مایکروسافت ۲.۵ میلیارد دلار برای واحد جدید پیاده‌سازی هوش مصنوعی جهت استقرار مدل‌ها برای مشتریان سازمانی اختصاص می‌دهد

مایکروسافت تهاجمی‌ترین تلاش خود را برای تبدیل هیاهوی هوش مصنوعی به درآمد سازمانی قابل اندازه‌گیری آغاز کرده و ۲.۵ میلیارد دلار به یک شرکت فرعی مستقل جدید به نام «شرکت مرزی مایکروسافت» (Microsoft Frontier Company) اختصاص داده است. این طرح حدود ۶۰۰۰ مهندس متخصص و کارشناس صنعتی را مستقیماً در داخل شرکت‌های مشتری مستقر خواهد کرد تا سیستم‌های هوش مصنوعی سفارشی را طراحی، بسازند و به طور مستمر بهینه‌سازی کنند.[1][3][4]

این اقدام که روز پنجشنبه اعلام شد، نشان‌دهنده یک چرخش استراتژیک اساسی برای این غول فناوری است. مایکروسافت به جای صرفاً فروش مجوزهای نرم‌افزاری آماده یا اعتبار محاسبات ابری، در حال گذار به یک مدل مشاوره و پیاده‌سازی عملی است. واحد جدید، مشاوران فنی موجود شرکت، کارکنان پشتیبانی و تیم‌های فروش مختص صنعت را در یک نیروی عملیاتی واحد ادغام می‌کند.[1][2][3]

رهبری شرکت مرزی مایکروسافت بر عهده رودریگو کده لیما (Rodrigo Kede Lima) خواهد بود که پیش از این به عنوان رئیس بخش آسیای مایکروسافت فعالیت می‌کرد. این بخش پیش‌تر فهرستی از پذیرندگان اولیه برجسته را تضمین کرده است و تیم‌های مهندسی را در سازمان‌های جهانی از جمله یونیلور (Unilever)، نوو نوردیسک (Novo Nordisk)، لند او لیکس (Land O'Lakes) و گروه بورس اوراق بهادار لندن (LSEG) مستقر کرده است. به عنوان مثال، در LSEG، مهندسان مایکروسافت یک سیستم هوش مصنوعی را طراحی کرده‌اند که به متخصصان مالی اجازه می‌دهد تا بلافاصله داده‌های ساختاریافته و بدون ساختار پیچیده را جستجو کنند.[3][4][5][6]

این سرمایه‌گذاری عظیم برای از بین بردن چیزی طراحی شده است که تحلیلگران صنعت آن را «تنگنای استقرار» می‌نامند. در طول سه سال گذشته، شرکت‌ها مشتاقانه هوش مصنوعی مولد را آزمایش کرده‌اند، اما بسیاری از آن‌ها برای استخراج ارزش ملموس و مقیاس‌پذیر از سرمایه‌گذاری‌های اولیه خود با مشکل مواجه بوده‌اند.[1][2][4]

اصطکاک بین آزمایش و اجرا به یک مانع جدی برای این صنعت تبدیل شده است. بر اساس یک مطالعه اخیر از مؤسسه فناوری ماساچوست (MIT)، ۹۵ درصد حیرت‌آوری از پروژه‌های آزمایشی هوش مصنوعی مولد که توسط شرکت‌ها آغاز شده‌اند، موفق به پیشرفت به سمت استقرار در مقیاس کامل نمی‌شوند. به طور مشابه، شرکت مشاوره‌ای HCL Tech تخمین می‌زند که ۴۳ درصد از طرح‌های هوش مصنوعی سازمانی در مقیاس بزرگ در نهایت با شکست مواجه می‌شوند.[6]

برای پر کردن این شکاف، مایکروسافت در حال گسترش روشی است که به عنوان «مهندسی استقرار پیشرو» (Forward Deployed Engineering یا FDE) شناخته می‌شود. مهندسان استقرار پیشرو به جای ساخت ابزارها در خلأ و تحویل آن‌ها به بخش فناوری اطلاعات مشتری، خود را به صورت فیزیکی و دیجیتالی در عملیات واقعی مشتری جای می‌دهند.[2][3][7]

مدل FDE تقریباً دو دهه پیش توسط پیمانکار دفاعی و تحلیل داده «پالانتیر» (Palantir) پایه‌گذاری شد، که از مهندسان مستقر برای باز کردن گره‌های سیستم‌های داده پیچیده دولتی استفاده می‌کرد. در طول سال گذشته، نیروی کار جهانی FDE تا ۷۰۰ درصد افزایش یافته و از یک استراتژی دفاعی خاص به مدل کسب‌وکار غالب برای بخش تجاری هوش مصنوعی تبدیل شده است.[3][6]

جادسون آلتوف (Judson Althoff)، مدیرعامل بخش تجاری مایکروسافت، اشاره کرد که مشتریان سازمانی «در حال حاضر در موقعیت‌های بسیار متفاوتی قرار دارند» و برای پیمایش در چشم‌انداز تکه‌تکه هوش مصنوعی به راهنمایی عمیق و سفارشی نیاز دارند. او شرکت مرزی را طرحی توصیف کرد که فراتر از مشاوره سنتی عمل می‌کند تا به توانمندترین سازمان مهندسی نتیجه‌محور در این صنعت تبدیل شود.[3][4][5]

یک جزء حیاتی از پیشنهاد مایکروسافت، خنثی کردن نگرانی شرکت‌ها در مورد امنیت داده‌ها و قفل شدن در اکوسیستم یک فروشنده (Vendor Lock-in) است. شرکت مرزی بر اساس چارچوب «هوش + اعتماد» عمل می‌کند و تضمینی قاطع ارائه می‌دهد که داده‌های اختصاصی مشتری، جریان‌های کاری و مزایای صنعتی او هرگز برای آموزش مدل‌های پایه به گونه‌ای که مزیت منحصر به فرد آن‌ها را به کالایی عمومی تبدیل کند، استفاده نخواهد شد.[2][5]

علاوه بر این، واحد جدید صراحتاً «مدل‌ناشناس» (Model-Agnostic) است. در حالی که مایکروسافت سرمایه‌گذاری زیادی در OpenAI کرده است، آلتوف اذعان داشت که شرکت‌ها به انعطاف‌پذیری برای اجرای ترکیبی از مدل‌ها نیاز دارند. مهندسان شرکت مرزی به مشتریان کمک خواهند کرد تا سیستم‌ها را با استفاده از OpenAI، آنتروپیک (Anthropic)، جایگزین‌های متن‌باز یا مدل‌های تخصصی صنعتی، بسته به وظیفه خاص، مستقر و بهینه‌سازی کنند.[3][5]

فشار تهاجمی مایکروسافت در بحبوحه یک رقابت تسلیحاتی فزاینده در سراسر بخش فناوری رخ می‌دهد. تنها دو روز قبل از اعلام شرکت مرزی، خدمات وب آمازون (AWS) یک میلیارد دلار برای راه‌اندازی سازمان مهندسی استقرار پیشروی خود اختصاص داد.[3][4]

این روند فراتر از ارائه‌دهندگان اصلی خدمات ابری گسترش می‌یابد. در ماه مه ۲۰۲۶، توسعه‌دهندگان پیشرو هوش مصنوعی، یعنی آنتروپیک و OpenAI، هر دو تیم‌های پیاده‌سازی اختصاصی را تأسیس کردند و با شرکت‌های سهام خصوصی مانند بلک‌استون (Blackstone) و گلدمن ساکس (Goldman Sachs) برای کمک به کسب‌وکارهای متوسط در ادغام مدل‌هایشان همکاری کردند. شرکت تحقیقاتی گارتنر (Gartner) پیش‌بینی می‌کند که تا پایان سال، ۸۵ درصد از ارائه‌دهندگان فناوری به برنامه‌های FDE به عنوان مکانیسم اصلی تحویل خود متکی خواهند بود.[3][4][5]

برای مایکروسافت، تعهد ۲.۵ میلیارد دلاری در یک لحظه مالی پرمخاطره صورت می‌گیرد. با وجود ده‌ها میلیارد دلار سرمایه‌گذاری در زیرساخت هوش مصنوعی، سهام این شرکت از ابتدای سال تاکنون تقریباً ۱۵ تا ۲۱ درصد کاهش یافته است. این فروش گسترده منعکس‌کننده نگرانی فزاینده وال استریت در مورد پذیرش کند ابزارهایی مانند مایکروسافت ۳۶۵ کوپایلوت (Microsoft 365 Copilot) توسط شرکت‌ها و تقاضای گسترده‌تر برای غول‌های فناوری است تا درآمدزایی ملموس هوش مصنوعی را اثبات کنند.[2][4]

فراتر از درآمد فوری، استراتژی FDE یک هدف رقابتی عمیق‌تر را دنبال می‌کند: قفل کردن مشتری در اکوسیستم. با جای دادن پرسنل و معماری فنی خود در عمق جریان‌های کاری اصلی مشتری، ارائه‌دهندگان پلتفرم، تغییر خدمات هوش مصنوعی به رقیب را در آینده برای آن مشتریان به شدت دشوار می‌سازند.[6][7]

این تغییر همچنین موجی از شوک را در بخش خدمات فناوری اطلاعات سنتی ایجاد کرده است. برای دهه‌ها، شرکت‌های مشاوره‌ای جهانی و شرکت‌های فناوری اطلاعات هندی با مدیریت استقرار نرم‌افزارهای پیچیده برای شرکت‌های فورچون ۵۰۰ (Fortune 500) رونق داشتند. اکنون، صاحبان پلتفرم مانند مایکروسافت و AWS در حال دور زدن این واسطه‌ها هستند و مستقیماً وارد دفتر مشتری می‌شوند تا لایه تحول را خودشان به دست بگیرند.[7]

راه‌اندازی شرکت مرزی مایکروسافت نشان‌دهنده پایان فاز اولیه صنعت هوش مصنوعی است. میدان نبرد دیگر صرفاً بر سر این نیست که کدام شرکت می‌تواند هوشمندترین مدل بنیادی را آموزش دهد. در عوض، رقابت به سمت «خدمات پس از هوش مصنوعی» تغییر کرده است—یک رقابت سخت و عملی برای دیدن اینکه چه کسی می‌تواند با موفقیت آن هوش را به اقتصاد جهانی متصل کند.[6][7]