بررسی چالش‌ها و راهکارهای پیاده‌سازی هوش مصنوعی در سازمان‌ها
در پی گذر از مرحله آزمایشی به پیاده‌سازی واقعی هوش مصنوعی، شرکت‌ها به دنبال بهترین شیوه‌ها برای بهره‌برداری در مقیاس بزرگ هستند. گزارشی از شرکت Vellum نشان می‌دهد که تنها ۲۵ درصد از سازمان‌ها هوش مصنوعی را در تولیدات خود به کار گرفته‌اند و تعداد کمی توانسته‌اند تأثیر قابل اندازه‌گیری از این فناوری مشاهده کنند. همچنین، گزارشی از Deloitte به چالش‌های مشابهی اشاره کرده است که سازمان‌ها با مقیاس‌پذیری و مدیریت ریسک مواجه هستند.
یک مطالعه جدید از Accenture که به تازگی منتشر شده، تحلیلی مبتنی بر داده از چگونگی اجرای موفق هوش مصنوعی در شرکت‌های پیشرو ارائه می‌دهد. این گزارش تحت عنوان “راهنمای پیشروها برای مقیاس‌گذاری هوش مصنوعی” نتایج یک نظرسنجی از ۲۰۰۰ مدیر ارشد و کارشناسان علوم داده از شرکت‌های بین‌المللی با درآمد بیش از یک میلیارد دلار را در بر می‌گیرد. نتایج این مطالعه نشان‌دهنده فاصله معنی‌داری بین آرزوهای هوش مصنوعی و تحقق آن‌هاست. به طوری که فقط ۸ درصد از شرکت‌ها به عنوان “پیشروها” شناخته می‌شوند که موفق به اجرا و مقیاس‌گذاری چندین ابتکار استراتژیک هوش مصنوعی شده‌اند و ۹۲ درصد دیگر در مرحله آزمایش باقی مانده‌اند.
این گزارش برای رهبران فناوری اطلاعات در راستای تسهیل پیاده‌سازی هوش مصنوعی، نکات کلیدی را مطرح می‌کند:
-
توسعه استعدادها: بررسی‌ها نشان می‌دهد که توسعه استعدادها عامل کلیدی در پیاده‌سازی موفق هوش مصنوعی است. براساس اظهارات سنتیل رامانی، مدیر علوم داده و هوش مصنوعی در Accenture، پیشروها به میزان چهار برابر بیشتر از سایر گروه‌ها به بلوغ استعدادها توجه دارند. آنها با اجرای مؤثر استراتژی‌های استعداد و مشتری‌مداری خود، به ایجاد فرهنگ مناسب برای توسعه هوش مصنوعی می‌پردازند.
-
زیرساخت داده: ۷۰ درصد از شرکت‌های مورد بررسی به نیاز قوی به زیرساخت داده مناسب برای مقیاس‌گذاری هوش مصنوعی اذعان کرده‌اند. به گفته رامانی، بزرگترین چالش در این زمینه، توسعه زیرساخت داده مناسب است.
-
تمرکز بر سرمایه‌گذاری‌های استراتژیک: سازمان‌هایی که بر روی چند سرمایه‌گذاری استراتژیک تمرکز می‌کنند، به مراتب نتایج بهتری کسب می‌کنند. این رویکرد به شرکت‌ها این فرصت را می‌دهد که از سرمایه‌گذاری‌های بزرگ در زمینه هوش مصنوعی به حداکثر کیفیت و ارزش بهره‌برداری کنند.
-
حاکمیت مسئولیت‌پذیر در هوش مصنوعی: از آنجا که بیشتر سازمان‌ها، هوش مصنوعی مسئولانه را به عنوان یک مسئله انطباقی تلقی می‌کنند، این تحقیق یادآور می‌شود که شیوه‌های مسئولیت‌پذیر به رشد و عملکرد کسب‌وکار کمک می‌کند.
-
معماری عامل‌محور: انتشار “معماری عامل‌محور” که شامل شبکه‌های هوش مصنوعی است که به طور خودکار فرآیندهای کسب‌وکار را هدایت می‌کنند، تحولی اساسی در کاربردهای هوش مصنوعی به شمار می‌رود. این سیستم‌ها به همکاری پیچیده میان سیستم‌های هوش مصنوعی کمک می‌کنند و کیفیت و بهره‌وری را در مقیاس بالا افزایش می‌دهند.
تحقیقات Accenture نشان می‌دهد که شرکت‌ها انتظار دارند با پیاده‌سازی هوش مصنوعی، در مدت ۱۸ ماه، به طور میانگین ۱۳ درصد افزایش در تولید، ۱۲ درصد رشد درآمد، ۱۱ درصد بهبود تجربه مشتری و ۱۱ درصد کاهش هزینه‌ها داشته باشند. این نتایج نشان‌دهنده اهمیت پیاده‌سازی مؤثر هوش مصنوعی و یادگیری از تجربیات پیشروها در این حوزه است.