هزینه هنگفت پیاده‌سازی و زیرساخت‌های فنی
اجرای فناوری‌های هوش مصنوعی مولد در هرسه صنعت نیازمند سرمایه‌گذاری کلان در زمینه توسعه نرم‌افزار، راه‌اندازی سخت‌افزار و آموزش کارکنان است. در بسیاری از موارد، شرکت‌ها به دلیل هزینه‌های بالای راه‌اندازی، توان استفاده از این فناوری را ندارند. همچنین، کمبود نیروی انسانی متخصص در این زمینه باعث شده است که پیاده‌سازی سیستم‌های هوش مصنوعی برای بسیاری از سازمان‌ها چالش‌برانگیز باشد. از آنجایی که هوش مصنوعی نیاز به زیرساخت‌های فنی پیشرفته‌ای دارد که در بسیاری از شرکت‌ها و صنایع به طور کامل مهیا نیست، از جمع‌آوری و پردازش داده‌ها گرفته تا آموزش الگوریتم‌ها و یکپارچه‌سازی سیستم‌ها، نیاز به برنامه‌ریزی دقیق و منابع مالی و انسانی قابل‌توجهی دارد. پذیرش فناوری‌های جدید در هر سازمانی نیازمند تغییرات فرهنگی است، اما این تغییرات معمولاً با مقاومت کارکنان مواجه می‌شود. همچنین بسیاری از مؤسسات مالی، بیمه‌ای و بهداشتی در پذیرش هوش مصنوعی کند عمل می‌کنند، زیرا کارکنان نگران از دست دادن شغل خود یا تغییر در فرآیندهای سنتی هستند. بنابراین شرکت‌ها باید فرهنگ سازمانی خود را به گونه‌ای تغییر دهند که کارکنان پذیرای فناوری‌های جدید باشند و این امر نیاز به مدیریت دقیق دارد.
هوش مصنوعی مولد با خطر سوگیری و سوءاستفاده
مدل‌های یادگیری ماشینی ممکن است سوگیری‌های موجود در داده‌های آموزشی را به ارث ببرند که منجر به رفتار نابرابر برای گروه‌های مختلف جمعیتی می‌شود. به‌عنوان مثال، تحقیقات نشان داده است که سیستم‌های هوش مصنوعی تشخیص بیماری‌های پوستی در تشخیص مشکلات پوستی افراد با رنگ پوست تیره‌تر دقت کمتری دارند. استفاده از هوش مصنوعی در صنایع مالی و بیمه می‌تواند منجر به افزایش حملات سایبری و دستکاری در بازارهای مالی شود. صندوق بین‌المللی پول هشدار داده است که الگوریتم‌های معاملاتی خودکار ممکن است بازارها را ناپایدارتر کنند و نظارت بر آن‌ها را دشوارتر سازند. همچنین به گزارش رویترز، دیپ‌فیک و سایر فناوری‌های مشابه می‌توانند در صنعت بیمه و فین‌تک برای تقلب و فریب سامانه‌های تشخیص هویت مورد سوءاستفاده قرار گیرند.