شکاف های حاکمیتی که می تواند AI ROI شما را تضعیف کند

هوش مصنوعی به یک حوزه سرمایه گذاری قابل توجه برای مشاغل بریتانیا تبدیل شده است. بیش از 6 میلیارد پوند سرمایه گذاری جدید مرتبط با هوش مصنوعی در هفته فناوری لندن در ماه ژوئن اعلام شد، در حالی که بریتانیا همچنان میزبان بزرگترین بخش هوش مصنوعی در اروپا و سومین بخش بزرگ جهان است.

از خدمات مشتری و مدیریت دانش گرفته تا توسعه نرم افزار و عملیات داخلی، سازمان ها به دنبال مکان هایی هستند که ابزارهای هوش مصنوعی بتوانند بهره وری، تصمیم گیری و عملکرد تجاری را بهبود بخشند.

اما با افزایش سرعت سرمایه‌گذاری، نادیده گرفتن شکاف دیگری سخت‌تر می‌شود: سازمان‌ها معمولا هوش مصنوعی را سریع‌تر از توانایی‌شان در اندازه‌گیری، حاکمیت و توضیح ارزش آن مقیاس می‌دهند. زمانی که از مدیران ارشد مالی و مدیران ارشد مالی به طور فزاینده‌ای سؤال می‌شود نه صرفا اینکه آیا هوش مصنوعی پذیرفته شده است یا خیر، بلکه در ازای آن سازمان چه چیزی دریافت می‌کند.

وقتی کسب‌وکارها از خلبان‌های فردی به سمت عوامل جاسازی شده در جریان‌های کاری حرکت می‌کنند، اقتصاد پیچیده‌تر می‌شود. درک کاربری که یک درخواست واحد می دهد نسبتا آسان است. یک عامل ممکن است چندین مدل تماس برقرار کند، اطلاعات را بازیابی کند، ابزارها را فراخوانی کند و برای تکمیل یک کار اقداماتی انجام دهد.

بسته به پلت فرم و مدل قیمت گذاری، می تواند هزینه های مصرف، زیرساخت و نظارت اضافی را ایجاد کند. بنابراین CIOها نه تنها باید بدانند که هوش مصنوعی در کجا مستقر شده است، بلکه باید بدانند که چه کاری انجام می دهد، چه هزینه ای دارد و آیا نتیجه آن هزینه را توجیه می کند یا خیر.

هزینه نه چندان پنهان هوش مصنوعی

سرمایه گذاری در هوش مصنوعی به طور فزاینده ای مانند هر سرمایه گذاری بزرگ فناوری دیگر مورد بررسی قرار می گیرد. مشکل این است که اندازه گیری بازگشت آن می تواند به طور غیرعادی پیچیده باشد.

استفاده ممکن است در بخش‌ها، برنامه‌ها، مدل‌ها و گردش کار توزیع شود، در حالی که مزایا می‌تواند از زمان صرفه‌جویی تا بهبود کیفیت، کاهش ریسک یا افزایش درآمد متغیر باشد. بدون توافق اول اینکه موفقیت به چه معناست، سازمان‌ها می‌توانند به جای ارزش، فعالیت را بسنجند.

زمانی که سازمان‌ها هوش مصنوعی را توسعه می‌دهند، بدون اینکه ابتدا مشخص کنند که در جریان کار کجاست، چه کسی صاحب نتیجه است، موفقیت چگونه به نظر می‌رسد و هزینه‌ها چگونه اندازه‌گیری می‌شود، این کار دشوار می‌شود. هزینه‌ها می‌تواند در مجوزها، مدل‌ها، زیرساخت‌ها، پلتفرم‌ها و خدمات مبتنی بر مصرف تقسیم شود، بدون اینکه دیدگاه واحدی در مورد اینکه آیا این سرمایه‌گذاری‌ها ارزش ارائه می‌دهند یا خیر.

مقیاس چالش در حال آشکار شدن است. تحقیقات انجام شده توسط Emergn تخمین می‌زند که کسب‌وکارهای بزرگ بریتانیا سالانه 67 میلیارد پوند از دست دادن ابتکارات تحول و هوش مصنوعی که به نتیجه نمی‌رسند، از دست می‌دهند. به طور جداگانه، یک نظرسنجی سرشماری از 500 تصمیم گیرنده ارشد بریتانیا نشان داد که فقط 31٪ از مشاغلی که قبلا از هوش مصنوعی استفاده می کردند، بازگشت مثبت سرمایه خود را گزارش کردند.

حکمرانی بخشی از این چالش اندازه گیری است. نظرسنجی ShareGate در سال 2026 از 851 رهبر فناوری اطلاعات در هفت کشور نشان داد که نمایان بودن هزینه رایج‌ترین مانع برای اندازه‌گیری بازگشت سرمایه هوش مصنوعی است که توسط 51 درصد از پاسخ‌دهندگان شناسایی شده است و پس از آن پیچیدگی حاکمیتی با 47 درصد قرار دارد. چالش فقط دانستن هزینه های هوش مصنوعی نیست. این هزینه را به مورد استفاده ای که پشتیبانی می کند، اطلاعاتی که هوش مصنوعی با آن در تعامل است و نتیجه ای که ایجاد می کند، مرتبط می کند.

بسیاری از بحث های هوش مصنوعی تا به امروز بر انتخاب مدل، مهارت ها و بهره وری متمرکز بوده است. اما با گسترش پذیرش، شکاف دیگری نمایان می شود: اعتماد به حکومت همیشه با آنچه در عمل اتفاق می افتد مطابقت ندارد.

همان مطالعه نشان داد که 93 درصد از رهبران فناوری اطلاعات معتقد بودند که مدیریت مایکروسافت 365 آماده پشتیبانی مسئولانه از هوش مصنوعی است، با این حال 29 درصد گزارش کردند که ابزارهای هوش مصنوعی داده‌های داخلی حساسی را نشان داده‌اند که نباید در دسترس می‌بود. 8 درصد دیگر مطمئن نبودند که اصلا اتفاق افتاده است یا خیر.

این شکاف ها هزینه ها و همچنین ریسک را به همراه دارند. ابزارهای تکراری، اعتبار سنجی اضافی، دوباره کاری، بررسی های امنیتی و زمان صرف شده برای تعیین اینکه آیا می توان به یک خروجی اعتماد کرد، همگی یک مالیات پنهان بر پذیرش هوش مصنوعی ایجاد می کنند. برای CIOهایی که تلاش می کنند ارزش خود را نشان دهند، کاهش این اصطکاک با قابل مشاهده تر کردن، پاسخگویی و اندازه گیری تر کردن استفاده از هوش مصنوعی شروع می شود.

چگونه سازمان ها می توانند کنترل را دوباره به دست آورند

حکمرانی خوب با تدارکات شروع نمی شود و به پایان نمی رسد. دانستن تعداد مجوزهای خریداری شده و محل تخصیص آنها مفید است، اما بازیابی کنترل مستلزم دید وسیع تری است: مشاهده نحوه استفاده از هوش مصنوعی و هزینه آن، مالکیت واضح نتایج، و یک محیط اطلاعاتی کاملا اداره شده برای عملکرد هوش مصنوعی.

مالکیت روشن به همان اندازه اهمیت دارد. همانطور که هوش مصنوعی در فرآیندهای تجاری جاسازی می شود، مسئولیت به راحتی می تواند در بین IT، امنیت، تیم های تجاری و کارکنان فردی تقسیم شود. این امر پاسخ دادن به برخی سؤالات اساسی را به طرز شگفت آوری دشوار می کند: چه کسی صاحب نتیجه است؟ چه کسی بر هزینه نظارت دارد؟ چه کسی تصمیم می گیرد که آیا یک مورد استفاده باید بزرگ شود، تغییر کند یا متوقف شود؟

حاکمیت هزینه تنها بخشی از تصویر است. سازمان ها همچنین باید محیط اطلاعاتی را که هوش مصنوعی در آن فعالیت می کند، بهبود بخشند. این به معنای کاهش محتوای اضافی و قدیمی، مدیریت دسترسی مناسب و کمک به کارکنان و سیستم‌های هوش مصنوعی در یافتن منابع معتبر است.

اطلاعات تمیزتر و با کنترل بهتر، پاسخ درست هوش مصنوعی را تضمین نمی کند، اما می تواند ابهام را کاهش دهد و اتصال به زمین قابل اعتماد را آسان تر کند. این می تواند به معنای صرف زمان کمتری برای جستجو، اعتبارسنجی و کار مجدد خروجی ها باشد.

کارمندان نیز در اینجا نقش دارند. تمایز واضح پیش‌نویس‌ها از مطالب تایید شده، به‌روز نگه داشتن ردیاب‌ها و اولویت‌ها، ثبت تصمیم‌ها و حفظ منابع معتبر، همگی تفسیر بافت سازمانی را برای افراد و هوش مصنوعی آسان‌تر می‌کنند. در جایی که سازمان‌ها از دستیاران جلسه هوش مصنوعی یا ابزارهای مشابه برای تصویربرداری از زمینه استفاده می‌کنند، آن ابزارها باید تحت کنترل‌های حفظ حریم خصوصی، حفظ و دسترسی مشابه اطلاعاتی باشند که ایجاد می‌کنند.

پس سوال رهبران دیگر این نیست که آیا هوش مصنوعی ارزش سرمایه گذاری را دارد یا خیر. این موضوع این است که آیا آنها دید و کنترل کافی برای درک اینکه هوش مصنوعی کجا ارزش ایجاد می کند، کجا هزینه ایجاد می کند و در نتیجه باید چه کارهایی متفاوت انجام دهند، دارند یا خیر. سرمایه گذاری هوش مصنوعی احتمالا ادامه خواهد داشت، اما تحت انتظارات متفاوت.

استقرار به تنهایی دلیلی بر ارزش نیست و حکمرانی در حال تبدیل شدن به چیزی بیش از یک تمرین مدیریت ریسک است. به طور فزاینده ای بخشی از پرونده تجاری است. رهبران باید بدانند هوش مصنوعی چه هزینه‌ای دارد، چه کسی مسئول نتایج آن است، آیا می‌توان به اطلاعات پشتیبانی‌کننده آن اعتماد کرد و چه سود قابل اندازه‌گیری ایجاد می‌کند.

سازمان‌هایی که بهترین موقعیت را برای مقیاس‌بندی دارند، لزوما آن‌هایی نیستند که بیشترین هوش مصنوعی را به کار می‌گیرند، بلکه سازمان‌هایی هستند که می‌توانند کارهایی را که انجام می‌دهد توضیح دهند، هزینه‌های آن را درک کنند و تصمیم‌گیری آگاهانه در مورد محل تعلق آن بگیرند.

ما بهترین چت ربات هوش مصنوعی را برای تجارت 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