انقلاب هوش مصنوعی مولد در شرکت‌ها کندتر از آن چیزی است که به نظر می‌رسد

«سام منتل»، مدیرعامل Lingaro، با دیدگاهی عمل‌گرایانه به روندهای صنعت نگاه می‌کند و در مورد هوش مصنوعی مولد نظرات محکمی دارد.

این شرکت لهستانی که در حوزه فناوری اطلاعات فعالیت دارد، تمام تمرکز خود را بر داده و مدیریت داده‌ها گذاشته است «سام منتل»، می‌گوید: «سر و صدای زیادی پیرامون هوش مصنوعی مولد به پا شده، اما وعده‌های آن هنوز محقق نشده است. این روند بسیار بیشتر از آنچه مردم فکر می‌کنند طول خواهد کشید.» منتل تنها کسی نیست که چنین نظری دارد؛ داستان این فناوری همچنان ابعاد گسترده‌تری دارد.

موانع تحقق وعده‌های هوش مصنوعی: تغییر نیازمند زمان و تحول سازمانی است

«سام منتل» از نیروی کار سنتی به‌عنوان یکی از بزرگ‌ترین موانع در مسیر پذیرش فناوری‌های پیشرو مانند هوش مصنوعی اشاره کرد. او توضیح داد: «بیشتر افراد با قابلیت‌هایی که امروزه در دسترس هستند رشد نکرده‌اند، بنابراین باید طرز فکر و نحوه سازمان‌دهی خود را از نو بازسازی کنیم.»

علاوه بر این، منتل تأکید کرد که برخلاف افراد، شرکت‌ها نمی‌توانند به‌سرعت و با یک تغییر ناگهانی هوش مصنوعی مولد را در ساختار خود به‌کار بگیرند. این فرآیند برای سازمان‌ها بسیار پیچیده‌تر است و به زمان بیشتری نیاز دارد.

با وجود موانع، شرکت‌ها به طور فعال در حال ادغام خدمات و محصولات هوش مصنوعی در فرآیندهای کاری خود هستند. در رویداد Microsoft Ignite-2024، مایکروسافت اعلام کرد که نزدیک به ۷۰ درصد از شرکت‌های حاضر در لیست Fortune 500 از Microsoft 365 Copilot استفاده می‌کنند. همچنین، بر اساس نظرسنجی اخیر LangChain، حدود ۵۱ درصد از شرکت‌ها از عوامل هوش مصنوعی در ساختار فناوری خود بهره گرفته‌اند.

هند نیز در این مسیر با سرعت پیش می‌رود. به تازگی گزارش شده که بیش از ۱۸,۰۰۰ توسعه‌دهنده در شرکت Infosys با استفاده از هوش مصنوعی کدنویسی کرده‌اند و این غول ارائه‌دهنده خدمات، هوش مصنوعی مولد را به طور کامل در ساختار خود پذیرفته است.

با وجود چالش‌ها، Lingaro از پذیرش تدریجی ابزارهای هوش مصنوعی حمایت می‌کند، چرا که این روند با چشم‌انداز کلی این شرکت همخوانی دارد. Lingaro بر این باور است که مهم نیست شرکت‌ها از کدام کاربرد خاص هوش مصنوعی استفاده می‌کنند؛ آنچه مهم است، ارائه زیرساخت‌های اساسی داده‌ها است که در هسته فعالیت این شرکت قرار دارد.

Lingaro فرصت بزرگی در کمک به شرکت‌ها برای تطبیق با هوش مصنوعی مولد می‌بیند. سام منتل توضیح داد که بسیاری از شرکت‌ها مالکیت و مدیریت صحیح داده‌ها را ندارند. اگر سازمان‌ها ندانند چه داده‌هایی را برای الگوریتم‌های هوش مصنوعی خود استفاده می‌کنند، ممکن است نتوانند به نتایج مطلوب دست پیدا کنند.

سام منتل معتقد است که صرف‌نظر از اولویت‌بندی شرکت‌ها، بخش‌های پشتیبان، موتورهای پردازش، شتاب‌دهنده‌ها و دارایی‌های داده باید به‌صورت بی‌نقص هماهنگ شوند تا سازمان‌ها بتوانند به سرعت مزیت رقابتی کسب کنند.

این همان کاری است که محصولاتی مانند Snowflake و Databricks انجام می‌دهند، هرچند این کار با تمرکز بر محصولات خاص انجام می‌گیرد. منتل فاش کرد که Lingaro نه تنها محصولی اختصاصی ارائه می‌دهد، بلکه با پلتفرم‌هایی مانند Snowflake، Databricks و دیگر نرم‌افزارهای متمرکز بر داده در بازار همکاری می‌کند.

علاوه بر این، Lingaro روابط نزدیکی با شرکت‌های پیشرو در مقیاس بالا (hyperscalers) مانند مایکروسافت، گوگل و AWS برقرار کرده است؛ این همکاری‌ها نشان‌دهنده نقش کلیدی Lingaro در بخشی گسترده‌تر از اکوسیستم فناوری است.

منتل در ادامه گفت: «امروزه، شرکت‌های بزرگ به طور فزاینده‌ای به سمت محیط‌های ترکیبی می‌روند. به‌عنوان مثال، شما باید Azure را با GCP ترکیب کنید یا GCP را با AWS ادغام کنید. هیچ‌کسی نمی‌خواهد تمام‌وقت فقط به یک پلتفرم تکیه کند. این مسئله برای ما یک فرصت عالی است، چرا که همین پیچیدگی‌ها به ما این امکان را می‌دهد که به آن‌ها در مدیریت و عبور از این چالش‌ها کمک کنیم.» با این حال، بلندپروازی‌های بزرگ Lingaro در هند، با رقبای عظیمی در دنیای هوش مصنوعی روبه‌رو است.

رقابت با غول‌های صنعت فناوری اطلاعات هند

هند برای Lingaro یک مرکز کلیدی است، چرا که منتل به «ثروت عظیم استعدادهای داده‌ای» در این کشور و جایگاه آن به‌عنوان یک پیش‌گام جهانی در صنعت خدمات فناوری اشاره کرد.

Lingaro با بیش از 2,000 پروژه موفق، در مقایسه با غول‌هایی مانند HCL، Infosys و TCS که در صنعت فناوری پیشرو هستند، جایگاه کوچک‌تری دارد. همچنین این شرکت‌ها در حال گسترش سریع پروژه‌های خود هستند.

برای مثال، در نشست گزارش مالی  TCS برای سه‌ماهه اول سال مالی 2024-25، مدیرعامل این شرکت، K Krithivasan، گفت: «در حال حاضر حدود 270 پروژه هوش مصنوعی در TCS در حال اجرا است. تعداد پروژه‌های هوش مصنوعی ما در این مدت دو برابر شده و به 1.5 میلیارد دلار رسیده است. همچنین سرمایه‌گذاری‌های ما در تحقیق و نوآوری ادامه دارد. در این سه‌ماهه، 154 اختراع جدید را ثبت کرده‌ایم و 277 اختراع دیگر که قبلاً درخواست داده بودیم، تایید و به نام ما ثبت شده‌اند.»
در نشست گزارش مالی سه‌ماهه دوم سال مالی 2025، اعلام شد که بیش از 600 پروژه هوش مصنوعی و هوش مصنوعی مولد با موفقیت در حال اجرا هستند.

حتی HCL نیز اخیراً 25 مشتری جدید به خاطر موفقیت مجموعه هوش مصنوعی خود با نام «GenAI Force» جذب کرده است. این مجموعه شامل برخی از بهترین محصولات پیشرو در بازار از جمله Claude از Anthropic و Github Copilot است. بنابراین، اگر Lingaro بخواهد در این بازار جایگاهی پیدا کند، باید با رقبای قدرتمندی روبه‌رو شود.

البته Lingaro خود را از دیگران متمایز می‌کند، چرا که از رویکرد «انجام همه‌چیز برای همه» دوری می‌کند. منتل گفت که Lingaro تمرکز خود را روی خدمات خاص داده برای مشتریانش گذاشته است و نه ارائه یک راه‌حل کامل. او افزود: «ما تنها خدمات مربوط به داده‌ها را ارائه می‌دهیم، بنابراین از حواس‌پرتی‌های ناشی از سایر مسائل صنعت دور می‌مانیم.»

همچنین منتل به اولویت Lingaro در درک نیازهای فناوری و کسب‌وکاری مشتریان خود پیش از ارائه تخصص در حوزه داده‌ها اشاره کرد. او گفت که توانایی Lingaro در ترکیب درک داده‌های فنی و صنعتی، موضوع مهمی است که این شرکت را به نسبت بسیاری از شرکت‌های ارائه کننده خدمات عمومی متمایز می‌کند.

در حال حاضر، عوامل هوش مصنوعی در آستانه یک تحول عظیم هستند که می‌توانند تهدیدی برای ارائه‌دهندگان خدمات به‌حساب بیایند. این موضوع به دلیل سهولت در ساخت و پیاده‌سازی این عوامل توسط شرکت‌ها است که باعث می‌شود بسیاری از شرکت‌های فعال در بخش فناوری اطلاعات هند با چالش‌های جدی روبه‌رو شوند.

منتل معتقد است که تنها پیاده‌سازی لایه‌های اپلیکیشن در تمام بخش‌های زیرساخت فناوری اطلاعات یک شرکت کافی نیست. او معتقد است که مسئولیت اصلی باید بر عهده داده‌هایی باشد که در این اپلیکیشن‌ها وجود دارند و باید به نقش آن‌ها توجه شود.

او توضیح می‌دهد: «من به این فکر می‌کنم که چه کسی مسئول داده‌ای است که در این اپلیکیشن‌ها وجود دارد. چون اگر واقعاً بخواهیم کارها را ساده و کارآمد کنیم، باید کسی مسئولیت این داده‌ها را بر عهده بگیرد، صرف‌نظر از اینکه این داده‌ها در کجا و چگونه در سازمان جابه‌جا می‌شوند.»