رهبران فناوری اطلاعات (IT leaders) که به دنبال موارد کاربردی نویدبخش در حوزه هوش مصنوعی (AI) هستند، ممکن است یک فرصت طلایی را نادیده بگیرند: به‌کارگیری این فناوری برای کمک به ابتکارات بزرگ مدرن‌سازی IT و تحول دیجیتال (Digital Transformation).
برخی از مدیران ارشد فناوری اطلاعات (CIOs) در شرکت‌های بزرگ، از هوش مصنوعی مولد (Generative AI) و ابزارهای مرتبط برای بازنویسی کدها (Code rewriting)، بازطراحی جریان‌های کاری (Workflows) و مهاجرت پایگاه‌های داده (Database migration) در طول تلاش‌های تحول دیجیتال استفاده کرده‌اند؛ رویه‌ای که هنوز به اندازه پتانسیل آن گسترده نشده است.
ویجای تانگلا، مدیر بخش هوش مصنوعی و یادگیری ماشین در شرکت Avaya، معتقد است که پتانسیل این فناوری بسیار بالا است. او اشاره می‌کند که استفاده از ابزارهای هوش مصنوعی می‌تواند زمان لازم برای مدرن‌سازی مراکز تماس (Contact centers) قدیمی را که معمولاً ماه‌ها طول می‌کشد، به چند روز کاهش دهد.
آرون چاندراسکاران، تحلیلگر هوش مصنوعی در Gartner، نیز پتانسیل قابل توجهی را برای تسریع تحول دیجیتال از طریق هوش مصنوعی مولد، به‌ویژه در زمینه‌هایی مانند جمع‌آوری نیازمندی‌ها، نقشه‌برداری از کدهای قدیمی (Legacy code mapping) و تضمین کیفیت کد (Code QA)، می‌بیند. با این حال، او هشدار می‌دهد که نرخ خطا یا توهم (Hallucination) در مدل‌ها همچنان یک مانع است.
در یک نمونه موردی واقعی، شرکت Mead Johnson Nutrition از ترکیب هوش مصنوعی مولد و اتوماسیون برای انتقال از سیستم قدیمی SAP ERP به S/4HANA استفاده کرد. این تیم با استفاده از دستیاران کدنویسی (Coding copilots) و ربات‌های مبتنی بر هوش مصنوعی، توانست زمان پروژه را از ۱۸ ماه به ۱۱ ماه کاهش داده و حدود ۵ تا ۶ میلیون دلار در هزینه‌ها صرفه‌جویی کند.
با وجود این مزایا، چالش‌هایی نظیر مدیریت حاکمیت هوش مصنوعی (AI Governance)، زیرساخت‌های داده و پذیرش ریسک در سازمان‌های بزرگ همچنان وجود دارد. مدیران باید بین ریسک‌های احتمالی و پاداش‌های بهره‌وری، تعادل برقرار کنند.
