پژوهش جدید الاستیک: مشکل اصلی هوش مصنوعی، زیرساخت داده‌ها است، نه خود هوش مصنوعی

شرح خبر

پژوهش جدید الاستیک با بررسی بیش از ۵۰۰ تصمیم‌گیر ارشد هوش مصنوعی در استرالیا نشان می‌دهد که یک سوم کسب‌وکارها در سال گذشته بودجه هوش مصنوعی خود را تجاوز کرده‌اند، اما نیمی از آنها قصد دارند امسال نیز هزینه‌های خود را افزایش دهند. پدیده «توکن‌ماکسینگ» به بهینه‌سازی هوش مصنوعی برای فعالیت‌های قابل مشاهده به جای ارزش تجاری واقعی اشاره دارد. ۸۰ درصد تصمیم‌گیران نگران هستند که استفاده زیاد از هوش مصنوعی با افزایش واقعی بهره‌وری اشتباه گرفته شود، در حالی که تنها ۸ درصد رصد می‌کنند آیا هوش مصنوعی درآمد یا صرفه‌جویی واقعی در هزینه‌ها را به ارمغان می‌آورد. ۳۲ درصد کسب‌وکارها پیاده‌سازی هوش مصنوعی را متوقف یا لغو کرده‌اند، زیرا خروجی‌ها نتوانسته‌اند هزینه‌ها را توجیه کنند. کیفیت پایین داده‌ها به عنوان اصلی‌ترین دلیل عملکرد ضعیف ابزارهای هوش مصنوعی شناخته شده است. پژوهش جدید الاستیک نشان می‌دهد که کسب‌وکارهای استرالیایی با وجود افزایش بودجه هوش مصنوعی، همچنان با مشکل حل‌نشده زیرساخت داده‌ها روبرو هستند. یک سوم از آنها در سال گذشته بودجه خود را تجاوز کردند، اما نیمی قصد دارند هزینه‌ها را افزایش دهند. پدیده «توکن‌ماکسینگ» به بهینه‌سازی هوش مصنوعی برای فعالیت‌های قابل مشاهده به جای ارزش تجاری واقعی اشاره دارد. ۸۰ درصد تصمیم‌گیران نگران هستند که استفاده زیاد از هوش مصنوعی با بهره‌وری واقعی اشتباه گرفته شود. ۳۲ درصد پیاده‌سازی‌ها را متوقف کرده‌اند، زیرا خروجی‌ها توجیه‌کننده هزینه‌ها نبودند. کیفیت پایین داده‌ها به عنوان اصلی‌ترین دلیل عملکرد ضعیف ابزارهای هوش مصنوعی شناخته شده است. تنها ۲۸ درصد آمادگی داده را به عنوان پیش‌نیاز رسمی در نظر گرفته‌اند. این پژوهش نشان می‌دهد که بسیاری از سازمان‌ها بدون ارزیابی دقیق زیرساخت داده‌ها، به سراغ هوش مصنوعی می‌روند. این امر منجر به هدررفت منابع، عدم تحقق بازده سرمایه‌گذاری و حتی توقف پروژه‌ها می‌شود. علاوه بر این، عدم حاکمیت مناسب بر هوش مصنوعی می‌تواند خطرات انطباق‌پذیری و امنیتی را افزایش دهد. این موضوع برای کسب‌وکارها و سیاست‌گذاران اهمیت دارد، زیرا نشان می‌دهد که سرمایه‌گذاری در هوش مصنوعی بدون توجه به کیفیت داده‌ها می‌تواند منجر به شکست پروژه‌ها و اتلاف منابع شود. کسب‌وکارها باید بودجه‌های خود را مجدداً تخصیص دهند و بر بهبود کیفیت داده‌ها تمرکز کنند. عدم توجه به این موضوع می‌تواند منجر به اتلاف منابع، کاهش بهره‌وری و حتی توقف پروژه‌های هوش مصنوعی شود. علاوه بر این، عدم حاکمیت مناسب بر هوش مصنوعی می‌تواند خطرات مالی و قانونی را افزایش دهد. این پژوهش برای کسب‌وکارهای ایرانی نیز درس‌های مهمی دارد. بسیاری از سازمان‌ها در ایران نیز بدون توجه به کیفیت داده‌ها، به سراغ هوش مصنوعی می‌روند. این امر می‌تواند منجر به اتلاف منابع و عدم تحقق بازده سرمایه‌گذاری شود. علاوه بر این، عدم حاکمیت مناسب بر هوش مصنوعی می‌تواند خطرات امنیتی و قانونی را افزایش دهد. عدم حاکمیت مناسب بر هوش مصنوعی می‌تواند منجر به نقض قوانین و مقررات شود. تنها ۱۳ درصد از کسب‌وکارها ثبت استفاده از هوش مصنوعی را پیاده‌سازی کرده‌اند و تنها ۲ درصد فرآیند رسمی پاسخ به حوادث برای هوش مصنوعی دارند. این امر می‌تواند خطرات قانونی و انطباق‌پذیری را افزایش دهد. این پژوهش در استرالیا انجام شده است، اما نتایج آن می‌تواند برای سایر کشورها، از جمله ایران، نیز قابل تعمیم باشد. عدم توجه به کیفیت داده‌ها و حاکمیت هوش مصنوعی می‌تواند خطرات جهانی را افزایش دهد. Elastic به عنوان یک شرکت پیشرو در زمینه جستجوی داده‌ها و هوش مصنوعی، این پژوهش را انجام داده است. این پژوهش بر اساس نظرسنجی از بیش از ۵۰۰ تصمیم‌گیر ارشد هوش مصنوعی در استرالیا انجام شده است. پژوهش جدید الاستیک نشان می‌دهد که یک سوم کسب‌وکارهای استرالیایی بودجه هوش مصنوعی خود را تجاوز کرده‌اند. مشکل اصلی، کیفیت پایین داده‌ها است، نه خود هوش مصنوعی.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.