استفاده از GhatGPT و سایر ابزارهای هوش مصنوعی مولد برای پولسازتر کردن کسبوکارها، فرصت‌ها و البته چالش‌های زیادی دارد.
اگر اخبار فناوری را دنبال می‌کنید حتماً می‌دانید که در چند ماه اخیر تقریباً غیرممکن است که روزی خبری در مورد هوش مصنوعی مولد یا GhatGPT منتشر نشود؛ در ماه‌های گذشته صحبت در مورد هوش مصنوعی به‌شدت سر زبان‌ها افتاده است و همه می‌خواهند به نحوی از توانایی‌های بالقوه این فناوری بهره‌مند شوند
کارآفرینان می‌خواهند استارتاپ هوش مصنوعی ایجاد کنند؛ مدیران اجرایی شرکت‌ها می‌خواهند از قابلیت‌های آن در کسب‌وکار خود بهره‌مند شوند؛ سرمایه‌گذاران نیز متمایل به سرمایه‌گذاری در این حوزه هستند. مدافعان قدرت مدل‌های زبانی بزرگ معتقدند که هوش مصنوعی مولد توانایی‌های گسترده‌ای دارد و این مدل‌ها قبلاً توانایی خود درزمینه تقویت کارایی فردی را در عمل نشان داده‌اند.
آیا هوش مصنوعی مولد برای کسب‌وکار یک معجزه است؟
اجازه دهید قبل از پاسخ‌دادن به این سؤال، پرسش مهم دیگری را مطرح کنیم. آیا کسب‌وکارهای (کوچک یا بزرگ) مختلفی که در فرایند ایجاد مدل‌های زبانی بزرگ درگیر نبودند، می‌توانند برای افزایش تمرکز خود روی بهره‌مندی از قدرت AI مولد سرمایه‌گذاری کنند؟
متأسفانه بین بهره‌مندی از مدل‌های زبانی بزرگ درزمینه کارایی شخصی و استفاده از آن‌ها در راستای افزایش سود تجاری، مثل کمک‌گرفتن از این مدل‌ها برای ایجاد راهکارهای نرم‌افزاری تجاری، فاصله زیادی وجود دارد و بهره‌مندی از توانایی‌های این فناوری برای اهداف تجاری از آنچه به‌نظر می‌رسد، بسیار دشوارتر است؛ مثلاً ایجاد یک چت‌بات با GPT-4 تا چند ماه طول می‌کشد و ایجاد تنها یک چت‌بات میلیون‌ها دلار هزینه دارد؛ البته همین یک مثال هم به‌خوبی فرصت‌های موجود برای بهره‌مندی از AI مولد در حوزه کسب‌وکار را نشان می‌دهد و هم نشان‌دهنده چالش‌های پیش روی این مسیر است.
انتظارات حوزه کسب‌وکار از هوش مصنوعی
امروزه فناوری بخش جدایی‌ناپذیر کسب‌وکار محسوب می‌شود. وقتی سازمانی استفاده از فناوری جدیدی را شروع می‌کند، انتظار دارد این فناوری بتواند راندمان عملیاتی را تقویت کند و باعث ایجاد نتایج تجاری بهتر شود. تجارت از هوش مصنوعی (بدون در نظر گرفتن نوع آن) همین انتظار را دارد. درمقابل موفقیت یک کسب‌وکار تنها به فناوری بستگی ندارد. واضح است که بدون در نظر گرفتن مسئله پیدایش AI و ابزارهایی مانند GhatGPT، کسب‌وکاری که به‌خوبی اداره می‌شود، همیشه پررونق باقی می‌ماند و در مقابل کسب‌وکاری که مدیریت ضعیفی دارد، همیشه با مشکل مواجه می‌شود.
بهره‌مندی تجاری موفق از هوش مصنوعی درست مانند پیاده‌سازی هرگونه راهکار نرم‌افزاری تجاری دیگر نیازمند در نظر گرفتن دو اصل اساسی است؛ نخست اینکه فناوری باید به‌گونه‌ای عمل کند که زمینه‌ساز ایجاد ارزش تجاری بسیار خوب و مورد انتظار شود و دوم اینکه سازمانی که این فناوری را به کار گرفته است، باید نحوه مدیریت صحیح آن را نیز بداند.
چرخه تکامل هوش مصنوعی و سرخوردگی آن
هوش مصنوعی نیز مانند هر فناوری دیگری در چرخه هیاهوی گارتنر «Gartner hype cycle» درحال تکامل است. چرخه هیاهوی گارتنر به سیر تکامل یک فناوری جدید مربوط است که شامل ۵ مرحله می‌شود. این مراحل به شرح زیر هستند:
- ماشه فناوری یا Technology Trigger (در این مرحله فناوری ظهور پیدا می‌کند و توجه عموم مردم به آن جلب می‌شود.)
- اوج انتظارات متورم یا Peak of Inflated Expectations (در این مرحله شوق استفاده از فناوری جدید افزایش می‌یابد و سطح انتظارات از میزان غیرواقع‌گرایانه‌ای بیشتر می‌شود.)
- شیب سرخوردگی یا Trough of Disillusionment (در این مرحله ناامیدی مردم از فناوری منجر به کاهش توجه و سپس بی‌توجهی به آن، شکست‌خوردن تجربه استفاده از آن و درنهایت حذف سرمایه‌گذاری روی آن می‌شود؛ البته در برخی از موارد سرمایه‌گذاری تنها درصورتی ادامه پیدا می‌کند که فناوری بتواند رضایت افراد یا سازمان‌هایی که تازه استفاده از آن را آغاز کرده‌اند، جلب کند.)
- شیب روشنگری یا Slope of Enlightenment (در این مرحله مثال‌های بیشتری از اینکه فناوری موردنظر چگونه می‌تواند برای کسبوکارها منفعت‌بخش شود، ارائه شده و ارائه این مثال‌ها شفاف‌شدن ابهامات موجود در مورد فناوری و افزایش آگاهی عمومی را به‌دنبال خواهد داشت. در این مرحله نسل‌های دوم و سوم فناوری از سوی ارائه‌دهندگان آن عرضه می‌شوند؛ همچنین تعداد سازمان‌هایی که برای اجرای آزمایشی آن سرمایه‌گذاری می‌کنند، افزایش می‌یابد؛ اما شرکت‌های محافظه‌کار همچنان محتاط عمل می‌کنند.)
- فلات بهره‌وری یا Plateau of Productivity (در این مرحله استفاده گسترده از فناوری آغاز می‌شود و معیارهای لازم برای ماندگاری یا عدم ماندگاری آن واضح‌تر می‌شوند. فرایند گسترش کاربرد فناوری در بازارهای مختلف تکمیل می‌شود و اگر فناوری جدید بتواند از یک بازار کلیشه‌ای فراتر رود و جایگاه خود را در بازارهای بیشتر تثبیت کند، در آینده همچنان رشد خواهد کرد.)
هوش مصنوعی مرحله ماشه فناوری را پشت‌سر گذاشته است؛ زیرا مدت زیادی از پیدایش آن می‌گذرد و استفاده از توانایی‌های آن توسط عموم مردم از طریق ابزارهایی مانند GhatGPT امکان‌پذیر شده است. این فناوری از مرحله اوج انتظارات متورم نیز عبور کرده و به‌زودی وارد مرحله شیب سرخوردگی خواهد شد.
شیب سرخوردگی به چند دلیل مثل نابالغ و غیرکاربردی بودن فناوری ایجاد خواهد شد. این دو دلیل متداول می‌توانند در مرحله شیب سرخوردگی هوش مصنوعی باعث دلسردشدن کارآفرینان، مدیران و سرمایه‌گذاران شوند. اگر فردی یا سازمانی در مورد این دو عامل آگاهی نداشته باشد، چالش‌های پیش روی استفاده از AI در حوزه کسب‌وکار را دست‌کم می‌گیرد و فرصت‌های سرمایه‌گذاری به‌موقع و عاقلانه در حیطه این فناوری را از دست می‌دهد.
تعیین سطح فعالیت‌های مختلف توسط هوش مصنوعی
درحال‌حاضر میلیون‌ها نفر درحال تعامل با ابزارهای هوش AI برای انجام کارهای مختلف هستند؛ از دستیابی به اطلاعات گرفته تا کدنویسی. به‌نظر می‌رسد که این فناوری سطح فعالیت‌های حیطه‌های مختلف کسبوکارها را مشخص می‌کند؛ هرکس می‌تواند از این فناوری استفاده کند و انگلیسی به یک زبان برنامه‌نویسی جدید تبدیل خواهد شد.
این موضوع در مورد برخی از موارد کاربرد خاص تولید محتوا (مثلث کپی‌رایتینگ مارکتینگ) نیز صدق می‌کند. هوش مصنوعی مولد نیز روی فهم زبان طبیعی (NLU) و ایجاد زبان طبیعی (NLG) تمرکز می‌کند.
با توجه به ماهیت هوش مصنوعی، این فناوری در انجام برخی از وظایف به مشکل برمی‌خورد و برای انجام آن‌ها نیازمند دانش دامنه (دانش تخصصی در مورد یک رشته خاص) است.
البته از سوی دیگر، متخصصان دارای دانش دامنه نیز کاملاً به حوزه IT (فناوری اطلاعات) و هوش مصنوعی مسلط نیستند یا نمی‌توانند نحوه کار AI مولد را بفهمند؛ مثلاً آن‌ها نمی‌دانند چگونه GhatGPT می‌تواند پاسخ‌های مرتبط با جستجوهای صوتی را سریعاً ارائه کند و یا در مورد کاربرد برنامه‌نویسی هوش مصنوعی برای برنامه‌نویسی یک نرم‌افزار چیزی نمی‌دانند.
پیشرفت سریع و رقابت شدید در حوزه‌های هوش مصنوعی باعث تفسیرکردن مدل‌های زبانی پایه می‌شود و این مدل‌ها به‌طور فزاینده به محصولات پراستفاده‌ای تبدیل می‌شوند. مزیت رقابتی راهکارهای تجاری ایجادشده توسط مدل‌های زبانی بزرگ در جای دیگری مشخص می‌شود؛ یا در مالکیت داده‌های اختصاصی خواص دارای ارزش بالا و یا در تسلط یافتن در یک حوزه دانشی خاص.
احتمالاً متصدیان حوزه کسب‌وکار زودتر از سایر افراد به چنین دانش خاصی دست پیدا کرده‌اند؛ البته بااین‌وجود ممکن است آن‌ها از سیستم‌های منسوخ‌شده هنوز استفاده کنند و همین موضوع مانع آغاز استفاده آن‌ها از هوش مصنوعی مولد می‌شود.
تازه‌کاران هم می‌توانند از صفر تا صد قدرت این فناوری بهره‌مند شوند؛ البته آن‌ها برای اینکه بتوانند مجموعه‌ای لازم از تخصص‌ها را به‌دست آورند، باید در کسب‌وکار خود موفق شوند؛ اما هم شرکت‌های بزرگ و مطرح و هم شرکت‌های تازه‌کار با چالش‌های اساسی یکسانی مواجه خواهند شد.
چالش اساسی در مسیر فراهم‌کردن زمینه دستیابی هوش مصنوعی به دانش تخصصی در حوزه کسب‌وکار، این است که بتوان برای آموزش این فناوری و نظارت بر فعالیت آن بدون اینکه نیاز باشد فناوری در یک زمینه خاص تخصص پیدا کند، از دانش و مهارت خاص بهره برد. در ادامه نکات لازم برای استفاده موفقیت‌آمیز از هوش مصنوعی مولد را بیان می‌کنیم.
نکات لازم برای استفاده موفقیت‌آمیز از هوش مصنوعی در تجارت
با وجود اینکه AI مولد هم درزمینه فهم زبان و هم درزمینه ایجاد آن فناوری‌های پیشرفته‌ای دارد، اما توانایی انجام هر کاری را ندارد. ما باید از مزایای هر فناوری استفاده کنیم و نقایص آن را نادیده بگیریم. در ادامه چند مورد از نکات فنی لازم را که کارآفرینان، مدیران شرکت‌ها و سرمایه‌گذاران مصمم به سرمایه‌گذاری در حوزه هوش مصنوعی باید بدانند، بیان می‌کنیم.
- کمک‌گرفتن از یک متخصص برای ایجاد راهکارهای مبتنی بر هوش مصنوعی: AI مولد هنوز تا عالی‌شدن فاصله زیادی دارد. اگر مدیران شرکت‌ها می‌خواهند با استفاده از این فناوری راهکارهای اختصاصی خود را ایجاد کنند، ابتدا باید مطمئن شوند که یکی از نیروهای آن‌ها تخصص کافی برای فهم عمیق نحوه کار هوش مصنوعی در زمینه‌های مختلف را دارد و در صورت لزوم می‌تواند توانایی چنین سیستمی را تقویت کند (در صورت عدم وجود چنین فردی در شرکت، حتماً باید نیروی متخصص استخدام شود). در صورت تمایل، برای مشارکت با سایر شرکت‌ها برای ایجاد راهکارهای مبتنی بر هوش مصنوعی نیز باید مطمئن شوید که شرکت موردنظر با یک متخصص ماهر در این زمینه همکاری می‌کند تا بتوانید به بهترین نتیجه ممکن برسید.
- کسب تخصص درزمینه مهندسی نرم‌افزار: ایجاد یک راه‌حل مبتنی بر AI مولد درست مانند ایجاد سایر راه‌حل‌های نرم‌افزاری است و باید یک‌سری فعالیت‌های مهندسی‌شده انجام شود. اگر می‌خواهید راهکارهای اختصاصی خود را ایجاد کنید، طبیعتاً برای ایجاد آن باید استعداد مهندسی یک نرم‌افزار پیچیده را داشته باشید. چنانچه می‌خواهید برای ایجاد چنین نرم‌افزاری با شرکت دیگری همکاری کنید، مطمئن شوید آن‌ها پلتفرم بدون کد در اختیار شما قرار می‌دهند تا بتوانید از آن به‌راحتی برای ایجاد، نگهداری و به‌روزرسانی راهکار خود استفاده کنید.
- کسب دانش دامنه: ایجاد راهکارهای مبتنی بر هوش مصنوعی مولد در اغلب موارد نیازمند کسب دانش دامنه و سفارشی‌سازی فناوری با استفاده از این دانش است. مطمئن شوید که با فردی که دارای تخصص دامنه است و در مورد نحوه استفاده از فناوری ایجادشده در راهکار، اطلاعات لازم را دارد، امکان همکاری دارید. مطمئن‌شدن از این موضوع چه بخواهید راهکار اختصاصی خودتان را ایجاد کنید و چه بخواهید برای انجام این کار از شرکت دیگری کمک بگیرید، اهمیت دارد. درضمن چه خودتان بخواهید راهکار خود را ایجاد کنید و چه بخواهید با همکاری شرکت دیگری این کار را انجام دهید، باید به متخصصان دامنه که اغلب در حوزه IT دانش و مهارت لازم را ندارند، کمک کنید تا آن‌ها بتوانند به‌راحتی راهکارهای مبتنی بر هوش مصنوعی مولد را بدون نیاز به کدنویسی یا پشتیبانی IT ایجاد، سفارشی‌سازی و حفظ کنند.
سخن پایانی
داشتن دیدگاهی بدون تعصب نسبت به AI مولد در جریان تداوم شکل‌دهی چشم‌انداز تجاری با این فناوری، می‌تواند به ما کمک کند. بهتر است در پایان نکات مهم را یک بار دیگر با یکدیگر مرور کنیم.
- راه‌حل‌های مبتنی بر هوش مصنوعی مولد می‌توانند تعداد زیادی از مشکلات مرتبط با زبان را برطرف کنند؛ اما این فناوری توانایی انجام هر کاری را ندارد.
- ایجاد و پیاده‌سازی یک راهکار تجاری موفق مبتنی بر AI مولد، از آنچه در ابتدا به‌نظر می‌رسد، دشوارتر است.
- هوش مصنوعی مولد برای همه به میزان یکسان منفعت‌بخش نیست. برای بهره‌مندی از مزایای کامل این فناوری باید فرد متخصص دارای دانش دامنه و نیز فرد متخصص هوش مصنوعی و فناوری IT را استخدام و یا با آن‌ها همکاری کنید تا بتوانید از قدرت AI سریع‌تر و ایمن‌تر استفاده نمایید.
کارآفرینان، مدیران شرکت‌ها و سرمایه‌گذاران کاملاً درگیر تکامل سریع دنیای AI مولد هستند؛ به همین دلیل آشناشدن با چالش‌ها و فرصت‌های این مسیر ضروری است و همچنین باید بدانیم چه کسی درزمینه این فناوری سرمایه‌گذاری بیشتری کرده است و می‌تواند برای به حداکثر رساندن بازدهی سرمایه‌گذاری، سریع‌تر تصمیم بگیرد و سرمایه‌گذاری محتاطانه‌تری داشته باشد.
منبع: دیجیاتو
