با افزایش تعداد شرکت‌های فعال در حوزه هوش مصنوعی (AI) و رقابت شدید برای جذب بودجه‌های سازمانی، مدیران IT و امنیت باید خود را برای روزی آماده کنند که یکی از تامین‌کنندگان کلیدی آن‌ها به‌طور ناگهانی تعطیل شود یا توسط شرکت دیگری تصاحب (Acquisition) گردد.
چالش‌های خاص در فقدان تامین‌کننده AI
اگرچه بازار AI در حال حاضر شواهدی از کاهش رشد نشان نمی‌دهد، اما یک دوره تعدیل (Shakeout) اجتناب‌ناپذیر است. از دست دادن ناگهانی یک تامین‌کننده AI چالش‌های ویژه‌ای ایجاد می‌کند که فراتر از مشکلات معمول تغییر تامین‌کننده است. این چالش‌ها شامل موارد زیر است:
- دسترسی به داده‌ها و حریم خصوصی: ریسک از دست رفتن داده‌های حساس یا عدم امکان بازیابی آن‌ها.
- از دست رفتن مدل‌های سفارشی: مدل‌هایی که برای نیازهای خاص سازمان Fine-tuning شده‌اند، ممکن است برای همیشه از دسترس خارج شوند.
- اختلال در جریان‌های کاری: تغییر مدل AI صرفاً یک مهاجرت (Migration) ساده نیست، بلکه یک بازبینی (Revalidation) است؛ زیرا مدل‌های مختلف به Promptهای یکسان، پاسخ‌های متفاوتی می‌دهند و هر جریان کاری باید مجدداً تست شود.
استراتژی‌های کاهش ریسک برای مدیران ارشد
کارشناسان توصیه می‌کنند سازمان‌ها از همین حالا برای سناریوی خروج از یک پلتفرم AI برنامه‌ریزی کنند:
- مالکیت کامل داده‌ها: اطمینان حاصل کنید که تمامی Promptها، خروجی‌ها و داده‌های مورد استفاده برای Fine-tuning در قالب‌های قابل استفاده و قابل استخراج (Exportable) باشند.
- تضمین‌های قراردادی: در قراردادها باید بندهای مربوط به دوره اطلاع‌رسانی (Notice Period)، شرایط بازگرداندن و حذف داده‌ها و حق خروج بدون جریمه در صورت تصاحب شرکت تامین‌کننده گنجانده شود.
- ارزیابی قابلیت جابه‌جایی (Portability): تعادل بین هزینه و قابلیت جابه‌جایی را بسنجید. استفاده از لایه‌های انتزاعی برای جلوگیری از Vendor Lock-in ممکن است هزینه‌ها را افزایش دهد، اما ریسک وابستگی را کاهش می‌دهد.
- استفاده از مدل‌های Open-weight: برای تضمین تداوم کسب‌وکار (Business Continuity)، استفاده از مدل‌هایی که سازمان می‌تواند به‌طور مستقل آن‌ها را اجرا کند، به عنوان یک راهکار جایگزین (Fallback) توصیه می‌شود.
به سوی حاکمیت داده و زیرساخت
برخی سازمان‌ها برای کاهش وابستگی به ابرهای عمومی (Hyperscalers)، به سمت استقرار محیط‌های AI اختصاصی در مراکز داده منطقه‌ای یا Edge Data Centers حرکت کرده‌اند. این رویکرد اجازه می‌دهد تا سازمان‌ها کنترل کاملی بر مدل‌ها، مجموعه‌داده‌ها و زیرساخت‌های خود داشته باشند و در برابر تغییرات مدل‌های تجاری یا تعطیلی تامین‌کنندگان خارجی مصون بمانند.
