શું આર્ટિફિશિયલ ઈન્ટેલિજન્સ નિષ્ફળ જઇ રહ્યું છે, 95% પ્રોજેક્ટ 'ફેલ', MITના રિપોર્ટમાં ધડાકો

Artificial Intelligence: AI (આર્ટિફિશિયલ ઈન્ટેલિજન્સ)ની એન્ટ્રી બાદ વિશ્વભરની તમામ કંપનીઓએ આ ટેકનોલોજી પર ફોકસ કરવાનું શરૂ કરી દીધુ છે. જોકે, આ મામલે સબંધિત એિક લેટેસ્ટ રિપોર્ટમાં ચોંકાવનારો ખુલાસો થયો છે. કંપનીઓ AI પર મોટો દાવ લગાવી રહી છે, પરંતુ તેમ છતાં પણ લગભગ તમામ એન્ટરપ્રાઈસિસના પાયલોટ પ્રોજેક્ટ્સ હજુ પણ પ્રારંભિક તબક્કામાં છે.

MITએ 'The GenAI Divide: State of AI in Business 2025' રિપોર્ટ જાહેર કર્યો છે. તેમાં જણાવવામાં આવ્યું છે કે, જનરેટિવ AI પર એન્ટરપ્રાઈસિસે મોટો દાવ લગાવ્યો છે, પરંતુ ઝડપથી રેવેન્યુ વધારવાની શરૂઆત નિષ્ફળ થતી દેખાય રહી છે. 

એટલે કે AIની એન્ટ્રી પછી કંપનીઓને લાગી રહ્યું હતું કે, તેમનું રેવેન્યુ ઝડપથી વધશે, પરંતુ આવું ન થયું. પાવરફુલ નવા મોડેલોને ઈન્ટીગ્રેટ કર્યા પછી પણ લગભગ 5% AI પાયલટ્સ પ્રોગ્રામ જ સફળ થયા છે. કંપનીઓએ AI અપનાવવામાં ગતિ બતાવી છે, પરંતુ મોટાભાગની કંપનીઓને તેનો ફાયદો નથી થયો.

કેમ ફેલ થઈ રહ્યું AI ઈન્ટીગ્રેશન?

આનું કારણ અનરિયલ એક્સપેટેશન, ખરાબ ઈન્ટીગ્રેશન અને સ્પેશિયલ એડોપ્શનનો અભાવ હોવાનું જણાવ્યું છે. આ રિપોર્ટ આવ્યા બાદ સવાલ ઉઠી રહ્યા છે કે શું AI ઈન્ડસ્ટ્રીની સ્થિતિ એક પરપોટા જેવી થશે. છેલ્લા ઘણા વર્ષોથી લોકોને જણાવવામાં આવી રહ્યું હતું કે, ChatGPT, Cloud અને Gemini જેવા AI ટૂલ્સ વર્કપ્લેસના કાર્ય કરવાની રીત બદલી શકો છે.

ઓટોમેટેડ કન્ટેન્ટ ક્રિએશનથી લઈને કસ્ટમર સર્વિસ ચેટબોટ સુધીના દરેક સેક્ટરમાં અનુમાન લગાવવામાં આવી રહ્યું હતું કે, AI આવનારા દિવસોમાં AI ખર્ચ ઘટાડશે અને પ્રોડક્ટિવિટિમાં વધારો કરશે. પરંતુ MITનું રિસર્ચ લોકોની ધારણા અને બિઝનેસના આઉટકમમાં ખૂબ અંતર નજર આવી રહ્યું છે. 

AI માત્ર 30% જ કામ કરી શકશે

ટેસ્ટમાં જાણવા મળ્યું છે કે, એડવાન્સ AI મોડેલો માત્ર 30% જ ઓફિસ ટાસ્કને વિશ્વાસ સાથે સંભાળી શકે છે. બાકીનું કામ માણસોએ જ કરવું પડશે. જોકે, વ્યક્તિગત સ્તરે લોકોને AI ટૂલ્સનો ચોક્કસપણે ફાયદો થશે.

આ પણ વાંચો: જમ્મુ-કાશ્મીરમાં 100 વર્ષમાં બીજી વખત રેકોર્ડબ્રેક વરસાદ, 27 ઓગસ્ટ સુધી આભ ફાટવાની આગાહી

MITની સ્ટડીમાં જાણવા મળ્યું છે કે, એન્ટરપ્રાઈઝ સ્તર પર AI એડોપ્શનની નિષ્ફળતાનું કારણ લર્નિંગ ગેપ છે. કંપનીઓ ઝડપથી AIને લાગુ કરી રહી છે, પરંતુ મોટાભાગની કંપનીઓએ આ ટૂલ્સને પોતાના હિસાબે કસ્ટમાઈઝ કરવામાં રોકાણ નથી કર્યું. આ ટૂલ્સ મોટા LLM પર તૈયાર કરવામાં આવ્યા છે જે ચોક્કસ જરૂરિયાતોને પૂર્ણ કરવા માટે બનાવવામાં નથી આવ્યા.