تعامل مؤثر میان شرکت‌های فناوری‌محور و قانون‌گذاران می‌تواند به ایجاد اکوسیستمی پایدار و نوآورانه کمک کند

 در سلامت فناوری، شرکت‌هایی که داده‌های کافی برای توسعه مدل‌های پیش‌بینی‌کننده ندارند، نمی‌توانند تشخیص‌های سریع‌تر، درمان‌های هدفمندتر، یا مراقبت‌های شخصی‌سازی‌شده ارائه دهند. در نتیجه، بیماران سراغ گزینه‌های هوشمندتر و دقیق‌تر می‌روند و استارت‌آپ‌ها از گردونه رقابت خارج می‌شوند. در بیمه فناوری، هوش مصنوعی با تحلیل داده‌های تاریخی، ریسک‌ها را پیش‌بینی و فرآیندهای بیمه‌گری را متحول می‌کند اما بدون داده، حتی بهترین الگوریتم‌ها هم بی‌اثرند. شرکت‌هایی که نمی‌توانند ریسک را دقیق ارزیابی کنند، یا قیمت‌گذاری درستی انجام دهند، نه‌تنها سودآوری خود را از دست می‌دهند، بلکه مشتریانشان را هم تقدیم رقبا خواهند کرد. بنابراین، داده سوخت اصلی نوآوری است. بدون داده، شرکت‌ها نه‌تنها رشد نمی‌کنند، بلکه به مرور از رقابت نیز حذف خواهند شد. در دنیای نوآوری، برخی شرکت‌ها با هوش مصنوعی مرزهای غیرممکن را شکستند، درحالی‌که برخی دیگر به دلیل اعتماد بیش‌ازحد به داده‌های ناقص، سقوط دردناکی را تجربه کردند. به طور مثال Lemonade در بیمه، هوش مصنوعی را به خدمت گرفت تا ارزیابی خسارت را از چند روز به چند دقیقه کاهش دهد ــ‌تغییری که مشتریان را شگفت‌زده کرد. Babylon Health ، یک پزشک دیجیتال ساخت که با بیماران گفت‌وگو می‌کند و توصیه‌های پزشکی می‌دهد؛ این پزشک دیجیتال هزینه‌های درمانی را کاهش داده و سلامت دیجیتال را متحول کرده است. Kabbage در فین‌تک، با استفاده از داده‌های عظیم و مدل‌های زبانی، ریسک اعتباری را سریع‌تر ارزیابی کرد و به کسب‌وکارهای کوچک امکان دسترسی آسان‌تر به وام‌ها را داد. این شرکت‌ها نمونه شرکت‌های برنده در مسابقه استفاده از هوش مصنوعی هستند. از طرف دیگر شرکت‌هایی بودند که با اعتماد داده‌های ناقص و بی‌کیفیت و یا الگوریتم‌های ضعیف، بازنده این بازار شدند. مثلاً LendingClub در ابتدا بر موج هوش مصنوعی سوار شد اما داده‌های بی‌کیفیت و پیش‌بینی‌های نادرست آن‌ها را به دردسر انداخت. نرخ نکول وام‌ها افزایش یافت و سرمایه‌گذاران اعتمادشان را از دست دادند. Theranos وعده داده بود که با یک قطره خون، ده‌ها آزمایش پزشکی انجام دهد اما پشت پرده، داده‌های ناقص و الگوریتم‌های ضعیف، رویای این شرکت را به یک رسوایی تاریخی تبدیل کرد. درس بزرگی که از مرور این تجربه‌های می‌شود گرفت این است که داده‌های قوی، پادشاه بازی هوش مصنوعی هستند و بدون آن‌ها حتی بزرگ‌ترین ایده‌ها هم به سرانجام نمی‌رسند. بنابراین استفاده از مدل‌های زبانی هوش مصنوعی در صنایع فین‌تک، هلث‌تک و اینشورتک، تحولات چشمگیری به وجود آورده است. شرکت‌هایی که به داده‌های گسترده و باکیفیت دسترسی دارند، می‌توانند خدمات نوآورانه، تجربه کاربری بهینه و رشد مستمر را تجربه کنند. در مقابل، استفاده نکردن از این مدل‌های زبانی و محدودیت داده می‌تواند به کاهش نوآوری، جذب نکردن مشتری و رکود در رشد شرکت‌ها منجر شود.

اکنون یک «فرصت تاریخی» در حال شکل‌گیری است؛ هوش مصنوعی و ایجنت‌های هوشمند به مرحله‌ای از پیشرفت رسیده‌اند که می‌توانند فرآیندهای پیچیده را به طور خودکار انجام داده و سهم بازار قابل توجهی برای شرکت‌ها ایجاد کنند. شرکت‌هایی که بر توسعه و ادغام این فناوری‌ها سرمایه گذاری کنند، ممکن است به سطحی از مزیت رقابتی و سلطه بر بازار برسند که در گذشته حتی تصور آن هم غیرممکن به نظر می‌رسید. در این میان اما نباید از نقش قانون‌گذار غافل شد. دولت‌ها و نهادهای نظارتی می‌توانند هم نقش تسهیلگر داشته باشند و هم نقش محدودکننده. از یک سو، با ایجاد چارچوب‌های قانونی مناسب، می‌توانند فضا را برای رشد فناوری‌های مبتنی بر هوش مصنوعی باز کنند و از سوی دیگر، با وضع مقررات سخت‌گیرانه، مانعی برای نوآوری و گسترش این فناوری‌ها ایجاد کنند. بااین‌حال، شرکت‌ها نباید رویکردی منفعلانه در برابر قانون‌گذاری داشته باشند. آن‌ها باید از طریق توسعه فناوری‌های پیشرفته و اثبات کارایی و امنیت این سیستم‌ها، دولت را به پذیرش و تسهیل کاربرد هوش مصنوعی تشویق کنند. تعامل مؤثر میان شرکت‌های فناوری‌محور و قانون‌گذاران می‌تواند مسیر را برای تحول عمیق این صنایع و ایجاد اکوسیستمی پایدار و نوآورانه هموار کند. به این ترتیب، سرمایه‌گذاری در جمع‌آوری و تحلیل داده‌های دقیق، اتخاذ سیاست‌های داده‌محور و بهره‌گیری از مدل‌های زبانی هوش مصنوعی، کلید موفقیت شرکت‌ها در این صنایع است اما این فقط نیمی از معادله است؛ نیمه دیگر، ایجاد تعامل سازنده با نهادهای نظارتی برای توسعه چارچوب‌های قانونی مناسب است که بتواند رشد هوش مصنوعی را به‌عنوان نیرویی تحول‌آفرین در این حوزه‌ها تقویت کند.