گزارش «فراتر از هیاهو: بهرهبرداری از ظرفیت هوش مصنوعی و هوش مصنوعی مولد در فناوری، رسانه و مخابرات» که در فوریه ۲۰۲۴ توسط مککنزی منتشر شده است، به بررسی عمیق فرصتها و چالشهای پیش روی صنایع فناوری، رسانه و مخابرات در مواجهه با روند پیشرفت تحولآفرین هوش مصنوعی مولد میپردازد. این گزارش با همکاری تیم تخصصی QuantumBlack، بازوی هوش مصنوعی مککنزی، تهیه شده است و بیش از ۱۰۰ مورد کاربردی در هفت حوزه کلیدی کسبوکارهای این ۳ حوزه را شناسایی کرده است.
هوش مصنوعی مولد فرصتهای بیسابقهای برای تحول در صنایع فناوری، رسانه و مخابرات فراهم میکند. بااینحال، بهرهبرداری مؤثر از این فناوری نیازمند رویکردی جامع و استراتژیک است که شامل سرمایهگذاری در زیرساختها، توسعه مهارتهای انسانی، مدیریت ریسک و ایجاد فرهنگ سازمانی مناسب باشد. رهبران این صنایع اگر بتوانند این تحول را بهدرستی مدیریت کنند، در موقعیت مناسبی برای بهرهبرداری از پتانسیلهای عظیم هوش مصنوعی مولد قرار خواهند داشت.
ظرفیت اقتصادی هوش مصنوعی مولد
برآوردهای مککینزی نشان میدهد که هوش مصنوعی مولد میتواند سالانه بین ۲.۶ تا ۴.۴ هزار میلیارد دلار به چرخه اقتصاد جهانی اضافه کند. این میزان میتواند تأثیر کلی هوش مصنوعی بر بهرهوری و خلق ارزش را بین ۱۵ تا ۴۰ درصد افزایش دهد. در فناوری، رسانه و مخابرات نیز پتانسیل بالقوه خلق ارزش بین ۳۸۰ تا ۶۹۰ میلیارد دلار تخمین زده میشود. این تخمین شامل موارد زیر میشود:
- ۶۰ تا ۱۰۰ میلیارد دلار در بخش مخابرات: افزایش بهرهوری، خدمات مشتری، بهینهسازی شبکه
- ۸۰ تا ۱۳۰ میلیارد دلار در بخش رسانه: تولید محتوا، شخصیسازی، تحلیل رفتار مخاطب
- ۲۴۰ تا ۴۶۰ میلیارد دلار در فناوریهای پیشرفته: افزایش بهرهوری توسعهدهندگان، تسریع توسعه نرمافزار، نوآوری در محصولات
این ارقام نشان میدهند که فرصتهای اقتصادی واقعی هوش مصنوعی بسیار فراتر از گمانهزنیهای کوتاهمدت هستند.
هفت حوزه کلیدی برای بهرهگیری از هوش مصنوعی مولد
تیم QuantumBlack بهعنوان بازوی هوش مصنوعی مککنزی بیش از ۱۰۰ مورد استفاده واقعی از هوش مصنوعی مولد را در این ۳ صنعت شناسایی کرده است که در هفت حوزه زیر متمرکز میشوند:
- تعامل با مشتری: از چتباتهای پیشرفته تا پیشنهادهای کاملاً شخصیسازیشده، تجربه مشتری دستخوش انقلابی تازه میشود.
- بازاریابی و فروش دادهمحور: طراحی کمپینهای تبلیغاتی هدفمند، تولید محتوای تبلیغاتی با هوش مصنوعی مولد و تحلیل اثربخشی آنها با دقتی بیسابقه.
- افزایش بهرهوری نیروی انسانی: اتوماسیون کارهای تکراری، تسریع مستندسازی، پاسخگویی سریعتر و دقیقتر به مشتریان.
- توسعه محصول و نرمافزار: مدلهای زبانی بزرگ میتوانند روند فرایند طراحی و کدنویسی را به طور چشمگیری بهبود و زمان صرفشده برای آن را کاهش دهند.
- مدیریت دانش و مستندسازی سازمانی: تولید و بهروزرسانی اسناد، آموزش نیروی کار و بازیابی اطلاعات با کمک هوش مصنوعی مولد سریعتر و دقیقتر میشود.
- تحلیل پیشرفته داده و بینشهای لحظهای: استفاده از مدلهای هوش مصنوعی برای کشف روندهای پنهان و پیشبینی رفتار مصرفکننده.
- پشتیبانی فنی و عملیاتی: پاسخگویی هوشمند به مشکلات فنی کاربران و بهبود سرویسهای پشتیبانی در بخشهایی چون مراکز تماس و شرکتهای نرمافزاری.
فرصتهای خاص برای هر بخش
فناوریهای پیشرفته (Advanced Tech)
در این صنعت، هوش مصنوعی مولد میتواند سرعت توسعه محصولات جدید را بهشدت افزایش دهد. توسعهدهندگان با ابزارهای تخصصی کدنویسی هوش مصنوعی مانند Codex یا GitHub Copilot بهرهوری بالاتری پیدا میکنند و تیمهای تحقیقوتوسعه میتوانند ایدههای نوآورانهتری را در زمان کمتر، عملیاتی کنند. همچنین، با استفاده از هوش مصنوعی در طراحی رابطهای کاربری، تجربه کاربر از استفاده از این محصولات بهبود مییابد.
رسانه
محتوا، پادشاه رسانه است و هوش مصنوعی مولد توانسته نقش این پادشاه را بازتعریف کند. از تولید متن، تصویر، صدا و ویدئو تا پیشنهادهای هوشمندانه برای کاربران، رسانهها میتوانند نهتنها بازده تولید محتوا خود را افزایش دهند، بلکه درک بهتری از علایق مخاطب داشته باشند. همچنین اتوماسیون در مراحل تدوین، آرشیو، و توزیع محتوا از دیگر ظرفیتهای مهم این فناوری است.
مخابرات
برای شرکتهای مخابراتی، مزیت اصلی هوش مصنوعی مولد در افزایش بهرهوری عملیاتی، کاهش نرخ خطا، بهبود تعامل با مشتری و تحلیل رفتار کاربران نهفته است. اپراتورها میتوانند با کمک هوش مصنوعی مولد بهصورت پیشگیرانه مشکلات شبکه را شناسایی و حل کنند، کمپینهای بازاریابی هدفمند طراحی نمایند و خدمات مشاورهای خودکار ارائه دهند.
موانع و چالشها در مسیر مقیاسپذیری
باوجود همه این ظرفیتها، پیادهسازی موفق هوش مصنوعی مولد در سازمانهای فعال در این ۳ حوزه آسان نیست. مککنزی سه مانع عمده را در مسیر گسترش هوش مصنوعی مولد در این سازمانها را شناسایی کرده و مطابق زیر معرفی میکند:
- زیرساخت و کیفیت دادهها: اگر دادهها پراکنده، ناهماهنگ یا ناقص باشند، کارایی مدلهای هوش مصنوعی شدیداً کاهش مییابد.
- فقدان استعداد و مهارت کافی: سازمانها به متخصصانی نیاز دارند که درک فنی عمیقی از ماهیت و نحوه عملکرد هوش مصنوعی داشته و بتوانند با تیمهای محصول و بازاریابی همکاری مؤثری داشته باشند.
- حاکمیت، اخلاق و مدیریت ریسک: فرهنگسازی و اعتمادسازی برای استفاده از هوش مصنوعی مولد نیازمند ایجاد سیستمهایی برای نظارت بر عملکرد مدلها، جلوگیری از سوگیری، حفظ حریم خصوصی کاربران و پاسخگویی شفاف است.
توصیههای کلیدی برای رهبران سازمانی
برای دستیابی به بهرهبرداری کامل از هوش مصنوعی مولد، رهبران صنایع باید استراتژیهای هوشمندانهای اتخاذ کنند، مککنزی در گزارش خود توصیههای زیر را پیشنهاد میدهد:
- استراتژی دادهمحور: هر مدل زبانی نیاز به دادههای ساختیافته، تمیز و مرتبط دارد. شرکتها میبایست بر ایجاد یک معماری داده مدرن و کارآمد سرمایهگذاری کنند.
- توسعه فرهنگ سازمانی جدید: پذیرش هوش مصنوعی مولد تنها یک مسئله فنی نیست. فرهنگ یادگیرنده، چابک و بینرشتهای، شرط لازم برای موفقیت است.
- طراحی مدلهای عملیاتی ترکیبی (انسان + ماشین): مدلهای هوش مصنوعی نباید جایگزین انسانها شوند؛ بلکه باید مکمل آنها باشند.
- ساختار حاکمیتی قابلاعتماد: توسعه چارچوبهایی برای شفافیت، ارزیابی عملکرد مدلها و مقابله با ریسکهای حقوقی و اخلاقی اهمیت حیاتی دارد.
