وضعیت هوش مصنوعی سازمانی در ۲۰۲۶ از دیدگاه Deloitte

به عقیده مؤسسه مشاوره مدیریت و کسب‌وکارDeloitteو بر اساس جدیدترین نسخه از گزارش «وضعیت هوش مصنوعی سازمانی» که بر مبنای نظرسنجی از ۳۵۰۰ مدیر ارشد در ۲۵ کشور تهیه شده، هیجان اولیه جای خود را به درکی واقع‌بینانه‌تر از الزامات ادغام تجاری داده است.

سؤال اصلی

اکنون پرسش کلیدی مدیران عامل دیگر قابلیت‌های فناوری هوش مصنوعی نیست، بلکه ظرفیت سازمان برای تبدیل این خودمختاری به ارزش تجاری پایدار است. عامل محدودکننده اصلی نیز دسترسی به فناوری یا تمایل به آزمایش آن نیست؛ بلکه توانایی سازمان‌ها برای تکامل مدل عملیاتی خود بر مبنای اقتصاد هوش مصنوعی است.

تله سرعت در برابر تحول بنیادین: چابکی هوش مصنوعی

داده‌ها نسخه فارسی گزارش ۲۰۲۶ «وضعیت هوش مصنوعی سازمانی» نشان می‌دهد که تسریع فرایندها به حداقلِ انتظارات از هوش مصنوعی تبدیل شده است، نه یک مزیت رقابتی. ۸۱ درصد از شرکت‌ها گزارش داده‌اند که هوش مصنوعی سرعت تصمیم‌گیری و اجرا را بهبود بخشیده است. بااین‌حال، تنها ۲۵ درصد از سازمان‌ها در حال ایجاد تحول عمیق و اساسی در کسب‌وکار خود (مانند خلق محصولات جدید یا بازمهندسی فرایندهای اصلی) هستند؛ رقمی که نسبت به نسخه ۲۰۲۵ گزارش (۳۴ درصد) با کاهش روبه‌رو بوده است.

در بیشتر صنایع، سهم شرکت‌هایی که افزایش سرعت را گزارش کرده‌اند در بازه ۷۸ تا ۸۲ درصد قرار دارد که خدمات مالی در پایین‌ترین سطح و صنایع فناوری و انرژی در بالاترین سطح این بازه جای گرفته‌اند. به گفته یکی از معماران هوش مصنوعی، مدل‌های هوش مصنوعی مولد فرایند آزمایشگری را بسیار آسان کرده‌اند، اما این امر موجب انباشت بهبودهای کوچک شده است، بی‌آنکه سازمان فرصتی برای بازاندیشی در کل مدل کسب‌وکار پیدا کند. یک فرایند ممکن است با هوش مصنوعی سریع‌تر اجرا شود، اما اگر مراحل تأیید، واگذاری کار و محدودیت‌های قبلی دست‌نخورده باقی بمانند، گویی انگار اصلاً تحولی رخ نداده است. ارزش استراتژیک در بازطراحی فرایندها نهفته است؛ همان‌طور که یک مدیر اجرایی فناوری اشاره می‌کند: «استفاده از هوش مصنوعی در پیش‌بینی جریان نقدی صرفاً برای کاهش نیروی انسانی نیست، بلکه برای بهبود مدیریت صدها میلیون دلار سرمایه است.»

اقتصاد پنهان هوش مصنوعی: از صورت‌حساب کلان تا سطح توکن

مدیریت هزینه‌های هوش مصنوعی به یک چالش حیاتی برای مدیران ارشد تبدیل شده است. ۸۶ درصد از شرکت‌ها انتظار دارند سرمایه‌گذاری آن‌ها در فناوری‌های هوش مصنوعی در سال مالی آینده افزایش یابد و ۳۴ درصد پیش‌بینی می‌کنند این افزایش ۲۰ درصد یا بیشتر باشد. برخلاف نرم‌افزارهای سنتی که هزینه‌های ثابت و قابل‌پیش‌بینی داشتند، هزینه هوش مصنوعی بر اساس مصرف توکن و به‌صورت غیرخطی محاسبه می‌شود.

شفافیت هزینه‌ها در سازمان‌ها دارای یک الگوی سلسله‌مراتبی و به‌شدت نامتوازن است. درحالی‌که ۷۱ درصد از شرکت‌ها مجموع هزینه‌های API و استنتاج را در سطح کلان پایش می‌کنند، تنها ۵۱ درصد حجم کل توکن‌های مصرفی را ردیابی می‌کنند. این ابهام در لایه‌های زیرین بیشتر می‌شود؛ به‌طوری‌که تنها ۴۴ درصد از شرکت‌ها از هزینه استنتاج به‌ازای هر واحد (Unit Cost) آگاه‌اند. این شکاف در صنایع مختلف متغیر است؛ برای مثال، شرکت‌های فناوری هزینه هر واحد استنتاج را ۱٫۶ برابر بیشتر از شرکت‌های صنایع مصرفی ردیابی می‌کنند. فقدان توانایی در ردیابی هزینه‌ها تا سطح توکن، سازمان‌ها را در معرض خطر پنهان کاهش حاشیه سود قرار می‌دهد.

پارادوکس بازگشت سرمایه

فاصله میان هزینه‌های سرمایه‌گذاری و بازده مالی بلندمدت در حال کاهش است. در حال حاضر، ۲۸ درصد از شرکت‌ها موفق به تحقق افزایش درآمد ناشی از هوش مصنوعی شده‌اند؛ رقمی که در گزارش قبلی تنها ۲۰ درصد بود. بااین‌حال، رشد درآمد تنها یکی از ابعاد خلق ارزش است و انتظارات آتی بسیار بلندپروازانه‌تر هستند، به‌نحوی که ۶۷ درصد از شرکت‌ها انتظار دارند در آینده به رشد درآمد از این طریق دست یابند.

ارزش‌آفرینی هوش مصنوعی اکنون به سراسر سازمان‌ها سرایت کرده است. ۷۴ درصد از شرکت‌ها بهبود بهره‌وری عملیاتی (افزایش از ۶۶ درصد در سال قبل)، ۶۰ درصد بهبود تصمیم‌گیری (افزایش از ۵۳ درصد)، ۴۵ درصد کاهش هزینه‌ها (افزایش از ۴۰ درصد) و ۴۴ درصد بهبود روابط با مشتریان را تجربه کرده‌اند. رشد درآمد لزوماً بلافاصله پس از افزایش کارایی رخ نمی‌دهد، بلکه مستلزم پیونددادن طرح‌های ابتکاری به شاخص‌های مالی و سازوکارهای پاسخ‌گویی است.

معمای خودمختاری، بازطراحی کار و خلأ حکمرانی

ادغام واقعی هوش مصنوعی نیازمند بازطراحی مشاغل و اختیارات است، حوزه‌ای که شرکت‌ها هنوز در آن محتاطانه عمل می‌کنند. ۶۰ درصد از سازمان‌ها مشاغل را دست‌کم تا حد متوسطی بازطراحی کرده‌اند، اما تنها ۱۵ درصد این تغییرات را گسترده یا کامل می‌دانند. به همین ترتیب، تنها ۱۵ درصد گزارش داده‌اند که هوش مصنوعی اختیارات تصمیم‌گیری را به طور بنیادین تغییر داده است. به‌عنوان‌مثال، یک خرده‌فروش مبلمان با استفاده از ابزارهای طراحی مبتنی بر هوش مصنوعی، به‌جای حذف طراحان انسانی، نقش و مهارت آن‌ها را ارتقا داد که منجر به بهینه‌سازی نیروی کار شد.

همگام با افزایش خودمختاری سیستم‌ها، بحران حکمرانی نمایان‌تر می‌شود. در حال حاضر، ۴۰ درصد از شرکت‌ها تا حد متوسطی به هوش مصنوعی اجازه می‌دهند بدون تأیید انسان اقدام کند. بااین‌حال، در زمینه پاسخ‌گویی در قبال پیامدهای نامطلوب، شفافیت وجود ندارد. ۳۶ درصد تیم مالک سیستم، ۲۴ درصد واحد مرکزی حکمرانی و ۱۰ درصد کارمند کاربر را مقصر می‌دانند، درحالی‌که ۲۳ درصد از شرکت‌ها اعتراف می‌کنند هیچ مسئولیت‌پذیری شفافی در سازمانشان تعریف نشده است. وضعیت در جریان‌های کاری چندعاملی (Multi-Agent) بحرانی‌تر است؛ تنها ۹ درصد از این جریان‌ها تحت حکمرانی کامل قرار دارند و نیمی از آن‌ها فاقد حکمرانی رسمی یا دارای نظارت‌های بسیار ابتدایی هستند.

سطوح خودمختاری در این سیستم‌ها به چهار لایه تقسیم می‌شود

• اطلاع‌رسانی (نظارت مستمر و تأیید پیش از اقدام)
• اجرا در چارچوب محدودیت‌ها (کنترل‌های ازپیش‌تأییدشده)
• توصیه‌گری (تأیید نهایی پیش از اقدام با مسئولیت مشترک)
• اقدام خودمختار (بدون نیاز به تأیید قبلی با اپراتور مسئول)

گسترش هوش مصنوعی فیزیکی و بحران تخصص

ورود هوش مصنوعی به عملیات فیزیکی از طریق ترکیب یادگیری ماشین با حسگرها و رباتیک در حال شتاب‌گرفتن است. هم‌اکنون ۲۵ درصد شرکت‌ها در سطح متوسطی از این فناوری استفاده می‌کنند و انتظار می‌رود این میزان طی دو سال آینده به ۴۸ درصد برسد (استفاده گسترده نیز از ۷ درصد به ۲۴ درصد افزایش خواهد یافت). منطقه آسیا-اقیانوسیه با ۳۱ درصد استفاده فعلی و پیش‌بینی ۵۶ درصدی در دو سال آینده، پیشتاز این عرصه است و قاره آمریکا و منطقه اروپا، خاورمیانه و آفریقا (EMEA) در رتبه‌های بعدی قرار دارند.

چالش اساسی در این بخش، کمبود شدید تخصص‌های چندرشته‌ای است. تنها ۱۹ درصد شرکت‌ها تخصص خود را در این حوزه بالا ارزیابی می‌کنند. موانع اصلی استقرار هوش مصنوعی فیزیکی به ترتیب شامل هزینه (۴۰ درصد)، نامشخص بودن بازگشت سرمایه (۳۲ درصد)، دشواری شناسایی موارد کاربرد (۳۱ درصد)، کمبود استعدادها (۳۱ درصد) و محدودیت‌های زیرساختی (۳۰ درصد) است. اعتماد مدیران به این سیستم‌ها به‌شدت به میزان کنترل‌شدگی محیط بستگی دارد؛ ۵۲ درصد به استقرار آن در انبارها، ۴۵ درصد در لجستیک، ۲۸ درصد در تعامل با مشتری و تنها ۱۶ درصد در مراقبت‌های سلامت اعتماد دارند.

هوش مصنوعی حاکمیتی در کانون استراتژی

فشارهای ژئوپلیتیک سبب شده تا مؤلفه‌های جغرافیایی و کنترل به هسته استراتژی هوش مصنوعی وارد شوند. ۷۴ درصد سازمان‌ها محل استقرار داده‌ها و پردازش درون‌منطقه‌ای را دارای اهمیتی متوسط یا بالا می‌دانند. همچنین ۶۲ درصد شرکت‌ها نسبت به وابستگی به زیرساخت‌های هوش مصنوعی شرکت‌های خارجی ابراز نگرانی کرده‌اند.

برای مقابله با این وابستگی، شرکت‌ها اقدامات متنوعی اتخاذ می‌کنند و تنها ۶ درصد منفعل مانده‌اند. در منطقه آسیا-اقیانوسیه، تمایل به توسعه قابلیت‌های داخلی (۶۲ درصد) و انتقال به زیرساخت‌های خصوصی (۵۷ درصد) بسیار بیشتر از قاره آمریکا (۴۶ و ۴۴ درصد) و منطقه EMEA (۴۷ و ۴۴ درصد) است. به گفته مدیران، این تصمیمات مستلزم پذیرش بده‌بستان‌های پیچیده‌ای میان حفظ حاکمیت و دسترسی به فناوری‌های بهینه‌تر، سریع‌تر یا ارزان‌تر است.

نقشه راه مدیران ارشد: چگونه متفاوت عمل کنیم؟

برای عبور از گلوگاه‌های ساختاری و اقتصادی موجود، دیلویت ۶ اقدام راهبردی و مستند را به مدیران ارشد پیشنهاد می‌دهد

• خود کار را بازطراحی کنید، نه صرفاً جریان کارسازمان‌ها باید فراتر از تسریع جریان‌های کاری، می‌بایست با حذف مراحل غیرضروری و انتقال تصمیم‌گیری به سطوح عملیاتی، کل فرایند کار را بازطراحی کنند و مشخص کنند قضاوت انسانی دقیقاً در کجا الزامی است.
• هزینه‌ها را تا سطح توکن ردیابی کنید، نه اینکه صرفاً به صورت‌حساب کل بسنده کنیدباتوجه‌به مصرف غیرخطی بارهای کاری عامل‌محور، مدیران می‌بایست زیرساخت‌هایی برای پایش هزینه‌ها از سطح صورت‌حساب کلان تا مدل‌ها و هزینه هر واحد توکن ایجاد و مالکان مشخصی برای اقتصاد هر جریان کاری تعیین کنند.
• طرح‌های ابتکاری هوش مصنوعی را به تصمیم‌های تجاری درآمدزا پیوند دهیدبرای تحقق بازگشت سرمایه پایدار، طرح‌های ابتکاری هوش مصنوعی باید مستقیماً به محرک‌های تجاری مانند قیمت‌گذاری، شناسایی تقاضا و توسعه محصول متصل شوند و مسئولیت اجرای آن‌ها به مدیران کسب‌وکار واگذار شود.
• سطح حکمرانی را متناسب با میزان خودمختاری واگذارشده به هوش مصنوعی تنظیم کنیداعمال کنترل‌های یکپارچه و کورکورانه کارآمد نیست؛ تأیید، پایش و مسیرهای ارجاع باید متناسب با چهار سطح خودمختاری (از تولید اطلاعات تا اقدام مستقل) تنظیم و در نقطه اجرای عملیات اعمال شوند.
• پیش از آنکه روند استقرار هوش مصنوعی فیزیکی شتاب بگیرد، تخصص لازم در این حوزه را ایجاد کنیدپیش از شتاب گرفتن کامل هوش مصنوعی فیزیکی، شرکت‌ها باید تخصص‌های چندرشته‌ای (مانند مهندسی ایمنی و یکپارچه‌سازی سیستم‌ها) را فراتر از مهارت‌های نرم‌افزاری توسعه دهند.
• حاکمیت را یک مؤلفه راهبردی مستمر بدانید، نه راه‌حلی مقطعی و یک‌بارههوش مصنوعی حاکمیتی یک راه‌حل مقطعی نیست؛ بلکه مستلزم ارزیابی مداوم وابستگی‌های حیاتی در زنجیره تأمین، منابع محاسباتی و مدل‌ها بر اساس تغییرات مقرراتی و ژئوپلیتیک است تا حق انتخاب و انعطاف‌پذیری سازمان حفظ شود.

این تحولات نشان می‌دهند سازمان‌هایی در بازار آینده پیشتاز خواهند بود که سرعت پیاده‌سازی فناوری را با انضباط سخت‌گیرانه اقتصادی و نظام‌های پاسخ‌گوی مدیریتی همگام کنند. مدیریت هوش مصنوعی دیگر یک پروژه فناوری اطلاعات نیست، بلکه بازطراحی معماری خودِ کسب‌وکار است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.