روندهای تکنولوژی در سال 2023 (قسمت دوم)
۲۲ آبان ۱۴۰۲
در قسمت قبلی، روند سرمایهگذاری بر روی روندهای تکنولوژیها را بررسی کردیم و بعد از آن به بررسی رابطه منابع انسانی با روندهای تکنولوژی پرداختیم و در این قسمت میخواهیم ابتدا با روش تحقیق شرکت مکنزی در بررسی روندهای تکنولوژی آشنا شده و در ادامه هر یک از این روندها را بررسی کنیم.
15 روند تکنولوژی 2023
شرکت مشاوره مدیریت مکنزی برای توصیف وضعیت روند هر فناوری، امتیازاتی را برای نوآوری و علاقهمندی به آنها در نظر گرفته است که امتیاز نوآوری را بر اساس پتنت و تحقیق و علاقهمندی را بر اساس اخبار و جستجوهای وب اندازهگیری کرده است. همچنین در این گزارش، سرمایهگذاریها در فناوریهای مربوطه اندازهگیری شده و سطح پذیرش آنها توسط سازمانها رتبهبندی شده است. شکل نموداری این روندهای تکنولوژی در نمودار زیر قابل مشاهده است:
انقلاب هوشمصنوعی کاربردی
مدلهای آموزشدیده در یادگیری ماشین را میتوان برای حل مشکلات طبقهبندی، پیشبینی و کنترل برای خودکارسازی فعالیتها، افزودن یا تقویت قابلیتها و پیشنهادات و تصمیمگیری بهتر استفاده کرد. روند این تکنولوژی را میتوان در نمودار زیر مشاهده کرد:
با قابلیتهای هوش مصنوعی، مانند یادگیری ماشینی (ML) و پردازش زبان طبیعی (NLP)، شرکتها در همه صنایع میتوانند از دادهها استفاده کنند و بینشهایی را برای خودکارسازی فرآیندها، افزودن یا تقویت قابلیتها و تصمیمگیری بهتر به دست آورند. تحقیقات، ارزش اقتصادی بالقوه هوش مصنوعی کاربردی را بین 17 تریلیون دلار تا 26 تریلیون دلار تخمین میزنند و سهم شرکت هایی که این ارزش را دنبال میکنند در حال افزایش است. نظرسنجی جهانی شرکت مکنزی در مورد وضعیت هوش مصنوعی نشان میدهد که نسبت سازمانهای پاسخگو که هوش مصنوعی را اتخاذ میکنند از 20 درصد در سال 2017 به 50 درصد در سال 2022 افزایش یافته است. با این حال، مسائل سازمانی، فنی، اخلاقی و مقرراتی باید قبل از اینکه کسب و کارها بتوانند پتانسیل کامل فناوری را درک کنند، حل شود.
پیشرفتهای اخیر هوشمصنوعی
اینها برخی از پیشرفتهای اخیر مربوط به هوش مصنوعی کاربردی هستند:
رشد سرمایهگذاریها باعث افزایش قابلیتهای هوشمصنوعی شده است. اگرچه سرمایهگذاریها در هوشمصنوعی در سال 2022 از 146.8 میلیارد دلار در سال 2021 به 104 میلیارد دلار کاهش یافت، اما همچنان از سطوح 2018-2020 که میانگین آن 73.5 میلیارد دلار بود، بیشتر است. با جریان سرمایهگذاری، هوشمصنوعی همچنان به ارائه نتایج پیشرفته با پیشرفتهای مستمر در زمینههایی مانند دقت مدل ادامه میدهد. به عنوان مثال، هزینه آموزش سیستمهای طبقهبندی تصویر 63.6 درصد کاهش یافته است و زمانهای آموزش از سال 2018 تا 94.4 درصد بهبود یافته است. برای مثال، مدلهای بنیادی زیربنایی هوشمصنوعی مولد میتوانند مقادیر زیادی از دادههای تولیدی بدون ساختار، مانند یادداشتها و گزارشها را پردازش کنند تا راهحلهای هوشمصنوعی فعلی را که عملکرد را بهینه میکنند، غنی کنند.
در عین حال سیاست گذاران اقدامات نظارتی را برای مهار سوء استفاده از هوش مصنوعی تسریع میکنند. همانطور که فناوری هوش مصنوعی پیشرفت میکند، پتانسیل سوء استفاده نیز دارد: مخزن AIAAIC، که حوادث مربوط به سوء استفاده اخلاقی از هوش مصنوعی، الگوریتمها و اتوماسیون را ردیابی میکند، نشان میدهد که تعداد مناقشات مربوط به هوش مصنوعی از سال 2012 تا کنون 26 برابر افزایش یافته است. تجزیه و تحلیل سوابق قانونی در 127 کشور نشان میدهد که تعداد قوانین تصویب شده حاوی کلمات “هوش مصنوعی” از یک قانون در سال 2016 به 37 قانون در سال 2022 افزایش یافته است. قانون هوش مصنوعی اتحادیه اروپا به دلیل توسعه سریع هوش مصنوعی توسط شرکتهای خصوصی مدلهای پایه هوش مصنوعی را تنظیم میکند – پس از تصویب کمیته پارلمانی به وضعیت قانونی نزدیک میشود. در همین حال، تحقیقات جهانی مکنزی در مورد وضعیت هوش مصنوعی نشان میدهد که هیچ افزایش قابل توجهی در کاهش خطرات مرتبط با هوش مصنوعی گزارش شده توسط سازمانها نسبت به افزایش استفاده از هوش مصنوعی وجود نداشته است.
ترجمه از McKinsey توسط سجاد کربلایی از شرکت فرا