خلاصه
- گارتنر پیشبینی کرده که تا سال ۲۰۳۰، تقریباً همه کارهای بخش آیتی با هوش مصنوعی انجام میشه.
- برخلاف نگرانیها، این تغییر باعث بیکاری گسترده نمیشه؛ ۷۵ درصد کارها با همکاری انسان و هوش مصنوعی جلو میره.
- هوش مصنوعی باعث افزایش ظرفیت بخشهای آیتی میشه، اما مدیرها باید بتونن این ظرفیت اضافی رو توجیه کنن.
- شغلهای سطح پایین و کارآموزی ممکنه کمتر بشن چون هوش مصنوعی به نیروهای ارشد کمک میکنه کارهای بیشتری رو انجام بدن.
- توصیه شده که مدیران آیتی سریعا از مرحله چتباتهای ساده عبور کنن و سراغ عاملهای تعاملی (مثل سیستمهای مذاکرهکننده مستقل) برن.
گارتنر پیشبینی کرده تا سال ۲۰۳۰، تقریبا تمام کارهای بخشهای آیتی با کمک هوش مصنوعی انجام میشه. اما نکته مهم اینه که به نظر این شرکت، این ماجرا قرار نیست به بیکاری گسترده کارمندها منجر بشه.
قضیه از این قراره که آلیشا مولری، یکی از تحلیلگرهای ارشد گارتنر، در یک رویداد توی استرالیا توضیح داده که در حال حاضر، ۸۱ درصد کارهای حوزه آیتی فقط توسط انسان و بدون هیچ کمکی از هوش مصنوعی انجام میشه. اما پیشبینی گارتنر اینه که تا پنج سال دیگه، این معادله کاملا عوض میشه. اونها معتقدند که ۷۵ درصد کارهای آیتی توسط همکاری انسان و هوش مصنوعی انجام خواهد شد و بقیه کارها هم به طور کامل به رباتها یا همون باتها سپرده میشه.
پس تکلیف شغلها چی میشه؟
دریل پلامر، یکی دیگه از تحلیلگرهای برجسته گارتنر، میگه این تغییر باعث میشه ظرفیت کاری بخشهای آیتی بالاتر بره. اما همین موضوع یک چالش جدید ایجاد میکنه: مدیرهای آیتی باید به شرکت ثابت کنن که به این ظرفیت اضافی نیاز دارن و لایق نگه داشتنش هستن. توصیه پلامر اینه که «هیچ وقت نباید جوری به نظر برسه که شما نیروی اضافی دارید». اون پیشنهاد میکنه که مدیرهای فناوری با همکارهاشون توی بخشهای دیگه شرکت صحبت کنن تا فرصتهای جدیدی پیدا کنن که بخش آیتی بتونه با اجرای اونها برای کسب و کار ارزشآفرینی کنه.
پلامر و مولری معتقدند که حداقل تا پنج سال آینده، خبری از چیزی که اسمش رو «حمام خون مشاغل هوش مصنوعی» گذاشتن، چه در حوزه آیتی و چه در صنایع دیگه، نخواهد بود. اونها اضافه کردن که امروزه فقط یک درصد از موارد از دست دادن شغل به هوش مصنوعی ربط داره. با این حال، اونها یک پیشبینی دیگه هم دارن: تعداد شغلهای سطح پایین یا کارآموزی کمتر میشه. دلیلش هم اینه که هوش مصنوعی به نیروهای ارشد این امکان رو میده که کارهایی رو انجام بدن که قبلا به نیروهای تازهکار و جونیور میسپردن.
چالشهای پیادهسازی و هزینههای پنهان هوش مصنوعی
این دو تحلیلگر همچنین پیشبینی میکنن که کسب و کارها برای پیادهسازی موثر هوش مصنوعی به مشکل میخورن، چون هزینههای اجرای اون به شدت بالا میره. پلامر برای مقایسه، از نرمافزارهای برنامهریزی منابع سازمانی (ERP) مثال میزنه و میگه هزینههای اونها مشخص و سرراسته: شما برای لایسنس، پیادهسازی و آموزش کارمندها پول میدید و تمام.
اما داستان هوش مصنوعی فرق میکنه. برای هوش مصنوعی هم همون سرمایهگذاری اولیه لازمه، ولی مشکل اینجاست که شرکتهای سازنده هوش مصنوعی با سرعت خیلی زیادی نوآوری میکنن و کمتر شرکتی میتونه خودش رو با این سرعت هماهنگ کنه. در نتیجه، وقتی شرکتی هوش مصنوعی رو به کار میگیره، باید تقریبا به طور مداوم دنبال کاربردهای جدید باشه و کارمندهاش رو دوباره و دوباره آموزش بده.
پلامر میگه شرکتهایی که سراغ هوش مصنوعی میرن باید منتظر ۱۰ هزینه جانبی پیشبینی نشده باشن. بعضی از این هزینهها شامل این موارد هستن:
- نیاز به خرید مجموعه دادههای (datasets) جدید
- هزینههای مربوط به مدیریت چند مدل هوش مصنوعی مختلف
- استفاده از یک مدل هوش مصنوعی برای بررسی و تایید خروجی یک مدل دیگه (که برای اطمینان از دقت لازمه)
همین هزینههای پنهان باعث شده گارتنر به این نتیجه برسه که ۶۵ درصد از مدیران ارشد اطلاعات (CIOs) از سرمایهگذاری روی هوش مصنوعی به سوددهی نرسیدن.
از کی هوش مصنوعی بخریم؟
با وجود همه این چالشها، پلامر و مولری به مدیرهای آیتی پیشنهاد میکنن که حتما دنبال هوش مصنوعی برن. اونها چهار شرکت بزرگ ارائهدهنده خدمات ابری یعنی آمازون (AWS)، مایکروسافت، گوگل و علیبابا رو به عنوان تامینکنندههای اصلی معرفی میکنن. دلیلشون هم اینه که این شرکتها از نظر منابع و استعدادها، مثل ابرقدرتهای ژئوپلیتیکی هستن.
از طرف دیگه، اونها شرکتهایی مثل اوپنایآی (OpenAI)، متا، آنتروپیک، دیپسیک (DeepSeek) و ایکسایآی (XAI) رو توی دستهبندی «فروشندههای غیرقابل پیشبینی» قرار میدن و میگن که این شرکتها «هنوز برای استفاده در سطح سازمانی آماده نیستن».
پلامر به طور مشخص درباره اوپنایآی به وبسایت The Register گفته که این شرکت هنوز کارهای لازم برای ایجاد لایسنسهایی که خریداران محتاط سازمانی به اونها نیاز دارن رو انجام نداده. به گفته اون، اوپنایآی محصولاتش رو به اندازه کافی با نرمافزارهای رایج سازمانی مثل مایکروسافت ۳۶۵ یکپارچه نکرده، حتی با اینکه دستیار هوشمند Copilot توی همین مجموعه نرمافزاری از فناوری اوپنایآی استفاده میکنه.
این دو تحلیلگر در نهایت به مدیران آیتی توصیه کردن که سریعا از مرحله چتباتهای ساده عبور کنن و به جای اون، سراغ عاملهای تعاملی (interactive agents) برن؛ یعنی سیستمهایی که میتونن کارهایی مثل مذاکره مستقل با تامینکنندهها رو انجام بدن.
دیدگاهتان را بنویسید