بخش Insights، بازوی تولید محتوای سفارشی MIT Technology Review، گزارشی منتشر کرده که در آن استدلال می‌کند در سال ۲۰۲۶ بحث «آیا مدل‌های پیش‌بینی بهتر از روش‌های آماری سنتی عمل می‌کنند» تمام شده است. سؤال اصلی اکنون این است که چگونه می‌توان سیستم‌های پیش‌بینی را طوری طراحی کرد که بر اساس نتیجه‌گیری‌های خودشان اقدام کنند، بدون آنکه از قصد تجاری偏离 شوند.

در این گزارش آمده که مرز هوش مصنوعی سازمانی از «پیش‌بینی» به «تصمیم‌گیری خودکار» جابه‌جا شده و فاصله بین سازمان‌های پیشرو و عقب‌مانده بر همین اساس بیشتر می‌شود.

استدلال‌های اصلی گزارش#

ویshal Gupta، شریک پژوهشی شرکت تحقیقاتی Everest Group، در این گزارش می‌گوید: «سازمان‌ها از نگاه گذشته‌نگر خسته شده‌اند و می‌خواهند آینده‌نگرتر باشند.»

گزارش سه عامل را محرک این تغییر معرفی می‌کند:

  • آموزش بلادرنگ (real-time training) که به هوش مصنوعی اجازه می‌دهد به‌جای به‌روزرسانی‌های فصلی، به‌طور مداوم تکامل یابد.
  • گسترش دامنه داده‌ها از رکوردهای عددی منظم به منابع ساختارنیافته و تعاملات غنی از بینش.
  • فناوری‌هایی مانند یادگیری عمیق و هوش مصنوعی مولد که تحلیل هوشمند را ممکن کرده‌اند.

Gupta همچنین می‌گوید: «در بسیاری از جنبه‌ها فکر می‌کنم واژه analytics دارد جایش را به AI می‌دهد. همه‌چیز دارد AI می‌شود.»

نکته مهم درباره ماهیت این گزارش#

در انتهای خودِ گزارش تصریح شده که این محتوا توسط Insights — بازوی محتوای سفارشی MIT Technology Review — تولید شده و توسط تیم تحریریه این نشریه نوشته نشده است. با این حال ذکر شده که پژوهش و نگارش توسط انسان‌ها انجام شده و ابزارهای هوش مصنوعی صرفاً در فرآیندهای تولیدی و زیر نظارت انسانی به‌کار رفته‌اند.

خوانش تحریریه#

این گزارش بیشتر یک روایت صنعتی است تا یک خبر. نکته‌ای که ارزش توجه دارد، اعتراف صریح در انتهای متن است: این محتوا سفارشی است و نه محصول تحریریه. برای کسی که با ابزارهای ایجنت و اتوماسیون کار می‌کند، این گزارش چیز تازه‌ای برای ساختن ندارد. آنچه ممکن است مفید باشد، چارچوبی است که Gupta ارائه می‌دهد — اینکه «analytics» به‌عنوان یک واژه مستقل در حال حل‌شدن در «AI» است. اگر این روند ادامه یابد، ابزارهایی که خود را «تحلیل پیش‌بینی» معرفی می‌کنند، احتمالاً مجبور خواهند شد جایگاه خود را در اکوسیستم ایجنت بازتعریف کنند. اما تا زمانی که این ادعا در چارچوب یک گزارش سفارشی مطرح می‌شود، باید با احتیاط مصرف شود.

منبع: MIT Technology Review