8 دقیقه
روایت تقریباً بیش از حد ساده بود که بتوان آن را زیر سؤال برد: هوش مصنوعی صعود میکند، نرمافزارهای قدیمی سقوط میکنند. سرمایهگذاران سریعاً به این ایده دل بستند. سپس واقعیت شروع به دخالت کرد.
برد لایتکَپ، مدیر عملیات OpenAI، قبول ندارد که شرکتهای نرمافزاری سنتی در حال بدل شدن به نامربوط هستند. اگر چیزی میبیند، عکس آن است: پشت صحنه شرکتهایی که بسیاری تصور میکردند عقب خواهند ماند، با شتاب تعجبآوری حرکت میکنند، محصولات خود را بازطراحی میکنند و نحوه ارائه خدمات به مشتریان را در جهانی که اولویت با هوش مصنوعی است بازاندیشی میکنند.
در مصاحبه با پادکست Uncapped، لایتکَپ به پانیک اخیر بازار که میلیاردها دلار از ارزش سهام نرمافزاری را پاک کرد، واکنش نشان داد. فرضی که موجب آن ریزش شد ساده بود: اگر هوش مصنوعی میتواند ابزار بسازد، چرا به فروشندگان نرمافزار سنتی تکیه کنیم؟ اما او میگوید این منطق چگونگی انطباق شدیداً تهاجمی این فروشندگان را نادیده میگیرد.
«آنها به اندازه استارتآپها سریع حرکت میکنند،» او گفت و به روابط عمیق با مشتریان اشاره کرد که مزیتی است که بازیگران تازهوارد به سادگی ندارند.
اشتباه بازار چه بود
نزول بازار، که برخی آن را «آپوکالیپس نرمافزار» نامیدند، در فوریه شدت گرفت، زمانی که ابزارهای جدید هوش مصنوعی توانایی خود در خودکارسازی کارهای حقوقی و دفتری را نشان دادند. سرمایهگذاران از اثر دومینویی هراس داشتند: اگر هوش مصنوعی بتواند جریانهای کاری را جایگزین کند، شاید بتواند نرمافزار پشت آنها را هم حذف کند.
این ترس تأثیر شدیدی گذاشت. شرکتهایی مانند Salesforce، Snowflake و Microsoft امسال بین ۲۴٪ تا ۳۰٪ از ارزش سهام خود را از دست دادند. نگرانی اصلی این بود که کسبوکارها ممکن است به کلی از فروشندگان صرفنظر کرده و ابزارهای سفارشی با استفاده از هوش مصنوعی بسازند.
اما درون همان شرکتها، داستانی متفاوت در جریان است. به گفته لایتکَپ، آنها تنها در حال افزودن ویژگیهای مبتنی بر هوش مصنوعی نیستند؛ آنها مسیرهای کامل تجربه کاربری را بازطراحی میکنند، بازارهای جدید را بررسی میکنند و اتوماسیون را در سطح بنیادین یکپارچه میسازند.
تغییر واقعی جایگزینی نیست؛ بازآفرینی است.
هوش مصنوعی پیچیدگی را حذف نمیکند؛ آن را چند برابر میکند
دن راجرز، مدیرعامل Asana، الگوی مشابهی را از زاویهای دیگر میبیند. شرکت او از جمله کسانی بود که در جریان ریزش بازار بیشترین ضربه را متحمل شد، اما او استدلال میکند که در حقیقت هوش مصنوعی نیاز به نرمافزار ساختاریافته را افزایش میدهد.
چرا؟ زیرا هماهنگی سختتر میشود، نه آسانتر.
زمانی که انسانها و هزاران عامل هوش مصنوعی با هم شروع به همکاری میکنند، هنوز یک نفر یا سیستمی باید وظایف را سازماندهی کند، پیشرفت را پیگیری کند و جریانهای کاری را مدیریت نماید. آن لایه محو نمیشود؛ گسترش مییابد.
«مسئله هماهنگی بهطرز نمایی رشد میکند،» راجرز اشاره میکند و میگوید هوش مصنوعی پلتفرمهایی مانند Asana را ضروریتر میسازد، نه کماهمیتتر.
این ایده با روایت رایج که میگوید هوش مصنوعی همه چیز را ساده میکند در تضاد است. در عمل، هوش مصنوعی اغلب لایههای جدیدی از پیچیدگی ایجاد میکند که نیاز به سیستمهای بهتر، نه کمتر، دارند.
پیچیدگی هماهنگی در سازمانهای بزرگ
در سازمانهای میانمللی، هماهنگی میان تیمهای مختلف، واحدهای تجاری و شرکای خارجی از قبل هم چالشبرانگیز بود. با ورود هوش مصنوعی که میتواند خودکارانه تصمیمهایی بگیرد یا پیشنهادهایی ارائه دهد، لازم است که این تصمیمها با سیاستهای داخلی، قوانین انطباق و چارچوبهای امنیتی هماهنگ شود. این موضوع نیازمند لایههای جدیدی از کنترل دسترسی، ردیابی آثار و تطبیق با فرآیندهای قانونی است.
نتیجه این است که محصولاتی که مدیریت کارها، گردشهای کاری و مشاهدهپذیری را فراهم میآورند، از منظر هزینه کل مالکیت (TCO) و ارزش تجاری دوباره اهمیت پیدا میکنند. این یک نکته کلیدی برای رهبران فناوری و تصمیمگیرندگان کسبوکار است که در بحثهای «آیا ساخته شود یا خریداری شود» مطرح میشود.
محدودیتهای ساخت همهچیز با هوش مصنوعی
سؤال عملی دیگری هم وجود دارد: حتی اگر شرکتها بتوانند ابزارهای خود را با هوش مصنوعی بسازند، آیا باید این کار را انجام دهند؟
آنیش آچاریا از Andreessen Horowitz نسبت به این ایده مشکوک است. از دید او، استفاده از مدلهای پیشرفته هوش مصنوعی برای بازسازی نرمافزارهای استاندارد کسبوکاری مانند سیستمهای حقوق و دستمزد یا ERP بازده محدودی دارد. او تخمین میزند که صرفهجوییها ممکن است در حدود ۱۰٪ باشد.
این امر نکته بزرگتری را مطرح میکند. هوش مصنوعی منبعی قدرتمند است، اما همیشه کارا نیست که آن را روی مسائلی که از قبل حل شدهاند به کار ببریم.
«چرا باید این سطح از نوآوری را صرف بازسازی سیستمهای موجود کنیم؟» او پرسید و اشاره کرد که فرصتهای واقعی احتمالاً در جاهای دیگری قرار دارند.
هزینه، زمان و ریسک در ساخت داخلی
ساخت داخلی نرمافزار—چه با هوش مصنوعی و چه بدون آن—معمولاً شامل هزینههای پنهانی مانند نگهداری بلندمدت، مصارف زیرساختی، آموزش پرسنل و تطبیق با مقررات است. وقتی مدلهای هوش مصنوعی و دیتابیسهای بزرگ را نیز وارد معادله میکنید، هزینههای محاسباتی و پیچیدگیهای مدیریت مدل (MLOps) به سرعت بالا میروند.
از منظر ریسک، شرکتها باید مسئولیت نتایج تولیدی مدلهای هوش مصنوعی، کنترل کیفیت خروجیها و مسائل حریم خصوصی را بپذیرند—مسائلی که فروشندگان نرمافزار باتجربه قبلاً برای آنها چارچوبها و راهکارهایی تدوین کردهاند.
یک شرطبندی مخالف جریان که جای خود را پیدا میکند
جنسن هوانگ، مدیرعامل Nvidia، نیز ایده اینکه شرکتهای نرمافزاری در مسیر نابودی هستند را رد کرده است. اعتقاد به اینکه هوش مصنوعی بهطور کامل ابزارهای نرمافزاری را جایگزین خواهد کرد، از پس بررسی دقیق برنمیآید.
در عوض، هوش مصنوعی متکی بر آن ابزارها خواهد بود؛ از آنها استفاده خواهد کرد، آنها را توسعه خواهد داد و در آنها یکپارچه خواهد شد. نه اینکه آنها را محو کند.
نتیجهگیری لایتکَپ در نقطهای مشابه قرار میگیرد، اما با نگاهی از منظر سرمایهگذاری. اگر نسبت به استارتآپهای هوش مصنوعی خوشبین هستید، ممکن است همچنان منطقی باشد که نسبت به شرکتهای نرمافزاری سنتی نیز خوشبین بمانید. نه بهرغم هوش مصنوعی، بلکه بهخاطر آن.
مسابقه، رقابت بین هوش مصنوعی و نرمافزار نیست؛ همه با تمام قوا در حال دویدناند تا بفهمند نرمافزار زمانی که هوش از ابتدا در آن تعبیه شده چگونه خواهد بود.
چرا ترکیب نرمافزار سنتی و هوش مصنوعی منطقی است
- تجربه مشتری: فروشندگان نرمافزاری سنتی روابط طولانیمدت و دادههای تاریخی دارند که برای آموزش و بهبود مدلهای هوش مصنوعی حیاتی است.
- همکاری در مقیاس: شرکتهای بزرگ نیازمند راهکارهایی برای هماهنگسازی تصمیمات خودکار و انسانی هستند که پلتفرمهای سازمانی میتوانند فراهم کنند.
- قابلیت اطمینان و انطباق: راهکارهای فراهمشده توسط فروشندگان شناختهشده معمولاً سازوکارهای انطباق، امنیت و پشتیبانی را ارائه میدهند که ساختن آنها از صفر هزینهبر و پر ریسک است.
تحلیل فنی: چگونه فروشندگان نرمافزار در حال بازتعریف خود هستند
بازتعریف محصولات نرمافزاری شامل بیش از افزودن یک الگوریتم است. این بازنگری اغلب شامل معماریهای جدید، APIهای باز، قابلیتهای مشاهدهپذیری (observability)، و لایههای مدیریت مدل است که امکان استفاده امن و مقیاسپذیر از هوش مصنوعی را فراهم میآورد.
معماری و یکپارچگی
فروشندگان سنتی در حال بازطراحی معماری محصولات خود برای پشتیبانی از سرویسهای ابری، همگامسازی دادهها در لحظه و اتصال بیدرنگ به مدلهای زبانی و مولد هستند. این رویکردها شامل پیادهسازی APIهای استاندارد، پشتیبانی از اتصالات دادهای امن و فراخوانی مدلها بهصورت سرویس میشود.
مدیریت چرخه عمر مدل (MLOps)
برای اینکه هوش مصنوعی در محیطهای سازمانی مطمئن و کاربردی شود، مدیریت چرخه عمر مدل (از آموزش گرفته تا استقرار و نظارت) ضروری است. فروشندگان نرمافزار با ارائه ابزارهای MLOps، امکان ردگیری نسخهها، ارزیابی عملکرد و کنترل رفتار مدلها را برای مشتریان فراهم میآورند.
حاکمیت، حریم خصوصی و انطباق
یکی از مزیتهای رقابتی فروشندگان بزرگ فراهمآوردن چارچوبهای حاکمیت داده و قوانین انطباق است. شرکتها معمولاً ترجیح میدهند ریسکهای حقوقی و حریم خصوصی را به فروشندهای بسپارند که راهکارها و استانداردهای اثباتشدهای دارد تا اینکه خود از صفر شروع کنند.
پیام برای سرمایهگذاران و رهبران کسبوکار
پیام لایتکَپ و دیگر صاحبان نظر این است که نگاه سیاهوسفید به بازار اشتباه است. هوش مصنوعی نه فقط یک فناوری جایگزین بلکه یک شتابدهنده تغییر است که میتواند ارزش فروشندگان با سابقه را افزایش دهد؛ مشروط بر اینکه آنها خود را بازآفرینی کنند.
- برای سرمایهگذاران: بهجای کنار گذاشتن شرکتهای نرمافزاری قدیمی، به توانایی آنها در اجرای استراتژیهای ترکیبی مبتنی بر هوش مصنوعی، تجربه مشتری و زیرساخت نگاه کنید.
- برای مدیران فناوری: ارزیابی هزینه کل مالکیت، ریسکهای انطباق و مزایای دادهای در تصمیمگیری بین ساخت یا خرید حیاتی است.
- برای کارآفرینان هوش مصنوعی: همکاری با فروشندگان نرمافزاری موجود میتواند مسیر رسیدن به بازار را تسریع کند و دسترسی به مشتریان سازمانی را آسانتر سازد.
چالشها و فرصتهای آتی
چالشها شامل مشکلات مقیاسپذیری، نگرانیهای امنیتی، و نیاز به استانداردهایی برای ارزشیابی خروجیهای هوش مصنوعی است. فرصتها اما بهمراتب بزرگترند: خدمات افزوده، محصولات هوشمندتر، و مدلهای اشتراکی جدید که میتوانند جریانهای درآمدی پایدارتری ایجاد کنند.
در نهایت، آنچه مشخص است این است که بحران فوری فروش نرمافزار بهعنوان یک «پایان» به نظر نمیرسد؛ بلکه نشانهٔ شروع یک فاز جدید از تحول است، جایی که نرمافزار سنتی و هوش مصنوعی با هم ترکیب میشوند تا محصولات و تجربیات نوآورانهتری خلق کنند.
مسابقه هنوز ادامه دارد؛ اما بازندهٔ واقعی کسی نخواهد بود که سریعترین اجراگر است، بلکه کسی است که نتواند شکل جدید ارزشآفرینی را درک و در محصول خود پیادهسازی کند.
نظر بگذارید
نظرات
هنوز نظری ثبت نشده. اولین نفر باشید.