در حالی‌که بسیاری از شرکت‌ها با سرعت بالا در حال اضافه کردن ابزارهای هوش مصنوعی به فرآیندهای کاری خود هستند، مطالعه‌ای تازه از MIT نشان می‌دهد که ۹۵ درصد از این پروژه‌ها در نهایت تأثیر محسوسی بر سود و زیان سازمان‌ها ندارند. دلیل اصلی این ناکامی، ضعف مدل‌های هوش مصنوعی نیست، بلکه عدم سازگاری ابزارهای عمومی مثل ChatGPT با جریان‌های کاری و ساختارهای سازمانی موجود عنوان شده است.
طبق گزارش نشریه فورچن، تنها حدود ۵ درصد از این طرح‌های آزمایشی توانسته‌اند به رشد درآمدی قابل‌توجهی منجر شوند. بخش بزرگی از پروژه‌ها یا نیمه‌تمام رها شده‌اند یا اثرگذاری بسیار محدودی بر عملکرد مالی شرکت‌ها داشته‌اند. این یافته‌ها حاصل ترکیب داده‌های مختلف از جمله ۱۵۰ مصاحبه عمیق، یک نظرسنجی از ۳۵۰ کارمند و بررسی ۳۰۰ مورد اجرای عملی هوش مصنوعی در محیط‌های سازمانی است.
این گزارش نشان می‌دهد که استفاده مؤثر از هوش مصنوعی صرفاً به معنای خرید یا به‌کارگیری یک ابزار نیست، بلکه نیازمند بازطراحی فرآیندهای کاری، آموزش کارکنان و یکپارچه‌سازی هوشمندانه با ساختار سازمان است. به نظر می‌رسد بسیاری از شرکت‌ها صرفاً به دنبال موج ترند هوش مصنوعی حرکت می‌کنند، بدون آنکه واقعاً استراتژی مشخصی برای بهره‌برداری از آن داشته باشند. همین موضوع باعث می‌شود در نهایت تنها درصد کوچکی از پروژه‌ها بازدهی واقعی داشته باشند.
راز موفقیت ۵ درصد پروژه‌های هوش مصنوعی؛ تمرکز و اجرا
نتایج مطالعه MIT نشان می‌دهد آن ۵ درصد از پروژه‌های موفق هوش مصنوعی که برخلاف اکثریت شکست نمی‌خورند، یک تفاوت اساسی دارند: آنها روی یک مشکل مشخص تمرکز کرده و آن را به‌طور کامل و کارآمد اجرا می‌کنند. به گفته آدیتیا چالاپالی، پژوهشگر MIT و نویسنده اصلی این تحقیق، برخی از استارتاپ‌های جوان و حتی شرکت‌های بزرگ توانسته‌اند با انتخاب یک «نقطه درد» واقعی و همکاری مؤثر با مشتریان خود، در زمینه هوش مصنوعی مولد عملکردی درخشان داشته باشند.
با این حال، بسیاری از سازمان‌ها همچنان در تعیین اولویت‌ها دچار خطا می‌شوند. یافته‌ها نشان می‌دهد که بیشترین بهره‌وری هوش مصنوعی زمانی حاصل می‌شود که در اتوماسیون امور پشتیبانی به‌کار گرفته شود؛ همان کارهای تکراری و اداری که معمولاً برون‌سپاری می‌شوند. با این وجود، بیش از نیمی از سرمایه‌گذاری‌ها در حوزه فروش و بازاریابی انجام می‌شود، بخش‌هایی که هنوز به شدت به حضور و تعامل انسانی نیاز دارند.
همچنین این گزارش فاش می‌کند که برخی شرکت‌ها در واکنش به کمبود نیروی کار در نقش‌هایی مانند پشتیبانی مشتری یا مشاغل اداری، به جای استخدام افراد جدید، تلاش کرده‌اند این جای خالی را با هوش مصنوعی پر کنند.
این یافته‌ها نشان می‌دهد موفقیت در هوش مصنوعی بیش از آنکه به قدرت فناوری وابسته باشد، به تمرکز، انتخاب درست اولویت‌ها و شیوه پیاده‌سازی مربوط است. به نظر می‌رسد بسیاری از شرکت‌ها هنوز در حال آزمون‌وخطا هستند و سرمایه‌گذاری در بخش‌های نادرست باعث می‌شود بازدهی واقعی نداشته باشند. اگر سازمان‌ها به جای دنبال کردن ترندها، هوشمندانه بر حوزه‌هایی مثل اتوماسیون پشتیبانی تمرکز کنند، احتمالاً شاهد رشد چشمگیرتری در بهره‌وری خواهند بود.