گفته میشود هوش مصنوعی انقلابی بزرگ در کسبوکار ایجاد خواهد کرد، اما واقعیت این است که هنوز راه زیادی تا رسیدن به آن داریم. بررسیها نشان میدهند که عوامل «هوش مصنوعی» در حدود ۷۰ درصد از وظایف سازمانی دچار اشتباه میشوند و عجیبتر اینکه بسیاری از این موارد حتی هوش مصنوعی نیستند!
مدیران ارشد شرکتها با عجله برای استفاده از این فناوری سرمایهگذاری میکنند، اما نتایج نشان میدهند که پتانسیلهای وعده داده شده هنوز محقق نشدهاند. به عنوان مثال، «بن ایو» مدیرعامل Salesforce اخیراً در یک کنفرانس گفت: “زمانی که کار را با Agentforce شروع کردیم، صحبت از قیمتگذاری بر اساس تعداد مکالمات بود؛ این مدل قیمتگذاری مبتنی بر تراکنش یا میزان استفاده بود، اما مشتریان خواستار انعطافپذیری بیشتر شدند.”
این نشان میدهد که انتظارات شرکتها و مشتریان در مورد هوش مصنوعی با واقعیت فاصله زیادی دارد. گزارشهای جدید نیز این موضوع را تأیید میکنند. Forrester اخیراً اعلام کرده است که ۲۵ درصد از بودجه برنامهریزی شده برای سرمایهگذاری در هوش مصنوعی سال آینده، به تعویق افتاده و تا سال ۲۰۲۷ موکول خواهد شد؛ این تأخیر نشاندهنده دقت بیشتر در ارزیابی ریسکها و هزینههای مرتبط با پیادهسازی است.
جالب اینجاست که شرکتها هنوز در تلاش برای تعیین مدل قیمتگذاری مناسب برای خدمات هوش مصنوعی هستند. «میلانو» مدیر یکی از شرکتهای فعال در این حوزه اشاره میکند: “برخی افراد درباره تفاوت بین قیمتگذاری بر اساس تعداد صندلی (seat-based) و مصرف (consumption-based) صحبت میکنند، اما واقعیت این است که بسیاری از مشتریان ترجیح میدهند با مدل seat-based کار کنند؛ زیرا این روش به آنها پیشبینیپذیری بیشتری میدهد.”
موضوعات مرتبط
- AIOps
- DeepSeek
- Gemini
- Google AI
- GPT-3
- GPT-4
لیست زیر نیز شامل برخی از اصطلاحات کلیدی مرتبط با این حوزه است:
- Large Language Model (مدلهای زبانی بزرگ)
- Machine Learning (یادگیری ماشین)
- MCubed
- Neural Networks (شبکههای عصبی)
- NLPRetrieval Augmented Generation (تولید افزوده بازیابیشده)
- Star Wars(یک اشاره به فیلم برای جذابیت بیشتر!)
- Tensor Processing Unit (واحد پردازش تنسور)
- TOPS (عملیات در ثانیه)
به طور خلاصه، اگرچه هوش مصنوعی پتانسیلهای زیادی دارد، اما هنوز چالشهای بسیاری پیش روی آن وجود دارد. انتظار نداشته باشید که این فناوری بهطور خودکار همه مشکلات را حل کند و نیازمند بررسی دقیقتر و واقعبینانهتری نسبت به ادعاهای اغراقآمیز است.
📌 توجه: این مطلب از منابع بینالمللی ترجمه و بازنویسی شده است.