گزارش جدید MIT: «۹۵٪ شکست» روایت غلطی است — انقلاب خاموش هوش مصنوعی در دل شرکت‌ها

گزارش اخیر پروژه NANDA از دانشگاه MIT که به بررسی پیاده‌سازی هوش مصنوعی مولد (Generative AI) در سازمان‌ها پرداخته، یک آمار پربازتاب را به‌طرز نادرستی تفسیر شده می‌بیند. تیترهای خبری که ادعا می‌کنند «۹۵٪ پروژه‌های آزمایشی هوش مصنوعی در شرکت‌ها شکست می‌خورند» تصویر کلی و نادرستی ارائه می‌دهند. مطالعه ۲۶ صفحه‌ای MIT واقعیتی متفاوت و در عین حال چشمگیر را نشان می‌دهد: پذیرش سریع و گسترده فناوری از پایین به بالا — یعنی توسط کارکنان — در حال رخ دادن است و عملاً ساختار کاری شرکت‌ها را متحول کرده است، درحالی‌که ابتکارات رسمی سازمانی اغلب مردد یا ناکارآمد باقی می‌مانند.

یافته‌های کلیدی گزارش
– استفاده گسترده فردی: حدود ۹۰٪ کارکنان به‌طور منظم از ابزارهای شخصی هوش مصنوعی در انجام وظایف کاری استفاده می‌کنند، در حالی که تنها نزدیک به ۴۰٪ شرکت‌ها اشتراک رسمی برای مدل‌های زبانی بزرگ (Large Language Models) خریداری کرده‌اند.
– شکل‌گیری «اقتصاد سایه‌ای هوش مصنوعی»: کارکنان با حساب‌های شخصی ChatGPT، اشتراک‌های Claude و سایر ابزارهای مصرفی، بخش بزرگی از کارهای روزمره را انجام می‌دهند؛ استفاده‌ای که تقریباً به صورت روزانه و چندبار در طول روز گزارش شده است.
– علت شکست پروژه‌های سازمانی: آمار ۹۵٪ مربوط به راه‌حل‌های سفارشی سازمانی است که اغلب فاقد «قابلیت یادگیری» هستند — یعنی سیستم‌ها بازخورد را حفظ نمی‌کنند، بافت کاری را نمی‌آموزند و در گذر زمان بهبود نمی‌یابند.

چرا ابزارهای مصرفی موفق‌ترند؟
مصرف‌کنندگان و کارکنان، ابزارهایی مانند ChatGPT را به‌خاطر «انعطاف‌پذیری»، «سهولت استفاده» و «پاسخ‌دهی آنی» می‌پسندند. گزارش نمونه‌هایی را نقل می‌کند که کارکنان علی‌رغم وجود ابزارهای سازمانی گران‌قیمت، برای تولید پیش‌نویس‌ها یا تحلیل‌ها سراغ ChatGPT می‌روند زیرا خروجی آن نسبت به راه‌حل‌های سازمانی «کیفیت قابل لمس‌تری» دارد. سیستم‌های شرکتی اغلب «سخت، بیش‌ازحد مهندسی‌شده یا نامتناسب با جریان‌های کاری واقعی» توصیف می‌شوند.

سکوی تمایز: حافظه و سازگاری
تحقیقات نشان می‌دهد حدود ۷۰٪ کارکنان برای وظایف سریع مانند ایمیل یا تحلیل سطحی به هوش مصنوعی اعتماد می‌کنند، ولی برای کارهای پیچیده و حساس نزدیک به ۹۰٪ هنوز ترجیح می‌دهند انسان‌ها دخیل باشند. عامل تعیین‌کننده نه درجه هوشمندی تصورشده، بلکه «حافظه» و «قابلیت سازگاری» است: ابزارهایی که می‌توانند زمینه‌ی کاری را به‌خاطر بسپارند و از بازخورد یاد بگیرند، جایگاه بالاتری خواهند داشت.

بهره‌وری پنهان و بازده هزینه‌ای
گزارش تأکید می‌کند که سودمندی واقعی هوش مصنوعی در بسیاری از موارد در حسابداری‌های رسمی شرکت‌ها ظاهر نمی‌شود. کارکنان با اتوماسیون وظایف تکراری، سرعت بخشیدن به پژوهش و بهینه‌سازی ارتباطات، بهره‌وری قابل‌توجهی ایجاد کرده‌اند. نمونه‌هایی که در گزارش ذکر شده شامل صرفه‌جویی‌های میلیون دلاری در پردازش مدارک و خدمات مشتری و کاهش ۳۰٪ در هزینه‌های خلاقیت بیرونی است — و اغلب این صرفه‌جویی‌ها بدون کاهش نیروی کار محقق شده‌اند، بلکه از حذف قراردادهای برون‌سپاری و کاهش هزینه‌های مشاوره حاصل شده‌اند.

تجربه «خرید» بهتر از «ساخت» است
یکی از نتایج جالب گزارش این است که راه‌حل‌های توسعه‌یافته توسط تأمین‌کنندگان خارجی با نرخ موفقیت بالاتری (۶۷٪) نسبت به ابزارهای ساخته‌شده درون‌سازمانی (۳۳٪) به تولید رسیده‌اند. سازمان‌هایی که با شرکت‌های نوپای هوش مصنوعی به‌عنوان «ارائه‌دهنده خدمات کسب‌وکاری» رفتار کرده و بر نتایج عملیاتی و بهبود مستمر تاکید داشته‌اند، موفق‌تر بوده‌اند. کلید موفقیت، شراکت و الزام به خروجی‌های عملی است نه صرفاً خرید یک دموی فنی.

تفاوت‌های صنعتی و رویکرد محتاطانه
گزارش نشان می‌دهد فقط بخش‌های فناوری و رسانه تغییرات ساختاری ملموسی مشاهده کرده‌اند؛ بخش‌هایی مانند بهداشت، مالی و تولید علی‌رغم فعالیت‌های آزمایشی گسترده، تغییر ساختاری قابل‌توجهی نداشته‌اند. این کندی نشانه خطا نیست، بلکه نشان‌دهنده رویکرد سنجیده و محافظه‌کارانه برای جلوگیری از اختلالات ناخواسته است. به‌عنوان مثال در حوزه‌های حساس مانند سلامت یا انرژی، بسیاری از مدیران پیش‌بینی کاهش نیروی کار را در افق پنج‌ساله رد می‌کنند.

پیشنهادهای عملی برای شرکت‌ها
– نظارت و یادگیری از «اقتصاد سایه‌ای»: پی ببرید کارکنان چه ابزارهایی را استفاده می‌کنند و چرا مفیدند.
– تمرکز بر سیستم‌های «قابلیت یادگیری» و یکپارچه‌سازی عمیق با جریان‌های کاری موجود.
– رویکرد شراکتی با تأمین‌کنندگان خارجی به‌جای تلاش برای ساخت راه‌حل‌های یک‌باره داخلی.
– اندازه‌گیری دقیق ROI بر اساس کاهش هزینه‌های برون‌سپاری و بهبود کارایی، نه تنها هزینه‌های مستقیم پروژه.
– ایجاد نگهدارنده‌ها و چارچوب‌های حاکمیتی که امکان آموزش و سفارشی‌سازی سیستم‌ها را فراهم کند.

جمع‌بندی
گزارش MIT نشان می‌دهد که انقلاب هوش مصنوعی در شرکت‌ها در حال رخ دادن است، اما نه لزوماً از مسیر رسمی و خریدهای سازمانی. کارکنان با استفاده از ابزارهای مصرفی راه‌حل‌های عملی برای افزایش بهره‌وری یافته‌اند؛ پیام برای مدیریت‌ها روشن است: به‌جای سرزنش فناوری یا اعلام «شکست»، باید از این جریان پایین‌به‌بالا یاد بگیرند، ابزارهای یادگیرنده و یکپارچه انتخاب کنند و با تأمین‌کنندگان در مسیر بهبود مستمر مشارکت نمایند. به این ترتیب، تحول تدریجی و واقع‌بینانه‌ای صورت می‌گیرد که می‌تواند ارزش قابل‌اعتمادی برای سازمان‌ها ایجاد کند.

تبدیل نوشتار به گفتار

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

اسکرول به بالا