هوش مصنوعی بدون تناسب محصول با بازار، محکوم به شکست است. فراتر از موج زیادی که این روزها در استفاده از هوش مصنوعی شکل گرفته است، باید توجه داشت که عدم تناسب کارایی محصول با نیاز بازار می‌تواند موجب شکست آن می‌شود.

رونق پیش‌بینی‌شده‌ هوش مصنوعی با چالش‌هایی مواجه شده است، به طوری که بسیاری از شرکت‌ها در تلاش‌اند تا سرمایه‌گذاری‌های هوش مصنوعی را به مشاغل سودآور تبدیل کنند. انتظارات بالا برآورده نشده است، زیرا به‌کارگیری هوش مصنوعی مولد (Generative AI) دشوارتر از حد انتظار به اثبات رسیده و منجر به ارزش‌گذاری بیش از حد استارت‌آپ‌ها و کاهش علاقه‌ مصرف‌کنندگان شده است.

شرکت مشاوره‌ مکینزی اشاره می‌کند که تغییرات سازمانی قابل توجهی برای بهره‌مندی کامل از پتانسیل هوش مصنوعی مورد نیاز است. رهبران قبل از ادغام هوش مصنوعی، باید بر دستیابی به تناسب محصول با بازار، درک تقاضا و استفاده از ابزارهای مناسب تمرکز کنند.

سوء‌کاربردهایی مانند مسواک‌های هوش مصنوعی و چت‌بات‌هایی که توصیه‌های نادرستی ارائه می‌دهند، بر اهمیت این موضوع تأکید می‌کنند. سوءتفاهم در مورد قابلیت‌های هوش مصنوعی، که با عنوان «اشتباه فوربی» شناخته می‌شود، و «مشکل هم‌راستا بودن» باعث پیچیده‌تر شدن این وضعیت می‌شوند. تعریف واضح مشکل، معیارهای موفقیت، انتخاب فناوری و آزمایش‌های دقیق برای اجرای موفق هوش مصنوعی حیاتی هستند.

چالش در کاربردهای هوش مصنوعی
رونق هوش مصنوعی که در ابتدا انتظار می‌رفت صنایع را متحول کند و منافع اقتصادی قابل توجهی به همراه داشته باشد، با چالش‌های عملی مواجه شده است. بسیاری از سازمان‌ها با مشکل مواجه هستند تا سرمایه‌گذاری‌های هوش مصنوعی خود را به جریان درآمد قابل اعتمادی تبدیل کنند. سوء‌کاربردها و انتظارات غیر واقعی در مورد قابلیت‌های هوش مصنوعی منجر به ناامیدی مصرف‌کنندگان و ارزش‌گذاری بیش از حد استارت‌آپ‌ها شده است.

درک بازار و صنعت
رسیدن به اهداف از پیش تعیین شده هوش مصنوعی مستلزم این است که درک درست و جامعی از بازار داشته باشد درکی که باید شامل برآورده کردن نیاز های حقیقی بازار، صرفه جویی در هزینه، بهبود نتایج، مطابقت با کاربری افراد، نوع رقابت بازار و سایر ارزش های مهم بازار صنعت داشته باشد.

با تمرکز بر درک عمیق بازار و زمینه صنعت، شرکت‌ها می‌توانند احتمال موفقیت محصولات هوش مصنوعی خود را به طور قابل توجهی افزایش دهند و به رهبران نوآوری در این حوزه تبدیل شوند.

با مثالی ملموس به بررسی عدم تناسب هوش مصنوعی با نیاز های بازار می‌پردازیم، درست مثل این است که برای میخ زدن از چکش استفاده کنید و برای پختن پنکیک همان چکش را به کار بگیرید؛ چکش برای پنکیک نه تنها بی‌فایده است، بلکه باعث کثیف کاری و خرابکاری هم می‌شود. با این حال، به نظر می‌رسد در دنیای امروز، هوش مصنوعی حکم همان چکش را پیدا کرده است.

در نمایشگاه CES 2024، بازدیدکنندگان شاهد مسواک‌های هوش مصنوعی، قلاده‌های سگ با هوش مصنوعی، کفش‌های هوش مصنوعی و حتی برخی بازی‌های هوش مصنوعی بودند. حالا دیگر حتی ماوس کامپیوتر هم دکمه‌ی هوش مصنوعی دارد. در دنیای تجارت نیز، ۹۷ درصد از مدیران اجرایی بر این باورند که هوش مصنوعی نسل بعدی (Generative AI) ارزش افزوده‌ای به کسب‌وکارشان اضافه می‌کند و سه چهارم آن‌ها در حال واگذاری تعاملات با مشتری به چت‌بات‌ها هستند.

اشتباه فوربی: هوش مصنوعی و درک نادرست از نیازهای کاربر
برخلاف روندهای گذشته‌ فناوری، هوش مصنوعی به شکلی منحصربه‌فرد مستعد مختل کردن فرآیندهای موجود کسب‌وکارها برای دستیابی به تناسب محصول با بازار است. هنگامی که از ابزاری مانند ChatGPT استفاده می‌کنیم، به راحتی می‌توانیم با شباهت زیاد آن به انسان فریب بخوریم و فرض کنیم که این ابزار درک انسان‌واری از نیازهای ما دارد.

این موضوع مشابه چیزی است که می‌توانیم آن را «اشتباه فوربی» بنامیم. زمانی که اسباب‌بازی‌های سخنگوی فوربی در اوایل دهه ۲۰۰۰ وارد بازار شدند، بسیاری از مردم تصور می‌کردند که فوربی‌ها از کاربران خود یاد می‌گیرند. در واقع، این اسباب‌بازی‌ها تنها تغییرات رفتاری از پیش برنامه‌ریزی شده را اجرا می‌کردند؛ تمایل ذاتی ما به انسان‌انگاریِ فوربی‌ها باعث شد تا پیچیدگی آن‌ها را بیش از حد برآورد کنیم.

بازگشت به اصول: کلید موفقیت در هوش مصنوعی
سیستم‌های هوش مصنوعی به تنهایی نمی‌توانند تناسب محصول با بازار را پیدا کنند. این وظیفه ما، به عنوان رهبران و متخصصان فناوری است که نیازهای مشتریان خود را برآورده کنیم. این امر مستلزم رعایت چهار مرحله کلیدی است – برخی از آن‌ها برای دانشجویان دوره های ابتدایی کسب و کار آشنا هستند و برخی دیگر به طور خاص به چالش‌های توسعه‌ی هوش مصنوعی مربوط می‌شوند.

۱. درک مشکل: این جایی است که اکثر شرکت‌ها اشتباه می‌کنند، زیرا آن‌ها کار خود را با این فرض آغاز می‌کنند که مشکل اصلی‌شان کمبود هوش مصنوعی است. این منجر به این نتیجه‌گیری می‌شود که “اضافه کردن هوش مصنوعی” به خودی خود یک راه‌حل است، در حالی که نیازهای واقعی کاربر نهایی نادیده گرفته می‌شود. تنها با تعریف واضح مشکل بدون اشاره به هوش مصنوعی، می‌توانید بفهمید که آیا هوش مصنوعی یک راه‌حل مفید است یا خیر، و کدام نوع هوش مصنوعی برای مورد استفاده‌ی شما مناسب است.

۲. تعریف موفقیت محصول: کشف و تعریف آنچه باعث اثربخشی راه‌حل شما می‌شود، هنگام کار با هوش مصنوعی حیاتی است، زیرا همیشه مبادلاتی وجود دارد. برای مثال، یک سوال ممکن است این باشد که اولویت را روی روان بودن یا دقت بگذاریم. یک شرکت بیمه که یک ابزار بیمه‌سنجی ایجاد می‌کند، ممکن است یک چت‌بات روان که در محاسبات اشتباه می‌کند را نخواهد، در حالی که یک تیم طراحی که از هوش مصنوعی تولیدکننده برای ایده‌پردازی استفاده می‌کند، ممکن است یک ابزار خلاقانه‌تر را حتی اگر گاهی اوقات حرف‌های بی‌معنی بزند، ترجیح دهد.

۳. انتخاب فناوری: هنگامی که فهمیدید به دنبال چه چیزی هستید، با مهندسان، طراحان و سایر شرکای خود در مورد چگونگی رسیدن به آن کار کنید. شما ممکن است ابزارهای مختلف هوش مصنوعی را از مدل‌های هوش مصنوعی مولد تا چارچوب‌های یادگیری ماشین (Machine Learning) در نظر بگیرید و داده‌هایی را که استفاده خواهید کرد، مقررات مربوطه و خطرات شهرت را شناسایی کنید. رسیدگی به چنین سوالاتی در مراحل اولیه فرآیند، بسیار مهم است. بهتر است با در نظر گرفتن محدودیت‌ها، محصول را بسازید تا اینکه بعد از راه‌اندازی محصول، بخواهید به آن‌ها رسیدگی کنید.

4. تست و بازآزمایی راه‌حل: فقط همین حالا می‌توانید شروع به ساخت محصول خود کنید. شرکت‌های زیادی با عجله به این مرحله می‌روند و ابزارهای هوش مصنوعی را قبل از اینکه واقعاً بفهمند چگونه استفاده خواهند شد، ایجاد می‌کنند. ناگزیر، آن‌ها به دنبال مشکلاتی برای حل می‌گردند و با چالش‌های فنی، طراحی، حقوقی و سایر مواردی که باید زودتر در نظر می‌گرفتند، دست و پنجه نرم می‌کنند. اولویت دادن به تناسب محصول با بازار از همان ابتدا، از چنین اشتباهاتی جلوگیری می‌کند و فرآیندی از پیشرفت تکرارشونده را برای حل مشکلات واقعی و ایجاد ارزش واقعی امکان‌پذیر می‌سازد.