری کنند و آن را به عنوان یک هدف کمتر متغیر ببینند.
در واقع، جهان شرکتها نیاز به زمان بیشتری دارد تا این موضوع را تحلیل و بررسی کند. کارُ تطبیق مدلهای زبان بزرگ برای مفید بودن در وظایف روزمره هنوز در ابتدای راه است. همانطور که مایکل چوی، یک محقق ارشد در موسسه AI مککینزی، گفته است: «برای افزایش سرعت نوآوری، کاهش انبار ذخایران بودن و بهبود ارتباط با مصرفکنندگان، باید تغییراتی بیش از فقط دادن یک ابزار به تعدادی از کارمندان ایجاد شود.»
پیچیدگی این چالش—که بیشتر مدیریتی است تا تکنیکی—بدان معناست که پذیرش هوش مصنوعی توسط شرکتها یک تلاش چندین دهه خواهد بود. این موضوع نباید تعجبآور باشد چرا که این مشابه تحول اینترنت است که برای سالها طول کشید تا به صورت کامل در جامعه نهادینه شود.
روند پیشرفت هوش مصنوعی ممکن است شبیه همان مسیر باشد: یک دوره شور و شوق که با طولانی شدن و ورود تدریجی به جامعه و بنگاهها مشخص میشود و پتانسیل واقعی آن در سالهای آینده به وضوح مشخص میشود.
در کوتاهمدت، این حس که ممکن است رشد هوش مصنوعی به سرعت گذشته نباشد، باعث نوسانات در بازار سهام فناوری شده است. به عنوان مثال، سهام Nvidia، Microsoft، Amazon.com، Meta و دیگر پیشروان AI هفته گذشته پیش از اظهارات رئیس فدرال رزرو درباره کاهش نرخ بهره دچار افت شد.
نتیجهگیری
شاید شتاب پیشرفت هوش مصنوعی کمی کاهش یافته باشد، اما این امر فرصتهای جدیدی برای تطبیق و بهرهبرداری بهتر آن عرضه میکند. با وجود چالشها، هوش مصنوعی میتواند همچنان به بهبود و تحول مدلهای کسبوکار کمک کرده و راهحلهای خلاقانهتری برای مسائل پیچیده امروزی ارائه دهد.
پرسشهای متداول
خیر، حتی با کاهش سرعت پیشرفت، هوش مصنوعی همچنان در بهبود مدلهای کسبوکار و ارائه راهحلهای خلاقانه مفید است.
نگرانی از نشت اطلاعات حساس و عدم اطمینان در تصمیمگیریهای حیاتی توسط هوش مصنوعی از جمله عوامل کندی پذیرش آن هستند.
پیشرفتهای بعدی ممکن است بر بهبود کاربردهای عملی در شرکتها متمرکز باشد و شامل تطبیق مدلهای زبانی برای وظایف روزمره خواهد بود.
