سرمایه‌گذاری در هوش مصنوعی مولد (Gen AI) در سال ۲۰۲۵ رشد چشمگیری خواهد داشت. بر اساس گزارش جدید گارتنر، هزینه‌های جهانی در این حوزه به ۶۴۴ میلیارد دلار می‌رسد که در مقایسه با سال ۲۰۲۴، رشدی ۷۶.۴ درصدی را نشان می‌دهد. این آمار تأییدکننده روند رو‌به‌رشد پذیرش Gen AI در سطح جهانی است و با سایر تحلیل‌های صنعت همسو است که از گسترش سریع این فناوری حکایت دارند.
طبق تحلیل گارتنر، ۸۰ درصد از این سرمایه‌گذاری در سال ۲۰۲۵ به سخت‌افزار اختصاص خواهد یافت. این هزینه شامل:
- ۳۹۸.۳ میلیارد دلار برای دستگاه‌ها (رشد ۹۹.۵ درصد)
- ۱۸۰.۶ میلیارد دلار برای سرورها (رشد ۳۳.۱ درصد)
- ۳۷.۲ میلیارد دلار برای نرم‌افزار (رشد ۹۳.۹ درصد)
- ۲۷.۸ میلیارد دلار برای خدمات (رشد ۱۶۲.۶ درصد)
برخلاف تصور رایج، تمرکز هزینه‌ها در سال‌های آینده حتی بیشتر به سمت سخت‌افزار متمایل خواهد شد. «جان لاولاک»، تحلیل‌گر گارتنر، معتقد است که قابلیت‌های Gen AI به‌عنوان بخشی از نرم‌افزارها ارائه خواهند شد، نه به‌عنوان محصولات مستقل. به این معنا که هزینه‌های اختصاصی برای نرم‌افزارهای Gen AI کاهش می‌یابد.
چالش‌های پیش روی پروژه‌های هوش مصنوعی مولد
با وجود سرمایه‌گذاری‌های گسترده در هوش مصنوعی مولد (Gen AI)، بسیاری از پروژه‌های داخلی نتوانسته‌اند به نتایج مطلوب برسند. یکی از دلایل اصلی این شکست‌ها، کیفیت پایین یا ناکافی بودن داده‌ها است که مانع از عملکرد بهینه مدل‌های هوش مصنوعی می‌شود. بدون داده‌های مناسب، الگوریتم‌ها نمی‌توانند به درستی آموزش ببینند یا خروجی‌های دقیق ارائه دهند.
علاوه بر این، مقاومت کارکنان در پذیرش تغییرات و عدم توانایی در استفاده از ابزارهای جدید نیز یکی از موانع اساسی محسوب می‌شود. بسیاری از کارمندان در برابر تغییرات فناوری مقاومت می‌کنند یا مهارت لازم برای کار با سیستم‌های مجهز به هوش مصنوعی را ندارند که این موضوع موجب کندی پذیرش و اجرای پروژه‌ها می‌شود.
در نهایت، بازدهی پایین سرمایه‌گذاری (ROI) باعث می‌شود که بسیاری از پروژه‌ها از نظر اقتصادی توجیه‌پذیر نباشند. زمانی که هزینه‌های توسعه و پیاده‌سازی از مزایای عملی پروژه فراتر رود، سازمان‌ها دلیلی برای ادامه این مسیر نمی‌بینند. این سه عامل دست‌به‌دست هم داده و موجب شده‌اند که بسیاری از پروژه‌های Gen AI در مرحله اجرا با چالش‌های جدی مواجه شوند.
به دلیل چالش‌های ذکرشده، سازمان‌ها در حال فاصله گرفتن از توسعه‌های داخلی و استفاده از راه‌حل‌های تجاری آماده هستند. این استراتژی باعث کاهش ریسک و افزایش بازدهی سرمایه خواهد شد. در آینده، Gen AI به‌عنوان قابلیت استاندارد در نرم‌افزارهای سازمانی ادغام می‌شود و پروژه‌های اختصاصی کمتر ضرورت خواهند داشت.