اختصاصی بسپار/ چگونه رهبران کسبوکار باید با هوش مصنوعی مواجه شوند
بسپار/ایران پلیمرهوش مصنوعی (Artificial Intelligence) با سرعتی چشمگیر در حال پیشرفت است. در این مقاله آنچه سازمانها باید بدانند تا از رقبا جلو بمانند، آمده است.
«ما در دورهای از دگرگونی بیسابقه زندگی میکنیم. تغییرهای شدید اقلیمی، همهچیز را از کشاورزی تا بیمه دچار دگرگونی کردهاند. نظم جهانی در حال تغییر است و نقاط فشار و مراکز قدرت جدیدی ایجاد میشود. زیستفناوری (Biotechnology) در سکوت در حال بازنویسی قوانین زندگی بشر است. اما در میان همهی اینها، بزرگترین دگرگونیهای پیشروی کسبوکارها در سال آینده از یک چیز نشات میگیرد: هوش مصنوعی.» این دیدگاهی بود که عزیم اظهار (Azeem Azhar) در سخنرانی اصلی خود در شام راهاندازی The WIRED World in 2025 در لندن مطرح کرد؛ جلسهای که از سوی WIRED و با همکاری شرکت مشاورهی Boston Consulting Group (BCG) برگزار شد.
اظهار، بنیانگذار خبرنامه و پادکست تاثیرگذار Exponential View است که با بهرهگیری از تجربهی خود بهعنوان پژوهشگر، سرمایهگذار و کارآفرین، تلاش میکند تاثیر فناوری بر انسان را روشن کند. وی پیشبینی میکند که هوش مصنوعی زایا (Generative AI / gen AI) بهویژه در سال آینده، تحولی رادیکال ایجاد خواهد کرد. وی میگوید «این یک فناوری با کاربرد عمومی (general-purpose technology) است و چنین فناوریهایی فقط هر پنج یا شش دهه یکبار ظهور میکنند. من در مورد پیشرفتهایی مانند ماشین بخار یا برق صحبت میکنم. چنین پیشرفتهایی بهطور بنیادی پایهی هزینهای یک اقتصاد را تغییر میدهند و بهرهوری، رشد و رفاه را میافزایند.» پس، با توجه به این «ماشین بخار شناختی» (cognitive steam engine) ــ به تعبیر او ــ که در ماههای آینده در حال توسعه است، رهبران کسبوکار چگونه میتوانند بهترین بهره را از این ظرفیت ببرند؟
وارد شوید، منتظر نمانید و نظارهگر نباشید
اکنون دو سال از زمانی میگذرد که هوش مصنوعی زایا به بزرگترین خبر دنیای فناوری تبدیل شد. از آن زمان، این حوزه پیشرفتهای سریعی داشته است. اظهار میگوید: «هوش مصنوعی بازار بسیار پویایی است. در تواناییهای مجموعهی جدیدی از سامانههای هوش مصنوعی، شتابی پیوسته در حال وقوع است.» از یک سو، پیچیدگی روزافزون هوش مصنوعی زایا، پیشاپیش به برخی از بخشها کمک کرده تا بازدهیهای معناداری بهدست آورند. از سوی دیگر، این موضوع برای کسبوکارها چالشبرانگیز است. در ۱۸ ماه آینده، چه توانمندیهای جدیدی در دسترس خواهد بود؟ کدام ابزارهای کنونی بلااستفاده خواهند شد؟
این وضعیت ممکن است سردرگمکننده باشد و تصمیمگیری برای زمان و چگونگی سرمایهگذاری را دشوار کند. اما اظهار توصیه میکند که از رویکرد «صبر کن و ببین» اجتناب شود ― وی معتقد است که بهتر است از پیشرفتها در همان لحظه بهرهبرداری کرد و این نیازمند چرخههای نوآوری سازمانی شتابیافته است.
پال میچلمن (Paul Michelman)، سردبیر ارشد BCG که میزبان مشترک آن شام نیز بود، این دیدگاه را تایید کرد. وی گفت: «سؤال این است: آیا میخواهید مسافر باشید یا راننده؟» برای مثال، زمانی که BCG به ظرفیت تحولآفرین هوش مصنوعی زایا پی برد، یک عامل گفتوگومحور هوش مصنوعی به نام GENE برای کمک به تولید محتوا ساخت. اکنون این شرکت در حال بررسی گسترش قابلیتهای آن به کاربردهای دیگر است. میچلمن بهعنوان مثال گفت: «مکالمات دشوار در یک سازمان را تصور کنید. شخص ثالث بیطرفی مانند GENE شاید بتواند گوش دهد و پیشنهادهایی برای پیشبرد گفتگو ارائه دهد؛ بهویژه وقتی افراد حاضر در اتاق برای انجام این کار راحت نیستند.»
آمادگی دو تغییر کلیدی
اظهار دو تحول مهم در هوش مصنوعی را برای سال آینده پیشبینی میکند. اولین تحول این است که ابزارهای مبتنی بر هوش مصنوعی زایا (Generative AI / gen AI) آمادهی استفادهی عمومی خواهند شد. کسبوکارها محصولاتی را خواهند دید که واقعا بهقدری خوب هستند که ارزش خرید داشته باشند. دومین تحول، ظهور عاملهای هوش مصنوعی (AI agents) است. این اصطلاح به ابزارهای هوش مصنوعی زایا (gen AI) اشاره دارد که فقط محتوا تولید نمیکنند، بلکه میتوانند با درجهای از خودمختاری اقدامات مشخصی انجام دهند تا به هدفی خاص برسند. یکی از عوامل کلیدی در این روند، ظهور اخیر مدلهای استدلالی (reasoning models) است. این مدلها میتوانند مسائل پیچیده را به مراحل منطقی تقسیم کرده و در انجام وظایف فنی بسیار توانمند هستند. عاملها (Agents) ظرفیت مدیریت فرایندهای پیچیده، از ابتدا تا انتها را دارند.
اظهار به یک تمرین مقایسهای اخیر اشاره کرد که در آن دو مدل هوش مصنوعی مختلف وظایف مهندسی دشوار در حوزهی تحقیق و توسعهی هوش مصنوعی را انجام دادند و در انجام وظایف تا دو ساعت، از مهندسان انسانی در آزمایشگاههای برتر هوش مصنوعی پیشی گرفتند. اظهار گفت: «من با کسی صحبت کردم که در یکی از سه آزمایشگاه پیشرو (frontier labs) مشغول کار بر روی مدلهای استدلالی (reasoning models) است و از او پرسیدم چه زمانی به چهار ساعت خواهیم رسید؟ و او پاسخ داد: شاید شش ماه دیگر یا حتی زودتر». در شش ماه آینده، توانایی این مدلها به سطح بهترین مهندسان جهان خواهد رسید.
اهمیت زیاد انتخاب مساله
کسبوکارهایی که قصد دارند از هوش مصنوعی زایا بهرهمند شوند، ممکن است بهراحتی اهمیت یک پرسش راهبردی بنیادین را نادیده بگیرند.
دوروتی چو (Dorothy Chou)، مدیر آزمایشگاه تعاملات عمومی در شرکت Google DeepMind نیز در این ضیافت صحبت کرد و گفت: «فکر میکنم گاهی سازمانها بهاندازهی کافی وقت صرف نمیکنند تا دقیقا مشخص کنند که چه مسالهای را میخواهند حل کنند و بهترین راه حل آن چیست.» به گفتهی او، حوزههایی که در آنها دادهها از کیفیت مناسبی برخوردارند، اغلب حوزههای پربازدهتری هستند. اگرچه معماریهای مدلهای هوش مصنوعی زایا (gen AI model architectures میتوانند با دادههای بزرگ و بدون ساختار کار کنند، اما این بهمعنای بیاهمیت بودن کیفیت دادهها نیست. برای مثال، اگر بخواهید یک مدل پایه (foundation model) را با مستندات داخلی سازمان خود سازگار کنید، مجموعهای از اسناد باکیفیت باعث میشود ابزار شما خروجیهای باکیفیتتری تولید کند. چو همچنین توصیه میکند در قبال مسائل کلانتری که سازمان میخواهد به آنها بپردازد، جاهطلب باشید. وی میگوید: «وقتی نگاه میکنم که پول در حوزهی هوش مصنوعی به کجا میرود، اغلب بهسمت سادهترین و کمهزینهترین کاربردها میرود. حوزههایی با تاثیر بیشتر مانند زیستشناسی، علوم زیستی، سلامت، انرژی، اقلیم و آموزش، حوزههایی هستند که بهشدت قانونگذاری شدهاند و در واقع ورود به آنها بسیار دشوارتر است.بنابراین، بهجای حوزههایی که در آنها واقعا میخواهیم بیشترین تاثیر اجتماعی را ببینیم، سرمایهی زیادی بهسمت شخصیسازی این موارد میرود.»
خلق تاثیر اجتماعی نهتنها از نظر اخلاقی اقدام درستی است، بلکه میتواند از نظر تجاری نیز منطقی باشد؛ به جذب سرمایه و نیروی انسانی به سازمان کمک میکند و فرصت ورود به بازارهای سودآور جدید را فراهم میسازد.
نگران سدهای مقیاسپذیری نباشید
بحثهایی دربارهی رسیدن هوش مصنوعی زایا به «سد مقیاسپذیری» وجود دارد؛ جایی که رویکرد فعلی یعنی تزریق داده و قدرت پردازشی هرچه بیشتر به مدلهای زبانی بزرگ (Large Language Models / LLMs) برای بهبود کارکرد، شروع به بازدهی کاهنده میکند. اگرچه بحثهای داغی پیرامون این موضوع وجود دارد، اما اظهار تاکید کرد که بههیچوجه چنین مانعی در آیندهی نزدیک پیش رو نیست.
مانع واقعیتر در مسیر پیشرفت، فقط سرعت ساخت مرکز دادههای بسیار بزرگ (very large data centers) است. اظهار گفت: «ما فکر میکنیم که این نیاز نهایی برطرف خواهد شد، چون از منظر صنعتی ضروری خواهد بود.»
اطمینان از تمایز نام تجاری در دنیای کلیشهایِ هوش مصنوعی با تولید محتوا
برگرداننده: مهندس زهرا آهنگ
Ahang.zahraa@gmail.com
(ادامه دارد …)
متن کامل این مقاله را در شماره 280 ماهنامه بسپار که در نیمه بهمن ماه 1404 منتشر شده است، می خوانید.
در صورت تمایل به دریافت نسخه نمونه رایگان و یا دریافت اشتراک با شماره های ۰۲۱۷۷۵۲۳۵۵۳ و ۰۲۱۷۷۵۳۳۱۵۸ داخلی ۳ سرکار خانم ارشاد تماس بگیرید. نسخه الکترونیک این شماره از طریق طاقچه و فیدیبو قابل دسترسی است.
