هوش مصنوعی هنوز برای شرکتها منفعت مالی نداشته است
هوش مصنوعی معمولا از طریق یادگیری تحت نظارت انسان فعالیت میکند و راهکارهای تازهای به انسان میآموزد، اما زمانی حداکثر قابلیتهای هوش مصنوعی عملی خواهد شد که این تکنولوژی به صورت مستقل فعالیت کند. به گزارش پیوست، تحقیقاتی بینالمللی روی بیش از ۳۰۰۰ مدیر و مصاحبه با مجریان و دانشمندان نشان داده که اکثر شرکتها از قابلیتهای هوش مصنوعی (AI) استفاده میکنند اما هنوز هوش مصنوعی منفعت مالی چندانی برای آنها نداشته است. این تحقیق که در مطالعه توسعه تاثیر هوش مصنوعی با یادگیری سازمانی از سوی گروه مشاوره بوستون و با همکاری بخش بررسی مدیریت اسلون از دانشگاه MIT منتشر شده است نشان داد که تنها یک مورد از هر ۱۰ شرکت به واسطه هوش مصنوعی به منافع قابل توجه مالی دست پیدا کردهاند. براین اساس کاربرد هوش مصنوعی در صنایع مختلف در حال افزایش است و به تدریج شرکتهای بیشتری از هوش مصنوعی در زمینه استراتژیک و کاهش خطر استفاده میکنند. این محققان دریافتند که ۵۷ درصد از شرکتها یا نمونهای آزمایشی از هوش مصنوعی دارند یا از هوش مصنوعی استفاده کردهاند. این آمار به میزان قابل توجهی نسبت به سال ۲۰۱۸ افزایش یافته است، در آن سال تنها ۴۴ درصد از شرکتها آزمایش یا استفاده از هوش مصنوعی را گزارش کرده بودند. امروز بیش از نیمی از پاسخدهندگان (۵۹ درصد) یک استراتژی هوش مصنوعی را گزارش کردهاند که نسبت به آمار ۳۹ درصدی سال ۲۰۱۷ افزایش چشمگیری داشته است. یکی از شرکتهایی که در این گزارش به آن اشاره شده، پورشه تولیدکننده خودروی آلمانی است که از هوش مصنوعی برای تصمیمگیریهای پیچیده تولید وابسته به منطقه جغرافیایی استفاده میکند تا عرضه و تقاضا را در شهرهای جهان متعادل کند. در این گزارش ماتیاس اولبریچ مدیر ارشد اطلاعاتی پورشه اعلام میکند که این شرکت چطور با استفاده از هوش مصنوعی پیکربندی خودروها را از بین میلیونها گزینه احتمالی مشخص کرده و روانه بازار میکند. مولف این گزارش اشاره میکند تغییر تقاضا و شرایط قانونی باعث شده تا پیشبینیهای دقیق و مداوم اهمیت بالایی پیدا کند. برای مثال پورشه اعلام کرده است که باید قابلیت تقسیم محصولات مناسب برای بازارهای مناسب را با استفاده از هوش مصنوعی بهبود بخشد. در حالی که آموزش هوش مصنوعی با نظارت انسانی نیازمند حضور و مشارکت انسان است اما مولفان عقیده دارند که هوش مصنوعی قادر به ارایه گزینههایی است که انسانها هنوز آن را بررسی نکردهاند. این پیشنهادها پس از آن ارایه میشوند که آموزش تحت نظارت اولیه پایان یافته و هوش مصنوعی به صورت مستقل شروع به یادگیری میکند. برای مثال این گزارش توضیح میدهد که مهندسان سازنده اپلیکیشن تاکسیرانی لیفت (lyft) چگونه با طراحی یک الگوریتم درآمد خود را با مطابقت عرضه و تقاضای بازار به حداکثر رساندند. در این گزارش الیزابت استون نماینده علمی سابق لیفت میگوید که این الگوریتم درخواستهای ارایهشده و تمامی تحرکات سیستم را در جایی که راننده قرار دارد ارزیابی کرده و به همین واسطه درآمد را به حداکثر میرساند. استون میگوید که متخصصان دادهها در شرکت لیفت با آزمایش بیشتر دریافتند که هوش مصنوعی الگوریتمی را شناسایی کرده است که نرخ درخواست سفر کاربران پس از بازکردن اپلیکیشن را بهبود میبخشد. او میگوید که وجود انسانها در این چرخه برای بررسی و آزمایش اهداف احتمالی برای الگوریتمهای یادیگری ماشینی ضروری است. با ترکیب دانشی که انسانها از تجارت مورد نظر دارند با قدرت محاسباتی هوش مصنوعی شرکت لیفت توانست یکی از شاخصهای مهم استراتژیک خود را بهبود بخشد. این تغییر بسیاری از فعالیتهای تجاری این شرکت از جمله عملیاتهای اجرایی، اهداف درآمدی، مدیریت عملکرد و بازاریابی را تحت تاثیر قرار داد. این مطالعه همچنین درمورد هوش مصنوعی مسوولیتپذیر نیز از شرکتهای مورد مطالعه سوال کرده است. هوش مصنوعی مسوولیتپذیر علاوه بر متریکها و شاخصهای رایج آماری موضوعاتی همچون اخلاق و پیشرفت انسانی را نیز مد نظر قرار میدهد. بیش از دو سوم این شرکتها (۷۲ درصد) پاسخ دادند که استراتژی هوش مصنوعی مسوولیتپذیر باعث افزایش مزایای مالی حاصل از هوش مصنوعی شده است و ۶۲ درصد از آنها معتقد بودند که استفاده از هوش مصنوعی خطر عملیاتی آنها را کاهش داده است.