گزارش جدید موسسه تحقیقاتی گارتنر در پاییز ۱۴۰۵، زنگ خطری جدی برای صنایع بزرگ به صدا درآورده است. طبق پیش‌بینی این موسسه، حدود ۷۰ درصد از سازمان‌ها تا سال ۲۰۲۸ میلادی (۱۴۰۷ شمسی)، همکاری‌های متکی بر مهندسی استقراریافته (FDE) برای توسعه هوش مصنوعی عامل‌محور را متوقف خواهند کرد. این روند ناشی از هزینه‌های سرسام‌آور و وابستگی‌های بلندمدت به فروشندگان خارجی است که سازمان‌ها را در مدیریت زیرساخت‌های هوشمند خود ناتوان گذاشته است.
مهندسی استقراریافته (FDE)؛ تله هزینه‌های پنهان
مدل «مهندسی استقراریافته» یا Forward-Deployed Engineering، استراتژی نوینی است که در آن مهندسان شرکت فروشنده (Vendor) مستقیماً در تیم‌های عملیاتی مشتری مستقر می‌شوند تا سیستم‌های هوش مصنوعی را طبق نیازهای اختصاصی طراحی و پیاده‌سازی کنند. اگرچه این مدل در مراحل اولیه سرعت توسعه را به‌شدت افزایش می‌دهد، اما گارتنر معتقد است که در بلندمدت به ایجاد یک «بدهی فنی» و وابستگی شدید به تخصص خارجی منجر می‌شود. مشکل اصلی زمانی رخ می‌دهد که قرارداد به پایان رسیده و سازمان مشتری، بدون برخورداری از دانش فنی لازم برای نگهداری یا تکامل مدل‌ها، با یک سیستم پیچیده و غیرقابل‌تغییر تنها می‌ماند.
پدیده FDE Washing و چالش‌های مدیریتی
ماتول ساها، تحلیلگر ارشد گارتنر، نسبت به پدیده‌ای موسوم به «FDE Washing» هشدار می‌دهد. بسیاری از شرکت‌های ارائه‌دهنده خدمات هوش مصنوعی، صرفاً با تغییر برچسب خدمات مشاوره سنتی یا پیاده‌سازی‌های عادی به «مهندسی استقراریافته»، هزینه‌های بسیار بالاتری را از مشتریان دریافت می‌کنند. در واقع، بسیاری از این شرکت‌ها فاقد بلوغ کافی در مدیریت تغییر (Change Management) و ارائه زیرساخت‌های قابل مقیاس‌گذاری هستند. این عدم شفافیت در قراردادها منجر به شکست در مالکیت معنوی (IP) و مدیریت حکمرانی داده‌ها در پروژه‌های هوش مصنوعی می‌شود.
تحلیل فنی و الزامات استراتژیک برای سازمان‌ها
- نرخ انصراف: پیش‌بینی ۷۰ درصدی برای سال ۲۰۲۸.
- ریسک‌های عملیاتی: ناتوانی در مدیریت مدل‌ها پس از خروج تیم فروشنده.
- شکست یکپارچه‌سازی: کمتر از ۲۰ درصد پروژه‌های FDE موفق به ادغام نیازهای مشتری در محصول هسته‌ای (Core Product) فروشنده می‌شوند.
- پیش‌شرط موفقیت: تعریف دقیق حاکمیت پروژه، مالکیت معنوی، انتقال دانش و استراتژی خروج از روز نخست قرارداد.
پیشنهاد گارتنر به رهبران مهندسی نرم‌افزار
گارتنر به مدیران فناوری توصیه می‌کند که از مدل FDE تنها در صورتی استفاده کنند که پروژه نیازمند تخصص عمیق در محصول، انطباق‌پذیری بسیار سریع یا یکپارچگی تنگاتنگ با محیط عملیاتی خاص سازمان باشد. در غیر این صورت، استفاده از مدل‌های همکاری سنتی (Partner Model) به مراتب اقتصادی‌تر و پیش‌بینی‌پذیرتر خواهد بود. علاوه بر این، سازمان‌ها باید اطمینان حاصل کنند که انتقال دانش (Knowledge Transfer) به عنوان یک شاخص کلیدی عملکرد (KPI) در قراردادهایشان گنجانده شده است تا از تبدیل شدن به مشتریانی «وابسته و بلاتکلیف» جلوگیری شود.
نتیجه‌گیری
هوش مصنوعی عاملیت‌محور (Agentic AI) وعده‌های بزرگی برای خودکارسازی فرآیندهای پیچیده سازمانی می‌دهد، اما موفقیت در آن نیازمند خرید یا اجاره تخصص نیست، بلکه نیازمند ساخت توانمندی‌های داخلی است. تا سال ۱۴۰۷، سازمان‌هایی برنده میدان خواهند بود که هوش مصنوعی را به عنوان یک «مهارت بومی» در ساختار تیم‌های مهندسی خود نهادینه کرده باشند، نه یک ابزار برون‌سپاری شده که با اولین خروج مهندسان فروشنده، به یک سیستم میراثی (Legacy) بلااستفاده تبدیل می‌شود.
