پروژه های مولد هوش مصنوعی در میان هزینه ها و ریسک های بالا شکست می خورند

علیرغم وعده تغییر صنایع هوش مصنوعی، افزایش هزینه ها و خطرات فزاینده باعث می شود بسیاری از پروژه های هوش مصنوعی دچار تزلزل شوند، همانطور که در چندین گزارش اخیر برجسته شده است.

حداقل 30 درصد از هوش مصنوعی مولد طبق گزارش جدید گارتنر، پروژه ها پس از مرحله اثبات مفهوم تا پایان سال 2025 رها خواهند شد. شرکت ها هستند “تلاش برای اثبات و درک ارزشدر تلاش های خود، که از 5 میلیون دلار تا 20 میلیون دلار سرمایه گذاری اولیه هزینه دارد.

گزارش جداگانه ای از Deloitte نتیجه مشابهی را ارائه کرد. از 2770 شرکت مورد بررسی، 70 درصد گفتند که دارند فقط 30 درصد یا کمتر جابجا شد آزمایش‌های GenAI خود را در مرحله تولید قرار دادند. عدم آماده سازی و مسائل مربوط به داده ها به این میزان موفقیت کم نسبت داده می شود.

چشم انداز کلی پروژه های هوش مصنوعی چندان خوشایند نیست. تحقیقات اندیشکده RAND نشان داد که علیرغم افزایش سرمایه گذاری بخش خصوصی در هوش مصنوعی از سال 2013 تا 2022، 18 برابر شده است. بیش از 80 درصد پروژه های هوش مصنوعی با شکست مواجه می شوند – دو برابر میزان شکست در پروژه های IT شرکتی که شامل هوش مصنوعی نمی شود.

نابرابری در پشتوانه مالی و تکمیل به احتمال زیاد باعث از دست دادن شرکت‌های فناوری «Magnificent Seven» (انویدیا، متا، آلفابت، مایکروسافت، آمازون، تسلا و اپل) شده است. 1.3 تریلیون دلار در سهام بیش از پنج روز در ماه گذشته.

ببینید: گزارش Searce نشان می دهد که تقریباً 1 از هر 10 کسب و کار در سال 2024 بیش از 25 میلیون دلار برای ابتکارات هوش مصنوعی هزینه می کند.

سرمایه گذاری اولیه بالایی در پروژه های GenAI قبل از تحقق منافع مورد نیاز است

گارتنر تخمین می زند که استفاده از GenAI API – رابطی که به توسعه دهندگان اجازه می دهد مدل های GenAI را در برنامه های خود ادغام کنند – ممکن است تا 200,000 دلار از قبل و 550 دلار اضافی برای هر کاربر در سال هزینه داشته باشد. علاوه بر این، ساخت یا تنظیم دقیق یک مدل سفارشی می تواند بین 5 تا 20 میلیون دلار هزینه داشته باشد، به اضافه 8000 تا 21000 دلار برای هر کاربر در سال.

این میانگین سرمایه گذاری در زمینه هوش مصنوعی رهبران جهانی فناوری اطلاعات 879000 دلار بود در سال گذشته، طبق گزارش ارائه‌دهنده نرم‌افزار اتوماسیون ABBYY. تقریباً همه (96٪) از پاسخ دهندگان به آن نظرسنجی گفتند که این سرمایه گذاری ها را در سال آینده افزایش خواهند داد، علیرغم اینکه یک سوم ادعا می کنند که نگران این هزینه های بالا هستند.

تحلیلگران گارتنر نوشتند که GenAI “به تحمل بالاتری برای معیارهای سرمایه گذاری مالی غیرمستقیم و آتی در مقابل بازگشت فوری سرمایه نیاز دارد”، که “بسیاری از مدیران مالی با آن راحت نبوده اند”.

اما این فقط مدیران مالی نیستند که در مورد ROI تلاش‌های هوش مصنوعی نگران هستند. سرمایه‌گذاران در بزرگترین شرکت‌های فناوری جهان اخیراً نسبت به زمان و یا اینکه آیا حمایت آنها نتیجه خواهد داد، ابراز تردید کرده‌اند. جیم کوولو، تحلیلگر سهام گلدمن ساکس، در ژوئن نوشت گزارش دهید: “با وجود برچسب قیمت گران آن، این فناوری به جایی که برای مفید بودن نیاز دارد نزدیک نیست.”

ببینید: استارت‌آپ‌های فناوری جدید بریتانیا برای اولین بار از سال 2022 با افت 11 درصدی در این سه ماهه مواجه شدند.

علاوه بر این، ارزش های بازار در آلفابت و گوگل در ماه اوت کاهش یافت زیرا درآمد آنها سرمایه گذاری آنها در زیرساخت های هوش مصنوعی را جبران نکرد.

سایر دلایل شکست پروژه GenAI

دلیل اصلی شکست در راه اندازی پروژه های GenAI سازمانی؟ عدم آمادگی

کمتر از نیمی از پاسخ‌دهندگان به نظرسنجی Deloitte احساس کردند که سازمان‌هایشان در زمینه‌های زیرساخت فناوری و مدیریت داده‌ها بسیار آماده هستند – هر دو عنصر اساسی مورد نیاز برای افزایش پروژه‌های هوش مصنوعی به سطحی که بتوان از مزایای آن بهره‌مند شد. مطالعه RAND همچنین نشان داد که سازمان‌ها اغلب «زیرساخت کافی برای مدیریت داده‌های خود و استقرار مدل‌های کامل هوش مصنوعی را ندارند».

تنها حدود 1 نفر از هر 5 پاسخ دهندگان دیلویت آمادگی خود را در زمینه های “استعداد” و “ریسک و حاکمیت” اعلام کرده اند و بسیاری از سازمان ها استخدام فعال یا ارتقاء مهارت برای نقش های اخلاق هوش مصنوعی در نتیجه.

ببینید: 83 درصد از مشاغل بریتانیا دستمزد را برای مهارت های هوش مصنوعی افزایش می دهند

کیفیت داده ها نشان دهنده یک مانع اضافی برای تکمیل پروژه های GenAI است.

مطالعه Deloitte نشان داد که 55٪ از کسب و کارها از موارد استفاده از GenAI به دلیل مسائل مربوط به داده ها مانند حساس بودن داده ها یا نگرانی در مورد حریم خصوصی و امنیت آن اجتناب کرده اند. تحقیق RAND همچنین تاکید کرد که بسیاری از سازمان ها داده های لازم برای آموزش یک مدل موثر را ندارند.

از طریق مصاحبه با 65 دانشمند و مهندس داده، تحلیلگران RAND دریافتند که علت اصلی شکست پروژه هوش مصنوعی شامل عدم شفافیت در مورد مشکلی است که وعده حل آن را می دهد. ذینفعان صنعت اغلب این مشکل را اشتباه می‌فهمند یا به اشتباه ارتباط برقرار می‌کنند، یا یکی را انتخاب می‌کنند که برای حل آن با فناوری بسیار پیچیده است. همچنین ممکن است سازمان بیشتر بر استفاده از «جدیدترین و بهترین فناوری» متمرکز باشد تا اینکه واقعاً مشکل موجود را حل کند.

سایر نگرانی‌هایی که ممکن است در شکست پروژه GenAI که توسط Deloitte ذکر شده است، شامل خطر ذاتی هوش مصنوعی – توهم، سوگیری، نگرانی‌های مربوط به حریم خصوصی – و همگام شدن با مقررات جدید مانند قانون هوش مصنوعی اتحادیه اروپا.

کسب و کارها در پیگیری پروژه های جدید GenAI ثابت قدم می مانند

علیرغم میزان موفقیت ضعیف، 66 درصد از مدیران ارشد اطلاعات مستقر در ایالات متحده طبق گزارش بلومبرگ، در حال استقرار خلبان‌های GenAI هستند، در مقایسه با 32 درصد در دسامبر. مورد استفاده اصلی ذکر شده، عوامل چت بات، مانند برنامه های خدمات مشتری بود.

درصد پاسخ دهندگانی که اظهار داشتند در حال حاضر در حال آموزش مدل های بنیاد هستند نیز از 26 درصد به 40 درصد در همان دوره افزایش یافته است.

گزارش RAND شواهدی را ارائه می‌دهد که نشان می‌دهد کسب‌وکارها تلاش‌های GenAI خود را در نتیجه چالش‌هایی که در عبور از خط آنها وجود دارد کاهش نمی‌دهند. با توجه به یک نظرسنجی، 58 درصد از شرکت های متوسط ​​قبلاً حداقل یک مدل هوش مصنوعی را برای تولید به کار گرفته اند.

به گفته گارتنر، ایجاد این استقامت مداوم در GenAI برخی از تأثیرات ملموس بر صرفه جویی در درآمد و بهره وری است. در همین حال، دو سوم سازمان‌هایی که توسط دیلویت مورد بررسی قرار گرفتند، گفتند که سرمایه‌گذاری‌های خود را افزایش می‌دهند، زیرا ارزش اولیه بالایی را دیده‌اند.

با این حال، تحقیقات ABBYY نشان داد که 63 درصد از رهبران جهانی فناوری اطلاعات نگران هستند که اگر از آن استفاده نکنند، شرکتشان عقب بماند.

حتی شواهدی وجود دارد که GenAI در حال تبدیل شدن به یک عامل حواس پرتی است. به گفته IBM، 47 درصد از رهبران فناوری احساس می‌کنند عملکرد فناوری اطلاعات شرکتشان در ارائه خدمات اساسی مؤثر است، کاهشی 22 درصدی از سال 2013. محققان پیشنهاد می‌کنند که این امر به معطوف کردن توجه آنها به GenAI مرتبط است، زیرا 43 درصد از مدیران فناوری می‌گویند که نگرانی‌های زیرساختی آنها در شش سال گذشته افزایش یافته است. ماه ها

ریتا سالام، معاون تحلیلگر گارتنر، می‌گوید: «این داده‌ها به عنوان یک نقطه مرجع ارزشمند برای ارزیابی ارزش کسب‌وکار حاصل از نوآوری مدل کسب‌وکار GenAI است.

اما مهم است که چالش‌های موجود در برآورد این ارزش را بپذیریم، زیرا مزایا بسیار خاص شرکت، مورد استفاده، نقش و نیروی کار است. اغلب، تأثیر ممکن است فوراً آشکار نشود و ممکن است در طول زمان تحقق یابد. با این حال، این تاخیر از مزایای بالقوه آن نمی کاهد.»