رهبران کسب‌وکار در صنایع مختلف همچنان بر این باورند که هوش مصنوعی زایشی (AI) نیرویی تحول‌آفرین است که قادر به بازتعریف عملیات، درگیر کردن مشتریان و تصمیم‌گیری‌های استراتژیک می‌باشد. با وجود شور و اشتیاق گسترده و پذیرفتن سریع که پس از راه‌اندازی ChatGPT در سه سال پیش به وجود آمد، بسیاری از سازمان‌ها در رسیدن به سودهای قابل توجه و مستمر از ابتکارات هوش مصنوعی خود دچار مشکل هستند. نظرسنجی‌های اخیر شرکت‌های پیشرو در زمینه پژوهش مانند فورستر و گروه مشاوره بوستن (BCG) واقعیت تلخی را نشان می‌دهند: تنها درصد کمی از شرکت‌ها — حدود ۱۵٪ برای فورستر و ۵٪ برای BCG — به بهبودهای معناداری در نتایج کسب‌وکار مرتبط با تلاش‌های هوش مصنوعی زایشی دست یافته‌اند. این موفقیت محدود ناشی از چندین چالش مداوم است که فناوری‌های هوش مصنوعی زایشی با آن مواجه هستند. یکی از مشکلات کلیدی، تمایل هوش مصنوعی به تولید پاسخ‌هایی است که بیش از حد موافق یا ساده‌انگارانه است، اغلب فاقد ظرافت یا توانایی چالش‌کردن ورودی‌های دریافتی می‌باشد. این امر عمق و قابلیت اعتماد به بینش‌های تولید شده توسط هوش مصنوعی را کاهش می‌دهد. علاوه بر این، عدم ثبات در ارائه نتایج صحیح، استفاده عملی از این فناوری‌ها را دشوار می‌سازد، به ویژه در مواجهه با اسناد پیچیده، طولانی یا خاص حوزه. نمونه‌های واقعی این دشواری‌ها را نشان می‌دهند: موتور پیشنهاد شراب مبتنی بر هوش مصنوعی CellarTracker در تفسیر دقیق ترجیحات کاربران در میان اصطلاحات مختلف شراب و تفاوت‌های ظریف دچار مشکل است، در حالی که ابزار هوش مصنوعی Cando Rail که برای خلاصه کردن قوانین ایمنی طراحی شده، در حفظ دقت در متون طولانی مقررات با چالش روبه‌رو است. خدمات مشتری یکی از کاربردهای بالغ‌تر در استفاده از فناوری‌های چت‌بات است. شرکت‌هایی مانند Klarna و Verizon از چت‌بات‌های هوش مصنوعی برای مدیریت سوالات معمولی بهره‌مند شده‌اند که منجر به افزایش بهره‌وری عملیاتی و کاهش هزینه‌ها شده است.

با این حال، در حال حاضر بیشتر اعتقاد بر این است که هوش مصنوعی قادر به جایگزینی کامل عوامل انسانی در مدیریت تعاملات پیچیده، حساس یا ظریف با مشتری نیست. نبود همدلی انسان‌مانند و ناتوانی در درک ظرافت‌های متن، کارآمدی هوش مصنوعی در این وضعیت‌ها را محدود می‌کند و نیازمند نظارت دائمی انسان است. کارشناسان وضعیت فعلی هوش مصنوعی زایشی را به عنوان «مرز ناهموار» توصیف می‌کنند که نشان‌دهنده عملکرد ناپایدار در کاربردهای مختلف است. در حالی که هوش مصنوعی در انجام وظایفی مانند تولید زبان و خلاصه‌سازی داده‌ها برتری دارد، در فعالیت‌هایی که نیازمند درک عمیق متنی یا دانش خاص هستند، مشکل دارد. چالش‌های درستی در تفسیر داده‌های جغرافیایی یا عبارات محلی مربوط به زمان، تأکید بر نیاز به توسعه و بهبود این فناوری‌ها دارند. برای غلبه بر این موانع و بهره‌برداری حداکثری از ارزش هوش مصنوعی، شرکت‌ها سرمایه‌گذاری هنگفتی در برقراری همکاری نزدیک بین تیم‌های داخلی و ارائه‌دهندگان فناوری‌های هوش مصنوعی انجام می‌دهند. رهبران صنعت مانند OpenAI و Anthropic، همراه با استارتاپ‌های نوآور مانند Writer، مهندسان خود را درون سازمان‌های مشتری جای می‌دهند تا راه‌حل‌های هوش مصنوعی سفارشی و منطبق بر نیازهای خاص کسب‌وکار و روندهای کاری آن‌ها توسعه دهند. اتفاق نظر غالب در حوزه کسب‌وکار و فناوری این است که اگرچه هوش مصنوعی زایشی پتانسیل عظیم دارد، اما بهره‌برداری کامل از آن نیازمند تمرکز بیشتر روی کاربردهای خاص، مشارکت مداوم انسان و آمادگی برای بازنگری گسترده فرآیندها و مهارت‌های موجود است. هوش مصنوعی زایشی باید به عنوان ابزاری قدرتمند برای تقویت عملیات در نظر گرفته شود، نه راه‌حلی مستقل. با استراتژی هدفمند و تلاش مستمر، سازمان‌ها می‌توانند از مرحله آزمایش اولیه عبور کرده و به نتایج قابل اندازه‌گیری دست یابند، و در نهایت این فناوری را به عنوان یکی از عوامل کلیدی رقابت و برتری در سال‌های آینده تبدیل کنند.