شکست در استقرار هوش مصنوعی
دلایل شکست شرکتها در استقرار هوش مصنوعی: تحلیلی بر اساس مطالعات شرکتهای مشاوره بزرگ جهان
در دنیای امروز، هوش مصنوعی (AI) به عنوان یکی از تحولآفرینترین فناوریها شناخته میشود که پتانسیل تغییر اساسی در مدلهای کسبوکار، افزایش بهرهوری و ایجاد مزیت رقابتی را دارد. با این حال، علیرغم سرمایهگذاریهای عظیم شرکتها در این حوزه، آمارها نشاندهنده نرخ بالای شکست در پروژههای استقرار هوش مصنوعی (AI) است. بر اساس گزارشهای شرکتهای مشاوره بزرگ مانند مککینزی، بیسیجی، دیلویت، اکسنچر، پیدبلیوسی و کیپیامجی، بیش از ۷۰ تا ۹۵ درصد پروژههای استقرار هوش مصنوعی (AI) در مراحل اولیه متوقف میشوند یا به نتایج مورد انتظار نمیرسند. این شکستها نه تنها منجر به هدررفت منابع مالی میشود، بلکه میتواند به از دست رفتن فرصتهای رقابتی و حتی تهدید بقای شرکتها بیانجامد.
در این مقاله به بررسی عمیق دلایل شکست شرکتها در استقرار هوش مصنوعی (AI) میپردازم. این تحلیل بر پایه مطالعات و گزارشهای اخیر شرکتهای مشاوره جهانی استوار است و هدف آن ارائه دیدگاهی جامع برای مدیران و تصمیمگیرندگان است تا بتوانند از این تلهها اجتناب کنند. مقاله به بخشهای مختلفی تقسیم شده است: ابتدا به بررسی کلی وضعیت فعلی میپردازیم، سپس دلایل اصلی شکست را دستهبندی و تحلیل میکنیم، و در نهایت توصیههایی عملی ارائه میدهیم.
وضعیت فعلی استقرار هوش مصنوعی (AI) در شرکتها
بر اساس گزارش مککینزی در سال ۲۰۲۵، تنها ۶ درصد شرکتها ارزش واقعی از هوش مصنوعی به دست میآورند، در حالی که ۸۸ درصد هنوز در مرحله آزمایش هستند. این گزارش نشان میدهد که دو سوم شرکتها پروژههای AI خود را به دلیل عدم نوآوری و محدودیتهای فرآیندی رها میکنند. بیسیجی نیز در گزارش سال ۲۰۲۵ خود اشاره میکند که ۶۰ درصد شرکتها هیچ ارزش مادی از AIبه دست نمیآورند، علیرغم سرمایهگذاریهای کلان. دیلویت تأکید دارد که موانعی مانند موارد استفاده نامشخص و ادغام با سیستمهای قدیمی، اصلیترین عوامل شکست هستند.
اکسنچر هشدار میدهد که بدون مقیاسپذیری، ۷۵ درصد شرکتها تا سال ۲۰۲۵ ممکن است از بازار خارج شوند. پیدبلیوسی گزارش میدهد که ۵۶ درصد مدیران عامل هیچ بازگشت سرمایهای از AIندیدهاند. کیپیامجی نیز بر پیچیدگی دستکمگرفتهشده و مسائل داده تأکید دارد. این آمارها نشاندهنده یک پارادوکس است: هیجان زیاد در برابر نتایج ضعیف.
دلیل اول: مشکلات داده و زیرساختها
یکی از اصلیترین دلایل شکست پروژههای استقرار هوش مصنوعی (AI) ، مشکلات مرتبط با داده است. دادهها سوخت هوش مصنوعی (AI) هستند، اما اغلب شرکتها دادههای باکیفیت، یکپارچه و آماده ندارند. مککینزی اشاره میکند که سیلوهای داده (دادههای جداگانه در بخشهای مختلف) باعث میشود AI نتواند به طور موثر عمل کند. در گزارش گ ۵۰ درصد شرکتها به دلیل دادههای ناکافی در مرحله اولیه شکست میخورند.
دیلویت تأکید دارد که ادغام AI با سیستمهای قدیمی (legacy systems) یکی از بزرگترین موانع است، زیرا این سیستمها برای AI طراحی نشدهاند و منجر به شکست میگردد. اکسنچر گزارش میدهد که پایه داده ضعیف، دلیل اصلی عدم مقیاسپذیری است. پیدبلیوسی نیز اشاره میکند که دادههای کثیف و فرآیندهای کسبوکار ضعیف، پایه شکست هستند. کیپیامجی بر کیفیت پایین داده تأکید دارد که زیرساختهای فناوری را تضعیف میکند.
برای مثال، در صنعت مالی، شرکتهایی که دادههای مشتری را در سیلوها نگه میدارند، نمیتوانند مدلهای پیشبینی دقیق بسازند. این مشکل منجر به شکست ۶۰ درصد پروژههای استقرار هوش مصنوعی (AI) در شرکتهای با زیرساخت قدیمی میشود. راهحل آن چیست؟ سرمایهگذاری در مدرنسازی دادهها، مانند استفاده از پایگاههای داده ابری و ابزارهای ETL (Extract, Transform, Load).
دلیل دوم: عدم استراتژی و رهبری قوی در استقرار هوش مصنوعی
بسیاری از شرکتها AI را بدون استراتژی روشن پیاده میکنند. مککینزی میگوید که عدم تعهد هیئت مدیره باعث میشود پروژهها در مرحله پایلوت بمانند. بیسیجی اشاره میکند که رهبران اغلب هوش مصنوعی(AI) را به عنوان یک فناوری فنی میبینند، نه تحول سازمانی.
دیلویت گزارش میدهد که ۵۱ درصد شکستها به دلیل عدم همراستایی رهبری است. اکسنچر تأکید دارد که بدون تعهد هیئت مدیره،AI مقیاسپذیر نمیشود. پیدبلیوسی میگوید که فراموش کردن اصول پایه مانند حاکمیت، منجر به شکست میشود. کیپیامجی بر ضعف “انتقال و تشریح اهداف از بالای هرم سازمان به بدنه” تأکید دارد.
مثال: شرکتی که AI را برای بهینهسازی فروش پیاده میکند اما استراتژی کلی ندارد، ممکن است با مقاومت داخلی روبرو شود. رهبران باید AI را بخشی از استراتژی کلی ببینند، نه یک پروژه جداگانه.
دلیل سوم: مسائل فرهنگی و نیروی کار
مقاومت فرهنگی و عدم آمادگی نیروی کار، دلیل عمده دیگری است. مککینزی اشاره میکند که ترس از از دست دادن شغل باعث مقاومت میشود. بیسیجی گزارش میدهد که عدم اعتماد به هوش مصنوعی و ترس از از دست دادن مهارتها، موانع اصلی هستند.
دیلویت تأکید دارد که آمادگی نیروی کار (۴۱ درصد) یک مانع کلیدی است. اکسنچر میگوید که عدم آموزش، منجر به شکست میشود. پیدبلیوسی اشاره میکند که ۶۳ درصد مشکلات از عوامل انسانی ناشی میشود. کیپیامجی گزارش میدهد که استفاده نادرست از هوش مصنوعی به دلیل عدم آموزش، ریسکها را افزایش میدهد.
برای نمونه، در شرکتهای تولیدی، کارگران ممکن است هوش مصنوعی را تهدیدی برای شغلشان ببینند. راهحل: برنامههای آموزشی جامع و تغییر فرهنگی.
دلیل چهارم: مشکلات فنی و مقیاسپذیری در حوزه استقرار هوش مصنوعی
عدم توانایی در مقیاسپذیری، دلیل رایج شکست است. مککینزی میگوید که تنها ۱۰ درصد پروژهها از مرحله پایلوت عبور میکنند. بیسیجی اشاره میکند که برنامههای بزرگ فناوری اغلب به دلیل برنامهریزی ضعیف شکست میخورند.
دیلویت گزارش میدهد که محدودیتهای فناوری ادغام (۴۷ درصد) مانع است. اکسنچر تأکید دارد که سیستمهای قدیمی مانع مقیاسپذیری هستند. پیدبلیوسی میگوید که عدم ادغام هوش مصنوعی با فرآیندها، منجر به شکست میشود. کیپیامجی بر پیچیدگی دستکمگرفتهشده تأکید دارد.
مثال: یک شرکت خردهفروشی که هوش مصنوعی را برای پیشبینی تقاضا پیاده میکند اما نمیتواند آن را در تمام فروشگاهها مقیاس کند.
دلیل پنجم: عدم اندازهگیری نرخ بازگشت سرمایهگذاری (ROI) و موارد استفاده نامشخص
بسیاری از پروژهها بدون موارد استفاده روشن شروع میشوند. مککینزی اشاره میکند که عدم اندازهگیری نرخ بازگشت سرمایهگذاری (ROI) مانع اصلی است. بیسیجی گزارش میدهد که تمرکز بر کاراییهای حاشیهای به جای تحول، منجر به شکست میشود.
دیلویت میگوید که موارد استفاده نامشخص، دلیل اصلی است. اکسنچر تأکید دارد که عدم موارد استفاده روشن، پرچم قرمز است. پیدبلیوسی گزارش میدهد که ۵۶ درصد هیچ نرخ بازگشت سرمایهگذاری (ROI) نمیبینند. کیپیامجی بر عدم وضوح نیازها تأکید دارد.
دلیل ششم: مسائل حاکمیت، ریسک و اخلاقی
نگرانیهای امنیتی و اخلاقی، مانع بزرگی هستند. مککینزی اشاره میکند که عدم حاکمیت، منجر به شکست میشود. بیسیجی گزارش میدهد که مسائل سایبری و حقوقی، موانع هستند.
دیلویت تأکید دارد که نگرانیهای حاکمیت و ریسک، کلیدی هستند. اکسنچر میگوید که ۹۰ درصد شرکتها برای تهدیدهای هوش مصنوعی(AI) آماده نیستند. پیدبلیوسی گزارش میدهد که حاکمیت ضعیف، ریسکها را افزایش میدهد. کیپیامجی بر “governance gap” تأکید دارد.
شکست در استقرار هوش مصنوعی (AI) اغلب نتیجه ترکیبی از مشکلات شامل داده، عدم رهبری، مسائل فرهنگی، مشکلات فنی، موارد استفاده نامشخص و مسائل حاکمیت است. برای موفقیت، شرکتها باید:
1. استراتژی هوش مصنوعی (AI) را با اهداف کسبوکار همراستا کنند.
2. در داده و زیرساخت سرمایهگذاری کنند.
3. نیروی کار را آموزش دهند و فرهنگ را تغییر دهند.
4. پروژهها را مقیاسپذیر طراحی کنند.
5. نرخ بازگشت سرمایهگذاری (ROI) را اندازهگیری کنند.
6. حاکمیت قوی پیاده کنند.
با پیروی از این اصول، شرکتها میتوانند از هوش مصنوعی ارزش واقعی استخراج کنند. این تحول نه تنها بقا را تضمین میکند، بلکه رشد پایدار را فراهم میآورد.
استفاده از مطالب فوق تنها با ذکر منبع مجاز است
جهت دریافت اطلاعات بیشتر یا مشاوره مدیریت استراتژیک با ما تماس حاصل فرمایید
حسین نوریان ، مشاور مدیریت استراتژیک با رویکرد تحول دیجیتال
این مطلب را هم ملاحظه فرمایید:
