گزارش جدید «شکاف GenAI: وضعیت هوش مصنوعی در کسبوکار ۲۰۲۵» از دانشگاه MIT نشان میدهد تنها ۵٪ از طرحهای آزمایشی هوش مصنوعی مولد توانستهاند به رشد سریع درآمد برسند؛ در حالی که بیشتر پروژهها متوقف شده یا تأثیر اقتصادی قابلتوجهی نداشتهاند.
این تحقیق که بر پایه ۱۵۰ مصاحبه با مدیران، نظرسنجی از ۳۵۰ کارمند و بررسی ۳۰۰ استقرار عمومی هوش مصنوعی انجام شده، شکاف بزرگی را بین داستانهای موفقیت محدود و شکستهای سازمانی گسترده ترسیم میکند.
چرا بیشتر پروژهها شکست میخورند؟
به گفته آدیتیا چالاپالی، نویسنده اصلی گزارش MIT، مشکل اصلی کیفیت مدلها نیست، بلکه «شکاف یادگیری» سازمانی و ادغام ناقص ابزارها با فرایندهای داخلی است. او توضیح میدهد ابزارهایی مثل ChatGPT برای استفاده فردی عالی هستند، اما در محیط سازمانی به دلیل عدم سازگاری با جریانهای کاری، متوقف میشوند.
در مقابل، استارتاپهای کوچکتر با تمرکز روی یک مسئله مشخص و اجرای سریع، توانستهاند از صفر به دهها میلیون دلار درآمد برسند.
تخصیص منابع اشتباه
بیش از ۵۰٪ بودجه هوش مصنوعی مولد در شرکتها صرف فروش و بازاریابی میشود؛ در حالی که یافتههای MIT نشان میدهد بیشترین بازگشت سرمایه در اتوماسیون اداری و حذف برونسپاری فرآیندها است.
خرید یا ساخت؟
طبق دادهها، خرید ابزارهای تخصصی و همکاری با فروشندگان، در ۶۷٪ موارد موفقیتآمیز بوده؛ اما توسعه داخلی تنها در یکسوم موارد به نتیجه رسیده است. این شکاف بهویژه در صنایع تنظیمشده مثل خدمات مالی بیشتر دیده میشود؛ جایی که شرکتها با وجود هزینههای سنگین برای ساخت داخلی، نرخ شکست بالایی را تجربه کردهاند.
پیامدهای نیروی کار
تأثیر هوش مصنوعی روی بازار کار نیز مشهود است. بسیاری از شرکتها به جای اخراج گسترده، موقعیتهای خالی را پر نمیکنند. بیشترین تغییرات در نقشهایی رخ داده که پیشتر هم برونسپاری میشدند، مانند پشتیبانی مشتری و مشاغل اداری.
نگاه به آینده
پژوهش MIT همچنین به رشد «هوش مصنوعی سایه» در سازمانها و دشواری سنجش بهرهوری اشاره میکند. همزمان، پیشرفتهترین شرکتها به سمت هوش مصنوعی عاملی حرکت میکنند؛ سیستمهایی که میتوانند یاد بگیرند، به خاطر بسپارند و مستقل عمل کنند. این فناوریها تصویری از مرحله بعدی هوش مصنوعی سازمانی را نشان میدهند.
