اکونومیست گزارش داد:
چرا شرکت شما در گسترش هوش مصنوعی با مشکل روبه‌رو است؟
با اینکه که کارفرمایان در به‌کارگیری هوش مصنوعی مردد هستند، کارکنان پیش از اینکه آنها تصمیم قطعی بگیرند در این مسیر قرار گرفته‌اند و کار خود را به این فناوری گره زده‌اند.
برخی از سرمایه‌گذاران نگران‌اند که سرمایه‌گذاری‌های زیادی شرکت‌های بزرگ فناوری آمریکایی مانند آمازون، مایکروسافت و گوگل، روی هوش مصنوعی هستند. اما نتایج گزارش‌های فصلی این شرکت‌ها تا حدودی توانسته به این سرمایه‌گذاران تسلی خاطر دهد. تقاضای شرکت‌ها برای خدمات ابری آمازون، مایکروسافت و گوگل به‌شدت رشد کرده است. اندی جسی، مدیر عامل آمازون، اعلام کرد که درآمدهای هوش مصنوعی بخش خدمات وب آمازون (AWS) با نرخی سه‌رقمی درحال‌رشد است؛ یعنی سه برابر سریع‌تر از رشد اولیه AWS پس از راه‌اندازی این سرویس ابری در سال ۲۰۰۶.
بااین‌حال، اگر به عمق موضوع نگاه کنیم، متوجه می‌شویم که وضعیت پیچیده‌تر است. به نظر می‌رسد هوش مصنوعی مولد یکی از نوآوری‌هایی است که پذیرندگان اولیه آن بیشتر متشکل از افراد هستند نه شرکت‌ها. در این دو سالی که از رونمایی OpenAI از ChatGPT می‌گذرد، هوش مصنوعی مولد با سرعت بیشتری نسبت به کامپیوترهای شخصی و اینترنت مورد استقبال قرار گرفته است. بر اساس مطالعه‌ای که توسط الکساندر بیک از بانک فدرال رزرو سنت‌لوئیس و همکارانش انجام شده، ۳۹ درصد از آمریکایی‌ها از این فناوری استفاده می‌کنند؛ ۲۸ درصد از آنها برای کار و ۱۱ درصد برای کارهای روزانه از آن استفاده می‌کنند.
بااین‌حال به نظر می‌رسد بسیاری از آنها به‌صورت «سایبورگ‌های مخفی» از این فناوری در محیط کار استفاده می‌کنند، درحالی‌که کارفرمایانشان در این زمینه کند عمل می‌کنند. این اصطلاح به کارمندانی اشاره دارد که در محل کار از هوش مصنوعی مولد استفاده می‌کنند، حتی اگر کارفرمایانشان هنوز به طور رسمی این فناوری را به کار نگرفته‌اند یا در استفاده از آن تردید دارند. طبق یک نظرسنجی توسط اداره آمار آمریکا، تنها ۵ درصد از کسب‌وکارهای آمریکایی می‌گویند از این فناوری برای تولید کالا یا خدمات استفاده می‌کنند. به نظر می‌رسد بسیاری از شرکت‌ها دچار نوعی بیماری به نام «پایلوت زدگی» شده‌اند. بسیاری از شرکت‌ها در مرحله آزمایش هوش مصنوعی مولد باقی مانده‌اند و به‌جای پیاده‌سازی کامل آن، تنها پروژه‌های آزمایشی کوچکی (پایلوت) را اجرا می‌کنند. در نظرسنجی اخیر شرکت Deloitte، تنها ۸ درصد از رهبران شرکت‌ها گفتند که بیش از نیمی از آزمایش‌های هوش مصنوعی مولد خود را به مرحله پیاده‌سازی رسانده‌اند.
در نتیجه، درآمد حاصل از فروش خدمات هوش مصنوعی به شرکت‌ها محدود باقی مانده است. اگرچه آقای جسی گفت که AWS اکنون از هوش مصنوعی میلیاردها دلار درآمد کسب می‌کند، این تنها بخشی از ۱۱۰ میلیارد دلار درآمد سالانه کسب‌وکار ابری آمازون است.
Accenture، یک شرکت مشاوره‌ای، اعلام کرد ۳۰ هزار کارمند خود را برای کمک به شرکت‌ها در استفاده از هوش مصنوعی مولد آموزش خواهد داد. این شرکت در سپتامبر اعلام کرد که در ۱۲ ماه گذشته ۳ میلیارد دلار قرارداد مرتبط با این فناوری داشته است که نسبت به سال گذشته ده برابر شده است. اما در مقایسه با فروش کل بیش از ۸۱ میلیارددلاری این شرکت، این مبلغ همچنان ناچیز است.
چرا بسیاری از مدیران در استفاده از هوش مصنوعی مولد تردید دارند؟ یکی از دلایل نگرانی‌ها آنها از پیامدهای منفی است. غول‌های فناوری معتقدند که ریسک سرمایه‌گذاری کمتر از ریسک سرمایه‌گذاری بیش از حد است؛ همان‌طور که ساندار پیچای، مدیرعامل آلفابت، در ژوئیه در این مورد صحبت کرد. اما مدیران سایر صنایع محتاطانه‌تر عمل می‌کنند. در یک نشست خصوصی، رئیس یک گروه تجاری بزرگ آمریکایی از دو نوع ترس مدیران عامل در مورد هوش مصنوعی مولد سخن گفت: «یکی این است که اگر دیر به این فناوری بپردازند، از رقبا عقب بمانند و دیگری این که اگر خیلی سریع اقدام کنند، به شهرت شرکت آسیب بزنند.»
ریسک‌های قانونی و نظارتی نیز بسیار مهم هستند. دعاوی مربوط به حریم خصوصی، سوگیری و نقض حقوق کپی رایت در دادگاه‌ها در جریان هستند. در ماه اوت، قانون هوش مصنوعی اتحادیه اروپا به اجرا درآمد و لوایح هوش مصنوعی در حداقل ۴۰ ایالت آمریکا معرفی شده‌اند. مدیران صنایع به‌شدت نظارت‌شده، مانند مراقبت‌های بهداشتی و مالی، خیلی محتاطانه‌تر عمل می‌کنند. با این که آنها به پتانسیل هوش مصنوعی مولد برای تحول کسب‌وکارشان آگاه هستند، مثلاً برای تسریع کشف دارو یا تشخیص تقلب، نگران تهدیدات حریم خصوصی و امنیت هستند؛ زیرا ممکن است اطلاعات پزشکی یا مالی مشتریانشان به خطر بیفتد.
مشکل دیگر این است که مزایای استفاده از هوش مصنوعی مولد ممکن است نامشخص باشند. دسترسی به مدل‌های زبان بزرگ (LLMs) پرهزینه است، چه از طریق سرورهای اختصاصی شرکت (که امن‌تر هستند) و چه از طریق ارائه‌دهندگان خدمات ابری (که ساده‌تر است). پیاده‌سازی کامل هوش مصنوعی مولد ممکن است درآمدها را افزایش و هزینه‌ها را کاهش دهد، اما بازدهی سریع ندارد و این مسئله نگرانی‌هایی درباره بازده سرمایه‌گذاری ایجاد می‌کند.
حتی اگر شرکت‌ها مشتاق به استفاده بیشتر از هوش مصنوعی مولد باشند، ممکن است در این مسیر به مشکلاتی بر بخورند. به گفته لان گوان، مدیر هوش مصنوعی Accenture، برای بهره‌برداری کامل از این فناوری، ابتدا باید داده‌ها، سیستم‌ها و نیروی کارشان را آماده کنند. آمادگی شرکت‌ها برای هوش مصنوعی مولد بسیار کمتر از آمادگی برای امواج فناوری قبلی مانند اینترنت یا رایانش ابری است.
یکی از مشکلات، داده‌های نامرتب است که به شکل‌های مختلف در بخش‌ها و سیستم‌های نرم‌افزاری مختلف پراکنده هستند. گوان مثال یک شرکت مخابراتی را مطرح می‌کند که قصد داشت یک دستیار هوش مصنوعی برای مرکز تماس خود ایجاد کند. دستیار هوشمند به‌جای یک دستورالعمل استاندارد، با ۳۷ دستورالعمل مختلف مواجه شد که طی دهه‌ها جمع‌آوری شده بودند.
مشکل دیگر سیستم‌های فناوری اطلاعات قدیمی و فرسوده است که به‌عنوان «بدهی فنی» شناخته می‌شود. این موضوع باعث می‌شود که اتصال مدل‌های زبانی بزرگ به سیستم‌های فعلی دشوار شود و ممکن است منجر به ایجاد ضعف‌های امنیتی گردد. بدهی فنی اصطلاحی است به تصمیم‌های سریع و موقتی در توسعه نرم‌افزار اشاره دارد که به دلیل محدودیت زمان، منابع یا فشار برای تحویل سریع محصول گرفته می‌شود. این تصمیم‌ها اغلب منجر به کدهای پیچیده، ناسازگار یا ناکارآمد می‌شوند که بعدها برای نگهداری، به‌روزرسانی و توسعه نرم‌افزار مشکلاتی ایجاد می‌کنند.
همچنین مشکل‌های مهارتی وجود دارد. بسیاری از شرکت‌ها همچنان در یافتن متخصصان هوش مصنوعی با چالش روبه‌رو هستند. بر اساس تحقیق شرکت Lightcast، آگهی‌های شغلی مرتبط با هوش مصنوعی در آمریکا تاکنون ۱۲۲ درصد افزایش یافته است. کرافوت، اقتصاددان Lightcast، می‌گوید این افزایش عمدتاً به دلیل هوش مصنوعی مولد است و موقعیت‌های شغلی که مهارت‌هایی مانند ChatGPT و مهندسی Prompt را می‌طلبند، روبه‌افزایش است.
شرکت‌ها همچنین کارکنانی می‌خواهند که مهارت استفاده از هوش مصنوعی مولد را داشته باشند. یک نماینده فروش با مهارت‌های هوش مصنوعی می‌تواند ۴۵ هزار دلار بیشتر از فردی که این مهارت‌ها را ندارد، درآمد داشته باشد.
