هوش مصنوعی اکنون چیزی فراتر از یک پروژه علمی است_صبح سریع

اکنون و ۱۸ ماه بعد از اغاز چرخه هیاهوها درمورد ChatGPT، این هوش مصنوعی جای خود را به فهمیدن دقیق‌تری از حقیقت پشت اجرای این فناوری داده است.

در شرایطی که در ابتدا، مدیران ارشد با اشتیاق و خوش‌بینی، پیگیر پروژه‌های علمی بودند، اما تغییرات تازه علتشده که تصمیم‌گیرندگان به جستوجو موارد تجاری دقیق‌تر و شواهدی باشند که نشان دهد هوش مصنوعی چطور قیمت شرکت را افزایش می‌دهد. بدین ترتیب اکنون AI-for-AI به آخر رسیده و هوش مصنوعی سازمانی در کانون توجهات قرارگرفته است.

در این مسیر، مانع ها بسیاری پیش روی کسب‌وکارها وجود دارد که باید بر آن‌ها تسلط کرد. سه مورد از برجسته‌ترین آن‌ها برای هوش مصنوعی سازمانی عبارت‌اند از: مطمعن از وجود توانایی‌های ملزوم، قانع کردن هیئت‌مدیره در رابطه قیمت واقعی تجارت و مطمعن از این که این زیرساخت می‌تواند قوت محاسباتی ملزوم را فراهم کند.

همگام‌سازی توانایی‌ها

نتیجه نظرسنجی تازه که از ۶۵۰ مدیر فناوری اطلاعات در استرالیا به عمل آمد، حکایت از آن دارد که همه آن‌ها (آمار ۱۰۰٪)، به توانایی‌های هوش مصنوعی اضافی در ۱۲ ماه آینده نیازمندند. با دقت به تقاضای زیاد برای توانایی های فنی، به گمان زیادً تبدیل افتسیصد و هفتاد هزار نیروی متخصص دیجیتال تا سال ۲۰۲۶ خواهد شد.

شکاف در توانایی‌های هوش مصنوعی بدین معناست که زیاد دور از انتظار است که سازمان‌ها مدل‌های زبانی بزرگ خود (LLM) را گسترش دهند. در گزارش هوش مصنوعی شرکت Nutanix State of Enterprise به این مسئله اشاره‌شده که ۹۰% از شرکت‌ها، به علت افتاستعداد‌های ملزوم، در حال برنامه‌ریزی برای منفعت گیری از LLM های قبلی می باشند.

دو توانایی موردتقاضا عبارت‌اند از: “هوش مصنوعی مولد و مهندسی سریع” با ۴۵% اظهار نیاز و “علم داده و تجزیه‌وتحلیل داده‌ها” با آمار ۴۴٪ موردنیاز در سازمان‌ها. این بدان معناست که باوجودی که سازمان‌ها رویای تشکیل LLM های شخصی خود را رها کرده‌اند، اما تا این مدت به تلاش بسیاری برای استقرار، منفعت‌برداری و حمایتاز این فناوری‌های تازه نیاز است.

برای این که یک LLM سازمانی بتواند پتانسیلش را اراعه دهد، باید به داده‌های سازمان دسترسی داشته باشد. ازنظر زیاد‌ها، این بدان معناست که داده‌های سازمانی باید از زیرساخت‌های قدیمی و برنامه‌هایی استخراج شوند که هیچ زمان برای هوش مصنوعی طراحی نشده بودند و این کار به اندوخته‌گذاری قابل‌توجهی نیاز دارد.

عمل های موردنیاز برای پیاده‌سازی این مطرح

به‌رغم آنچه تبلیغات مشخص می کند، هوش مصنوعی و LLM های مولد سازمانی، تنها با دانلود کردن در اختیار مدیران قرار نخواهند گرفت. قوانین سخت‌گیرانه حاکمیت و حریم خصوصی در یک محیط سازمانی به این معناست که هوش مصنوعی باید در یک محیط بسته پیاده‌سازی شود تا داده‌های محرمانه به بیرون درز نکرده و برای آموزش مدل برای سازمان‌های خارجی مورداستفاده قرار نگیرند.

یک LLM سازمانی برای اراعه قیمت واقعی‌اش، باید به داده‌های یک سازمان دسترسی داشته باشد. چرا که هر بینش بر پایه فهمیدن کامل از کسب‌وکار اراعه می‌شود و در صورت وجود نقاط کور، دقت پروژه زیر سوال خواهد رفت؛ اما باید در نظر داشت که اراعه دسترسی به این داده‌ها آسان‌تر از انجام آن است. مخصوصاً هنگامی‌که شرکت تا این مدت از سیستم‌های قدیمی که اصولاً حیاتی‌ترین سیستم‌های تجاری می باشند، منفعت گیری می‌کند. در این صورت داده‌ها باید منطقی شوند و برنامه‌ها قبل از پیاده‌سازی هوش مصنوعی مدرن سازی شوند.

این اولین قدم حیاتی است. هر تلاشی در راستای قانع کردن هیئت‌مدیره در مسیر پیاده‌سازی هوش مصنوعی، باید با گفتگو در رابطه نوسازی زیرساخت‌ها باشد و در غیر این صورت، مزایای تجاری بالقوه هوش مصنوعی مختل خواهد شد؛ چرا که این مدل تصمیم‌گیری‌ها را در رابطه مجموعه داده‌های ناقص انجام خواهد داد.

زیرساخت‌های هوشمند

در یکی از گزارش‌های تازه، اشکار شد که درحالی‌که ۹۰% سازمان‌ها، هوش مصنوعی را در برتری قرار داده‌اند، یک‌سوم از آن‌ها زیرساخت‌های فناوری اطلاعات جاری‌شان را برای اجرای این چنین برنامه‌هایی مناسب نمی‌دانند.

قسمت کلیدی این اندوخته‌گذاری، پذیرفتن محیط‌های چند ابری ترکیبی (ترکیبی از ابرهای لبه، خصوصی و عمومی) است. اکنون از هر پنج سازمان در آسیا-اقیانوسیه، تنها یک سازمان یک مدل ترکیبی چند ابری را اجرا می‌کند و از هر پنج سازمان، دو سازمان دیگر تصمیم دارند در یک تا سه سال آینده این مدل را پیاده‌سازی کنند. منفعت‌گیری‌ از زیرساخت‌های انعطاف‌پذیر، مقیاس‌پذیر و مقرون‌به‌صرفه بودن، پایه و مبنا ایده‌آلی را برای پیاده‌سازی هوش مصنوعی فراهم می‌کند.

زیاد تر بدانید: اینترنت حیوانات در سال ۲۰۲۵ راه‌اندازی می‌شود

محیط‌های چند ابری ترکیبی مدرن زیاد خودکار می باشند. آن‌ها، محیط‌های قدیمی مدیریت دستی و نگهداری را حذف کرده و این امکان را در شرکت فراهم می‌آورند تا مهندسین ماهر، مجدد مهارتشان را برای تحقق وعدهٔ هوش مصنوعی به کار بگیرند. وعده هوش مصنوعی در صورت اجرای صحیح، همانند هر فناوری فرد دیگر می‌تواند مزایایی باورنکردنی داشته باشد.