AI سازمانی کجا شکست میخوره؟
هوش مصنوعیخلاصهٔ کاملتر
تو این مقاله اومده که کیث تاونسند، معروف به CTO Advisor، سراغ همون آمار تکراری «۹۵٪ پروژههای هوش مصنوعی سازمانی به نتیجه نمیرسن» رفته و میگه سؤال درست این نیست که چند درصد شکست میخورن، بلکه اینه که کجای استک شکست میخورن. جواب خودش: نه لایهٔ مدل، نه لایهٔ داده، بلکه صفحهٔ استدلال — همونجایی که تصمیم گرفته میشه کدوم ایجنت چه کاری رو بگیره و چطور بین مدلها روتینگ بشه.
به گفتهٔ خودش این درس رو سخت یاد گرفته. پارسال یه سیستم AI پروداکشنی رو از Google Cloud برد روی یه NVIDIA DGX Spark درونسازمانی — نه برای اینکه گوگل رو ترک کنه، بلکه برای اینکه بفهمه ترک کردن چقدر خرج داره. داده تو یه بعدازظهر جابهجا شد، ولی امبدینگها، منطق بازیابی و روابط معناییای که تعیین میکنن مدل استدلال میکنه یا توهم میزنه، هیچکدوم منتقل نشدن و باید دستی بازسازی میشدن.
اون استک زیرساخت AI رو هشت لایه میبینه که تو چهار صفحهٔ کارکردی گروهبندی میشن و یه صفحهٔ ارزش (لایهٔ اپلیکیشن) بالای همهشون قرار میگیره. لایهای که اسمش رو Layer 2C گذاشته همون صفحهٔ استدلاله: بالای داده و زیر اپلیکیشن. حرفش اینه که هرچی زیر این لایهست بین وندورها و بین کلاد و آنپرمیس قابلحمله، ولی خود این لایه نه — و سیاست، escalation، شواهد و اختیار تصمیم همینجا زندگی میکنن، جایی که اکثر پلتفرمها براش خونهٔ مشخصی ندارن.
برای همین یه مدل دوم هم ساخته به اسم DAPM یا مدل جایگذاری اختیار تصمیم. تو این مدل حالت پیشفرض سازمانها «اختیار جایگذارینشده»ست: هیچکس آگاهانه تصمیم نگرفته اختیار کجا باشه و عملاً از پیشفرضهای وندور به ارث رسیده. سه حالت عمدی هم تعریف میکنه — پلتفرممحور، گرهخورده به حاکمیت (که زیر شرایط مشخص به آدم ارجاع میشه) و واگذارشده به تیم محصول با گاردریل روشن. به گفتهٔ اون هر تصمیم یا نگه داشته میشه، یا واگذار، یا کاملاً تسلیم.
شاهدش هم رفتار خود وندورهاست: به گفتهٔ نویسنده شرکتهای استوریج دیگه استوریج نمیفروشن — Pure Storage ریبرند کرده، VAST خودش رو یه سیستمعامل میدونه و گوگل دقیقاً همون لایهٔ غیرقابلحمل رو محصول کرده. همه دارن به سمت صفحهٔ استدلال بالا میرن، چون کنترل اونجاست و کنترل یعنی قفلشدن. جمعبندی تندش اینه: اگه سازمانت نتونه بگه اختیار تصمیم تو لایهٔ استدلال دست کیه، هنوز استراتژی AI نداری؛ استراتژی یکی دیگه رو داری.
نکات کلیدی:
- به گفتهٔ تاونسند نقطهٔ شکست AI سازمانی صفحهٔ استدلاله، نه مدل و نه داده
- تو مهاجرت از کلاد به آنپرم، داده سریع منتقل شد ولی منطق بازیابی و امبدینگها باید دستی بازسازی میشدن
- Layer 2C بالای داده و زیر اپلیکیشن میشینه و جای سیاست، escalation، شواهد و اختیار تصمیمه
- مدل DAPM میگه اکثر سازمانها اختیار تصمیم رو ناخواسته از پیشفرض وندور به ارث میبرن
- حرکت وندورهای استوریج به سمت همین لایه نشونهایه که کنترل و قفلشدن اونجاست
