روندهای فناوری‌های استراتژیک هوش مصنوعی مولد

تالیف و ترجمه: یاسمن حسینی

آرون چاندراسکاران (Arun Chandrasekaran)، معاون ارشد تحلیلگر در گارتنر می‌گوید: ((هوش مصنوعی مولد به اولویت اصلی C-suite تبدیل شده و باعث نوآوری فوق‌العاده‌ای در ابزارهای جدید فراتر از مدل‌های پایه شده است. تقاضا برای هوش مصنوعی مولد در بسیاری از صنایع مانند مراقبت‌های بهداشتی، علوم زیستی، حقوقی، خدمات مالی و بخش عمومی در حال افزایش است)).

چرخه گارتنر 2023 برای هوش مصنوعی مولد، فناوری‌های کلیدی را شناسایی کرد که به طور فزاینده‌ای در بسیاری از برنامه‌های سازمانی قرار گرفتند. به طور خاص، سه نوآوری که پیش‌بینی می‌شود در طی ده سال تأثیر زیادی بر سازمان‌ها بگذارند شامل برنامه‌های کاربردی مجهز به GenAI، مدل‌های پایه و اعتماد هوش مصنوعی، مدیریت ریسک و امنیت (AI TRISM) است (شکل 1 را ببینید).

برترین روندهای فناوری استراتژیک برای سال 2024 عبارتند از:

برنامه های کاربردی GenAI-Enabled

برنامه‌های دارای GenAI از GenAI برای تجربه کاربر (UX) و افزایش وظایف برای تسریع و کمک به تکمیل نتایج مورد نظر کاربر استفاده می‌کنند. همانطور که برنامه‌ها با GenAI فعال می‌شوند این امر به طیف گسترده‌ای از مجموعه مهارت‌ها در نیروی کار نفوذ می‌کنند.

چاندراسکاران گفت: ((در حال حاضر متداول‌ترین الگوی قابلیت‌های قرار گرفته‌شده در GenAI تبدیل متن به X است که دسترسی افراد را به کارهایی که قبل از آن تخصصی بودند از طریق مهندسی سریع با استفاده از زبان طبیعی، دموکراتیک می‌کند. با این حال، این برنامه‌ها همچنان موانعی مانند توهم و عدم دقت را ایجاد می‌کنند که ممکن است تأثیر و پذیرش گسترده را محدود کنند)).

مدل‌های پایه

چاندراسکاران اظهار داشت: ((مدل‌های پایه به دلیل پیش‌آموزش گسترده و کاربرد وسیع از نظر استفاده، گام مهمی برای هوش مصنوعی هستند. مدل‌های بنیادین با بهبود بهره‌وری نیروی کار، خودکارسازی و افزایش تجربه مشتری و ایجاد مقرون‌به‌صرفه محصولات و خدمات جدید، تحول دیجیتال را در شرکت‌ها پیش می‌برند. به همین دلیل رهبران فناوری باید از مدل‌هایی با دقت بالا در تابلوهای امتیازات عملکردی استفاده کنند. مدل‌هایی که از پشتیبانی اکوسیستم برتری برخوردارند و اجزای محافظ سازمانی کافی در مورد امنیت و حریم خصوصی دارند)). گارتنر پیش‌بینی می‌کند که تا سال 2027، مدل‌های بنیادی زیربنای 60 درصد موارد استفاده از پردازش زبان طبیعی (NLP) خواهند بود که نسبت به کمتر از 5 درصد در سال 2021 افزایش عمده‌ای داشته‌است.

هوش مصنوعی دمکراتیک شده

هوش مصنوعی مولد (GenAI) با تلاقی مدل‌های از پیش آموزش‌دیده، محاسبات ابری و منبع باز در حال دموکراتیک شدن هستند و این مدل‌ها را در دسترس منابع انسانی در سراسر جهان قرار می‌دهند. گارتنر پیش‌بینی می‌کند که . تا سال 2026 بیش از 80 درصد شرکت‌ها از APIها و مدل‌های GenAI و یا برنامه‌های کاربردی مجهز به GenAI در محیط‌های تولیدی استفاده خواهند کرد در حالی که میزان به کارگیری آنها در اوایل سال 2023 کمتر از 5 درصد بود. برنامه‌های کاربردی GenAI می‌توانند منابع گسترده‌ای از اطلاعات داخلی و خارجی را در دسترس کاربران تجاری قرار دهند. این بدان معناست که پذیرش سریع GenAI دانش و مهارت‌ها را در سازمان به طور قابل توجهی دموکراتیک می‌کند. مدل‌های زبانی بزرگ (LLM)، نیز به شرکت‌ها کمک می‌کند تا کارکنان خود را با دانش به سبک محاوره‌ای با درک معنایی غنی مرتبط کنند.

اعتماد هوش مصنوعی، مدیریت ریسک و امنیت (AI TRISM)

AI TRISM حاکمیت مدل هوش مصنوعی، قابل اعتماد بودن، انصاف، قابلیت اطمینان، استحکام، کارایی و حفاظت از داده‌ها را تضمین می‌کند. AI TRISM شامل راه‌حل‌ها و تکنیک‌هایی برای تفسیرپذیری و توضیح مدل، تشخیص ناهنجاری داده‌ها و محتوا، حفاظت از داده‌های هوش مصنوعی، عملیات مدل و مقاومت در برابر حملات افراد متخاصم است. سازمان‌هایی که ریسک‌های هوش مصنوعی را به طور مداوم مدیریت نمی‌کنند به‌طور تصاعدی تمایل دارند تا نتایج نامطلوبی مانند شکست‌ها و نقض‌های پروژه را تجربه کنند. AI TRISM ابزارهایی را برای Model Ops، حفاظت پیشگیرانه از داده‌ها، امنیت ویژه هوش مصنوعی، نظارت بر مدل (شامل نظارت بر جابجایی داده‌ها، جابجایی مدل و یا نتایج ناخواسته) و کنترل ریسک برای ورودی‌ها و خروجی‌ها به مدل‌ها و برنامه‌های شخص ثالث ارائه می‌دهد. نتایج نادرست، غیراخلاقی یا ناخواسته هوش مصنوعی، خطاهای فرآیند و تداخل عوامل مخرب می‌تواند منجر به نقص امنیتی، ضرر یا مسئولیت مالی و اعتبار و آسیب اجتماعی شود. AI TRISM یک چارچوب مهم برای ارائه هوش مصنوعی مسئولانه است و انتظار می‌رود طی دو تا پنج سال آینده به جریان اصلی برسد. تا سال 2026، سازمان‌هایی که شفافیت، اعتماد و امنیت هوش مصنوعی را عملیاتی می‌کنند، شاهد پیشرفت 50 درصدی مدل‌های هوش مصنوعی از نظر پذیرش، اهداف تجاری و پذیرش کاربر خواهند بود. گارتنر پیش‌بینی می‌کند که تا سال ۲۰۲۶، شرکت‌هایی که از کنترل‌های AI TRISM استفاده می‌کنند دقت تصمیم‌گیری خود را با حذف ۸۰ درصد از اطلاعات معیوب و مخرب افزایش خواهند داد.

توسعه AI-Augmented

توسعه تقویت‌شده با هوش مصنوعی به معنای استفاده از فناوری‌های هوش مصنوعی مانند GenAI و یادگیری ماشین برای کمک به مهندسان نرم‌افزار در طراحی، کدنویسی و آزمایش برنامه‌ها است. مهندسی نرم افزار به کمک هوش مصنوعی بهره‌وری توسعه‌دهندگان را بهبود می‌بخشد و به تیم‌های توسعه کمک می‌کند تا به تقاضای فزاینده برای نرم‌افزار برای اجرای فرآیندهای تجاری‌شان رسیدگی کنند. این ابزارهای توسعه مبتنی بر هوش مصنوعی به مهندسان نرم‌افزار اجازه می‌دهند زمان کمتری را برای نوشتن کد صرف کنند بنابراین می‌توانند زمان بیشتری را برای فعالیت‌های استراتژیک‌تر مانند طراحی و ترکیب برنامه‌های کاربردی تجاری قانع‌کننده صرف کنند.

برنامه‌های کاربردی هوشمند

برنامه‌های هوشمند شامل هوش که گارتنر آن را به عنوان سازگاری آموخته شده برای پاسخ مناسب و مستقل به عنوان یک قابلیت تعریف می‌کند را می‌توان در بسیاری از موارد استفاده کرد تا کار را بهتر یا خودکار کند. به عنوان یک قابلیت اساسی، هوشمندی در برنامه‌ها شامل خدمات مختلف مبتنی بر هوش مصنوعی، مانند یادگیری ماشین، ذخیره‌های برداری و داده‌های متصل می‌شود. در نتیجه، برنامه‌های کاربردی هوشمند تجربیاتی را ارائه می‌کنند که به صورت پویا با کاربر سازگار می‌شوند. به طور کلی نیاز و تقاضای واضحی برای برنامه‌های کاربردی هوشمند وجود دارد. بیست و شش درصد از مدیران عامل در نظرسنجی مدیر عامل و مدیران ارشد بازرگانی گارتنر در سال 2023 کمبود استعداد را مخرب‌ترین خطر برای سازمان خود ذکر کردند. پس جذب و حفظ نیروی کار با استعداد، اولویت اصلی مدیران عامل است در حالی که تا سه سال آینده هوش مصنوعی به عنوان فناوری شناخته شده بیشترین تأثیر را بر صنایع آنها خواهد داشت.

نیروی کار متصل تقویت شده (ACWF)

نیروی کار متصل تقویت شده (ACWF) یک استراتژی برای بهینه سازی ارزش حاصل از نیروی انسانی است. نیاز به تسریع و گسترش استعدادها، روند ACWF را هدایت می‌کند. ACWF از برنامه‌های کاربردی هوشمند و تجزیه‌وتحلیل نیروی کار برای ارائه زمینه و راهنمایی‌های روزمره برای پشتیبانی از تجربه، رفاه و توانایی نیروی کار برای توسعه مهارت‌های خود استفاده می‌کند. در همان زمان، ACWF نتایج تجاری و تأثیر مثبت را برای سهامداران کلیدی به ارمغان می‌آورد. تا سال 2027، 25 درصد از مدیران ارشد فناوری اطلاعات از ابتکارات نیروی کار با اتصال تقویت شده برای کاهش 50 درصد زمان رسیدن به شایستگی برای نقش‌های کلیدی استفاده خواهند کرد.

مدیریت مستمر مواجهه با تهدید

مدیریت مستمر مواجهه با تهدید (CTEM) یک رویکرد عملگرا و سیستمی است که به سازمان‌ها اجازه می‌دهد تا دسترسی، قرار گرفتن در معرض و قابلیت بهره‌برداری از دارایی‌های دیجیتال و فیزیکی یک شرکت را به طور مستمر و پیوسته ارزیابی کنند. همسو کردن حوزه‌های ارزیابی و اصلاح CTEM با بردارهای تهدید یا پروژه‌های تجاری، به جای یک جزء زیرساخت نه تنها آسیب‌پذیری‌ها بلکه تهدیدهای غیرقابل اصلاح را نیز آشکار می‌کند. گارتنر پیش‌بینی می‌کند که تا سال 2026 سازمان‌هایی که سرمایه‌گذاری‌های امنیتی خود را بر اساس برنامه CTEM اولویت‌بندی می‌کنند به کاهش دو سومی در موارد نقض پی خواهند برد.

مشتریان ماشینی (custobots)

مشتریان ماشینی (custobots) بازیگران اقتصادی غیرانسانی هستند که می‌توانند به طور مستقل مذاکره و خرید را در ازای عملیات پرداخت کالاها و خدمات انجام دهند. تا سال 2028، 15 میلیارد محصول متصل با پتانسیل‌های رفتاری به عنوان مشتری وجود خواهد داشت و در سال‌های آینده میلیاردها محصول دیگر نیز به دنبال آنها خواهند آمد. این روند رشد تا سال 2030 منبع تریلیون‌ها دلار درآمد خواهد بود و در نهایت از ورود تجارت دیجیتال قابل توجه‌تر خواهد بود ولی ملاحظات استراتژیک باید شامل فرصت‌هایی برای تسهیل این الگوریتم‌ها و دستگاه‌ها یا حتی ایجاد custobot های جدید باشد.

فناوری پایدار

فناوری پایدار چارچوبی از راه‌حل‌های دیجیتالی است که برای فعال کردن نتایج زیست‌محیطی، اجتماعی و حکمرانی (ESG) استفاده می‌شود که از تعادل اکولوژیکی بلندمدت و حقوق بشر پشتیبانی می‌کند. استفاده از فناوری‌هایی مانند هوش مصنوعی، ارز دیجیتال، اینترنت اشیاء و محاسبات ابری باعث نگرانی در مورد مصرف انرژی مرتبط و اثرات زیست محیطی می‌شود. این امر باعث جلب اطمینان می‌شود که استفاده از IT کارآمدتر، دایره‌ای و پایدارتر می‌شود. در واقع، گارتنر پیش‌بینی می‌کند که تا سال 2027، 25 درصد از CIOها غرامت شخصی خود را با تأثیر فناوری پایدار خود مرتبط خواهند دید.

مهندسی پلتفرم

مهندسی پلتفرم رشته ساخت و راه‌اندازی پلتفرم‌های توسعه داخلی سلف سرویس است. هر پلتفرم یک لایه است که توسط یک تیم محصول اختصاصی ایجاد و نگهداری می‌شود و برای پشتیبانی از نیازهای کاربران خود با تعامل با ابزارها و فرآیندها طراحی شده‌است. هدف مهندسی پلتفرم بهینه‌سازی بهره‌وری، تجربه کاربر و تسریع در ارائه ارزش تجاری است.

پلتفرم‌های ابری صنعتی

تا سال 2027، گارتنر پیش‌بینی می‌کند که بیش از 70 درصد شرکت‌ها از پلتفرم‌های ابری صنعتی (ICP) برای سرعت بخشیدن به ابتکارات تجاری خود استفاده خواهند کرد که این رقم در سال 2023 کمتر از 15 درصد بود. به یک محصول کامل با قابلیت‌های قابل ترکیب ارائه می‌شود. اینها معمولاً شامل کتابخانه‌ای از قابلیت‌های تجاری بسته‌بندی شده، ابزارهای ترکیب‌بندی و دیگر نوآوری‌های پلتفرم هستند. ICPها پیشنهادهای ابری مختص یک صنعت هستند و می‌توانند بیشتر برای نیازهای سازمان تنظیم شوند. به گفته گارتنر، ارزش بهره‌وری هوش مصنوعی تا سال 2027 به عنوان شاخص اقتصادی اولیه قدرت ملی شناخته می‌شود.

علاوه بر آن، داریل پلامر، معاون تحلیلگر برجسته در گارتنر درباره رشد هوش مصنوعی مولد گفت: ((“GenAI فرصتی را برای به انجام رساندن چیزهایی ارائه می‌دهد که قبل از آن هرگز ممکن نبود. به همین خاطر، مدیران ارشد اجرایی و مدیران اجرایی از خطرات استفاده از GenAI استقبال می‌کنند تا بتوانند از مزایای بی‌سابقه آن بهره‌مند شوند)).

پلامر اظهار داشت: ((امسال هوش مصنوعی مولد در قلب هر تصمیم استراتژیک قرار گرفته‌است)). ضمنا تجزیه‌وتحلیل گارتنر از روندهای فناوری نشان می‌دهد که در طول سال گذشته، هر نوآوری مبتنی بر فناوری دیگر از کانون توجه خارج شده‌است.

وی افزود: ((GenAI قالب را شکسته و به ایجاد هیجان بیشتر ادامه داده است)). گارتنر پیش‌بینی کرد که تا سال 2028 میزان اتحاد افراد دارای دانش همراه با انگیزه پذیرش GenAI، 1000 درصد افزایش خواهد یافت. امّا بسیاری از رهبران کسب‌وکار معتقدند هوش مصنوعی باعث حذف موقعیت‌ها می‌شود. ولی گارتنر از مدیران خواست تا به وضوح با کارکنان خود در مورد استقرار هوش مصنوعی داخلی ارتباط برقرار کنند تا از عواقب ناخواسته ایجاد اضطراب هوش مصنوعی در میان کارکنان جلوگیری کنند. ضمنا گارتنر، فراتر از رهبران کسب‌وکار خاطرنشان کرد که: ((دولت‌ها نیز تعهدی قوی به هوش مصنوعی دارند و استراتژی‌ها و طرح‌هایی را اولویت‌بندی می‌کنند که هوش مصنوعی را به عنوان یک فناوری کلیدی در بخش خصوصی و عمومی می‌شناسند. این شامل گنجاندن هوش مصنوعی در برنامه ریزی ملی بلندمدت است که از طریق اجرای قوانین و مقررات مربوطه برای تقویت ابتکارات هوش مصنوعی تقویت می‌شود)).

پلامر گفت: ((پیاده‌سازی این تکنولوژی در سطح ملی، هوش مصنوعی را به عنوان کاتالیزوری برای افزایش بهره‌وری برای تقویت اقتصاد دیجیتال ارائه می‌کند. اجرای موفقیت‌آمیز ابتکارات هوش مصنوعی در مقیاس بزرگ مستلزم حمایت و همکاری ذینفعان مختلف است که توانایی بسیج و گردهمایی منابع ملی را نشان می‌دهد)).

یکی از حوزه‌های کاربردی کلیدی برای CIOها و رهبران فناوری اطلاعات، توانایی هوش مصنوعی مولد برای کمک به بخش‌های فناوری اطلاعات در مدیریت سیستم‌های قدیمی‌تر است. به گفته گارتنر، ابزارهای هوش مصنوعی مولد برای توضیح برنامه‌های تجاری قدیمی و ایجاد جایگزین‌های مناسب مورد استفاده قرار خواهند گرفت و هزینه‌های نوسازی را تا سال ۲۰۲۷ تا ۷۰ درصد کاهش می‌دهند.

پلامر در توضیح این فرصت گفت: ((بلوغ مدل‌های زبان بزرگ (LLM) فرصتی را برای CIOها فراهم می‌کند تا مکانیسم‌های معتبر و مورد انتظار را برای مدرن‌سازی برنامه‌های تجاری قدیمی به شیوه‌ای مقرون‌به‌صرفه پیدا کنند)). او توصیه کرد که: ((CIOها واحدهای تست اختصاصی برای آزمایش خروجی تولید شده توسط (LLM) ایجاد کنند. پلامر همچنین به CIOها پیشنهاد کرد که: ((فرآیندهای مدیریت تغییر و ارتقای مهارت را ایجاد کنند تا به نیروی کار کمک کند تا بهره‌وری را در طول چرخه مدرن‌سازی به حداکثر برسانند)). البته در کنار فرصت‌ها، گارتنر همچنین اطلاعات نادرست را به عنوان خطری شناسایی کرد که با افزایش هوش مصنوعی مولد افزایش می‌یابد. پلامر گفت: ((ظهور سریع GenAI و فراهم شدن شرایط در مورد گنجاندن اطلاعات نادرست به عنوان یکی از خطرات مرتبط با افزایش قدرت و در دسترس بودن GenAI برای افراد خطاکار قرار داده‌است. شرکت‌هایی که نظارت دقیقی بر این گونه افراد، تنظیم‌کننده‌ها و ارائه‌دهندگان ابزارها و فناوری‌هایی دارند که به مبارزه با اطلاعات نادرست کمک می‌کنند احتمالاً نسبت به رقبا برتری قابل توجهی خواهند داشت)).

تالیف و ترجمه: یاسمن حسینی

منابع:

https://www.gartner.com/en/newsroom/press-releases/2023-10-11-gartner-says-more-than-80-percent-of-enterprises-will-have-used-generative-ai-apis-or-deployed-generative-ai-enabled-applications-by-2026, Gartner Says More Than 80% of Enterprises Will Have Used Generative AI APIs or Deployed Generative AI-Enabled Applications by 2026

https://www.computerweekly.com/news/366556633/Gartner-CIOs-must-prepare-for-generative-AI-disruption, Gartner: CIOs must prepare for generative AI disruption

https://www.gartner.com/en/newsroom/press-releases/2023-10-16-gartner-identifies-the-top-10-strategic-technology-trends-for-2024, Gartner Identifies the Top 10 Strategic Technology Trends for 2024

مقالات مرتبط:

کاربردهای عملی و پیش‌بینی گارتنر درباره آینده هوش مصنوعی مولد

هوش مصنوعی مولد

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا