Forrester بزرگترین موانع موفقیت هوش مصنوعی مولد را شناسایی می کند

سال ۲۰۲۳ به عنوان سال یاد خواهد شد هوش مصنوعی مولد پس از اینکه شرکت ها به موفقیت نگاه کردند، به جریان اصلی تبدیل شدند ChatGPT به‌عنوان الهام‌بخش برای پذیرش، راه‌اندازی و برنامه‌های سازمانی هوش مصنوعی مولد خودشان. اکنون که سال ۲۰۲۴ در حال انجام است، شرکت ها به دنبال تحقق کامل وعده ژن هوش مصنوعی برای شرکت هستند و آن را در بیشتر گردش کار خود قرار می دهند.

با این حال، Forrester’s Consulting نظرسنجی از ۲۲۰ تصمیم گیرنده هوش مصنوعی در شرکت های آمریکای شمالی دریافته است که بسیاری همچنان نگران خطرات مرتبط با این فناوری هستند و موانعی را برای پذیرش آن می بینند.

این نظرسنجی موانع اصلی (از جمله مسائل شناخته شده مانند توهم) را برجسته می کند که سازمان ها را در مرحله اکتشاف یا آزمایش گیر می کند و آنها را از عملیاتی کردن مدل های پایه برای موارد استفاده برنامه ریزی شده دور نگه می دارد.

این چیزی است که اگر تیم‌ها قصد دارند هوش مصنوعی را دو برابر کنند، باید روی آن کار کنند.

سازمان ها پتانسیل تحول آفرین ژنرال هوش مصنوعی را درک می کنند

با توجه به انبوهی از داستان های موفقیت در اینترنت، سازمان ها در سراسر صنایع در حال حاضر پتانسیل تحول آفرین هوش مصنوعی مولد را درک کرده اند.

در نظرسنجی Forrester که ماه گذشته از طرف دیتایکو۸۳ درصد از پاسخ دهندگان گفتند که در حال کاوش یا آزمایش با ژن AI هستند.

در همین حال، کمی بیش از ۶۰٪ ادعا کردند که آن را برای استراتژی تجاری خود بسیار مهم یا حیاتی می دانند و قصد دارند سرمایه گذاری در ابتکارات داده / هوش مصنوعی را تا ۱۰٪ در ۱۲ ماه آینده افزایش دهند.

رهبران همچنین تأکید کردند که قبلاً موارد استفاده در خط لوله دارند. بیش از نیمی از پاسخ دهندگان گفتند که چندین کاربرد بالقوه از این فناوری را شناسایی کرده اند، از جمله افزایش تجربیات مشتری (۶۴٪)، توسعه محصول (۵۹٪)، تجزیه و تحلیل داده های سلف سرویس (۵۸٪) و مدیریت دانش (۵۶٪).

این نظرسنجی خاطرنشان کرد: «این بازتاب احساس اکتشاف و کنجکاوی است، جایی که سازمان‌ها مجذوب وسعت برنامه‌های بالقوه می‌شوند و پیش‌بینی می‌کنند که تنوع قابلیت‌های دگرگون‌کننده آن در دو سال آینده در آغوش گرفته شود». پاسخ دهندگان افزودند که مزایای گسترده تری که از این برنامه ها انتظار می رود، افزایش پیشنهادات موجود، ایجاد محصولات/خدمات جدید و بهینه سازی عملیات داخلی و خارجی است.

موانع برای پذیرش همچنان باقی است

علیرغم چشم انداز مثبت، رهبران به موانع معینی در مسیر پذیرش موفقیت آمیز هوش مصنوعی اشاره کردند، از جمله خطر نقض قوانین حفاظت از داده ها و حریم خصوصی (۳۱%) و همچنین چالش توسعه مهارت ها و حکمرانی (۳۱%). به طرز ماهرانه ای پیچیدگی های ژنرال هوش مصنوعی را هماهنگ کنید.

بیش از ۵۰ درصد نیز بر خطر سوگیری و توهمات بر کیفیت خروجی های هوش مصنوعی ژنتیکی تأثیر می گذارد.

مهمتر از آن، همه این خطرات زمانی تشدید می شوند که سازمان نتواند پیش نیازهای زیرساختی را برای پذیرش مولد هوش مصنوعی ارائه دهد. بزرگترین مانع در این زمینه، طبق نظرسنجی، فقدان زیرساخت داده قوی است.

حدود ۳۵ درصد از پاسخ دهندگان زیرساخت ناکافی برای حمایت از مصرف، ذخیره سازی و به اشتراک گذاری حجم عظیمی از داده ها را به عنوان نقطه درد ذکر کردند.

همین تعداد از پاسخ دهندگان نیز مشکلاتی را در ادغام با زیرساخت های موجود ذکر کردند در حالی که ۲۷ درصد محدودیت های محاسباتی را مشخص کردند.

موانع دیگری که توسط آن‌ها پرچم‌گذاری شد، حول مدیریت مکانیسم‌های حکمرانی (۳۵%)، تفسیرپذیری و توضیح‌پذیری هوش مصنوعی (۲۵%)، شکاف‌های استعداد و مهارت (۳۱%) و مقیاس‌پذیری مدل‌های درگیر بود.

سازمان‌ها می‌توانند بسیاری از چالش‌های پیاده‌سازی را با اتخاذ رویکردی کاهش دهند که مجموعه‌ای از قابلیت‌های مشترک را در اختیار آنها قرار می‌دهد. آنها می‌توانند با کمک پلتفرم‌های هوش مصنوعی که راه‌حل‌های از پیش بسته‌بندی شده برای توسعه سریع، محیط ساختاریافته برای یکپارچگی آسان، چارچوب‌های قوی و ویژگی‌های امنیتی برای استانداردسازی، حاکمیت و انطباق، “این نظرسنجی خاطرنشان کرد.

مطابق با مک کینزیهوش مصنوعی مولد به تنهایی می تواند سالانه ۲٫۶ تریلیون دلار به ۴٫۴ تریلیون دلار به سود جهانی شرکت ها اضافه کند. همچنین تخمین زده می شود که فناوری هوش مصنوعی احتمالاً بیشترین تأثیر خود را در بخش های بانکداری، فناوری پیشرفته و علوم زیستی خواهد داشت.