مدیران ارشد فناوری (CIO) چگونه هوش مصنوعی مولد در سازمان‌ها را هدایت می‌کنند

بیل دورفیلد

هوش مصنوعی مولد (Generative AI) درهای نوآوری در سطح کل سازمان‌ها را به روی ما می‌گشاید. اما در این عصر جدید، رهبران باید به دقت بر پذیرش آن نظارت داشته باشند تا کیفیت کد را حفظ کرده و بدهی فنی را کاهش دهند.

به گزارش فناوری هوشمند به نقل از CIO؛ هوش مصنوعی مولد ، با وجود نوپا بودن، در حال حاضر سازمان‌ها را متحول می‌کند و تأثیر عمیقی بر استراتژی‌های فناوری اطلاعات دارد. در حالی که مدل‌های زبانی بزرگ (LLM) چابکی مهندسی را تسریع می‌کنند، همچنین دریچه‌ای به انباشت بی‌سابقه بدهی فنی باز می‌کنند. استفان اُگرادی، تحلیلگر ارشد و یکی از بنیانگذاران شرکت تحلیلگر Red Monk، می‌گوید: «به احتمال زیاد، سیستم‌های مولد حجم کدی را که تولید می‌شود افزایش می‌دهند، بنابراین تنها بر اساس این معیار، بدهی فنی افزایش خواهد یافت.»

اما خوان پرز، معاون اجرایی و مدیر ارشد فناوری اطلاعات در Salesforce، اضافه می‌کند که این موضوع نباید مدیران ارشد فناوری اطلاعات را از کاوش و پیاده‌سازی هوش مصنوعی منصرف کند. او هوش مصنوعی را صرفاً به عنوان یک برنامه کاربردی دیگر می‌بیند که به حاکمیت مناسب، کنترل‌های امنیتی، نگهداری و پشتیبانی و مدیریت چرخه عمر نیاز دارد. او می‌گوید از آنجایی که تعداد محصولات هوش مصنوعی در حال افزایش است، انتخاب مناسب‌ترین مدل‌ها و داده‌های زیربنایی برای پشتیبانی از مسیر هوش مصنوعی حیاتی خواهد بود.

بیشتر بخوانیم: مردم چگونه از هوش مصنوعی مولد (GenAI) استفاده می‌کنند؟

در صورت اجرای صحیح، هوش مصنوعی مولد می‌تواند به گونه‌ای جایگاه‌یابی شود که محصولاتی با کیفیت بالاتر و هزینه کمتر تولید کند. نیل سمپل، مدیر ارشد فناوری اطلاعات Walgreens Boots Alliance می‌گوید: «این سؤال مطرح نیست که آیا هوش مصنوعی بر کل کسب‌وکار تأثیر مثبت خواهد گذاشت، بلکه سؤال این است که چقدر و چقدر سریع این اتفاق می‌افتد.» با این حال، او خاطرنشان می‌کند که برای تحقق توسعه مسئولانه هوش مصنوعی، هم مقررات دولتی و هم حاکمیت شرکتی ضروری خواهند بود.

هوش مصنوعی مولد: عنصری کلیدی در استراتژی فناوری اطلاعات

مدل‌های یادگیری ماشین پتانسیل آزاد کردن تکرار سریع‌تر فناوری اطلاعات را دارند. آندریا مالاجودی، مدیر ارشد فناوری اطلاعات سونار، پلتفرم تست کد، می‌گوید: آن‌ها حداقل می‌توانند کارها و بار ترافیکی وظایف روزمره و تکراری را خودکار کنند و پهنای باند توسعه‌دهندگان نرم‌افزار را برای تمرکز بر عملیات خلاقانه‌تر و سطح بالاتر آزاد کنند. او می‌گوید: « سرمایه‌گذاری در ابزارهای هوش مصنوعی مولد برای پشتیبانی از این تیم‌ها، سرمایه‌گذاری برای رشد، بهره‌وری و رضایت کلی آن‌هاست.»

میرا راجاول، مدیر ارشد فناوری اطلاعات پالو آلتو نتورکس، اضافه می‌کند که هوش مصنوعی مولد به طور چشمگیری توسعه را افزایش می‌دهد، به خصوص تولید کد برای زبان‌های برنامه‌نویسی جاافتاده مانند جاوا، پایتون و ++C. اما قدرت آن به همین جا ختم نمی‌شود. او هوش مصنوعی را ابزاری اساسی برای اشکال‌زدایی و شناسایی تنظیمات نادرست در مراحل اولیه دانست و در چرخه توسعه نرم‌افزار کمک کند. او می‌گوید: «به عنوان مدیر ارشد فناوری اطلاعات، فراهم کردن بهترین ابزار برای موفقیت توسعه‌دهندگان ما جزء مهمی از این شغل است و هوش مصنوعی بدون شک باعث بهبود کارایی خواهد شد.»

هوش مصنوعی همچنین در موقعیت پیشبرد قابل توجه عملیات در سراسر بخش‌ها قرار دارد. برای کارتر بوس، مدیر ارشد فناوری اطلاعات شرکت Workato، پلتفرم اتوماسیون بدون کد، هوش مصنوعی امسال در مرکز استراتژی فناوری اطلاعات شرکت او قرار دارد. اما مزایای آن فراتر از حوزه فناوری اطلاعات است و به بخش‌هایی مانند پشتیبانی مشتری، افزایش بهره‌وری و هدایت نوآوری بین تیمی کمک می‌کند. او می‌گوید: «مدیران ارشد فناوری اطلاعات وظیفه دارند به رشد کارآمد کسب‌وکار کمک کنند و هوش مصنوعی ابزار ما برای پیشرفت در آینده است.»

تولید کد تنها زمینه‌ای نیست که از جدیدترین موج هوش مصنوعی بهره‌مند می‌شود. سانی بدی، مدیر ارشد فناوری اطلاعات و مدیر ارشد داده در شرکت Snowflake، یک شرکت ذخیره داده ابری، معتقد است که بهره‌وری کارکنان بیشترین تأثیر را خواهد دید. او آینده‌ای را پیش‌بینی می‌کند که در آن همه کارکنان به طور نزدیک با یک همکار هوش مصنوعی برای کمک به اقداماتی مانند شخصی‌سازی فرآیند جذب کارکنان جدید، هماهنگی ارتباطات داخلی و نمونه‌سازی ایده‌های نوآورانه کار می‌کنند. او می‌افزاید که با استفاده از قابلیت‌های آماده به کار مدل‌های زبانی بزرگ (LLMs)، شرکت‌ها می‌توانند وابستگی به اشخاص ثالث را برای عملیات‌هایی مانند جستجو، استخراج متن، ایجاد و بررسی محتوا و چت‌بات‌ها را کاهش دهند.

بیشتر بخوانیم: امنیت بیشتر  ChatGPT با تایید دو مرحله‌ای ۲FA

چگونه هوش مصنوعی می‌تواند به بدهی فنی کمک کند

این خود مدل‌های هوش مصنوعی مولد نیستند – بلکه نحوه اعمال آن‌ها در عمل است که بزرگترین عامل تعیین‌کننده در ایجاد بدهی در فناوری اطلاعات خواهد بود. سمپل می‌گوید: «اینکه هوش مصنوعی کجا و چگونه در سازمان‌ها اجرا می‌شود، نیاز به تفکر دقیق دارد تا از ایجاد بدهی فنی در آینده جلوگیری شود.» او می‌افزاید که هنگام اعمال مدل‌های هوش مصنوعی بر روی یک اکوسیستم فناوری موجود، مانند بازنگری اتصالات و ادغام مدل‌های هوش مصنوعی مولد در حین استفاده از یک زیرساخت قدیمی، خطر انباشت بدهی بیشتر است.

از طرف دیگر، در صورت استفاده صحیح، هوش مصنوعی مولد می‌تواند با بازنویسی برنامه‌های کاربردی قدیمی و خودکار کردن انبوهی از وظایف، به حذف بدهی فنی قدیمی کمک کند. با این گفته، مدیران ارشد فناوری اطلاعات نباید بدون داشتن محیط ابری و استراتژی مناسب، به طور ناگهانی وارد این مسیر شوند. استیو وات، مدیر ارشد فناوری اطلاعات در Hyland، توسعه‌دهنده مجموعه نرم‌افزار مدیریت سازمانی OnBase، می‌گوید: «اگر سازمان‌ها هوش مصنوعی مولد را زودهنگام اجرا کنند، بدهی فنی موجود ممکن است همچنان افزایش یابد یا در برخی موارد مزمن شود.» بنابراین، او توصیه می‌کند برای رسیدگی به بدهی فنی موجود برنامه‌ریزی کنید تا ابتکارات جدید مبتنی بر هوش مصنوعی فرو نریزند.

در ابتدا، شرکت‌ها ممکن است در حالی که با هوش مصنوعی و مدل‌های زبانی بزرگ (LLM) آزمایش می‌کنند، بدهی فنی خود را افزایش دهند. اما باس موافق است که LLM ها در درازمدت این بدهی را کاهش می‌دهند، اما این امر به توانایی هوش مصنوعی در پاسخگویی پویا به نیازهای در حال تغییر بستگی دارد. او می‌گوید: «با تعبیه هوش مصنوعی در فرآیند کسب‌وکار خود، قادر خواهید بود تا سریع‌تر با تغییرات فرآیند سازگار شوید، بنابراین بدهی فنی کمتری خواهید داشت.»

ارزیابی کیفیت کد ساخته شده توسط هوش مصنوعی

اخیراً سوالاتی در مورد کیفیت کد تولید شده توسط هوش مصنوعی مطرح شده است، در گزارشی افزایش قابل توجهی در تغییرات مکرر کد (code churn) و استفاده مجدد از کد را از زمان ظهور دستیاران هوش مصنوعی برجسته می‌کند. به گفته اُگرادی از Red Monk، کیفیت کد تولید شده توسط هوش مصنوعی به عوامل زیادی از جمله مدل استقرار یافته، مورد استفاده مورد نظر و مهارت‌های توسعه‌دهنده بستگی دارد. او می‌گوید: « درست مانند توسعه‌دهندگان انسانی، سیستم‌های مصنوعی نیز کدهایی با نقص تولید می‌کنند و همچنان به این کار ادامه خواهند داد.»

به عنوان مثال، مالاجودی، مدیر ارشد فناوری اطلاعات سونار، به یک مطالعه اخیر از مایکروسافت ریسرچ اشاره می‌کند که ۲۲ مدل را ارزیابی کرده و دریافت که آن‌ها عموماً زمانی که با معیار این شرکت آزمایش می‌شوند، دچار لغزش می‌شوند و این به نقاط کور اساسی در تنظیمات آموزشی اشاره دارد. این گزارش توضیح می‌دهد در حالی که دستیاران مصنوعی می‌توانند کدهای کاربردی تولید کنند، آن‌ها همیشه فراتر از صحت عملکرد عمل نمی‌کنند و زمینه‌های دیگری مانند کارایی، امنیت و قابلیت نگهداری را در نظر نمی‌گیرند، و پایبندی به قراردادهای کد را نیز به کنار می‌گذارند.

مالاجودی نتیجه می‌گیرد که هنوز جای زیادی برای پیشرفت وجود دارد. او می‌گوید: «در حالی که هوش مصنوعی مولد می‌تواند خطوط بیشتری از کد را با سرعت بیشتری تولید کند، اما اگر کیفیت خوبی نداشته باشد، می‌تواند به یک مزاحمت وقت‌گیر تبدیل شود.» او از مدیران ارشد فناوری اطلاعات و مدیران ارشد فناوری (CTO) می‌خواهد اقدامات لازم را برای اطمینان از تمیز بودن کد تولید شده توسط هوش مصنوعی انجام دهند. «این به معنای سازگاری، عمدی بودن، انعطاف‌پذیری و مسئولیت‌پذیری است که منجر به نرم‌افزاری امن، قابل نگهداری، قابل اعتماد و در دسترس می‌شود.»

نگرانی‌های کیفی در ریشه این مدل‌ها می‌تواند بر خروجی کد تأثیر منفی بگذارد. به گفته آلیستر پولی، مدیر ارشد فناوری اطلاعات Snow Software، یک پلتفرم هوش تجاری مبتنی بر ابر، در حالی که هوش مصنوعی مولد پتانسیل تولید مصنوعات فنی برتر را دارد، کیفیت داده، معماری مدل و رویه‌های آموزشی همگی می‌توانند به نتایج نامطلوب منجر شوند. او می‌گوید: «مدل‌های آموزش‌دیده ناکافی یا موارد حاشیه‌ای پیش‌بینی نشده ممکن است منجر به خروجی‌های با کیفیت پایین‌تر، ریسک‌های عملیاتی و به خطر افتادن قابلیت اطمینان سیستم شود.» همه اینها نیازمند بازنگری و تأیید مداوم خروجی و کیفیت است.

راجاول در Palo Alto Networks اضافه می‌کند که هوش مصنوعی مانند هر ابزار دیگری است و نتیجه به ابزاری که استفاده می‌کنید و نحوه استفاده از آن بستگی دارد. از نظر او، بدون داشتن حاکمیت مناسب هوش مصنوعی، مدل انتخابی شما می‌تواند مصنوعات با کیفیت پایین‌تری ایجاد کند که مطابق با معماری محصول و نتایج مورد نظر نباشد. او می‌افزاید که یکی دیگر از عوامل مهم این است که کدام هوش مصنوعی را برای کار انتخاب کنید، زیرا هیچ مدلی یک راه‌حل جامع نیست.

بیشتر بخوانیم: کارمندانی که مهارت هوش مصنوعی دارند می‌توانند حقوق بالاتری دریافت کنند

فهرست بلندبالای ریسک‌های بالقوه هوش مصنوعی

پولی می‌گوید: «فراتر از بدهی فناوری اطلاعات و کیفیت کد، طیف وسیعی از نتایج بالقوه نامطلوب در هنگام استقرار هوش مصنوعی مولد وجود دارد که باید در نظر گرفته شود. این موارد می‌توانند شامل حریم خصوصی و امنیت داده‌ها، سوگیری‌های الگوریتمی، جابجایی مشاغل و معضلات اخلاقی در مورد محتوای تولید شده توسط هوش مصنوعی باشند.»

یکی از احتمالات این است که چگونه افراد مخرب ممکن است از هوش مصنوعی مولد برای پیشبرد اهداف خود سوء استفاده کنند. راجاول اشاره می‌کند که مجرمین سایبری از این فناوری برای اجرای حملات در مقیاس وسیع به دلیل توانایی آن در طراحی کمپین‌های فریبنده فیشینگ و انتشار اطلاعات غلط استفاده می‌کنند. مهاجمان همچنین می‌توانند ابزارهای هوش مصنوعی مولد و خود مدل‌ها را هدف قرار دهند که منجر به نشت داده‌ها یا مسموم کردن خروجی‌ها شود.

اُگرادی می‌افزاید: «این امکان وجود دارد که سیستم‌های مولد بتوانند مهاجمان را تسریع و توانمند سازند.» با این حال، به طور قطع، بزرگترین نگرانی برای بسیاری از شرکت‌ها، خروج داده‌های خصوصی از سیستم‌های بسته فروشندگان است.

این فناوری‌ها می‌توانند نتایج بسیار قانع‌کننده‌ای تولید کنند که مملو از نادرستی باشد. جدای از باگ‌های موجود در مدل‌ها، هزینه‌هایی نیز باید در نظر گرفته شود و به راحتی می‌توان بدون آگاهی یا بدون ضرورت هزینه زیادی را صرف هوش مصنوعی مولد کرد، چه به دلیل استفاده از مدل‌های اشتباه، عدم شفافیت در هزینه‌های مصرف و چه به دلیل استفاده ناکارآمد از آنها.

پرز می‌گوید: «هوش مصنوعی بدون ریسک نیست. این هوش مصنوعی باید از پایه و اساس ساخته شود در حالی که انسان‌ها کنترل بخش‌هایی را بر عهده دارند که اطمینان حاصل می‌کند هر کسی می‌تواند به نتایج آن اعتماد کند – از ابتدایی‌ترین کاربر تا باتجربه‌ترین مهندس.» سوال دیگری که برای پرز بی‌پاسخ مانده، مالکیت توسعه و نگهداری هوش مصنوعی است، زیرا این امر همچنین فشار مضاعفی را بر تیم‌های فناوری اطلاعات برای همگام شدن با تقاضای نوآوری وارد می‌کند، زیرا بسیاری از کارکنان فناوری اطلاعات زمان کافی برای پیاده‌سازی و آموزش مدل‌ها و الگوریتم‌های هوش مصنوعی ندارند.

فیل اتاق: اشتغال

و بعد نوبت به پیامدی می‌رسد که جنجال زیادی در رسانه‌های عمومی به پا کرده است: جایگزینی نیروی انسانی با هوش مصنوعی. اما اینکه هوش مصنوعی مولد چگونه بر اشتغال در گروه‌های فناوری اطلاعات تأثیر خواهد گذاشت، هنوز مشخص نیست. اُگرادی می‌گوید: «در حال حاضر تأثیر بر اشتغال را به سختی می‌توان پیش‌بینی کرد، بنابراین این یک نگرانی بالقوه است.»

در حالی که بدون شک در این بحث نظرات متفاوتی وجود دارد، سمپل از Walgreens معتقد نیست که هوش مصنوعی تهدیدی جدی برای بشریت باشد. در عوض، او نسبت به پتانسیل هوش مصنوعی مولد برای بهبود زندگی کارکنان خوشبین است. او می‌گوید: «نگاه بدبینانه این است که هوش مصنوعی بر بسیاری از مشاغل تأثیر خواهد گذاشت، اما نگاه خوش‌بینانه این است که هوش مصنوعی انسان‌ها را در انجام کارهایشان بهتر می‌کند. در نهایت، فکر می‌کنم هوش مصنوعی باعث می‌شود افراد مجبور به انجام کارهای تکراری که قابل خودکار شدن هستند، نباشند و به آن‌ها اجازه می‌دهد تا روی مشاغل سطح بالاتر تمرکز کنند.»

بیشتر بخوانیم: ۸ ابزار هوش مصنوعی مناسب کسب‌ و کار در سال ۲۰۲۴

چگونه نگرانی‌های مربوط به هوش مصنوعی را کاهش دهیم

پاسخ به سیل نگرانی‌هایی که هوش مصنوعی ایجاد می‌کند، رویکردی چندگانه می‌طلبد. برای پرز، کیفیت هوش مصنوعی مولد به داده‌هایی بستگی دارد که این مدل‌ها دریافت می‌کنند. او می‌گوید: «اگر کیفیت و اعتماد به هوش مصنوعی می‌خواهید، به داده‌های باکیفیت و قابل اعتماد نیاز دارید.» با این حال، مشکل این است که داده‌ها اغلب مملو از خطا هستند و به ابزاری برای ادغام داده‌های بدون ساختار در قالب‌های مختلف از منابع مختلف نیاز دارند. او همچنین بر لزوم فراتر رفتن از رویکردهای «انسان در حلقه» برای قرار دادن بیشتر انسان‌ها در جایگاه رهبری تأکید می‌کند. او می‌افزاید: «من هوش مصنوعی را به عنوان یک مشاور قابل اعتماد می‌بینم، نه تنها تصمیم‌گیرنده.»

برای حفظ کیفیت نرم‌افزار، آزمایش‌های دقیق نیز برای اطمینان از صحت و بدون باگ بودن کد تولید شده توسط هوش مصنوعی مورد نیاز است. مالاجودی در این راستا، شرکت‌ها را تشویق می‌کند تا رویکرد «پاکیزگی در حین کدنویسی» را اتخاذ کنند که شامل تحلیل ایستا و تست واحد برای اطمینان از بررسی‌های کیفیت مناسب است. او می‌گوید: «وقتی توسعه‌دهندگان بر بهترین شیوه‌های کد تمیز تمرکز می‌کنند، می‌توانند اطمینان داشته باشند که کد و نرم‌افزار آن‌ها امن، قابل نگهداری، قابل اعتماد و در دسترس است.»

بدی اضافه می‌کند که همانطور که با هر فناوری جدیدی وجود دارد، اشتیاق اولیه باید با احتیاط متناسب تعدیل شود. بنابراین، رهبران فناوری اطلاعات باید گام‌هایی را برای استفاده مؤثر از دستیاران هوش مصنوعی، مانند ابزارهای مشاهده‌گری در نظر بگیرند که قادر به کشف تغییر ساختاری هستند و می‌توانند از آمادگی برای الزامات کاربردی پشتیبانی کنند.

حکومت بر پیاده‌سازی هوش مصنوعی

پولی می‌گوید: «هوش مصنوعی مولد نشان‌دهنده عصر جدیدی در پیشرفت‌های فناورانه است که در صورت مدیریت صحیح، پتانسیل به همراه آوردن مزایای قابل توجهی را دارد.» با این حال، او به مدیران ارشد فناوری اطلاعات توصیه می‌کند تا نوآوری را با ریسک‌های ذاتی آن متعادل کنند. کنترل‌ها و دستورالعمل‌ها به‌ویژه باید برای محدود کردن افشای داده‌ها از طریق استفاده کنترل‌نشده از این ابزارها اعمال شوند. او می‌افزاید: «همانطور که در بسیاری از فرصت‌های فناوری، مدیران ارشد فناوری اطلاعات در صورت بروز هرگونه مشکلی پاسخگو خواهند بود.»

برای سمپل، بخشی از مسئولیت بر عهده تنظیم‌کننده‌ها است تا به درستی به ریسک‌هایی که هوش مصنوعی برای جامعه به همراه دارد، رسیدگی کنند. برای مثال، او به دستور اجرایی اخیر دولت بایدن برای ایجاد استانداردهای جدید ایمنی و امنیت هوش مصنوعی اشاره می‌کند. جنبه دیگر پیشبرد دستورالعمل‌های شرکتی برای مدیریت این فناوری پرشتاب است. او می‌گوید والگرینز، برای مثال، سفری را برای تعریف چارچوبی برای حکمرانی در torno a la IA (چارچوب حول هوش مصنوعی) آغاز کرده است که ملاحظاتی مانند انصاف، شفافیت، امنیت و قابلیت توضیح را در بر می‌گیرد.

به طور مشابه، باس در Workato نیز بر لزوم تعیین دستورالعمل‌های داخلی با اولویت‌بندی امنیت و حکمرانی در پی هوش مصنوعی، طرفداری می‌کند. او توصیه می‌کند کارکنان را با آموزش، توسعه دستورالعمل‌های داخلی و اجرای فرآیند تأیید برای آزمایش هوش مصنوعی، آموزش دهد. پولی خاطرنشان می‌کند که بسیاری از شرکت‌ها یک گروه کاری هوش مصنوعی برای کمک به هدایت ریسک‌ها و بهره‌مندی از مزایای هوش مصنوعی مولد تأسیس کرده‌اند. برخی از سازمان‌های امنیتی حتی اقدامات سخت‌گیرانه‌تری انجام می‌دهند. اُگرادی می‌افزاید برای مبارزه با خروج اطلاعات، بسیاری از خریداران اولویت را بر سیستم‌های درون‌سازمانی می‌دهند.

پرز می‌گوید: «مدیران ارشد فناوری اطلاعات باید رهبری را برای اطمینان از داشتن آموزش و مهارت‌های مناسب تیم‌هایشان برای شناسایی، ساخت، پیاده‌سازی و استفاده از هوش مصنوعی مولد به روشی که به سازمان‌ها سود برساند، بر عهده بگیرند.» او توضیح می‌دهد که چگونه در Salesforce، تیم‌های محصول و مهندسی یک لایه اعتماد بین ورودی‌ها و خروجی‌های هوش مصنوعی اجرا کرده‌اند تا خطرات ناشی از استفاده از این فناوری قدرتمند را به حداقل برسانند.

با این گفته، عمدی بودن با هوش مصنوعی به اندازه حکمرانی بر آن مهم است. وات از Hyland می‌گوید: «سازمان‌ها بدون درک روشنی از عملکرد هوش مصنوعی و اینکه چگونه بیشترین سود را برای کسب‌وکارشان خواهد داشت، عجله‌ای برای پیاده‌سازی آن دارند.» هوش مصنوعی هر مشکلی را حل نمی‌کند. بنابراین، درک مشکلاتی که این فناوری می‌تواند و نمی‌تواند حل کند، برای دانستن نحوه به حداکثر رساندن آن اساسی است.

بیشتر بخوانیم: رقیب OpenAI، چت‌بات قدرتمند خود به نام کلود ۳ را معرفی کرد

تأثیر مثبت بر کسب و کار

با اعمال کنترل‌های مناسب، هوش مصنوعی مولد برای تسریع چابکی بیشتر در حوزه‌های بی‌شمار آماده شده است و مدیران ارشد فناوری اطلاعات پیش‌بینی می‌کنند که از آن برای دستیابی به نتایج ملموس کسب‌وکار، مانند تجربیات کاربری، استفاده شود.

پرز می‌گوید: «هوش مصنوعی مولد به شرکت‌ها این امکان را می‌دهد تا تجربیاتی را برای مشتریانشان خلق کنند که زمانی غیرممکن به نظر می‌رسید. هوش مصنوعی دیگر فقط ابزاری برای تیم‌های خاص نیست. همه این فرصت را خواهند داشت که از آن برای افزایش بهره‌وری و کارایی استفاده کنند.»

اما مزایای تجربه کاربری (UX) به مشتریان خارجی ختم نمی‌شود. راجاول اضافه می‌کند که تجربه کارکنان داخلی نیز بهبود خواهد یافت. او پیش‌بینی می‌کند که همکاران هوش مصنوعی که با داده‌های داخلی آموزش دیده‌اند، می‌توانند با یافتن فوری پاسخ‌هایی که قبلاً در صفحات داخلی شرکت یافت شده‌اند، درخواست‌های بلیط IT را به نصف کاهش دهند.

سمپل می‌گوید والگرینز همچنین با استفاده از دستیارهای صوتی، چت‌بات‌ها و پیام‌رسان‌های متنی مبتنی بر هوش مصنوعی مولد، تجربه مشتری را بهبود می‌بخشد. با کاهش حجم تماس‌ها و بهبود رضایت مشتری، اعضای تیم می‌توانند به طور بهتری بر مشتریان درون فروشگاه خود تمرکز کنند. به علاوه، این شرکت همچنین در حال استقرار هوش مصنوعی مولد برای بهینه‌سازی عملیات درون‌فروشگاهی مانند زنجیره تامین، فضای فروشگاهی و مدیریت موجودی است تا به رهبران در تصمیم‌گیری در مورد سود و زیان کسب‌وکار کمک کند. اما هوشیاری کلیدی است.

اُگرادی می‌گوید: «همانطور که در مورد تمام امواج فنی قبلی، هوش مصنوعی بدون شک با معایب و خسارات جانبی قابل توجهی همراه خواهد بود. به طور کلی، این امر توسعه را تسریع می‌کند و توانایی‌های انسانی را تقویت می‌کند و در عین حال دامنه مشکلات را به طور چشمگیری گسترش می‌دهد.»

بیشتر بخوانیم: کرم هوش مصنوعی جدید، جاسوس پنهانی در ایمیل شما

• مدیران ارشد فناوری (CIO) چگونه هوش مصنوعی مولد در سازمان‌ها را هدایت می‌کنند