شرکت Cohere برای توسعه هوش مصنوعی مستقل در ژاپن سرمایه‌گذاری می‌کند

شرکت کانادایی Cohere روز جمعه ۱۳ نوامبر ۲۰۲۶ از برنامه تازه‌ای برای گسترش فعالیت خود در ژاپن خبر داد. این شرکت که در زمینه توسعه مدل‌های زبانی و زیرساخت هوش مصنوعی سازمانی فعالیت می‌کند، قصد دارد شخصیت حقوقی مستقلی در ژاپن ایجاد کند و همکاری با شرکت‌های محلی را برای عرضه خدمات هوش مصنوعی با کنترل بیشتر بر داده‌ها و زیرساخت پردازش گسترش دهد.

این تصمیم در شرایطی اعلام شده که سازمان‌های بزرگ و نهادهای دولتی بیش از گذشته به استفاده از هوش مصنوعی در فعالیت‌های حساس علاقه نشان می‌دهند. بانک‌ها، شرکت‌های صنعتی، سازمان‌های خدمات عمومی و مجموعه‌هایی که اطلاعات محرمانه در اختیار دارند، به ابزارهایی نیاز دارند که علاوه بر توانایی تحلیل داده‌ها و انجام وظایف پیچیده، با الزامات امنیتی و مقررات داخلی آن‌ها نیز سازگار باشند.

Cohere می‌خواهد با تمرکز بر هوش مصنوعی حاکمیتی یا Sovereign AI بخشی از این بازار را به دست آورد. در این رویکرد، مشتری باید بتواند محل اجرای مدل، نحوه نگهداری اطلاعات و حدود دسترسی نرم‌افزار به داده‌های سازمانی را بهتر کنترل کند.

برنامه اعلام‌شده شرکت شامل توسعه حضور محلی، ایجاد شخصیت حقوقی ژاپنی، تقویت شبکه شرکا و برگزاری دوره‌های آموزشی و صدور گواهی تخصصی برای مجموعه‌هایی است که خدمات هوش مصنوعی سازمانی را در ژاپن پیاده‌سازی می‌کنند.

Cohere پیش‌تر با شرکت فوجیتسو در توسعه فناوری‌های هوش مصنوعی همکاری کرده است. یکی از نتایج این همکاری، مدل زبانی Takane است که برای زبان ژاپنی و نیازهای کسب‌وکارهای این کشور بهینه شده و در میان مدل‌های انتخاب‌شده برای ارزیابی در یکی از برنامه‌های هوش مصنوعی دولت ژاپن قرار دارد.

بااین‌حال، باید میان برنامه‌های جدید و دستاوردهای گذشته تفاوت گذاشت. همکاری با فوجیتسو پیش از ۱۳ نوامبر آغاز شده و انتخاب یک مدل برای ارزیابی دولتی نیز به معنای استقرار قطعی و گسترده آن در تمام سازمان‌های دولتی نیست.

خبر اصلی ۱۳ نوامبر، تصمیم Cohere برای گسترش رسمی حضور تجاری و زیرساختی خود در ژاپن است؛ تصمیمی که می‌تواند در صورت اجرای موفق، جایگاه شرکت را در بازار رقابتی هوش مصنوعی سازمانی آسیا تقویت کند.

چرا Cohere بازار ژاپن را انتخاب کرده است؟

ژاپن یکی از بزرگ‌ترین اقتصادهای صنعتی جهان است و شرکت‌های فعال در حوزه‌هایی مانند خودروسازی، الکترونیک، ماشین‌آلات، بانکداری و خدمات مالی نقش مهمی در اقتصاد آن دارند.

بسیاری از این سازمان‌ها طی دهه‌ها فعالیت، حجم بزرگی از اطلاعات فنی، اسناد داخلی، گزارش‌های عملیاتی و داده‌های مربوط به مشتریان جمع‌آوری کرده‌اند. استفاده از هوش مصنوعی می‌تواند جست‌وجو در این اطلاعات، تحلیل اسناد و انجام بعضی فعالیت‌های تکراری را آسان‌تر کند.

اما انتقال چنین داده‌هایی به یک سرویس عمومی هوش مصنوعی همیشه با سیاست‌های امنیتی شرکت سازگار نیست.

برای مثال، یک تولیدکننده تجهیزات صنعتی ممکن است اطلاعات مربوط به طراحی محصول، روش تولید یا قراردادهای محرمانه را در اختیار داشته باشد. چنین شرکتی احتمالاً می‌خواهد بداند اطلاعات ارسال‌شده به مدل کجا پردازش می‌شوند و چه افرادی به آن دسترسی دارند.

Cohere معتقد است همین نیاز، فرصت مناسبی برای عرضه راهکارهای سازمانی با کنترل بیشتر بر داده‌ها ایجاد کرده است.

به گفته اندرو چانگ، معاون منطقه آسیا و اقیانوسیه Cohere، سازمان‌های ژاپنی در حال عبور از مرحله آزمایش‌های اولیه هوش مصنوعی و حرکت به سمت استفاده از این فناوری در فعالیت‌های مهم تجاری هستند.

البته این ارزیابی متعلق به مدیر شرکت است و به‌تنهایی نشان نمی‌دهد تمام صنایع ژاپن با سرعت یکسان از هوش مصنوعی استفاده می‌کنند.

پذیرش فناوری در هر سازمان به بودجه، زیرساخت، نیروی متخصص، الزامات حقوقی و کیفیت داده‌های موجود وابسته خواهد بود.

هوش مصنوعی حاکمیتی چیست و چه تفاوتی با چت‌بات‌های عمومی دارد؟

اصطلاح Sovereign AI به مجموعه‌ای از راهکارها اشاره دارد که تلاش می‌کنند کنترل کشورها و سازمان‌ها بر زیرساخت، داده‌ها و نحوه استفاده از هوش مصنوعی را افزایش دهند.

در سرویس‌های عمومی، کاربر معمولاً از زیرساختی استفاده می‌کند که شرکت ارائه‌دهنده مدیریت می‌کند. مدل ممکن است در مراکز داده خارج از کشور کاربر اجرا شود و شرایط نگهداری و پردازش اطلاعات براساس قرارداد و سیاست‌های خدمات تعیین شوند.

اما در بعضی کاربردهای حساس، سازمان ترجیح می‌دهد مدل در زیرساخت خصوصی، مرکز داده داخلی یا محیط پردازشی واقع در منطقه جغرافیایی مشخص اجرا شود.

این انتخاب می‌تواند به اجرای سیاست‌های امنیتی و مدیریت داده کمک کند.

برای مثال، یک بانک ممکن است بخواهد اطلاعات مشتریان فقط در محیط‌های پردازشی مورد تأیید خودش استفاده شوند. یک شرکت فناوری نیز شاید ترجیح دهد اسناد محرمانه تحقیق و توسعه را به سرویس عمومی ارسال نکند.

راهکارهای هوش مصنوعی حاکمیتی تلاش می‌کنند چنین نیازهایی را پوشش دهند.

بااین‌حال، حاکمیتی‌بودن یک سامانه لزوماً به معنای ساخت تمام اجزای آن در داخل کشور نیست.

ممکن است مدل توسط شرکتی خارجی توسعه یافته باشد، اما اجرا و مدیریت اطلاعات آن در زیرساخت داخلی انجام شود.

همچنین محل نگهداری داده فقط یکی از ابعاد امنیت است. کنترل دسترسی، رمزنگاری، نظارت، ثبت فعالیت‌ها و رعایت مقررات همچنان ضروری هستند.

برنامه تأسیس شخصیت حقوقی Cohere در ژاپن

یکی از مهم‌ترین بخش‌های اطلاعیه ۱۳ نوامبر، اعلام برنامه ایجاد شخصیت حقوقی محلی در ژاپن است.

وجود یک شرکت ثبت‌شده در کشور مقصد می‌تواند انجام بعضی فعالیت‌های تجاری را آسان‌تر کند. قرارداد با مشتریان، استخدام کارکنان، همکاری با شرکای محلی و پاسخ‌گویی به الزامات حقوقی از جمله موضوعاتی هستند که ممکن است از حضور رسمی در بازار تأثیر بگیرند.

Cohere اعلام کرده قصد دارد با این اقدام، توانایی ارائه خدمات به مشتریان ژاپنی را تقویت کند.

شرکت همچنین در حال توسعه تیم محلی خود تحت مدیریت هیونجو چو، مدیر کشوری Cohere در ژاپن، است.

بااین‌حال، اطلاعیه منتشرشده زمان دقیق ثبت نهایی شخصیت حقوقی یا تعداد کارکنانی را که قرار است استخدام شوند مشخص نکرده است.

بنابراین نمی‌توان گفت Cohere در روز ۱۳ نوامبر تمام مراحل اداری و قانونی ایجاد شرکت ژاپنی را به پایان رسانده است.

این تفاوت برای گزارش خبری اهمیت دارد؛ زیرا اعلام یک تصمیم راهبردی با تحقق تمام مراحل اجرایی آن یکسان نیست.

موفقیت برنامه تازه نیز به این بستگی دارد که حضور محلی تا چه اندازه به قراردادهای واقعی، پشتیبانی بهتر و افزایش استفاده سازمان‌ها از محصولات شرکت منجر شود.

مدل Takane چگونه برای زبان ژاپنی توسعه یافته است؟

یکی از مهم‌ترین همکاری‌های Cohere در ژاپن با شرکت فناوری فوجیتسو انجام شده است.

این دو شرکت برای توسعه راهکارهای هوش مصنوعی سازمانی همکاری کرده‌اند و مدل Takane از جمله فناوری‌هایی است که در همین چارچوب معرفی شده است.

زبان ژاپنی برای سامانه‌های پردازش زبان ویژگی‌های خاصی دارد. ساختار جمله‌ها، شیوه نگارش و استفاده از ترکیب‌های مختلف حروف می‌تواند بر عملکرد مدل‌های زبانی تأثیر بگذارد.

علاوه بر این، زبان مورد استفاده در محیط‌های رسمی و تجاری با گفت‌وگوی روزمره تفاوت دارد.

یک مدل سازمانی ممکن است لازم باشد اسناد حقوقی، گزارش‌های فنی یا مکاتبات رسمی ژاپنی را با دقت مناسبی پردازش کند.

بهینه‌سازی مدل برای چنین کاربردهایی می‌تواند فراتر از ترجمه ساده رابط کاربری باشد.

در توسعه یک مدل تخصصی، کیفیت داده‌های آموزشی، ارزیابی عملکرد و سازگاری با نیازهای کاربران محلی اهمیت دارند.

Cohere و فوجیتسو با تمرکز بر این نیازها تلاش کرده‌اند راهکاری متناسب با بازار ژاپن ارائه کنند.

بااین‌حال، انتشار یک مدل بومی‌سازی‌شده به معنای برتری قطعی آن نسبت به تمام مدل‌های دیگر نیست.

برای ارزیابی چنین ادعایی باید آزمون‌های مستقل روی وظایف مشخص، داده‌های مشابه و شرایط یکسان انجام شود.

آیا دولت ژاپن استفاده از Takane را تأیید کرده است؟

یکی از نکات اطلاعیه Cohere، اشاره به حضور Takane در میان مدل‌هایی است که برای ارزیابی در محیط هوش مصنوعی دولتی ژاپن انتخاب شده‌اند.

این برنامه بخشی از تلاش نهادهای دولتی برای بررسی کاربردهای هوش مصنوعی در فعالیت‌های عمومی است.

ارزیابی یک مدل ممکن است شامل بررسی کیفیت پاسخ‌ها، امنیت، سازگاری با زبان ژاپنی و قابلیت استفاده در وظایف مشخص باشد.

اما باید میان ورود به مرحله ارزیابی و دریافت تأیید نهایی تفاوت گذاشت.

انتخاب Takane برای بررسی در محیط GENAI به معنای آن نیست که تمام سازمان‌های دولتی ژاپن موظف به استفاده از آن شده‌اند.

همچنین نمی‌توان نتیجه گرفت این مدل تمام مراحل امنیتی، حقوقی و عملکردی را با موفقیت پشت سر گذاشته است.

اعلام نتایج نهایی ارزیابی می‌تواند در آینده تصویر روشن‌تری از جایگاه مدل ارائه کند.

برای Cohere، حضور در چنین فرایندی از نظر تجاری اهمیت دارد، زیرا امکان بررسی فناوری در یک محیط مرتبط با بخش عمومی را فراهم می‌کند.

بااین‌حال، تبدیل این فرصت به قراردادهای واقعی به نتیجه ارزیابی و تصمیم نهادهای مسئول وابسته خواهد بود.

Model Vault چه نقشی در حفظ اطلاعات سازمانی دارد؟

یکی از محصولات مهم Cohere برای مشتریان سازمانی Model Vault است.

این راهکار با هدف فراهم‌کردن محیط اجرای مدل‌های هوش مصنوعی در زیرساختی طراحی شده که سازمان بتواند بر محل پردازش اطلاعات کنترل بیشتری داشته باشد.

Cohere در برنامه گسترش خود به ژاپن، توسعه استفاده از Model Vault و قابلیت اجرای مدل در خوشه‌های پردازشی محلی را مطرح کرده است.

در چنین معماری‌ای، درخواست‌های ارسال‌شده به مدل و پاسخ‌های تولیدشده می‌توانند در منطقه جغرافیایی مشخص پردازش شوند.

این قابلیت برای سازمان‌هایی که درباره انتقال اطلاعات محرمانه به خارج از کشور محدودیت دارند جذاب است.

اما نباید این موضوع را به معنای حفاظت خودکار و کامل از تمام اطلاعات دانست.

امنیت یک سامانه به طراحی شبکه، مدیریت حساب‌های کاربری، کنترل مجوزها، ثبت وقایع و شیوه نگهداری داده‌ها وابسته است.

همچنین باید مشخص شود داده‌ها در چه محیطی ذخیره می‌شوند و چه سیاست‌هایی درباره پشتیبان‌گیری و دسترسی مدیران اجرا می‌شود.

محلی‌بودن پردازش می‌تواند یکی از ابزارهای کاهش خطر باشد، اما جایگزین یک برنامه جامع امنیت اطلاعات نیست.

پلتفرم North چگونه در شرکت‌ها استفاده می‌شود؟

Cohere در کنار مدل‌های زبانی، پلتفرم North را برای کاربردهای سازمانی توسعه داده است.

هدف این پلتفرم فراهم‌کردن بستری است که سازمان‌ها بتوانند از مدل‌های هوش مصنوعی برای کار با اطلاعات و اجرای فرایندهای مختلف استفاده کنند.

در یک شرکت بزرگ، اطلاعات ممکن است میان نرم‌افزارهای مدیریت اسناد، سامانه‌های اداری، بانک‌های اطلاعاتی و ابزارهای ارتباط داخلی پراکنده باشند.

برای آنکه دستیار هوش مصنوعی بتواند پاسخ مناسبی ارائه کند، باید اطلاعات مرتبط را با رعایت سطح دسترسی کاربر بازیابی کند.

همچنین ممکن است سازمان بخواهد انجام بعضی کارها را به ایجنت‌های هوشمند بسپارد.

برای مثال، ایجنت می‌تواند اطلاعات مربوط به یک درخواست را جمع‌آوری کند، آن را با اسناد موجود مقایسه کند و پیش‌نویسی برای بررسی کارمند تهیه کند.

اما انجام اقداماتی که پیامد مالی، حقوقی یا عملیاتی دارند به مجوزهای دقیق‌تری نیاز خواهد داشت.

Cohere می‌خواهد North را در چارچوب همین نیازهای سازمانی توسعه دهد.

موفقیت چنین پلتفرمی به توانایی آن در اتصال به سامانه‌های موجود، کیفیت پاسخ‌ها و سازگاری با سیاست‌های امنیتی مشتریان وابسته است.

چرا استقرار هوش مصنوعی در داخل کشور اهمیت اقتصادی دارد؟

گسترش هوش مصنوعی حاکمیتی فقط یک تصمیم فنی نیست؛ پیامدهای اقتصادی نیز دارد.

وقتی سازمانی بخواهد مدل را در زیرساخت داخلی اجرا کند، ممکن است به سرورهای قدرتمند، تجهیزات شبکه، سامانه‌های ذخیره‌سازی و نیروی متخصص نیاز داشته باشد.

این مسئله می‌تواند تقاضا برای خدمات مراکز داده و شرکت‌های فعال در راه‌اندازی زیرساخت را افزایش دهد.

از سوی دیگر، استقرار داخلی لزوماً ارزان‌تر از استفاده از سرویس ابری عمومی نیست.

هزینه خرید تجهیزات، مصرف برق، خنک‌سازی، نگهداری و به‌روزرسانی مدل‌ها باید محاسبه شود.

برای سازمانی که استفاده محدودی از هوش مصنوعی دارد، زیرساخت اختصاصی ممکن است هزینه بالایی ایجاد کند.

اما در بعضی محیط‌های بزرگ با داده‌های حساس یا استفاده گسترده، کنترل بیشتر بر سامانه می‌تواند مزایای عملیاتی داشته باشد.

بنابراین انتخاب روش استقرار باید براساس نوع اطلاعات، حجم پردازش، محدودیت‌های حقوقی و هزینه کل انجام شود.

برنامه Cohere در ژاپن نیز در همین چارچوب قابل بررسی است.

این شرکت قصد دارد خدماتی ارائه کند که با نیاز مشتریان محلی سازگار باشند، اما هنوز مبلغ مشخصی برای سرمایه‌گذاری تازه در زیرساخت ژاپن اعلام نکرده است.

شبکه شرکای محلی چه نقشی در برنامه Cohere دارد؟

یکی از بخش‌های تازه برنامه Cohere، توسعه آموزش و صدور گواهی برای شرکای ژاپنی است.

در پروژه‌های بزرگ سازمانی، خرید دسترسی به یک مدل هوش مصنوعی تنها شروع کار است.

شرکت مشتری باید اطلاعات خود را آماده کند، مجوزهای دسترسی را تنظیم کند و مشخص کند کدام وظایف برای استفاده از هوش مصنوعی مناسب هستند.

همچنین ممکن است کارکنان به آموزش نیاز داشته باشند تا بتوانند ابزارهای جدید را در فعالیت‌های روزمره به کار بگیرند.

شرکت‌های مشاور و ارائه‌دهندگان خدمات فناوری اطلاعات معمولاً در چنین پروژه‌هایی نقش مهمی دارند.

Cohere می‌خواهد با ایجاد شبکه‌ای از شرکای آموزش‌دیده، امکان اجرای راهکارهای خود در سازمان‌های ژاپنی را گسترش دهد.

این رویکرد می‌تواند به توسعه بازار کمک کند؛ زیرا شرکت خارجی برای پاسخ‌گویی به تمام نیازهای محلی مجبور نیست تمام فعالیت‌ها را مستقیماً انجام دهد.

اما صدور گواهی تخصصی به‌تنهایی تضمین‌کننده موفقیت پروژه نیست.

کیفیت داده‌های مشتری، طراحی فرایندها و توانایی تیم اجرایی همچنان اهمیت دارند.

برای ارزیابی موفقیت برنامه Cohere باید در آینده دید چه تعداد شریک واقعی آموزش می‌بیند و چه پروژه‌هایی به مرحله استفاده عملی می‌رسند.

رقابت Cohere با شرکت‌های بزرگ‌تر هوش مصنوعی

بازار هوش مصنوعی سازمانی یکی از حوزه‌های رقابتی صنعت فناوری است.

شرکت‌های بزرگی مانند مایکروسافت، گوگل و آمازون زیرساخت‌های ابری گسترده‌ای در اختیار دارند و خدمات متنوعی برای اجرای مدل‌ها ارائه می‌کنند.

در کنار آن‌ها، توسعه‌دهندگان مدل‌های زبانی نیز تلاش می‌کنند محصولات تخصصی برای شرکت‌ها و نهادهای دولتی عرضه کنند.

Cohere در این بازار بیشتر بر کاربردهای سازمانی، امنیت داده و امکان انتخاب زیرساخت اجرای مدل تمرکز دارد.

این رویکرد با عرضه یک چت‌بات عمومی برای مصرف‌کنندگان تفاوت دارد.

مشتریان سازمانی معمولاً به معیارهایی مانند کیفیت پاسخ، هزینه پردازش، پایداری خدمات و سازگاری با نرم‌افزارهای موجود توجه می‌کنند.

در بعضی صنایع، امکان استقرار در محیط خصوصی نیز اهمیت ویژه‌ای دارد.

بااین‌حال، تمرکز بر هوش مصنوعی حاکمیتی به معنای نبود رقیب نیست.

ارائه‌دهندگان بزرگ خدمات ابری و شرکت‌های دیگر نیز محصولات و معماری‌هایی برای کنترل محل پردازش اطلاعات دارند.

بنابراین Cohere باید بتواند در عمل نشان دهد راهکارهایش از نظر کیفیت، هزینه و شیوه استقرار برای مشتریان ارزش ایجاد می‌کنند.

ارتباط برنامه ژاپن با گسترش جهانی Cohere

Cohere یک شرکت کانادایی است و دفتر مرکزی آن در تورنتو قرار دارد.

این شرکت طی سال‌های گذشته تلاش کرده حضور خود را در بازارهای مختلف توسعه دهد و خدماتش را متناسب با نیاز سازمان‌های بزرگ ارائه کند.

گسترش فعالیت در ژاپن بخشی از همین راهبرد بین‌المللی است.

اما ورود به بازارهای مختلف به معنی استفاده از یک مدل تجاری کاملاً یکسان نیست.

مقررات حفاظت از اطلاعات، زبان، ساختار سازمانی و ترجیحات مشتریان ممکن است از کشوری به کشور دیگر تفاوت داشته باشند.

برای مثال، اجرای یک مدل در محیطی که اسناد عمدتاً به زبان انگلیسی هستند با استفاده از آن در سازمانی با اسناد تخصصی ژاپنی تفاوت دارد.

همچنین مشتریان ممکن است نیازهای متفاوتی درباره محل ذخیره اطلاعات و قراردادهای خدماتی داشته باشند.

به همین دلیل، Cohere در اطلاعیه جدید بر حضور محلی و همکاری با شرکت‌های ژاپنی تأکید کرده است.

اگر این برنامه موفق باشد، می‌تواند به الگویی برای توسعه بازار در کشورهای دیگر تبدیل شود.

بااین‌حال، هنوز برای ارزیابی نتیجه مالی یا عملیاتی این گسترش زود است.

آیا هوش مصنوعی حاکمیتی امنیت را تضمین می‌کند؟

یکی از خطرهای رایج در معرفی محصولات سازمانی آن است که استفاده از عبارت‌هایی مانند امن، خصوصی یا حاکمیتی به‌عنوان تضمین کامل امنیت برداشت شود.

اما امنیت اطلاعات یک ویژگی مطلق نیست.

حتی اگر مدل هوش مصنوعی روی سرورهای داخلی یک سازمان اجرا شود، احتمال بروز خطای نرم‌افزاری، سوءاستفاده از دسترسی یا پیکربندی نادرست وجود دارد.

به همین دلیل، سازمان‌ها باید پیش از استقرار سامانه درباره سیاست‌های امنیتی تصمیم بگیرند.

کنترل دسترسی کاربران، جداسازی محیط‌های پردازشی، ثبت فعالیت‌ها و بررسی منظم آسیب‌پذیری‌ها از جمله اقدامات ضروری هستند.

علاوه بر این، کیفیت داده‌های مورد استفاده نیز اهمیت دارد.

اگر یک مدل به اسناد نادرست یا قدیمی دسترسی داشته باشد، ممکن است پاسخ‌هایی تولید کند که با وضعیت واقعی سازمان سازگار نیستند.

بنابراین موفقیت هوش مصنوعی سازمانی فقط به قدرت مدل بستگی ندارد.

مدیریت داده، طراحی فرایند و نظارت انسانی نیز بخش مهمی از آن است.

در برنامه Cohere، استقرار منطقه‌ای می‌تواند به پاسخ‌گویی به بعضی نیازهای حاکمیتی کمک کند، اما به‌تنهایی برای اثبات امنیت تمام کاربردها کافی نیست.

آیا این برنامه به قراردادهای تازه منجر شده است؟

اطلاعیه ۱۳ نوامبر از رشد فعالیت Cohere در ژاپن و افزایش همکاری با سازمان‌های محلی سخن می‌گوید.

اما جزئیات قراردادهای جدید و ارزش مالی احتمالی آن‌ها در این اطلاعیه مشخص نشده است.

همچنین شرکت مبلغ مشخصی برای سرمایه‌گذاری تازه خود در ژاپن اعلام نکرده است.

این نکته اهمیت زیادی دارد، زیرا اعلام برنامه گسترش تجاری با ثبت درآمد واقعی تفاوت دارد.

ممکن است شرکتی برای توسعه بازار نیرو استخدام کند، شخصیت حقوقی ایجاد کند و با شرکای تازه گفت‌وگو داشته باشد، اما تبدیل این اقدامات به درآمد پایدار زمان ببرد.

برای بررسی موفقیت برنامه Cohere در آینده، اطلاعاتی درباره تعداد مشتریان پرداخت‌کننده، ارزش قراردادها و میزان استفاده عملی از خدمات لازم خواهد بود.

وجود رابطه پیشین با فوجیتسو می‌تواند یک مزیت تجاری باشد، اما نباید آن را به‌عنوان قراردادی تازه که در ۱۳ نوامبر امضا شده معرفی کرد.

همچنین انتخاب Takane برای ارزیابی دولتی، به معنی تضمین خرید یا استقرار آن در تمام نهادهای دولتی نیست.

هوش مصنوعی سازمانی در ژاپن چه آینده‌ای دارد؟

نیاز سازمان‌ها به تحلیل اطلاعات و خودکارسازی بخشی از فعالیت‌ها می‌تواند در سال‌های آینده به گسترش استفاده از مدل‌های زبانی منجر شود.

اما مسیر پذیرش فناوری در شرکت‌های بزرگ معمولاً تدریجی است.

ابتدا کاربردهای محدود آزمایش می‌شوند، سپس کیفیت خروجی، هزینه و الزامات امنیتی بررسی می‌شوند و در صورت دستیابی به نتایج مناسب، استفاده گسترده‌تر آغاز می‌شود.

برای نمونه، ممکن است یک شرکت صنعتی ابتدا از هوش مصنوعی برای جست‌وجوی اسناد فنی استفاده کند.

در مرحله بعد، سامانه می‌تواند به تهیه پیش‌نویس گزارش‌ها یا بررسی اطلاعات مربوط به پشتیبانی مشتریان کمک کند.

اما سپردن تصمیم‌های مهم تولیدی یا مالی به ایجنت‌ها نیازمند کنترل بیشتری خواهد بود.

در ژاپن نیز گسترش این فناوری به عواملی مانند دسترسی به نیروی متخصص، هزینه زیرساخت و آمادگی سازمان‌ها وابسته است.

Cohere تلاش می‌کند با مدل‌های سازگار با زبان ژاپنی و امکان استقرار کنترل‌شده، بخشی از این نیازها را پاسخ دهد.

بااین‌حال، نمی‌توان از اطلاعیه یک شرکت نتیجه گرفت که بازار با سرعت مشخصی رشد خواهد کرد یا یک ارائه‌دهنده خاص سهم غالب آن را به دست می‌آورد.

جمع‌بندی؛ ژاپن به یکی از بازارهای مهم راهبرد Cohere تبدیل می‌شود

اعلام برنامه گسترش فعالیت Cohere در ۱۳ نوامبر ۲۰۲۶ نشان می‌دهد رقابت در صنعت هوش مصنوعی دیگر فقط بر سر ساخت مدل‌های قدرتمندتر نیست.

شرکت‌ها اکنون تلاش می‌کنند مدل‌هایی عرضه کنند که با نیازهای حقوقی، زبانی و امنیتی مشتریان سازمانی سازگار باشند.

Cohere با برنامه ایجاد شخصیت حقوقی در ژاپن، تقویت تیم محلی و توسعه شبکه شرکای تخصصی، می‌خواهد جایگاه خود را در این بازار گسترش دهد.

همکاری پیشین با فوجیتسو و توسعه مدل Takane نیز بخشی از زیرساخت تجاری و فنی این برنامه را تشکیل می‌دهند.

از سوی دیگر، خدماتی مانند Model Vault و پلتفرم North قرار است به سازمان‌ها کمک کنند استفاده از هوش مصنوعی را با کنترل بیشتری بر اطلاعات و محیط اجرا دنبال کنند.

بااین‌حال، چند نکته هنوز روشن نیست: شخصیت حقوقی ژاپنی چه زمانی ثبت نهایی خواهد شد، شرکت چه مقدار سرمایه تازه در این بازار هزینه می‌کند و برنامه جدید به چه تعداد قرارداد تجاری منجر خواهد شد.

بنابراین نتیجه قطعی خبر ۱۳ نوامبر، اعلام یک برنامه توسعه راهبردی است، نه تحقق تمام اهداف آن.

اهمیت این رویداد در تغییری گسترده‌تر در بازار هوش مصنوعی قرار دارد؛ تغییری که در آن محل پردازش داده‌ها، امکان استقرار خصوصی و سازگاری با مقررات محلی به‌اندازه قابلیت‌های خود مدل برای بسیاری از مشتریان اهمیت پیدا می‌کنند.

اگر Cohere بتواند میان کیفیت فنی، امنیت، همکاری محلی و هزینه مناسب تعادل برقرار کند، حضور گسترده‌تر در ژاپن می‌تواند به یکی از بخش‌های مهم توسعه بین‌المللی آن تبدیل شود. اما میزان موفقیت این برنامه را باید با نتایج اجرایی و قراردادهای واقعی آینده سنجید.

مشاهده بیشتر

نوشته های مشابه

دکمه بازگشت به بالا