نظرسنجی منتشرشده در MIT Technology Review Insights نشان می‌دهد اگرچه تمام سازمان‌های موردپرسش امروزه به‌نوعی از هوش مصنوعی استفاده می‌کنند، تنها ۱۶٪ از آن‌ها گزارش داده‌اند که ارزش تحول‌آفرین از استقرارهای خود استخراج کرده‌اند. ۴۰٪ مشارکت‌کنندگان می‌گویند دستاوردهای متوسطی در تکالیف یا تیم‌های مشخص دیده‌اند، ۲۱٪ دستاوردهای معنادار گزارش کرده‌اند و ۲۳٪ بازگشت حداقل یا صفر را تجربه می‌کنند.
وضعیت فعلی استقرار هوش مصنوعی در سازمان‌ها#
از نظر مرحله‌ی استقرار، ۳۸٪ شرکت‌ها هنوز در فاز پایلوت هستند و ۳۵٪ از ابزارهایی مانند co-pilot یا دستیارهای چت برای کمک به کارکنان استفاده می‌کنند. تنها ۱۲٪ سازمان‌ها ایجنت‌های هوش مصنوعی را در محیط تولیدی فعال کرده‌اند و فقط ۳٪ می‌گویند هوش مصنوعی بیشتر کار فرایندهای کلیدی را انجام می‌دهد.
پروکالپا شانکار، هم‌بنیان‌گذار شرکت Atlan، در این گزارش گفته است: «فاصله‌ی بزرگی بین توانایی مدل‌ها و میزان مفیدبودن واقعی آن‌ها در سازمان‌ها وجود دارد.» او لایه‌ی گمشده را «context» یا همان فهم هوش مصنوعی از کسب‌وکار می‌داند و آن را این‌گونه توصیف می‌کند: زیرساخت معماری‌ای که میان سیستم‌های سازمانی و پلتفرم‌های هوش مصنوعی قرار می‌گیرد و دانش سازمانی را به context قابل‌استفاده برای ماشین تبدیل می‌کند.
این خبر چه چیزی است و چه چیزی نیست#
نکته‌ای که خودِ منبع در انتهای متن ذکر کرده و خواننده فارسی‌زبان باید بداند: این محتوا توسط Insights — بخش تولید محتوای سفارشی MIT Technology Review — تهیه شده و توسط تیم تحریریه‌ی مستقل این رسانه نیست. این یعنی ارقام نظرسنجی واقعی‌اند، اما چارچوب روایت — اینکه «context layer» پاسخ اصلی است — با موضع‌گیری تجاری Atlan هم‌راستاست.
برای کسی که همین حالا روی ایجنت‌ها و اتوماسیون کار می‌کند، این خبر یک عدد قابل‌استناد اضافه می‌کند: ۱۲٪ ایجنت در تولید، ۳٪ اتوماسیون کامل فرایند. این‌ها سقف‌های واقع‌بینانه‌ای هستند که در برابر تبلیغات صنعت قرار می‌گیرند. اما اینکه «context layer» راه‌حل باشد، ادعای یک شرکت است، نه یافته‌ی مستقل.
منبع: MIT Technology Review
دیدگاه‌ها
برای گذاشتن دیدگاه وارد شو
دیدگاه‌ها فقط از حسابهای کاربری پذیرفته میشوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.