نگاهی به دو سال رشد و چالش‌های پیش روی ChatGPT و هوش مصنوعی مولد

پس از گذشت دو سال از رونمایی ChatGPT توسط OpenAI، شور و شوق اولیه پیرامون هوش مصنوعی مولد در میان مدیران ارشد فناوری اطلاعات (CIOها) به تدریج جای خود را به رویکردی محتاطانه‌تر داده است. با وجود وعده‌های جذاب و رقابت شدید در بازار فناوری، سازمان‌ها با موانع جدی در راه گسترش و به‌کارگیری این فناوری روبرو هستند.

محدودیت‌های اجرایی و چالش‌های پیش رو
اگرچه ابزارهایی مانند ChatGPT و سایر سیستم‌های هوش مصنوعی مشابه به دلیل سهولت استفاده و پتانسیل افزایش بهره‌وری، مورد توجه گسترده قرار گرفته‌اند، اما CIOها به این واقعیت پی برده‌اند که استفاده مؤثر از این فناوری نیازمند مهارت‌های تخصصی، مدیریت داده‌های قوی و زیرساخت‌های پیشرفته است. گزارشی از Infosys نشان می‌دهد که تنها ۲ درصد از سازمان‌ها به سطح مهارت، داده و فناوری مورد نیاز برای موفقیت در این حوزه دست یافته‌اند.

هزینه‌های سنگین، چالش دیگری است که بر دوش سازمان‌ها سنگینی می‌کند. هزینه‌های بالای سرویس‌های هوش مصنوعی مولد، مانند نسخه‌های سازمانی ChatGPT و کوپایلوت 365 مایکروسافت، به‌علاوه افزایش ۳۰ درصدی هزینه‌های ابری، فشار اقتصادی قابل توجهی را به سازمان‌ها وارد کرده است.

راهکارهای اولویت‌بندی و شخصی‌سازی
بسیاری از پروژه‌های هوش مصنوعی مولد به دلیل عدم دستیابی به نتایج مورد انتظار و عدم تحقق بازده عملیاتی، با شکست مواجه شده‌اند. به همین دلیل، مدیران ارشد فناوری به جای پیگیری همه کاربردهای این ابزارها، تمرکز خود را بر اهداف خاص و دارای ارزش افزوده بالا معطوف کرده‌اند. ابزارهای سفارشی‌شده که بر نیازهای خاص هر صنعت متمرکز هستند، در بهبود دقت و مدیریت داده‌ها موثرتر بوده‌اند.

شرکت‌هایی مانند جنرال میلز با تشکیل تیم‌های چند رشته‌ای و استفاده از ابزارهای سفارشی، به بهره‌وری قابل توجهی دست یافته‌اند. این شرکت با استفاده از MillsChat، که بر پایه مدل PaLM 2 گوگل توسعه یافته، بیست هزار کارمند خود را در زمینه‌های نگارش و ایده‌پردازی پشتیبانی می‌کند.

شفاف‌سازی اهداف و گزارش‌دهی منظم به هیئت مدیره در خصوص موفقیت‌ها و موانع، از عوامل کلیدی موفقیت در مدیریت این فناوری در جنرال میلز بوده است.

آینده هوش مصنوعی مولد
اگرچه استفاده عمومی از مدل‌های گسترده مانند ChatGPT همچنان ادامه دارد، اما تمرکز بر ابزارهای اختصاصی و مدل‌های سفارشی به دلیل کنترل بهتر بر دقت و خروجی‌ها در حال افزایش است. CIOها در تلاشند تا با شناسایی بهترین کاربردها و ایجاد چارچوب‌های نظارتی مناسب، به اهداف خود در این حوزه دست یابند.

مجله خبری تکنولوژی هارپی تک

دیدگاهتان را بنویسید

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