Üretken yapay zeka (Genai) coşkusu birçok şirketi pilot projelere yatırım yapmaya itti, ancak Yeni bir MIT raporu rahatsız edici bir gerçekliği ortaya koyuyor: Bu girişimlerin% 95'i başarısız veya istenen sonuçlara yol açmıyor. “
Genai Divide: İşletme 2025'te AI Durumu“Gelirleri hızlandıran ve kâr ve kayıplar açısından hayal kırıklığı yaratan sonuçlar arasında derin bir bölünmeyi vurgular. Araştırma, Yüzlerce röportaj, anket ve kamu uygulamalarının analizine dayanarak, şirketlerin sadece küçük bir kısmının (yaklaşık%5) ölçülebilir bir etki elde etmeyi başardığını göstermektedir..
Nedeni? Modellerin kalitesinde bulunmamalıdır, ancak Hem araçlar hem de organizasyon açısından temel bir “öğrenme boşluğu”. Yöneticiler modellerin düzenlemesini veya performansını suçlama eğilimindeyken, MIT arayışı parmağını kusurlu bir kurumsal entegrasyona odaklar (FALCE Company Entegrasyonu).
Raporun ana yazarı Aditya Challapally'ye göre: “Sorun şu ki, bireyler için esnek olmasına rağmen, chatgpt gibi jenerik araçlar, karmaşık şirket çalışma akışlarına uyum sağlayamıyor. Öte yandan, daha genç ve daha çevik şirketler mükemmeldir, çünkü genellikle sadece bir kritik nokta seçtikleri, iyi çözdükleri ve araçlarını kullanan şirketlerle akıllıca işbirliği yaptıkları için“.
Başka bir şaşırtıcı rakam, kaynakların tahsisi ile ilgilidir: Genai için bütçelerin yarısından fazlası satış ve pazarlama için tasarlanırken, yatırımlara (ROI) geri dönüş, süreçlerin otomasyonu veya harici ajansların maliyetlerinin azaltılması gibi arka ofis işlevlerinde daha yüksektir.. Buna ek olarak, rapor, şirketlerin uzman tedarikçilerden araçlar edinmesi ve ortaklıklar yaratması durumunda, çözümlerini inşa etmek yerine ortaklıklar oluşturursa, benimsemenin başarılı olma olasılığının daha yüksek olduğunu göstermektedir, bu da vakaların% 67'sinde iflas ettiği kanıtlanmış bir yaklaşımdır.
MIT Nanda'nın raporu, AI sorununu farklı ama tamamlayıcı bir bakış açısıyla analiz eden MIT Media Lab'ın başka bir çalışmasında özetlenen bir perspektifle hizalanır.: Mevcut modellerin içsel olarak merkezileştirilmiş doğası. Birkaç büyük organizasyonun egemen olduğu AI'nın mevcut panoraması, güven eksikliği, gizlilik sorunları ve özellikle sağlık ve finans gibi hassas sektörlerde işbirliği ve yenilik frenlemesi ile çatışıyor.
Bu zorluklara yanıt olarak, Araştırmacılar, merkezi olmayan yapay zekaya doğru bir paradigma değişikliği öneriyorlar. Amaç, farklı kuruluşların merkezi bir otoriteye ihtiyaç duymadan hesaplama verilerini ve kaynaklarını işbirliği yapmasına ve paylaşmasına izin veren bir çerçeve oluşturmaktır..
Bu vizyon birbirine bağlı beş sütuna dayanmaktadır:
Gizlilik (ihlalsiz): Merkezi savunmasız depolara ihtiyaç duymadan hassas bilgileri koruyun.
Doğrulanabilirlik (güvensiz): Sistemin izinsiz bir ortamda bütünlüğünü sağlayın, burada katkının anonimlikten ödün vermeden doğrulanabileceği yer.
Teşvikler (brokeress): Birkaç şirketin aracılık olarak hareket ettiği ve veri üreticilerinden değer elde eden mevcut modeli aşan şeffaf tazminat mekanizmaları oluşturun.
Orkestrasyon (koordinatsız): Merkezi bir denetim varlığı olmadan farklı hedeflere sahip bireyleri ve kuruluşları bağımsız olarak koordine edin.
Kalabalık UX (sürtünmesiz): Sürtünmeyi azaltan ve merkezi olmayanı herkes için erişilebilir hale getiren bir kullanıcı arayüzü aracılığıyla katılımı basitleştirin.
Bu iki raporun yakınsaması, AI'nın geleceğinin sadece daha güçlü modellerde değil, aynı zamanda daha adil ve sağlam bir yaklaşımda da yaşadığını göstermektedir. Zaten aracı sistemlerini deneyen şirketler (önceden kurulmuş sınırlar içinde bağımsız olarak öğrenme ve hareket edebilen) şirketler, kurumsal yapay zekanın bir sonraki aşamasının nasıl gerçekleşebileceğine bir göz atar. “Genai bölünmesi” nin üstesinden gelmek sadece daha iyi araçlar değil, aynı zamanda yönetişim ve işbirliği modellerinin yeniden düşünülmesini, en demokratik ve güvenli bir dönem için umut verici bir çözüm olarak beliren ademi merkeziyetçilik gerektirecektir.
Bir yanıt yazın