شوک MIT به دنیای فناوری؛ ۹۵ درصد پروژههای هوش مصنوعی محکوم به شکستاند

بنابر پژوهشی که به تازگی توسط محققان دانشگاه MIT صورت گرفته، ۹۵ درصد از پروژههای سازمانی هوش مصنوعی هیچ اثر محسوسی بر سود و زیان آن سازمان ندارند. طبق نتایج این پژوهش، مشکل نه در فناوری، بلکه در نحوه استفاده و اولویتگذاری سازمانهاست
بنابر پژوهشی که به تازگی توسط محققان دانشگاه MIT صورت گرفته، ۹۵ درصد از پروژههای سازمانی هوش مصنوعی هیچ اثر محسوسی بر سود و زیان آن سازمان ندارند. طبق نتایج این پژوهش، مشکل نه در فناوری، بلکه در نحوه استفاده و اولویتگذاری سازمانهاست. این گزارش به شما میگوید چرا بیشتر طرحها شکست میخورند و تنها اقلیتی کوچک موفق میشوند.
این روزها هر جا که میروید و هر رونمایی خاصی که میبینید، بو و اثری از هوش مصنوعی، به خصوص شاخه مولد آن یا Generative AI دارد. اما واقعیت کمی تلخ است: بیشتر پروژههایی که شرکتها با شور و شوق راهاندازی میکنند، در عمل به هیچ دستاورد اقتصادی مهمی نمیرسند.
تازهترین پژوهش MIT نشان میدهد که تنها ۵ درصد از پروژههای آزمایشی هوش مصنوعی توانستهاند روی درآمد واقعی شرکتها اثر بگذارند. چرا چنین اتفاقی میافتد و چه عواملی باعث شکست بیشتر طرحها میشود؟ در ادامه این گزارش، پاسخ دقیق را میخوانید.
مسئله اصلی کجاست؟
مطابق این تحقیق که نتایج آن توسط نشریه معتبر Fortune منعکس شده، مشکل این ناکارآمدی و شانس کم موفقیت در عملکرد مدلهای هوش مصنوعی نیست، بلکه در نحوه ادغام آنها با فرآیندهای موجود کسبوکار است. بسیاری از سازمانها بدون درک عمیق از نیازهای واقعی خود، صرفاً به دنبال پیادهسازی سریع ابزارهایی مانند ChatGPT هستند. نتیجه این عجله، پروژههایی است که با جریانهای کاری موجود هماهنگ نمیشوند و در نهایت از دستیابی به اهداف تعیینشده بازمیمانند.
این پژوهش با تکیه بر ۱۵۰ مصاحبه، نظرسنجی از ۳۵۰ کارمند و تحلیل ۳۰۰ پیادهسازی واقعی هوش مصنوعی انجام شده است. نتایج نشان میدهد که تنها ۵ درصد پروژههای پایلوت توانستهاند به رشد سریع درآمد کمک کنند.
بیشتر پروژههای هوش مصنوعی مولد شرکتهای بزرگ یا متوقف میشوند یا تأثیر بسیار ناچیزی بر عملکرد مالی شرکت مادر خود دارند.
آدیتیا چالاپالی، پژوهشگر MIT و نویسنده اصلی گزارش، در اینباره میگوید:
استارتاپهای نوپا و برخی شرکتهای بزرگ زمانی موفق میشوند که یک مشکل مشخص را انتخاب کرده، آن را دقیق و هدفمند حل میکنند و در کنار آن با شرکای مناسب برای استفاده از ابزارهایشان همکاری میکنند.
شرکتها خودشان هم نمیدانند از AI چه میخواهند!
یکی از خطاهای رایج در سازمانها، اولویتبندی نادرست در هزینهکرد پروژههای هوش مصنوعی است. طبق یافتهها، بیشترین ارزشافزوده این فناوری در اتوماسیون پشتیبانی اداری حاصل میشود؛ یعنی جایی که کارهای تکراری و وقتگیر را به سیستمهای هوشمند سپرده و بهرهوری را افزایش میدهد.
میتوان با توجه به بخش دیگری که در این پژوهش مد نظر قرار گرفته گفت که افرادی که تدوینگر استراتژی شرکتها هستند ظاهراً همچنان خودشان هم نمیدانند که از این فناوری چه چیزهایی میخواهند.
برای مثال یکی از اشتباهات تکراری دیگر در شرکتها این است که همچنان بیش از نیمی از بودجهها به فروش و بازاریابی اختصاص داده میشود؛ بخشهایی که همچنان نیازمند ارتباط انسانی هستند، چرا که مشتریان در نهایت انساناند، نه ماشین.
دو سوم پروژههای AI حتی به نتیجه مقبولی هم نمیرسند
طبق این گزارش دو سوم پروژههایی که با کمک ارائهدهندگان تخصصی هوش مصنوعی اجرا میشوند موفقیتآمیز هستند. در مقابل، تنها یکسوم ابزارهای توسعهیافته درونسازمانی به نتایج مورد انتظار دست پیدا میکنند.
با وجود این، شرکتهای فعال در حوزههای حساس مانند بانکداری، بیمه و سلامت ترجیح میدهند سیستمهای اختصاصی خود را توسعه دهند تا ریسکهای مرتبط با افشای اطلاعات محرمانه یا مشکلات قانونی را کاهش دهند.
تأثیر بر آینده نیروی کار
هرچند موج اخراجهای گسترده به دلیل هوش مصنوعی هنوز آغاز نشده است، اما شرکتها در بسیاری موارد جای خالی ناشی از خروج کارمندان را پر نمیکنند. این موضوع بیشتر در پشتیبانی مشتریان و مشاغل دفتری سطح پایین دیده میشود؛ حوزههایی که معمولاً برونسپاری میشدند.
این روند میتواند مقدمهای باشد بر آنچه مدیران بزرگی مانند داریو آمودی (مدیرعامل Anthropic) و جیم فارلی (مدیرعامل شرکت فورد) هشدار دادهاند باشد که میگوید، در پنج سال آینده، هوش مصنوعی میتواند نیمی از مشاغل اداری سطح ابتدایی را حذف کند.
توجه فعلی به هوش مصنوعی در شرکتها مانند روند زندگی بچه باهوشی است که نمیداند میخواهد چه کاره شود!
در نهایت باید بگوییم که تحقیقات اخیر پژوهشگران MIT نشان میدهد که آینده هوش مصنوعی نه در استفاده شتابزده و عمومی، بلکه در کاربردهای دقیق، هدفمند و متناسب با نیازهای سازمان است. موفقیت در این مسیر تنها زمانی ممکن خواهد بود که شرکتها اولویتها را به درستی شناسایی کرده، روی حوزههای مناسب سرمایهگذاری کنند و در صورت نیاز از همکاری با متخصصان بیرونی غافل نشوند.
منبع: شهر سخت افزار