تله وظیفه: چرا بزرگترین وعده هوش مصنوعی ربطی به سرعت ندارد

هر هفته، یک تیتر دیگر جشن می گیرد که چگونه هوش مصنوعی برخی از کارها را سریعتر انجام داد. یک توسعه دهنده کد را 55 درصد سریعتر نوشت. یک بازاریاب در عرض چند دقیقه اولین پست وبلاگ را ایجاد کرد. یک مدیر محصول یک سند الزامات 200 صفحه ای را در چند ثانیه خلاصه کرد. اینها اعداد واقعی هستند.

اما آنها اعداد اشتباهی برای جشن گرفتن هستند.

اگر عقب نشینی کنید و سوال سخت تری را بپرسید - در واقع چه چیزی ارزش شرکت را ایجاد می کند؟ - سرعت کار به ندرت گلوگاه است. جایی که ترافیک ارزش گیر می کند تقریبا همیشه بالادست است، در سؤالی که قبل از کار انجام می شود:

این نیست که "ما می خواهیم فناوری اطلاعات چه چیزی بسازد؟"

این "چرا می خواهیم فناوری اطلاعات آن را بسازد؟"

این "چرا به آن پست وبلاگ نیاز داریم" نیست؟

این عبارت «چه محتوایی تأثیر کسب و کار را به همراه خواهد داشت؟»

این "کدام فرآیند باید بهینه شود؟" نیست.

این باید این باشد که "چگونه می‌توانیم به فرار با کیفیت که دوباره کاری و ضایعات تولید می‌کند رسیدگی کنیم؟" یا "چگونه از ترکیب تاخیرهای زنجیره تامین به تعهدات تحویل از دست رفته جلوگیری کنیم؟"

اینها سوالاتی هستند که هوش مصنوعی هنوز نمی تواند برای شما پاسخ دهد. و شکاف بین اتوماسیون کار و تولید نتیجه چالش تعیین کننده این دوره عاملی است.

روش یواشکی هوش مصنوعی کمکی نمی کند

هاروارد بیزینس ریویو در اوایل سال 2026 نامی برای این شکاف خاص هوش مصنوعی گذاشت: تله بهره وری خرد. شرکت‌ها وظایف فردی را بهینه می‌کنند، کد را سریع‌تر تولید می‌کنند، گزارش را سریع‌تر خلاصه می‌کنند، تیکت پشتیبانی را سریع‌تر هدایت می‌کنند، بدون اینکه در مورد گردش کار یا مدل‌های ارزش‌آفرینی آن کارها تجدیدنظر کنند.

نتیجه، سودهای بهره وری مجزا است که هرگز به تأثیر تجاری تبدیل نمی شود. تقریبا مانند یک سراب ارزشی. مطالعه عملکرد هوش مصنوعی PwC در سال 2026 نشان داد که 74 درصد از ارزش اقتصادی هوش مصنوعی تنها توسط 20 درصد از سازمان ها بدست می آید. این همان تله بهره وری خرد است. این چیزی است که رهبران هوش مصنوعی را از بقیه جدا می کند.

این گندم پیشرو هوش مصنوعی تنها خود را از کاه سایر سازمان‌ها جدا می‌کند، همچنان به "انجام هوش مصنوعی" برای دستیابی به بهره‌وری مجزا می‌پردازد. گارتنر هشدار داد که بیش از 40 درصد از پروژه‌های هوش مصنوعی تا پایان سال 2027 لغو خواهند شد، زیرا سازمان‌ها در وهله اول نمی‌توانند نتیجه‌ای را که برای آن ایجاد می‌کنند تعریف کنند.

PWC دریافت که شرکت هایی که موفق می شوند بر رشد و جذب ارزش متمرکز هستند. این شامل خیلی بیشتر از بهره وری است. من متوجه شده ام که بسیاری از سازمان ها با اولویت بندی مشکل دارند. ما از هوش مصنوعی می خواهیم که سریعتر در مسیر اشتباه حرکت کند. مثل این است که فکر می‌کنید فقط به این دلیل که در حال رانندگی با بوگاتی هستید، از خروجی اشتباه از بزرگراه خارج شوید.

ارزش واقعی باز کردن قفل هوش مصنوعی چیست؟

کلید ارزش واقعی هوش مصنوعی در دانش شماست. دانستن اینکه کدام موضوع وبلاگ مخاطب را قبل از نوشتن یک کلمه تکان می دهد. آیا سند قبل از ایجاد ارزش تجاری را ارائه می دهد، کدام فرآیند را هدف قرار دهد، کدام نقاط داده را باید متصل کرد.

اینها تصمیمات بالادستی است. آن‌ها به هوشمندی حوزه کسب‌وکار و درک اینکه چه چیزی مهم است، چه چیزی بیشترین هزینه را دارد، و در واقع تغییر ناگهانی در سطح تولید برای P&L چه معنایی دارد، نیاز دارند. اتوماسیون وظیفه خالص نمی تواند آن را تامین کند. فقط افرادی که در تقاطع تجارت و فناوری می نشینند می توانند.

راه حل حذف هر ذره ارزش از هوش مصنوعی راه حل جدیدی نیست. فقط تکامل یکی. من در مورد تیم‌های تلفیقی صحبت می‌کنم، یک واحد متقابل عملکردی که دانش حوزه کارشناسان عملیاتی و تجاری را با قضاوت معماری توسعه‌دهندگان حرفه‌ای ترکیب می‌کند، که با سرعت مشکل حرکت می‌کند تا سرعت عقب ماندگی IT.

چیزی که هسته اصلی تیم فیوژن است این است که آنها شناسایی مشکل و همسویی سریع‌تر فناوری تجاری را نشان می‌دهند، نه فقط سریع‌تر. این مفهوم باید به عوامل هوش مصنوعی منتقل شود - نحوه ساخت آنها و نحوه همکاری آنها در جریان کار.

برای اینکه عوامل واقعا کار کنند و به شما کمک کنند از آن تله‌های بهره‌وری خرد اجتناب کنید، باید داده‌های زمینه‌ای را به مدل‌های یادگیری ماشینی متصل کنید تا آنها نتوانند «سریع‌تر پیش بروند» بلکه بالاترین کیفیت تصمیم‌گیری را نیز بگیرند.

این همه در سوال است

موفقیت با هوش مصنوعی - نه آن سراب ارزشی که بهره‌وری خرد می‌تواند ایجاد کند - به متخصصان حوزه (مانند مهندسان کارخانه، مدیران فرآیند، و رهبران زنجیره تامین، تحلیلگران کسب‌وکار، متخصصان تدارکات، تنظیم‌کنندگان ادعاها و غیره) در کنار تیم‌های IT و داده نیاز دارد.

این به افرادی نیاز دارد که بفهمند کدام خطوط محصول نازکترین حاشیه را دارند، تاخیرهای تامین کننده بیشترین تاثیر را در تولید پایین دستی دارند، که مراحل کنترل کیفیت طولانی ترین زمان چرخه را ایجاد می کند.

به عبارت دیگر، طرز فکر تلفیق: نظم و انضباط تعریف نتیجه قبل از طراحی راه حل، و اندازه گیری ارزش کسب و کار به جای توان عملیاتی.

سازمان‌هایی که بیشترین ارزش اقتصادی هوش مصنوعی را در سال 2026 به دست می‌آورند، سازمان‌هایی نیستند که فرآیندهای سریع‌تر و مبتنی بر هوش مصنوعی را داشته باشند. آنها کسانی هستند که ابتدا مشکلات عملیاتی درست را شناسایی کردند، به اندازه کافی بر داده های خود نظارت کردند تا به آن اعتماد کنند، و چارچوب های سازمانی را برای هماهنگ کردن عوامل و افراد در برابر نتایجی که در واقع کسب و کار را حرکت می دهند، ایجاد کردند.

بنابراین برای ابتکار هوش مصنوعی بعدی خود، این سوال را دوباره طرح کنید: آیا به سمت یک نتیجه اساسی متفاوت می‌سازید یا فقط یک کار را خودکار می‌کنید؟

ما بهترین سازنده وب سایت هوش مصنوعی را معرفی کرده ایم.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit