گورستان هوش مصنوعی بزرگ‌تر شد؛ از شکست گجت‌های میلیاردی تا عقب‌نشینی اپل و OpenAI

گزارش تازه‌ای از پروژه‌های شکست‌خورده و تغییرمسیر‌داده هوش مصنوعی نشان می‌دهد رشد سریع این صنعت با چالش‌های جدی همراه است. طبق داده‌های S&P Global، سهم سازمان‌هایی که بیشتر پروژه‌های هوش مصنوعی خود را پیش از عملیاتی‌شدن کنار می‌گذارند، به ۴۲ درصد رسیده است. از تعطیلی Humane AI Pin تا مشکلات Rabbit R1 و تأخیرهای اپل و مایکروسافت، هزینه‌های سنگین، رقابت شدید و نبود تقاضای کافی از عوامل اصلی ناکامی این پروژه‌ها هستند.

صنعت هوش مصنوعی در سال‌های اخیر شاهد سرمایه‌گذاری‌های میلیارددلاری، معرفی محصولات جاه‌طلبانه و رقابت شدید شرکت‌های فناوری بوده است. بااین‌حال، همه پروژه‌هایی که با وعده متحول‌کردن زندگی کاربران معرفی می‌شوند، به موفقیت نمی‌رسند. از گجت‌های پوشیدنی که قرار بود جای گوشی هوشمند را بگیرند تا دستیارهای دیجیتال و سرویس‌های پرهزینه، فهرست پروژه‌های شکست‌خورده یا تغییرمسیر‌داده هوش مصنوعی در حال طولانی‌ترشدن است.

براساس گزارش تحلیلی زومیت و داده‌های منتشرشده توسط S&P Global Market Intelligence، سهم شرکت‌هایی که بیشتر پروژه‌های هوش مصنوعی خود را پیش از رسیدن به مرحله عملیاتی کنار می‌گذارند، از ۱۷ به ۴۲ درصد افزایش یافته است. این آمار نشان می‌دهد توسعه سریع هوش مصنوعی الزاماً به معنای موفقیت تجاری محصولات نیست و بسیاری از شرکت‌ها برای تبدیل فناوری به محصولی کاربردی و سودآور با مشکلات جدی روبه‌رو هستند.

چرا پروژه‌های هوش مصنوعی شکست می‌خورند؟

یکی از مهم‌ترین دلایل شکست پروژه‌های هوش مصنوعی، فاصله میان قابلیت‌های نمایشی فناوری و نیاز واقعی کاربران است.

بسیاری از شرکت‌ها محصولات خود را با وعده‌هایی بزرگ معرفی می‌کنند، اما پس از عرضه مشخص می‌شود که استفاده روزمره از آن‌ها به‌اندازه تبلیغات اولیه ساده یا کاربردی نیست.

هزینه‌های پردازشی نیز چالش مهم دیگری محسوب می‌شوند. اجرای مدل‌های پیشرفته هوش مصنوعی به زیرساخت‌های قدرتمند، پردازنده‌های گرافیکی گران‌قیمت و منابع قابل‌توجه انرژی نیاز دارد.

برای استارتاپ‌هایی که خدمات رایگان یا ارزان ارائه می‌کنند، افزایش تعداد کاربران می‌تواند به‌جای سودآوری، هزینه‌های عملیاتی را افزایش دهد.

از سوی دیگر، رقابت با شرکت‌هایی مانند گوگل، مایکروسافت، اپل و OpenAI کار را برای کسب‌وکارهای کوچک‌تر دشوار کرده است. این شرکت‌ها می‌توانند بسیاری از قابلیت‌های استارتاپ‌ها را مستقیماً به محصولات موجود خود اضافه کنند.

آمار نگران‌کننده S&P Global درباره پروژه‌های هوش مصنوعی

گزارش S&P Global Market Intelligence نشان می‌دهد سهم سازمان‌هایی که بیشتر ابتکارهای هوش مصنوعی خود را پیش از ورود به مرحله تولید کنار می‌گذارند، به ۴۲ درصد رسیده است.

این رقم در دوره قبلی بررسی ۱۷ درصد بود.

همچنین سازمان‌ها به‌طور میانگین حدود ۴۶ درصد پروژه‌های آزمایشی هوش مصنوعی خود را پیش از تبدیل‌شدن به محصول عملیاتی کنار می‌گذارند.

نکته مهم این است که این آمار به معنی شکست ۴۲ درصد شرکت‌های فعال در حوزه هوش مصنوعی نیست.

درواقع، گزارش درباره تصمیم سازمان‌ها برای توقف پروژه‌های داخلی صحبت می‌کند؛ پروژه‌هایی که ممکن است به دلایل فنی، اقتصادی یا نبود کاربرد مناسب متوقف شده باشند.

این داده‌ها نشان می‌دهند عبور از مرحله نمایش فناوری به مرحله استفاده واقعی همچنان یکی از بزرگ‌ترین چالش‌های صنعت هوش مصنوعی است.

Humane AI Pin؛ گجتی که قرار بود جای آیفون را بگیرد

یکی از مشهورترین شکست‌های صنعت هوش مصنوعی، دستگاه پوشیدنی Humane AI Pin است.

این محصول توسط استارتاپی تأسیس‌شده به دست دو نفر از کارکنان سابق اپل توسعه یافت و قرار بود تجربه‌ای متفاوت از تعامل با فناوری ارائه دهد.

AI Pin نمایشگر معمولی نداشت و از یک پروژکتور کوچک برای نمایش اطلاعات روی دست کاربر استفاده می‌کرد.

کاربران می‌توانستند با دستورات صوتی از هوش مصنوعی سؤال کنند یا برخی فعالیت‌های روزمره را انجام دهند.

بااین‌حال، بررسی‌های اولیه نشان دادند دستگاه با مشکلاتی مانند پاسخ‌گویی کند، داغ‌شدن، محدودیت قابلیت‌ها و عمر باتری نامناسب روبه‌رو است.

این مشکلات باعث شدند محصول نتواند انتظارات ایجادشده در تبلیغات را برآورده کند.

سرانجام در فوریه ۲۰۲۵، شرکت HP اعلام کرد بخش مهمی از دارایی‌های Humane را با مبلغ ۱۱۶ میلیون دلار خریداری می‌کند.

در پی این توافق، فروش AI Pin متوقف شد و سرویس‌های اصلی آن در پایان فوریه همان سال از دسترس خارج شدند.

شکست Humane نشان داد معرفی سخت‌افزاری متفاوت به‌تنهایی برای جایگزینی گوشی‌های هوشمند کافی نیست.

Rabbit R1؛ محصولی که با وعده‌های بزرگ معرفی شد

Rabbit R1 یکی دیگر از دستگاه‌های هوش مصنوعی بود که در نمایشگاه CES 2024 توجه زیادی جلب کرد.

این گجت نارنجی‌رنگ قرار بود با استفاده از یک عامل هوشمند، برخی فعالیت‌های کاربران را بدون نیاز به اجرای مستقیم برنامه‌های مختلف انجام دهد.

شرکت Rabbit وعده داده بود دستگاه بتواند با سرویس‌های دیجیتال تعامل کند و انجام کارهای روزمره را ساده‌تر سازد.

اما پس از عرضه، منتقدان با مشکلاتی مانند عملکرد ناپایدار، محدودیت سرویس‌های سازگار و امکانات کمتر از انتظار روبه‌رو شدند.

بااین‌حال، برخلاف Humane AI Pin، پروژه Rabbit R1 به‌طور کامل تعطیل نشده است.

شرکت سازنده به توسعه نرم‌افزار و تغییر کاربردهای دستگاه ادامه داده و تلاش کرده آن را به ابزاری برای تعامل با عامل‌های هوش مصنوعی تبدیل کند.

بنابراین، Rabbit R1 را باید نمونه‌ای از محصولی دانست که نتوانست وعده‌های اولیه خود را به‌طور کامل محقق کند، نه پروژه‌ای که فعالیت آن پایان یافته باشد.

عقب‌نشینی OpenAI از برخی محصولات و قابلیت‌ها

حتی شرکت‌های بزرگ صنعت هوش مصنوعی نیز ناچار می‌شوند برخی تصمیم‌های خود را تغییر دهند.

OpenAI در سال‌های اخیر تلاش کرده قابلیت‌های متعددی را در اکوسیستم ChatGPT ارائه کند.

این شرکت علاوه بر چت‌بات اصلی، ابزارهایی برای برنامه‌نویسی، جست‌وجو، تولید تصویر و انجام خودکار فعالیت‌های دیجیتال توسعه داده است.

با گسترش این امکانات، مدیریت رابط کاربری و ایجاد تجربه‌ای یکپارچه برای کاربران به چالشی مهم تبدیل شده است.

گزارش زومیت به تغییرات رابط کاربری ChatGPT و تجدیدنظر OpenAI در برخی برنامه‌های نرم‌افزاری اشاره می‌کند.

همچنین ادغام یا تغییر جایگاه ابزارهای مستقل در اکوسیستم ChatGPT از دیگر نمونه‌های مطرح‌شده است.

البته باید میان تعطیلی کامل یک محصول، ادغام قابلیت‌های آن در سرویس دیگر و بازطراحی رابط کاربری تفاوت قائل شد.

تغییر مسیر یک محصول لزوماً به معنای شکست کامل فناوری زیربنایی آن نیست.

سیری هوشمند اپل؛ فاصله میان وعده و عرضه واقعی

اپل در سال ۲۰۲۴ مجموعه Apple Intelligence را معرفی کرد و وعده داد دستیار صوتی سیری با قابلیت‌های پیشرفته‌تری در اختیار کاربران قرار بگیرد.

یکی از مهم‌ترین ویژگی‌های وعده‌داده‌شده، توانایی درک اطلاعات شخصی و تعامل عمیق‌تر با برنامه‌های مختلف بود.

قرار بود سیری بتواند درخواست‌های پیچیده‌تری را متوجه شود و اقدامات بیشتری را از طرف کاربر انجام دهد.

بااین‌حال، توسعه این امکانات با تأخیر روبه‌رو شد و اپل نتوانست تمام قابلیت‌های تبلیغ‌شده را مطابق برنامه اولیه ارائه کند.

این تأخیرها انتقادهایی درباره فاصله میان تبلیغات و امکانات واقعی محصولات ایجاد کردند.

ماجرای سیری نشان می‌دهد حتی شرکت‌هایی با منابع مالی و مهندسی گسترده نیز ممکن است در تبدیل قابلیت‌های آزمایشی هوش مصنوعی به تجربه‌ای پایدار و قابل‌اعتماد با مشکل مواجه شوند.

البته تأخیر در عرضه یک ویژگی با تعطیلی کامل پروژه متفاوت است و نباید سیری را محصولی کنارگذاشته‌شده دانست.

Character.AI؛ چالش‌های تجاری و حقوقی یک پلتفرم محبوب

Character.AI با هدف ایجاد امکان گفت‌وگو با شخصیت‌های هوش مصنوعی توسعه یافت.

این استارتاپ که توسط پژوهشگران سابق گوگل تأسیس شد، توانست توجه سرمایه‌گذاران و کاربران زیادی را جلب کند.

در سال ۲۰۲۳، ارزش‌گذاری شرکت به حدود یک میلیارد دلار رسید.

اما با افزایش محبوبیت سرویس، چالش‌های تازه‌ای نیز ایجاد شدند.

هزینه‌های زیرساختی، رقابت شدید و مسائل حقوقی مربوط به مدیریت محتوا و حفاظت از کاربران جوان از جمله مشکلات این پلتفرم بودند.

گوگل در سال ۲۰۲۴ قراردادی برای دریافت مجوز فناوری Character.AI منعقد کرد و بنیان‌گذاران اصلی شرکت به این غول فناوری بازگشتند.

این اتفاق ساختار مدیریتی و آینده تجاری استارتاپ را تحت تأثیر قرار داد.

گزارش زومیت همچنین از تحولات حقوقی و مالی تازه Character.AI در سال ۲۰۲۶ صحبت می‌کند.

این پرونده نشان می‌دهد جذب سرمایه و دستیابی به ارزش‌گذاری بالا، به‌تنهایی تضمین‌کننده موفقیت بلندمدت یک پلتفرم هوش مصنوعی نیست.

Recall مایکروسافت؛ وقتی هوش مصنوعی با حریم خصوصی برخورد می‌کند

مایکروسافت در سال ۲۰۲۴ قابلیت Recall را برای کامپیوترهای جدید ویندوزی معرفی کرد.

این ویژگی برای ثبت و جست‌وجوی فعالیت‌های گذشته کاربر طراحی شده بود.

ایده اصلی این بود که کاربران بتوانند با کمک هوش مصنوعی اطلاعاتی را که قبلاً روی صفحه مشاهده کرده‌اند، دوباره پیدا کنند.

اما نحوه ثبت اطلاعات صفحه‌نمایش نگرانی‌های گسترده‌ای درباره حریم خصوصی ایجاد کرد.

منتقدان هشدار دادند که ذخیره تاریخچه فعالیت‌ها می‌تواند در صورت ضعف امنیتی، اطلاعات حساس کاربران را در معرض خطر قرار دهد.

مایکروسافت پس از واکنش‌ها، برنامه عرضه Recall را تغییر داد و برای تقویت سازوکارهای امنیتی آن زمان بیشتری اختصاص داد.

این نمونه نشان می‌دهد قابلیت فنی جذاب، بدون اعتماد کاربران و حفاظت مناسب از اطلاعات شخصی، ممکن است با مقاومت جدی روبه‌رو شود.

Recall نیز نمونه یک قابلیت تأخیردار و بازطراحی‌شده است، نه محصولی که الزاماً برای همیشه تعطیل شده باشد.

Notion Mail؛ آیا کاربران به یک صندوق ایمیل هوشمند دیگر نیاز دارند؟

Notion Mail با هدف ساده‌ترکردن مدیریت ایمیل‌ها و استفاده از هوش مصنوعی برای سازمان‌دهی صندوق ورودی معرفی شد.

این محصول تلاش داشت بخشی از فعالیت‌های تکراری کاربران را خودکار کند.

بااین‌حال، بازار ابزارهای مدیریت ایمیل از قبل با رقابت گسترده‌ای روبه‌رو بود.

کاربران گزینه‌های متعددی برای دسته‌بندی پیام‌ها، خلاصه‌سازی مکاتبات و مدیریت وظایف داشتند.

گزارش زومیت از تصمیم برای پایان فعالیت این محصول در سال ۲۰۲۶ یاد می‌کند.

صرف‌نظر از سرنوشت تجاری یک سرویس مشخص، تجربه ابزارهای ایمیل هوشمند نشان می‌دهد اضافه‌کردن هوش مصنوعی به یک محصول، بدون ایجاد مزیتی روشن نسبت به گزینه‌های موجود، لزوماً کاربران را به مهاجرت ترغیب نمی‌کند.

Relay و Huxe؛ استارتاپ‌هایی زیر سایه شرکت‌های بزرگ

برخی استارتاپ‌های هوش مصنوعی با ایده‌هایی کاربردی وارد بازار شدند، اما در ادامه با رقابت شرکت‌های بزرگ مواجه شدند.

Relay یکی از ابزارهای اتوماسیون گردش‌کار بود که امکان اجرای فعالیت‌های تکراری را با کمک هوش مصنوعی فراهم می‌کرد.

این سرویس در بازاری فعالیت داشت که ابزارهایی مانند Zapier نیز در آن حضور داشتند.

با گسترش قابلیت‌های خودکارسازی در محصولات شرکت‌های بزرگ، ایجاد تمایز برای ابزارهای مستقل دشوارتر شد.

گزارش زومیت از پایان فعالیت Relay در اوت ۲۰۲۶ خبر می‌دهد.

Huxe نیز نمونه دیگری از همین روند بود.

این سرویس که توسط توسعه‌دهندگان سابق NotebookLM ساخته شده بود، محتوای نوشتاری را به تجربه‌های صوتی شبیه پادکست تبدیل می‌کرد.

با گسترش قابلیت‌های صوتی هوش مصنوعی در پلتفرم‌های بزرگ، رقابت برای چنین ابزارهایی سخت‌تر شد.

این دو نمونه نشان می‌دهند یک ایده کاربردی ممکن است در ابتدا مزیت رقابتی باشد، اما پس از اضافه‌شدن همان قابلیت به محصولات پرکاربر، ارزش تجاری مستقل خود را از دست بدهد.

Yupp و Figgs AI؛ محبوبیت بدون درآمد کافی

تعداد کاربران بالا همیشه به معنای موفقیت اقتصادی نیست.

پلتفرم Yupp به کاربران امکان می‌داد پاسخ صدها مدل هوش مصنوعی را مقایسه کنند.

براساس گزارش زومیت، این سرویس در دوره فعالیت خود امکان آزمایش بیش از ۸۰۰ مدل را فراهم کرده بود.

بااین‌حال، جذب کاربران و ارائه دسترسی گسترده به مدل‌ها نتوانست به شکل‌گیری مدل تجاری پایداری منجر شود.

Figgs AI نیز پلتفرمی برای ساخت و تعامل با شخصیت‌های هوش مصنوعی بود.

این سرویس توانست جامعه کاربری قابل‌توجهی جذب کند، اما هزینه اجرای مدل‌ها و نگهداری سرورها به چالشی مهم تبدیل شد.

مشکل مشترک چنین محصولاتی این است که هر تعامل کاربر با هوش مصنوعی می‌تواند هزینه پردازشی ایجاد کند.

اگر درآمد حاصل از اشتراک یا خدمات پولی نتواند این هزینه‌ها را پوشش دهد، افزایش تعداد کاربران ممکن است فشار مالی بیشتری به شرکت وارد کند.

چرا غول‌های فناوری شانس بیشتری برای بقا دارند؟

شرکت‌های بزرگ فناوری معمولاً از چند مزیت مهم برخوردارند.

نخست، زیرساخت‌های پردازشی و منابع مالی گسترده‌تری دارند که امکان توسعه و آزمایش محصولات پرهزینه را فراهم می‌کند.

دوم، از قبل به میلیون‌ها یا حتی میلیاردها کاربر دسترسی دارند.

برای مثال، اگر یک شرکت بزرگ قابلیت جدیدی را به مرورگر، سیستم‌عامل یا پیام‌رسان خود اضافه کند، لازم نیست برای معرفی آن از صفر جامعه کاربری بسازد.

در مقابل، یک استارتاپ ممکن است مجبور باشد هم‌زمان هزینه توسعه فناوری، تأمین زیرساخت و جذب مشتری را پرداخت کند.

مزیت دیگر شرکت‌های بزرگ، امکان ادغام قابلیت‌های مختلف در محصولات موجود است.

در چنین شرایطی، استارتاپی که تنها یک قابلیت مشخص ارائه می‌دهد، ممکن است با انتشار یک به‌روزرسانی از سوی رقیب بزرگ‌تر بخش مهمی از مزیت خود را از دست بدهد.

البته اندازه شرکت نیز تضمین‌کننده موفقیت نیست و غول‌های فناوری هم ممکن است پروژه‌های پرهزینه خود را متوقف کنند.

آینده استارتاپ‌های هوش مصنوعی چگونه خواهد بود؟

افزایش تعداد پروژه‌های متوقف‌شده لزوماً به معنای کاهش اهمیت هوش مصنوعی نیست.

در بسیاری از صنایع، دوره‌های رشد سریع فناوری با آزمون‌وخطا، شکست محصولات و تغییر مدل‌های تجاری همراه هستند.

شرکت‌هایی که بتوانند مشکلات واقعی کاربران را حل کنند و هزینه ارائه خدمات خود را کنترل کنند، احتمال بیشتری برای ادامه فعالیت خواهند داشت.

در مقابل، محصولاتی که تنها بر جذابیت اولیه فناوری یا تبلیغات گسترده تکیه دارند، ممکن است با کاهش هیجان بازار با مشکل روبه‌رو شوند.

یکی از عوامل تعیین‌کننده آینده این صنعت، کاهش هزینه اجرای مدل‌های هوش مصنوعی خواهد بود.

بهبود بهره‌وری مدل‌ها و توسعه سخت‌افزارهای جدید می‌تواند ارائه خدمات را برای شرکت‌های کوچک‌تر اقتصادی‌تر کند.

بااین‌حال، رقابت بر سر دسترسی به کاربران، داده‌ها و زیرساخت همچنان ادامه خواهد داشت.

جمع‌بندی؛ گورستان هوش مصنوعی چه درسی برای صنعت فناوری دارد؟

نمونه‌هایی مانند Humane AI Pin، Rabbit R1، Recall، Relay و سایر پروژه‌های مطرح‌شده نشان می‌دهند موفقیت در هوش مصنوعی تنها به پیشرفته‌بودن فناوری وابسته نیست.

برخی محصولات به دلیل مشکلات فنی شکست می‌خورند، بعضی با هزینه‌های عملیاتی بالا مواجه می‌شوند و برخی دیگر نمی‌توانند نیاز واقعی کاربران را برآورده کنند.

در مواردی نیز شرکت‌ها تصمیم می‌گیرند قابلیت‌های یک محصول را به سرویس دیگری منتقل کنند یا مسیر توسعه آن را تغییر دهند.

به همین دلیل، باید میان تعطیلی کامل، شکست تجاری، تأخیر در عرضه و تغییر راهبرد تفاوت گذاشت.

مهم‌ترین درس گورستان هوش مصنوعی این است که آینده این صنعت را نه تعداد رونمایی‌ها و وعده‌های بزرگ، بلکه توانایی شرکت‌ها در ساخت محصولات قابل‌اعتماد، کاربردی و اقتصادی تعیین خواهد کرد.

امیررضا هادی تهرانی
امیررضا هادی تهرانی

متولد ۱۳۸۵ دانشجوی مدیریت بازرگانی فعال حوزه رسانه و تکنولوژی با تمرکز بر تولید محتوا و علاقمند به ورزش مخصوصا‌ً تنیس

مشاهده کلیه مقالات منتشر شده
ADs
ADs
گفت‌وگوی کاربران

دیدگاه‌ها

۰ دیدگاه

دیدگاه شما

نشانی ایمیل شما منتشر نخواهد شد.

اپلیکیشن و نرم‌افزار

معرفی نرم افزار و اپلیکیشن

مشاهده بیشتر