Arti Garg، سر‌فناور (chief technologist) شرکت AVEVA، در گفت‌وگویی با پادکست Business Lab منتشرشده در MIT Technology Review، از رشد چشمگیر پذیرش هوش مصنوعی در محیط‌های صنعتی سخن گفت و تأکید کرد که این رشد بدون چارچوب‌های حاکمیتی مناسب، ریسک‌های جدی برای ایمنی و زیرساخت‌های حیاتی ایجاد می‌کند. به گفته Garg، یک مطالعه نشان می‌دهد پذیرش هوش مصنوعی در بخش صنعت طی دو سال اخیر حدود ۷۸ درصد افزایش یافته است.

AVEVA بیش از ۲۰ سال است که روی کاربردهای هوش مصنوعی در بخش صنعت کار می‌کند. اما Garg می‌گوید آنچه در چند سال اخیر تغییر کرده، نوع این هوش مصنوعی است: مدل‌های بنیادینِ چندمنظوره، هوش مصنوعی فیزیکی (physical AI) که قابلیت‌های رباتیک و سیستم‌های خودمختار را شتاب می‌دهد، و هوش مصنوعی عامل‌محور (agentic AI) که اتوماسیون را در سطح نرم‌افزار ممکن می‌کند. این سه دسته، دامنه‌ی خودکارسازی را از تحلیل پیش‌بینانه‌ی ساده فراتر برده‌اند.

تفاوت بنیادین با هوش مصنوعی دیجیتال این است که در محیط صنعتی، یک تصمیم غیرمنتظره می‌تواند پیامدهای فیزیکی مستقیم برای ایمنی انسان و پایداری زیرساخت داشته باشد. Garg می‌گوید چارچوب AVEVA برای هوش مصنوعی مسئولانه بر سه محور استوار است: امنیت، کارایی، و نظارت انسانی. اصل حاکم بر این چارچوب این است که هوش مصنوعی باید انسان را در چرخه‌های تصمیم‌گیری حیاتی تقویت کند، نه جایگزین او شود؛ و گاردریل‌ها مشخص کنند کدام اقدامات می‌توانند خودکار باشند و کدام باید تحت مسئولیت ناظر انسانی باقی بمانند.

یکی از پروژه‌های جاری Garg، مشارکت در یک گروه کاری IEEE است که روش‌شناسی استاندارد برای سنجش ردپای زیست‌محیطی خودِ هوش مصنوعی را توسعه می‌دهد — شامل مصرف برق، انرژی، منابع، آب و کربن. این نشان می‌دهد که حتی در سطح صنعتی، بحث از «هزینه‌ی پنهان» خودِ مدل‌ها هم مطرح شده است.

این خبر عملاً چه چیزی اضافه می‌کند؟#

نکته‌ی اول که باید در نظر گرفت: این محتوا در شراکت با AVEVA تولید شده است. یعنی یک پادکست حمایت‌شده با حضور مدیر فنی همان شرکت. این اعتبار منبع را در حد یک گزارش مستقل پایین می‌آورد، هرچند ادعاهای مطرح‌شده (مثل رقم ۷۸ درصد) از یک مطالعه‌ی مستقل نقل شده‌اند — بدون اینکه نام آن مطالعه ذکر شود.

اما از منظر کسی که همین حالا ایجنت‌های صنعتی می‌سازد، پیام اصلی خبر روشن است: مرز بین «اتوماسیون نرم‌افزاری» و «اتوماسیون فیزیکی» دارد از بین می‌رود و با آن، الزامات حاکمیتی هم تغییر می‌کند. اگر سیستم شما فقط یک فرم پر می‌کند، یک خطای ساده یک فرم اشتباه است. اگر همان سیستم یک شیر گاز را می‌بندد، خطا دیگر یک مشکل UX نیست. گاردریل‌هایی که برای چت‌بات‌ها طراحی شده‌اند، برای کنترل یک پالایشگاه کافی نیستند.

رقم ۷۸ درصد بدون ذکر منبع دقیق و روش‌شناسی، قابل استناد جدی نیست. اما جهت‌گیری کلی — یعنی شتاب پذیرش در کنار عقب‌ماندگی چارچوب‌های ایمنی — با آنچه در بازار دیده می‌شود هم‌خوانی دارد.

منبع: MIT Technology Review