هوش مصنوعی: از پروژه علمی به دنیایی جدید و مبهم!

انتظار می‌رود در سال آینده، سازمان‌ها سرمایه‌گذاری زیادی در زیرساخت‌های فناوری اطلاعات خود انجام دهند، به طوری که 84 درصد از سازمان‌ها قصد دارند فناوری اطلاعات خود را برای حمایت بهتر از هوش مصنوعی مدرن‌سازی کنند.

به گزارش سرگرمی روز، اکنون و با گذشت 18 ماه از شروع چرخه هایپ ChatGPT، این هوش مصنوعی جای خود را به درک دقیق تری از واقعیت پشت اجرای این فناوری داده است. در حالی که در ابتدا مدیران ارشد پروژه‌های علمی را با اشتیاق و خوش‌بینی دنبال می‌کردند، تغییرات اخیر تصمیم‌گیرندگان را بر آن داشته است تا به دنبال موارد تجاری ملموس‌تر و شواهدی باشند که نشان دهد هوش مصنوعی چگونه می‌تواند ارزش شرکت را افزایش دهد. بنابراین، اکنون AI-for-AI به پایان رسیده است و هوش مصنوعی سازمانی در کانون توجه قرار دارد.

بنابراین، موانع زیادی برای غلبه بر مشاغل وجود دارد. سه مورد از مهمترین آنها برای هوش مصنوعی سازمانی عبارتند از: اطمینان از وجود مهارت‌های لازم، متقاعد کردن هیئت مدیره به ارزش واقعی کسب‌وکار، و اطمینان از اینکه زیرساخت می‌تواند قدرت محاسباتی لازم را فراهم کند.

همگام سازی مهارت ها

نظرسنجی اخیر از 650 مدیر فناوری اطلاعات در استرالیا نشان داد که همه آنها (100٪) در 12 ماه آینده به مهارت های هوش مصنوعی بیشتری نیاز دارند. با توجه به تقاضای زیاد برای استعدادهای فنی، احتمالاً تا سال 2026 به کمبود 370000 متخصص دیجیتال منجر خواهد شد.

شکاف در مهارت‌های هوش مصنوعی به این معنی است که سازمان‌ها بعید است که مدل‌های زبان بزرگ خود (LLM) را توسعه دهند. گزارش هوش مصنوعی Nutanix State of Enterprise بیان می کند که 90٪ از شرکت ها قصد دارند از LLM های قبلی به دلیل فقدان مهارت های مورد نیاز استفاده کنند.

دو مهارت مورد نیاز عبارتند از: «هوش مصنوعی تولیدی و مهندسی سریع» با 45 درصد تقاضا و «علم داده و تجزیه و تحلیل داده ها» با 44 درصد از آمار مورد نیاز در سازمان ها. این بدان معناست که اگرچه سازمان‌ها از رویای ایجاد LLM خود دست کشیده‌اند، هنوز تلاش زیادی برای پیاده‌سازی، بهره‌برداری و حفظ این فناوری‌های جدید لازم است.

برای اینکه یک LLM سازمانی بتواند پتانسیل خود را توسعه دهد، باید به داده های سازمان دسترسی داشته باشد. برای بسیاری، این بدان معناست که داده‌های سازمانی باید از زیرساخت‌های قدیمی و برنامه‌هایی استخراج شوند که هرگز برای هوش مصنوعی طراحی نشده‌اند و به سرمایه‌گذاری قابل توجهی نیاز دارند.

اقدامات لازم برای اجرای این طرح

علیرغم آنچه که هیاهوها نشان می دهد، هوش مصنوعی و LLM های تولید کننده سازمانی تنها با دانلود در دسترس مدیران قرار نخواهند بود. قوانین سختگیرانه حاکمیت و حفظ حریم خصوصی در یک محیط سازمانی به این معنی است که هوش مصنوعی باید در یک محیط بسته پیاده‌سازی شود تا داده‌های محرمانه به بیرون درز نکند و برای آموزش مدل‌هایی برای سازمان‌های خارجی استفاده نشود.

یک LLM سازمانی باید به داده های سازمان دسترسی داشته باشد تا ارزش واقعی آن را ارائه دهد. زیرا هرگونه بینشی بر اساس شناخت کامل کسب و کار ارائه می شود و در صورت وجود نقاط کور، صحت پروژه زیر سوال می رود. اما به خاطر داشته باشید که ارائه دسترسی به این داده ها آسان تر از انجام دادن است. به خصوص زمانی که شرکت هنوز از سیستم‌های قدیمی استفاده می‌کند که اساساً حیاتی‌ترین سیستم‌های تجاری هستند. در این مورد، داده ها باید منطقی شده و برنامه ها قبل از اعمال هوش مصنوعی مدرن شوند.

این اولین قدم حیاتی است. هر تلاشی برای متقاعد کردن هیئت مدیره برای پذیرش هوش مصنوعی باید با گفتگو در مورد نوسازی زیرساخت همراه باشد، در غیر این صورت از مزایای تجاری بالقوه هوش مصنوعی جلوگیری خواهد شد. زیرا این مدل در مورد مجموعه داده های ناقص تصمیم گیری خواهد کرد.

زیرساخت هوشمند

گزارش اخیر نشان می دهد که در حالی که 90 درصد سازمان ها هوش مصنوعی را در اولویت قرار داده اند، یک سوم از آنها فکر نمی کنند زیرساخت فعلی فناوری اطلاعات آنها برای اجرای چنین برنامه هایی مناسب است.

بخش کلیدی این سرمایه گذاری، پذیرش محیط های چند ابری ترکیبی (ترکیبی از ابرهای لبه، خصوصی و عمومی) است. در حال حاضر، از هر پنج سازمان در منطقه آسیا و اقیانوسیه، تنها یک سازمان مدل ترکیبی چند ابری را پیاده‌سازی می‌کند و از هر پنج سازمان، دو سازمان دیگر قصد دارند این مدل را در یک تا سه سال آینده پیاده‌سازی کنند. استفاده از یک زیرساخت انعطاف پذیر، مقیاس پذیر و مقرون به صرفه، پایه و اساس ایده آلی را برای به کارگیری هوش مصنوعی فراهم می کند.

محیط های چند ابری هیبریدی امروزی بسیار خودکار هستند. آنها محیط‌های قدیمی مدیریت دستی و نگهداری را حذف می‌کنند و به مهندسان ماهر در سطح سازمانی اجازه می‌دهند تا مهارت‌های خود را مجدداً برای تحقق وعده‌های هوش مصنوعی متمرکز کنند. وعده هوش مصنوعی اگر به درستی اجرا شود، مانند هر فناوری دیگری، می تواند مزایای باورنکردنی داشته باشد.