Oracle، یکی از بزرگترین شرکتهای نرمافزاری جهان، در تلاش است تا هوش مصنوعی را بهطور مؤثر در داخل سازمان خود پیادهسازی کند. گرگ استنتون، هممدیر اجرایی این شرکت، در یک نشست داخلی به کارکنان گفت که سال گذشته، این شرکت هنوز نتوانسته بود راهی برای استفاده گسترده از هوش مصنوعی مولد در محل کار خود پیدا کند.
چالشهای پیادهسازی هوش مصنوعی
با وجود هزینهکرد میلیاردها دلار برای کمک به دیگر شرکتها در اجرای هوش مصنوعی، Oracle در پیادهسازی آن برای خود با چالشهایی مواجه است. استنتون اذعان کرد که اگرچه پس از پیادهسازی ابزارهای OpenAI مانند ChatGPT و Codex، کارکنان توانستهاند کد را بهطرز چشمگیری سریعتر بنویسند، اما این پیشرفت باعث ایجاد گلوگاههای جدیدی در فرآیند مهندسی شده است.
بیشتر بخوانید: آدام گلر (Adam Geller) ۱.۹۶ میلیون دلار سهام Zscaler را میفروشد
استنتون گفت: "وقتی به جایی که یک سال پیش بودیم فکر میکنم، نمیتوانم بگویم که چگونه واقعاً توانستهایم هوش مصنوعی را برای خودمان مفید کنیم." این چالشها در زمینه تولید کد و شتاببخشیدن به فرآیند توسعه نرمافزار، بهویژه در بخشهای مختلف مانند توسعهدهندگان، مالی و فروش، قابل مشاهده است.
پیشرفتها و محدودیتها
جی ایوانز، مدیر اطلاعات Oracle، به کارکنان گفت که با پیادهسازی ChatGPT Enterprise و ابزار توسعه نرمافزاری Codex در ماههای آوریل و مه، وضعیت به تدریج تغییر کرده است. او اشاره کرد که Oracle با تعیین استانداردهای شرکتی، کنترلهای امنیتی و سیاستهای داخلی، توانسته است تا ۸۰ درصد از کارکنان را در مدت سه ماه به استفاده از این ابزارها ترغیب کند.
ایوانز همچنین گفت که مدلهای هوش مصنوعی بهطور قابل توجهی سرعت توسعه نرمافزار را افزایش دادهاند، اما ممکن است هزینههای بالایی را نیز به همراه داشته باشند. به عنوان مثال، مدل GPT-۶ Astra از OpenAI ۲.۵ برابر بیشتر از سایر مدلها هزینه دارد. این موضوع به نگرانیهایی در مورد هزینههای ناشی از استفاده گسترده از هوش مصنوعی دامن زده است.
با وجود سرعت بالای تولید کد، استنتون تأکید کرد که این مسئله به معنای افزایش سرعت کل فرآیند توسعه نیست. او گفت: "وقتی عمل نوشتن کد سریعتر میشود، به این معنی نیست که همه چیز بهطور ناگهانی ۱۰۰۰ برابر سریعتر میشود." Oracle هنوز در حال کشف چگونگی طراحی مجدد فرآیندهای تست، اعتبارسنجی و مدیریت انتشار برای همگام شدن با این تغییرات است.
تجربه Oracle در زمینه هوش مصنوعی به چالشهای جدیدی اشاره دارد که شرکتها باید با آنها مواجه شوند. مدلهای قدرتمند میتوانند وظایف فردی را بهطرز چشمگیری تسریع کنند، اما همچنین ممکن است هزینههای بالایی را به همراه داشته باشند و گلوگاهها را به مکانهای جدید منتقل کنند.
بیشتر بخوانید: آنتروپیک اعلام کرد کلود اکنون ۲۶ درصد از تحقیقات هوش مصنوعی را رهبری میکند · گرگ استنتون: دولت آمریکا یک سال فرصت دارد تا هوش مصنوعی را تنظیم کند
