گزارش تازه ای از دانشگاه ام آی تی نادا (MIT NADA) در آمریکا تصویری واقع بینانه و کمی تلخ از وضعیت هوش مصنوعی مولد در شرکت ها ارائه می دهد: 95 درصد از پروژه های آزمایشی یا پایلوت، هیچ اثر مالی قابل توجهی برای شرکت ها به همراه نداشته اند.

به گزارش فارس به نقل از این وست، این مطالعه که با عنوان شکاف هوش مصنوعی مولد: وضعیت هوش مصنوعی در کسب وکار 2025 منتشر شده، بر پایه 150 مصاحبه با مدیران، نظرسنجی از 350 کارمند و بررسی 300 پروژه عمومی در حوزه هوش مصنوعی است. نتیجه کلی این است که فقط بخش کوچکی از شرکت ها توانسته اند این فناوری را به طور موفق در کار خود ادغام کنند.

بر اساس یافته ها، تنها 5 درصد از پروژه های پایلوت توانسته اند به رشد سریع درآمدی منجر شوند. بیشتر پروژه ها در همان مرحله ابتدایی متوقف می شوند و توانایی عبور از فاز آزمایشی به سطح عملیاتی و گسترده را ندارند.

آدیتیا چلَپالی ، نویسنده اصلی گزارش و رییس گروه هوش مصنوعی متصل در آزمایشگاه رسانه دانشگاه ام آی تی آمریکا، دلیل اصلی این ناکامی ها را کیفیت پایین مدل ها نمی داند، بلکه آن را شکاف یادگیری بین ابزارهای هوش مصنوعی و سازمان های استفاده کننده عنوان می کند. او می گوید برخلاف ابزارهای مصرفی مثل چت جی پی تی که برای کاربر فردی انعطاف دارند، ابزارهای سازمانی اگر دقیقاً با جریان کار داخلی هماهنگ نشوند، شکست می خورند.

این تحقیق نشان می دهد بیش از نیمی از بودجه های هوش مصنوعی در شرکت ها صرف فروش و بازاریابی می شود، در حالی که بیشترین بازده سرمایه گذاری در بخش های پشتیبانی و اداری مشاهده شده است. خودکارسازی فرآیندهای دفتری باعث کاهش هزینه های برون سپاری، کاهش اتکا به آژانس های بیرونی و افزایش بهره وری می شود. این یعنی بسیاری از شرکت ها استراتژی روشنی برای سرمایه گذاری درست روی هوش مصنوعی ندارند.

عامل دیگر موفقیت یا شکست، شیوه تأمین ابزارهاست. خرید ابزارهای آماده از فروشندگان تخصصی و ایجاد شراکت های استراتژیک حدود 67 درصد مواقع موفق بوده، در حالی که سیستم های ساخته شده در داخل شرکت ها فقط یک سوم مواقع به نتیجه رسیده اند. این نکته در صنایع مالی که در سال 2025 به شدت روی توسعه هوش مصنوعی اختصاصی سرمایه گذاری کرده اند بسیار مهم است، چون داده ها نشان می دهد راه حل های بیرونی در عمل قابل اعتمادتر هستند.

به گفته چلپالی ، بسیاری از شرکت ها حاضر نیستند نرخ شکست پروژه هایشان را علنی کنند و معمولاً مشکلات را به عملکرد مدل یا محدودیت های قانونی ربط می دهند. اما مشکل اصلی، ادغام و پیاده سازی در سازمان است. گزارش پیشنهاد می دهد که فقط آزمایشگاه های مرکزی مسئول پیشبرد نباشند، بلکه مدیران خط مقدم هم باید اختیار و توانایی هدایت استفاده از هوش مصنوعی را داشته باشند. همچنین انتخاب ابزارهایی که قابلیت رشد و هماهنگی با نیازهای متغیر سازمان را داشته باشند، حیاتی است.

این تغییرات هم اکنون روی بازار کار هم اثر گذاشته اند. به جای موج گسترده اخراج ها، بسیاری از شرکت ها تصمیم گرفته اند موقعیت های خالی در بخش های خدمات مشتری و کارهای اداری را دیگر جایگزین نکنند. مخصوصاً مشاغلی که قبلاً ارزش پایین تری داشته و اغلب به خارج از شرکت سپرده می شدند، اکنون با اتوماسیون هوش مصنوعی به تدریج حذف می شوند.

در نهایت، گزارش به رشد هوش مصنوعی در سایه اشاره می کند؛ یعنی ابزارهایی مثل چت جی پی تی که کارمندان بدون مجوز رسمی شرکت استفاده می کنند. این موضوع باعث می شود ردیابی تأثیر واقعی هوش مصنوعی بر بهره وری و سود دشوار شود. در کنار این، برخی سازمان های پیشرو مشغول آزمایش نسل جدیدی از هوش مصنوعی عامل محور یا اِیجنتیک هستند؛ سیستم هایی که توانایی یادگیری، به خاطر سپردن و عمل مستقل در محدوده های مشخص را دارند. این آزمایش ها نشانه ای از مرحله بعدی تکامل هوش مصنوعی در کسب وکارهاست.