پارادوکسِ هوش مصنوعی
چرا غولهای کسبوکار در تلهی استقرار گرفتار میشوند؟
واکاوی وضعیت فعلی نشاندهنده یک «شکاف عمیق» میان وعدههای فناوری و نتایج عملکردی است. بر اساس گزارش مککینزی در سال ۲۰۲۵، تنها ۶ درصد از شرکتهای مورد مطالعه توانستهاند ارزش واقعی از هوش مصنوعی استخراج کنند، در حالی که ۸۸ درصد همچنان در دایرهی تکراریِ «آزمایش و خطا» اسیر ماندهاند. این گزارش تایید میکند که دوسوم شرکتها، پروژههای خود را بهدلیل عدم نوآوری و صلب بودن فرآیندها رها میکنند. بیسیجی نیز در تحلیلهای خود اشاره دارد که ۶۰ درصد سازمانها، علیرغم بودجههای کلان، هیچ بازگشت سرمایه مادی ندیدهاند. اکسنچر در هشداری صریح عنوان میکند که اگر شرکتها نتوانند به «مقیاسپذیری» برسند، ۷۵ درصد آنها تا پایان سال ۲۰۲۵ از گردونه رقابت حذف خواهند شد. این آمارها، مدیران را با یک پارادوکس روبرو کرده است: چرا فناوریای که تا این حد قدرتمند توصیف میشود، در میدان عمل چنین نتایج ضعیفی بهبار میآورد؟
بحرانِ «دادههای سمی» و زیرساختهای فرسوده
یکی از کلیدیترین دلایل این ناکامیها، نادیده گرفتن کیفیت و ساختار دادههاست. دادهها حکم «سوخت» را برای موتور هوش مصنوعی دارند، اما در اکثر شرکتها، این سوخت یا کثیف است یا غیرقابل دسترس. مککینزی بهدرستی به پدیده «سیلوهای داده» اشاره میکند؛ یعنی دادههایی که در بخشهای مختلف سازمان بهصورت جزیرهای حبس شدهاند و اجازه نمیدهند AI تصویری یکپارچه و موثر ارائه دهد. دیلویت تأکید دارد که ادغام هوش مصنوعی با سیستمهای قدیمی (Legacy Systems) بزرگترین سد معبر است؛ چرا که این سیستمهای فرسوده اساساً برای میزبانی از الگوریتمهای هوشمند طراحی نشدهاند. در صنعت مالی، ما بهوضوح میبینیم شرکتهایی که دادههای مشتریان خود را در سیلوهای مجزا نگه میدارند، در ساخت مدلهای پیشبینی شکست میخورند. این گسست فنی، عامل نابودی ۶۰ درصد پروژهها در سازمانهای با زیرساخت قدیمی است. راهکار، نه در خرید نرمافزار، بلکه در مدرنسازی زیرساختها و استفاده از پایگاههای داده ابری و ابزارهای ETL برای پالایش دادههاست.
لکنت در رهبری سازمانی و فقدان استراتژی هوشمند
بسیاری از سازمانها، هوش مصنوعی را بدون داشتن یک نقشه راه روشن پیادهسازی میکنند. مککینزی معتقد است عدم تعهد واقعی هیئتمدیره باعث میشود پروژهها در حد یک «بازی تفننی» یا پایلوت باقی بمانند. بیسیجی اشاره دارد که رهبران سازمان اغلب AI را یک موضوع فنیِ محض میپندارند، نهیک تحول استراتژیک در مدلِ کسبوکار. دیلویت گزارش میدهد که ۵۱ درصد شکستها مستقیماً به عدم همراستایی رهبری سازمانی مربوط میشود. پیدبلیوسی نیز هشدار میدهد که فراموش کردن اصول پایهای مانند «حاکمیت داده»، پروژهها را به بنبست میکشاند. کیپیامجی بر این باور است که مشکل اصلی، ضعف در انتقال و تشریح اهداف از رأس هرم سازمان به بدنه است. برای مثال، شرکتی که برای بهینهسازی فروش به سراغ هوش مصنوعی میرود اما استراتژی فروش خود را با آن منطبق نمیکند، تنها با مقاومت و سردرگمی داخلی روبرو خواهد شد.
مقاومت فرهنگی و زوالِ نیروی کار
شاید ناملموسترین اما برندهترین مانع، «فرهنگ سازمانی» باشد. ترس از جایگزینی توسط ماشین و عدم اعتماد به هوش مصنوعی، سد بزرگی در مسیر استقرار ایجاد کرده است. دیلویت تأکید دارد که عدم آمادگی نیروی کار (عامل ۴۱ درصد شکستها) مانعی کلیدی است. پیدبلیوسی نیز ۶۳ درصد مشکلات را ناشی از عوامل انسانی میداند. در شرکتهای تولیدی، کارگران اغلب هوش مصنوعی را تهدیدی برای امنیت شغلی خود میبینند. بدون برنامههای آموزشی جامع و تغییر نگرش فرهنگی، پیشرفتهترین ابزارها نیز بلااستفاده خواهند ماند. علاوه بر این، ناتوانی در «مقیاسپذیری» فنی نیز نمک بر زخم شکستها میپاشد؛ مانند خردهفروشی که مدلی عالی برای پیشبینی تقاضا در یک فروشگاه میسازد، اما در پیادهسازی آن در سطحِ شبکه فروشگاههای کشور ناکام میماند.
شکست در استقرار؛ فرجامِ گسست میان تکنولوژی و مدیریت
در نهایت باید گفت که شکست در استقرار هوش مصنوعی، بهندرت ناشی از ضعفِ خودِ تکنولوژی است؛ بلکه این ناکامی، نتیجهی ترکیبِ پیچیدهای از مشکلات دادهای، لکنت در رهبری، مقاومت فرهنگی و ناتوانی در مقیاسپذیری است. بسیاری از پروژهها بدون تعریفِ «موارد استفاده» (Use Cases) مشخص آغاز میشوند و از آنجا که ۵۶ درصد مدیران، طبق گزارش پیدبلیوسی، هیچ نرخ بازگشت سرمایهای (ROI) برای پروژهها نمیبینند، انگیزه برای ادامه مسیر از دست میرود. علاوه بر این، شکاف حاکمیتی (Governance Gap) و نگرانیهای امنیتی و اخلاقی، ریسکهای پیشبینی نشدهای را به سازمان تحمیل میکند. برای عبور از این بنبست، شرکتها ناگزیرند استراتژی هوش مصنوعی خود را با اهداف کلان کسبوکار گره بزنند، در مدرنسازیِ بیمحابای زیرساختهای داده سرمایهگذاری کنند و پیش از هر چیز، فرهنگ سازمانی و نیروی کار خود را برای این همزیستیِ هوشمند آماده سازند. تنها با اندازهگیری دقیق بازگشت سرمایه و طراحی پروژههایی که از همان ابتدا «قابلیت مقیاسپذیری» دارند، میتوان هوش مصنوعی را از یک ابزار هزینهبر، به موتور محرکِ رشد پایدار و ضامنِ بقا در جهانِ بیثبات فردا تبدیل کرد.
* مشاور مدیریت استراتژیک
