خلاصه مقاله : این مقاله به این موضوع اشاره می‌کند که شرکت‌ها در سال 2024به تجربه‌های بزرگ هوش مصنوعی مشغول شده‌اند و در سال 2025 به دنبال کسب سودهای فوری و افزایش سودآوری هستند. با این حال، تمام پیشرفت‌ها به طور خطی نمی‌شود.
فارستر چه می گوید؟
پیش‌بینی‌های Forrester Research برای سال 2025 نشان‌دهنده تغییر از آزمایش‌های جسورانه هوش مصنوعی در سال 2024 به دنبال دستیابی به دستاوردهای نهایی است، اما همه پیشرفت‌ها خطی نیستند.
برنامه نویسان غرق در همکاری عمیق هستند و با پشتکار با هم کار می کنند تا مشکلات پیچیده را حل کنند و برنامه های کاربردی تلفن همراه مبتکرانه را با عملکرد یکپارچه توسعه دهند.
Forrester Research این هفته فهرستی از پیش‌بینی‌ها را برای سال 2025 منتشر کرد. با توجه به اینکه شرکت‌ها در سال 2024 آزمایش‌های جسورانه‌ای را با هدایت هوش مصنوعی مولد و سایر فناوری‌های نوظهور دنبال کردند، این شرکت تحقیقاتی و مشاوره محوری برای تحقق ارزش پیش‌بینی می‌کند.
شارین لیور، مدیر ارشد تحقیقات Forrester، چندی پیش در یک پست وبلاگی نوشت: «سال 2025 به دنبال دستیابی به سودهای کوتاه مدت و نهایی خواهد بود و در عین حال رقابت برای کاهش وفاداری مصرف کننده و خریداران کسب و کار دیجیتال اول خواهد بود. «برخی از رهبران آن هدف را به صورت استراتژیک دنبال می‌کنند، به گونه‌ای که سازمان‌های خود را برای موفقیت بلندمدت تنظیم می‌کنند. دیگران این کار را نخواهند کرد - و با محدودیت های رفع سریع مقابله خواهند کرد.
فورستر گفت که اکثر مدیران فناوری انتظار دارند بودجه فناوری اطلاعات آنها در سال 2025 افزایش یابد. لیور گفت، رهبران هوشمند فناوری اطلاعات از این تقویت برای تقویت زیرساخت ها، ساده کردن عملیات و ارتقای مهارت کارکنان استفاده خواهند کرد.
لیور گفت: «از آنجایی که آنها به دنبال عملیاتی کردن درس‌های آموخته‌شده از طریق آزمایش هستند، برنده‌های کوتاه‌مدت خواهند داشت و با موفقیت بازی طولانی هوش مصنوعی و سایر فناوری‌های نوظهور را انجام می‌دهند. «تقویت پایه‌ها به شرکت‌ها کمک می‌کند تا ناشناخته‌های پیش رو، از نتیجه انتخابات ریاست‌جمهوری آمریکا تا اجرای زودهنگام قانون هوش مصنوعی اتحادیه اروپا را بررسی کنند.»
هوش مصنوعی به سمت تنظیم مجدد حرکت می کند!
در زمینه هوش مصنوعی، فارستر پیش‌بینی کرد که فناوری‌های هوش مصنوعی با سرعت بی‌سابقه‌ای به رشد خود ادامه خواهند داد، اما کسب‌وکارها نسبت به ارزش کسب‌وکار که ارائه می‌کند تردید دارند. Jayesh Chaurasia، تحلیلگر، و Sudha Maheshwari، معاون و مدیر تحقیقات، در یک پست وبلاگی نوشتند که کسب و کارها از طریق جذابیت بردهای سریع و بازگشت سرمایه فوری به سمت پیاده سازی هوش مصنوعی کشیده شدند، اما این باعث شد بسیاری از نیاز به یک جامع و طولانی مدت غافل شوند.
آنها گفتند که در سال 2025، رهبران هوش مصنوعی باید با این واقعیت روبرو شوند که هیچ میانبری برای موفقیت در هوش مصنوعی وجود ندارد. پیش بینی های برتر آنها عبارتند از:
بیشتر شرکت‌هایی که روی AI ROI تثبیت شده‌اند، تلاش‌های خود را پیش از موعد کاهش می‌دهند. فارستر پیش‌بینی می‌کند با وجود اشتیاق برای تحولات مبتنی بر هوش مصنوعی، بازنشانی در آینده نزدیک است. چاوراسیا و ماهشواری گفتند: «انتظار بازدهی فوری سرمایه‌گذاری‌های هوش مصنوعی باعث می‌شود بسیاری از شرکت‌ها زودتر از آنچه باید تلاش‌های خود را کاهش دهند.» این عقب نشینی خطر سرکوب رشد و نوآوری بلندمدت را به همراه دارد، زیرا رهبران متوجه می شوند که بازگشت سرمایه (ROI) از هوش مصنوعی در یک دوره زمانی طولانی تر از آنچه در ابتدا پیش بینی می شد آشکار می شود. برای جلوگیری از این مشکل، آنها گفتند که رهبران هوش مصنوعی به موارد استفاده متمایز و یک استراتژی برای همسویی با آرزوهای تجاری نیاز دارند که دستاوردهای فوری را با بازگشت سرمایه پایدار متعادل کند.
40 درصد از شرکت‌هایی که به شدت تنظیم شده‌اند، داده‌ها و حکمرانی هوش مصنوعی را ترکیب می‌کنند. حاکمیت هوش مصنوعی به دلیل نوآوری سریع و عدم وجود الگوها، استانداردها یا گواهینامه های جهانی در حال حاضر یک موضوع پیچیده است. فارستر پیش بینی می کند که پیچیدگی در سال 2025 با ظهور مقررات جدید سختگیرانه در سال 2025، به ویژه قانون هوش مصنوعی اتحادیه اروپا در فوریه افزایش خواهد یافت. فورستر معتقد است که این فشارها باعث می‌شود که شرکت‌های بسیار تنظیم‌شده چارچوب‌های حاکمیتی داده‌ها و هوش مصنوعی خود را متحد کنند. چاوراسیا و ماهشواری می‌گویند: «این تغییر و هم‌گرایی برای چیزی فراتر از انطباق لازم است - این نشان‌دهنده یک حرکت اساسی به سمت رویکردی یکپارچه‌تر، شفاف‌تر، مسئولیت‌پذیرتر و از نظر اخلاقی مسئولانه‌تر به هوش مصنوعی است».
75 درصد از شرکت هایی که به تنهایی معماری های هوش مصنوعی عاملی را می سازند، شکست خواهند خورد. هوش مصنوعی عاملی یکی از پرطرفدارترین فناوری‌های هوش مصنوعی در حال حاضر است، اما چاوراسیا و ماهشواری گفتند که شرکت‌ها در سال 2025 با موانع مهمی برای جاه‌طلبی‌های هوش مصنوعی خود مواجه خواهند شد. پشته‌های نسل افزوده، معماری داده‌های پیشرفته، و تخصص در جایگاه‌ها.» آنها پیش بینی کردند که شرکت های بالغ تر از ارائه دهندگان خدمات هوش مصنوعی و یکپارچه سازان سیستم کمک خواهند گرفت.
هوش مصنوعی زیرساخت ها، میزهای خدمات را تغییر شکل می دهد
با وجود بازنشانی احتمالی هوش مصنوعی، Forrester پیش‌بینی می‌کند که سال 2025 سالی خواهد بود که کسب‌وکارها شروع به نشان دادن بازگشت سرمایه و ارزش واقعی از ابتکارات هوش مصنوعی خواهند کرد. این به نوبه خود، زیرساخت های فناوری و متخصصان عملیات را تحت فشار قرار می دهد.
پیش بینی های برتر برای زیرساخت ها عبارتند از:
- یک فروشنده بزرگ فناوری پیشرفته سرمایه گذاری زیرساخت هوش مصنوعی خود را تا 25 درصد کاهش خواهد داد. فارستر پیش‌بینی می‌کند که یک فروشنده بزرگ مانند مایکروسافت، اوراکل، آمازون یا IBM در سرمایه‌گذاری زیرساخت‌های هوش مصنوعی خود در سال 2025 سلطنت خواهد کرد زیرا با کمبود عرضه، انتظارات برآورده نشده و فشار سرمایه‌گذار مواجه است. Michele Pelino و Naveen Chhabra، هر دو تحلیلگر اصلی، در یک پست وبلاگی نوشتند: «تقاضا برای تراشه‌ها و سرورهای هوش مصنوعی – که توسط هوش مصنوعی مولد تقویت می‌شود – از توانایی فروشندگان برای ارائه پیشی گرفته است. علاوه بر این، با وجود میلیاردها دلار سرمایه‌گذاری در زیرساخت‌های هوش مصنوعی و هوش مصنوعی مولد در سال 2023، تنها 20 درصد از کسب‌وکارها در سال 2024 از مزایای هوش مصنوعی بهره‌مند شدند. آنها پیش‌بینی کردند که این شکاف منجر به کاهش سرمایه‌گذاری‌های یک فروشنده بزرگ در سال 2025 می‌شود و سایر فروشندگان را برای انجام همین کار تشویق می‌کند. فارستر گفت که رهبران فناوری اطلاعات باید انتظار داشته باشند که این آبشار در سال آینده فشار بیشتری بر خدمات هوش مصنوعی و در دسترس بودن زیرساخت وارد کند.
- سلف سرویس به عنوان اولین تماس ترجیحی برای میزهای خدمات از انسان ها پیشی خواهد گرفت. Forrester پیش‌بینی می‌کند 50 درصد از کسب‌وکارها میز کمک سلف‌سرویس را به عنوان اولین نقطه تماس در سال 2025 فعال می‌کنند، و خاطرنشان می‌کند که پیشرفت‌هایی مانند عیب‌یابی نقطه پایانی خودکار مبتنی بر تجربه کارمندان دیجیتال و رسمی‌سازی جریان‌های کاری مدیریت خدمات سازمانی، آنچه را که سلف سرویس می‌تواند انجام دهد را گسترش می‌دهد.
توسعه نرم افزار مبتنی بر هوش مصنوعی با مشکلاتی روبرو می شود
هوش مصنوعی ژنرال در حال تبدیل شدن به یک نیروی فراگیر در تمام مراحل ارائه نرم افزار است. فارستر خاطرنشان کرد که تقریباً هر فروشنده ابزار نرم‌افزاری در سال 2024 یک قابلیت خلبان هوش مصنوعی را در ابزارهای خود گنجانده است یا برنامه‌های خود را برای انجام این کار اعلام کرده است. در طی 10 سال آینده، Forrester معتقد است که دستیاران کدنویسی هوش مصنوعی و هوش مصنوعی تعریف توسعه نرم افزار را تغییر خواهند داد.
اما در کوتاه مدت، فارستر پیش بینی می کند که در سال 2025:
- حداقل یک سازمان سعی خواهد کرد 50 درصد از توسعه دهندگان خود را با هوش مصنوعی جایگزین کند و شکست بخورد. نظرسنجی توسعه دهندگان Forrester در سال 2024 نشان داد که توسعه دهندگان حدود 24 درصد از زمان خود را صرف کدنویسی می کنند. بقیه زمان خود را صرف ایجاد طرح ها، نوشتن تست، رفع اشکالات و ملاقات با سهامداران می کنند. کریستوفر کاندو، تحلیلگر اصلی، در یک پست وبلاگی نوشت: «بنابراین، اگرچه انتظار داریم بهره‌وری توسعه‌دهندگان با استفاده از دستیارهای کدنویسی نسل هشتم هوش مصنوعی بهبود یابد، به راحتی می‌توان دید که توسعه‌دهندگان کارهای بیشتری از نوشتن کد انجام می‌دهند. به همین دلیل است که رهبران باید یک قدم از هیاهو برداشته و آنچه را که واقعاً پشت میز توسعه‌دهنده می‌گذرد در نظر بگیرند تا ببینند تبلیغات تا چه حد واقعی است.
تأثیر مختلط هوش مصنوعی بر عملیات سازمانی
وقتی صحبت از هوش مصنوعی در اتوماسیون به میان می آید، فارستر پیش بینی کرد که کلید موفقیت ایجاد تعادل بین نوآوری هوش مصنوعی با مقیاس و قابلیت اطمینان ابزارها و روش های اتوماسیون سنتی است.
پیش بینی های برتر اتوماسیون Forrester برای سال 2025 عبارتند از:
- ژنرال هوش مصنوعی کمتر از 1 درصد از فرآیندهای اصلی کسب و کار را تنظیم می کند. فورستر گفت هوش مصنوعی ژنرال بر طراحی فرآیند، توسعه و ادغام داده ها تأثیر می گذارد و در نتیجه زمان طراحی و توسعه و نیاز به رابط های دسکتاپ و موبایل را کاهش می دهد. اما پلتفرم‌های اتوماسیون فرآیند دیجیتال و روباتیک فعلی (RPA) همچنان فرآیند اصلی را تنظیم خواهند کرد. برای سال 2025، تصمیم گیرندگان می توانند نوآوری هوش مصنوعی را با مقیاس و قابلیت اطمینان ابزارها و روش های اتوماسیون سنتی با درک این موضوع که اتوماسیون قطعی در کنترل فرآیند اصلی و طولانی مدت باقی خواهد ماند، در حالی که مدل های هوش مصنوعی از انفجارهای بینش و کارایی پشتیبانی می کنند، تعادل ایجاد کنند. کریگ لو کلر، معاون و تحلیلگر اصلی، در یک پست وبلاگ نوشت.
- یک چهارم پروژه های رباتیک برای ترکیب اتوماسیون شناختی و فیزیکی کار خواهند کرد. توسعه دهندگان رباتیک فیزیکی در نتیجه نوآوری های هوش مصنوعی، هوش لبه و خدمات ارتباطی پیشرفته، نگاه جدیدی به هوش مصنوعی تجسم یافته دارند. Le Clair گفت: «این به ربات‌ها این امکان را می‌دهد که به جای پیروی از قوانین و جریان‌های کاری از پیش برنامه‌ریزی‌شده، محیط خود را حس کرده و به آن واکنش نشان دهند و آنها را در معرض موقعیت‌های پیچیده‌تر و غیرقابل پیش‌بینی‌تر قرار دهند.» تصمیم گیرندگان در صنایع دارای دارایی فشرده ارزش را در ترکیب مشاهده خواهند کرد و در پروژه های اتوماسیون فیزیکی سرمایه گذاری خواهند کرد تا کارایی عملیاتی خود را افزایش دهند.
- توسعه‌دهندگان شهروند 30 درصد از برنامه‌های اتوماسیون مبتنی بر هوش مصنوعی را ارائه خواهند کرد. فارستر بر این باور است که توسعه دهندگان شهروندی کاربردی ترین راه برای افزایش مقیاس ایجاد برنامه های اتوماسیون مبتنی بر هوش مصنوعی خواهند بود. Le Clair گفت: "توسعه دهندگان شهروند خارج از IT الهام بخش و تخصص لازم در حوزه را دارند تا تصور کنند که یک راه حل هوش مصنوعی ژنرال چگونه ممکن است به نظر برسد، به طور موثر LLM ها را تحریک کند و نتایج را به برنامه های کاربردی تزریق کند."
- چالش‌های پیاده‌سازی 25 درصد از تلاش‌های هوش مصنوعی عامل را متوقف می‌کند. فارستر پیش‌بینی می‌کند که اهداف تجاری مبهم و ادغام زودهنگام در تصمیم‌گیری باعث ایجاد سردرگمی در مورد استفاده از عوامل هوش مصنوعی می‌شود. لو کلر گفت: «تعیین سطح بهینه استقلال برای ایجاد تعادل بین ریسک و کارایی، رهبران کسب و کار را به چالش خواهد کشید. "یکپارچه سازی نظارت انسانی و اطمینان از دسترسی قابل اعتماد به داده های سازمانی برای آموزش عوامل هوش مصنوعی موانع دیگری هستند." لو کلر گفت که چشم انداز تکه تکه فروشنده، مسائل را پیچیده تر خواهد کرد. او گفت که برای استفاده مؤثر از عوامل هوش مصنوعی، شرکت ها باید فرآیندهای طراحی شده برای تعامل انسانی را دوباره ارزیابی کنند و فناوری های قدیمی را جایگزین کنند.
منبع:
