‏عقب‌نشینی خاموش شرکت‌ها از AI

از بیرون، داستان AI تو شرکت‌ها تو سال ۲۰۲۶ هنوز یه داستان گسترش به نظر می‌رسه: کوپایلت‌ها دارن بین کارمندا پخش می‌شن و ایجنت‌ها از حالت دمو به محیط واقعی منتقل می‌شن. ولی نویسنده می‌گه داخل شرکت‌ها تصویر یه‌کم به‌هم‌ریخته‌تره؛ بعضی پروژه‌ها جلو می‌رن، ولی خیلی‌های دیگه دارن بی‌سروصدا کوچیک، متوقف یا کلاً حذف می‌شن چون مدیرای IT با دقت بیشتری به هزینه، میزان استفاده، ریسک و ارزش واقعی نگاه می‌کنن.

نویسنده تأکید می‌کنه که این یه عقب‌نشینی کامل از AI نیست، بلکه بیشتر یه هرس کردنه. شرکت‌ها دارن تلاش می‌کنن کوپایلت‌ها و ایجنت‌ها رو از مرحله‌ی اثبات مفهوم (POC) به محیط تولید واقعی ببرن، ولی این بار پروژه‌های AI باید از فیلتر سختگیرانه‌ی معمول شرکت رد بشن. به گفته‌ی Anushree Verma، تحلیلگر گارتنر، تا آخر ۲۰۲۵ بیشتر سازمان‌ها حداقل یه POC انجام دادن و حالا می‌خوان ازش ارزش بگیرن؛ هر استقراری که ارزش ملموس نشون نده، دووم آوردنش سخت می‌شه.

مقاله توضیح می‌ده که چرا بعضی پایلوت‌ها شکست می‌خورن: تو پایلوت فقط تکنولوژی تست نمی‌شه، بلکه معلوم می‌شه شرکت یه کاربرد روشن داره یا نه، داده‌هاش به‌اندازه‌ی کافی تمیزه یا نه، کنترل درست داره یا نه. به گفته‌ی Verma ترکیب سه‌تا فشار یعنی ارزش تجاری نامشخص، هزینه‌ی روبه‌رشد و کنترل‌های ناکافی روی ریسک باعث شکست می‌شه و این فشارها هرچی به محیط تولید نزدیک‌تر می‌شیم بیشتر خودشونو نشون می‌دن.

واضح‌ترین نقطه‌ی فشار، کوپایلت‌های عمومی و سرانه‌این که برای هر کارمند خریداری می‌شن. این ابزارها راحت نصب می‌شن، ولی وقتی تیم مالی می‌پرسه دقیقاً چی عوض شده، توجیه‌شون سخته. نویسنده به نقل از Verma می‌گه این جور کاربردها ROI ملموس نمی‌سازن و فقط یه «بازده روی کارمند» می‌دن؛ در حالی که یه ابزار AI که مخصوص یه فرایند خاص (مثل مدیریت سرویس، بازبینی انطباق یا تست نرم‌افزار) ساخته شده، یه تست قبل-و-بعدِ روشن داره و یا زمان رو کم می‌کنه و دقت رو بالا می‌بره یا نمی‌بره.

ایجنت‌ها این محاسبه رو تیزتر می‌کنن، چون فقط کمک نمی‌کنن بلکه قراره کارها رو خودشون کامل کنن و بین سیستم‌ها جابه‌جا بشن. پاداشش بزرگ‌تره ولی هزینه‌ی طراحی بد هم بیشتره؛ یه ایجنت با دسترسی گسترده و مالکیت نامشخص می‌تونه قبل از اینکه ارزشی بده، ریسک عملیاتی بسازه. به همین خاطر مدیرا باید دقیقاً بدونن هر ایجنت چی‌کار می‌کنه، به چه سیستم‌هایی دسترسی داره و کی باید آدمی تأیید کنه.

نویسنده هشدار می‌ده که مشکل بعدی، پراکندگی ایجنت‌ها (agent sprawl) ـه: شرکت‌ها ممکنه به صدها یا هزاران ایجنت کوچیک برسن که هرکدوم دسترسی و مالک و حالت خرابی خودشو داره. گارتنر پیش‌بینی کرده تا ۲۰۲۸ یه شرکت متوسط Fortune 500 بیش از ۱۵۰٬۰۰۰ ایجنت داشته باشه، در حالی که تو ۲۰۲۵ کمتر از ۱۵ تا بوده. تو این حالت، عقب‌نشینی از AI دیگه احتیاط نیست، بلکه بهداشت پایه‌ی IT حساب می‌شه.

نکات کلیدی:

• عقب‌نشینی از AI واقعی نیست؛ ماجرا «هرس» پروژه‌های بی‌ارزشه نه رهاکردن کامل
• سه فشار اصلی شکست پایلوت‌ها: ارزش تجاری نامشخص، هزینه‌ی روبه‌رشد، کنترل ضعیف روی ریسک
• کوپایلت‌های سرانه‌ی عمومی سخت‌تر توجیه می‌شن؛ ابزارهای مخصوص یه فرایند خاص ROI روشن‌تری دارن
• ایجنت‌ها ریسک بیشتری دارن و به مرزبندی و مالکیت روشن نیاز دارن
• گارتنر: تا ۲۰۲۸ یه شرکت بزرگ ممکنه بیش از ۱۵۰٬۰۰۰ ایجنت داشته باشه و پراکندگی ایجنت‌ها یه چالش جدی می‌شه