در حالی که تیترها فریاد میزنند «۹۵٪ از پروژههای پایلوت هوش مصنوعی در شرکتها شکست خوردهاند»، گزارش واقعاً چیز کاملاً متفاوتی را فاش میکند: سریعترین و موفقترین پذیرش فناوری سازمانی در تاریخ شرکتها، درست زیر چشم مدیران در حال رخ دادن است.
مروری بر مقاله MIT
مطالعهای که این هفته توسط پروژه MIT NANDA منتشر شد، اضطراب زیادی در شبکههای اجتماعی و محافل تجاری ایجاد کرده است. بسیاری آن را نشانهی شکست هوش مصنوعی در تحقق وعدههایش میدانند. اما خواندن دقیقتر نسخهی ۲۶ صفحهای گزارش، تصویری کاملاً متفاوت نشان میدهد — تصویری از پذیرش فزاینده و خودجوش فناوری که در سکوت، شیوه کار را متحول کرده است، در حالی که طرحهای رسمی شرکتها ناکام ماندهاند.
پژوهشگران دریافتند که ۹۰٪ از کارکنان بهطور منظم از ابزارهای شخصی هوش مصنوعی در کار استفاده میکنند، با اینکه تنها ۴۰٪ از شرکتها اشتراک رسمی دارند. در گزارش آمده است:
«در حالی که فقط ۴۰٪ از شرکتها اعلام کردند اشتراک رسمی LLM خریداری کردهاند، کارکنان در بیش از ۹۰٪ از شرکتهای مورد بررسی گفتند از ابزارهای هوش مصنوعی شخصی در کارشان استفاده میکنند. در واقع تقریباً همهی افراد در نوعی از کارشان از مدل زبانی بزرگ استفاده کردهاند.»
کارمندان بیش از دو برابر نرخ رسمی شرکتها از ابزارهای هوش مصنوعی استفاده میکنند. (منبع: MIT)
چگونه کارکنان کد هوش مصنوعی را شکستند، در حالی که مدیران سردرگم ماندند
پژوهشگران MIT چیزی را کشف کردند که آن را «اقتصاد سایه هوش مصنوعی» نامیدند — جایی که کارکنان از حسابهای شخصی ChatGPT، اشتراکهای Claude و دیگر ابزارهای مصرفی برای انجام بخش بزرگی از کارشان استفاده میکنند. آنها فقط آزمایش نمیکنند؛ بلکه طبق گزارش، «چندین بار در روز در هر هفته کاری» از هوش مصنوعی بهره میگیرند.
این پذیرش زیرزمینی از نظر سرعت، از گسترش اولیه ایمیل، تلفنهای هوشمند و رایانش ابری در محیطهای کاری پیشی گرفته است.
یک وکیل شرکت در گزارش گفت: سازمانش ۵۰ هزار دلار برای ابزار تخصصی تحلیل قرارداد مبتنی بر هوش مصنوعی هزینه کرده، اما او همیشه از ChatGPT برای نگارش استفاده میکند چون «تفاوت کیفی بنیادین قابلتوجه است؛ ChatGPT خروجیهای بهتری تولید میکند، حتی با وجود ادعای فروشنده درباره استفاده از همان فناوری.»
در صنایع مختلف، الگو تکرار میشود:
سیستمهای سازمانی توصیف میشوند بهعنوان «شکننده، بیشمهندسیشده یا ناهماهنگ با جریان واقعی کار»، در حالی که ابزارهای مصرفی هوش مصنوعی به خاطر «انعطاف، آشنایی و کارایی فوری» تحسین میشوند.
یک مدیر فناوری اطلاعات گفت: «دهها دموی محصول دیدیم، شاید یکی دو مورد واقعاً مفید بودند؛ بقیه فقط پوسته یا پروژههای دانشگاهیاند.»
چرا ابزارهای ۵۰هزار دلاری شکست میخورند اما اپلیکیشنهای ۲۰دلاری موفقاند
آن نرخ شکست ۹۵٪ که در رسانهها برجسته شده، مربوط فقط به پروژههای داخلی یا سفارشی شرکتهاست — سیستمهای گرانقیمتی که خودشان یا فروشندگانشان ساختهاند. این ابزارها شکست میخورند چون فاقد چیزی هستند که پژوهشگران MIT آن را «توانایی یادگیری» مینامند.
اکثر سیستمهای هوش مصنوعی سازمانی «بازخورد را نگه نمیدارند، با زمینه سازگار نمیشوند و در طول زمان بهبود نمییابند.» کاربران گلایه میکنند که ابزارها «از بازخورد ما یاد نمیگیرند» و «هر بار باید زمینه را دستی وارد کنیم.»
برخلاف آن، ابزارهای مصرفی مثل ChatGPT موفقاند چون واکنشپذیر و منعطف هستند، هرچند در هر گفتوگو ریست میشوند. ابزارهای سازمانی خشک و ایستا هستند و برای هر بار استفاده تنظیمات فراوان نیاز دارند.
این شکاف در «یادگیری» ترجیحات کاربران را شکل داده است:
- برای کارهای سریع مثل ایمیل و تحلیل اولیه، ۷۰٪ ترجیح میدهند هوش مصنوعی را جای انسان.
- اما برای کارهای پیچیده و حساس، ۹۰٪ همچنان انسان را ترجیح میدهند.
مرز میان این دو «حافظه و تطبیقپذیری» است، نه «هوش».
رونق پنهان میلیارددلاری در زیر رادار واحد IT
برخلاف ادعای شکست، این اقتصاد سایه افزایش عظیم بهرهوری را نشان میدهد که در شاخصهای رسمی شرکتی دیده نمیشود. کارکنان خودشان مشکلات ادغام را حل کردهاند و ثابت کردهاند که هوش مصنوعی، وقتی درست به کار گرفته شود، کار میکند.
در گزارش آمده است:
«این اقتصاد سایه نشان میدهد افراد میتوانند با دسترسی به ابزارهای منعطف و واکنشی، از شکاف GenAI عبور کنند.»
برخی شرکتها تازه متوجه این واقعیت شدهاند و شروع کردهاند به تحلیل استفادههای شخصی کارکنان تا بفهمند کدام ابزار واقعاً ارزش دارد — پیش از خرید نسخههای سازمانی مشابه.
بهبودهای بهرهوری واقعی و قابل اندازهگیری هستند، فقط از دید حسابداری سنتی پنهان ماندهاند. کارها خودکار میشوند، تحقیقات سرعت میگیرد، ارتباطات سادهتر میشود — در حالی که بودجه رسمی هوش مصنوعی شرکت بازده خیلی کمی دارد.
چرا «خریدن» بهتر از «ساختن» است: همکاری خارجی دو برابر موفقتر است
یافتهی دیگر گزارش کلیشهی قدیمی دنیای فناوری را به چالش میکشد: شرکتها باید دست از ساخت داخلی بردارند.
همکاری با فروشندگان بیرونی دو برابر موفقتر است.
شرکتهایی که با استارتآپهای هوش مصنوعی مثل ارائهدهنده خدمات کسبوکار رفتار کردند نه فقط فروشنده نرمافزار، بیشترین موفقیت را داشتند. آنها دستاورد عملی میخواستند، نه دموهای چشمگیر. شرط موفقیت، سفارشیسازی عمیق و بهبود پیوسته بود.
پژوهشگران نوشتند:
«با وجود باور رایج درباره امتناع شرکتها از آموزش مدلهای هوش مصنوعی، بیشتر تیمها در مصاحبهها ابراز تمایل کردند، مشروط به اینکه مزایا روشن و حفاظهای امنیتی برقرار باشد.»
کلید کار شراکت بود، نه فقط خرید.
هفت صنعت که دچار انقلاب نشدهاند، در واقع هوشمند عمل کردهاند
گزارش MIT نشان داد که تنها بخشهای فناوری و رسانه تغییر ساختاری محسوس از هوش مصنوعی نشان میدهند، در حالی که هفت صنعت عمده — مانند مراقبت سلامت، مالی و تولید — گرچه پروژههای آزمایشی فعال دارند، تغییری بنیادی نداشتهاند.
این رویکرد محتاطانه به معنای شکست نیست — بلکه نشانهی خرد است. صنایع مذکور با احتیاط در حال اجرا هستند، نه درگیر آشوب.
در حوزههای سلامت و انرژی، «اکثر مدیران اجرایی هیچ کاهش استخدام فعلی یا پیشبینیشده در پنج سال آینده را گزارش نمیکنند.»
بخشهای فناوری و رسانه سریعتر حرکت میکنند چون توان ریسک بیشتری دارند. بیش از ۸۰٪ از مدیران در این دو بخش انتظار دارند تا ۲۴ ماه آینده استخدام را کاهش دهند، اما سایر صنایع ثابت کردهاند که پذیرش موفق هوش مصنوعی نیازی به تغییرات شدید ندارد.
اتوماسیون پشتصحنه میلیونها دلار سود میآورد، در حالی که جلویصحنه تیتر میگیرد
تمرکز شرکتها بیشتر روی ابزارهای بازاریابی و فروش است که حدود ۵۰٪ بودجه هوش مصنوعی را جذب میکنند، اما بیشترین بازده مالی از اتوماسیون بخشهای پشتیبان میآید که معمولاً نادیده گرفته میشوند.
در گزارش آمده است:
«برخی از چشمگیرترین صرفهجوییهای هزینهای در اتوماسیون بخشهای پشتیبانی دیده شد.»
شرکتها سالانه ۲ تا ۱۰ میلیون دلار در حوزه خدمات مشتری و پردازش اسناد صرفهجویی کردند و قراردادهای برونسپاری (BPO) را حذف کردند، همچنین هزینههای خلاقیت بیرونی را تا ۳۰٪ کاهش دادند.
این صرفهجوییها «تقریباً بدون کاهش نیروی انسانی» محقق شد. ابزارها سرعت کار را زیاد کردند، اما ساختار تیم و بودجهها ثابت ماند؛ بازده سرمایه از کاهش هزینههای خارجی آمد، نه از اخراج کارکنان.
انقلاب هوش مصنوعی در حال موفقیت است — نفر به نفر، گفتوگو به گفتوگو
یافتههای MIT نشان نمیدهد که هوش مصنوعی شکست خورده؛ بلکه نشان میدهد آنقدر خوب کار میکند که کارکنان از مدیران جلو زدهاند.
فناوری موفق است؛ خرید و مدیریت شرکتی شکست خورده است.
پژوهشگران سازمانهایی را شناسایی کردند که در حال عبور از «شکاف GenAI» هستند، با تمرکز بر ابزارهایی که درون کار جریان پیدا میکنند و به مرور سازگار میشوند.
«گذار از ساختن به خریدن، همراه با ظهور کاربران حرفهای (prosumer) و قابلیتهای عاملمحور (agentic)، فرصتهای بیسابقهای را برای فروشندگانی خلق میکند که میتوانند سیستمهای یادگیرنده و یکپارچه واقعی ارائه دهند.»
آن ۹۵٪ پروژههای شکستخورده، در واقع یک نقشه راه ارائه میدهد: از آن ۹۰٪ کارکنان یاد بگیرید که همین حالا فهمیدهاند هوش مصنوعی چگونه واقعاً درست کار میکند.
یک مدیر تولید در مصاحبه گفت:
«ما قراردادها را سریعتر پردازش میکنیم، ولی فقط همین تغییر کرده.»
اما او نکتهی بزرگتر را ندید:
همین «پردازش سریعتر قراردادها» وقتی در میلیونها کاربر و هزاران وظیفه روزانه ضرب شود، همان افزایش تدریجی و پایدار بهرهوری است که مفهوم واقعی موفقیت فناوری را میسازد.
انقلاب هوش مصنوعی شکست نخورده — در سکوت، موفق شده است. گفتوگویی در هر لحظه، کارمندی در هر دفتر.
