در تب و تاب پرشور هوش مصنوعی، احتمالا شما هم وسوسه شده باشید، برای سریع‌تر پیش رفتن کارها کسب‌وکار خودتان را هوشمند کنید. مسلم است که در چنین وضعی، توسعه مدل‌های اختصاصی یا خرید زیرساخت منطقی به نظر نرسد، به همین دلیل بسیاری از سازمان‌ها سراغ استفاده از API های آماده و سرویس‌های محبوب هوش مصنوعی می‎روند تا قابلیت‌هایی مثل چت‌بات پاسخگوی مشتریان، احراز هویت، جستجوی هوشمند و … را به محصول خود اضافه کنند، بدون اینکه نیازی به تیم بزرگ یادگیری ماشین، سرورهای گران‌قیمت و یا ماه‌ها زمان توسعه داشته باشند.

بیشتر بخوانید: APIهای احراز هویت چگونه کار می‌کنند و چه مزایایی دارند؟

اما در این میان مشکلی که بسیاری از شرکت‌ها بسیار دیر متوجه آن می‌شوند، این است که راحتی امروز می‌تواند به وابستگی فردا منجر شود. به این معنا که وقتی بخش مهمی از محصول، فرایندهای داخلی سازمان و سیستم شما به یک ارائه‌دهنده خاص سرویس‌های AI وابسته شود، تغییر مسیر کار بسیار دشواری خواهد بود. مخصوصا زمانی که بخواهید به خاطر افزایش ناگهانی قیمت‌ها، تغییر شرایط استفاده، محدود شدن برخی قابلیت‌‎ها و…. سرویس خود را عوض کنید و آن را از یک ارائه‌دهنده دیگر بخرید. در چنین شرایطی سازمان با پدیده‌ای به نام Vendor Lock-in یا وابستگی به فروشنده روبه‌رو می‌شود. وضعیتی که در آن، خروج از یک سرویس یا تغییر ارائه‌دهنده به دلیل هزینه، پیچیدگی و ریسک بالا بسیار دشوار می‌شود. در این یادداشت همراه ما باشید تا این پدیده را به صورت کلی و سپس به صورت جزئی در سرویس‌های هوش مصنوعی بررسی کنیم.

AI Vendor Lock-in چیست؟

همان‌طور که گفتیم، Vendor Lock-in زمانی اتفاق می‌افتد که یک کسب‌وکار یا سازمان آن‌قدر به یک فروشنده، سرویس یا فناوری خاصی وابسته باشد که تغییر آن به گزینه‌ای دیگر بسیار سخت، پرهزینه و پرریسک باشد. برای درک بهتر چنین وضعیتی، بیایید یک موقعیت فرضی را تصور کنیم. موقعیتی که در آن، تمام فایل‌ها، اطلاعات مشتریان، گزارش‌ها و فرایندهای کاری شرکت شما روی یک پلتفرم خاص قرار داد. اگر روزی بخواهید از آن سرویس خارج شوید، ممکن است با مشکلاتی مانند انتقال دشوار داده‌ها، بازطراحی سیستم‌ها و آموزش مجدد کارکنان و یا حتی توقف بخشی از فعالیت‌های کسب‌وکار مواجه شوید.

بیشتر بخوانید: مدل زبانی بزرگ (LLM) چیست و چه کاربردهایی دارد؟

نکته جالب این است که Vendor Lock-in اغلب موارد نه به دلیل رفتار فروشنده، بلکه به دلیل تصمیم خود سازمان‌ها به وجود می‌آید. مثلا یک سازمان ممکن است نرم‌افزاری را خریده باشد و طی چند سال، ده‌ها فرایند، اتصال و گردش کار را روی آن پیاده‌سازی کند و در نهایت وابستگی‌ها مرور زمان آن‌قدر عمیق شود که تغییر آن دشوار باشد. بنابراین قبل از خرید یک سرویس هوش مصنوعی، علاوه بر اینکه کیفیت آن را بررسی کنید، بهتر است از خودتان بپرسید که تغییر سرویس چقدر ریسک خواهد داشت؟ در ادامه همراه ما باشید تا با Vendor Lock-in در هوش مصنوعی بیشتر آشنا شویم. اما قبل از آن، بیایید با دو اصطلاح مختلف آشنا شویم.

تفاوت Vendor Lock-in با Data Lock-in چیست؟

بسیاری از اوقات دو اصطلاح Vendor Lock-in و Data Lock-in به جای هم استفاده می‌شوند، اما در واقع این دو مفهوم با هم یکسان نیستند. Data Lock-in در حقیقت یکی از رایج‌ترین و خطرناک‌ترین انواع Vendor Lock-in محسوب می‌شود. به هر نوع وابستگی به  فروشنده یا سرویس که باعث شود تغییر ارائه‌دهنده به کاری دشوار و پیچیده تبدیل شود، Vendor Lock-in می‌گویند. اما Data Lock-in فقط روی موضوع داده‌ها تمرکز دارد. به این معنی که اگر بخواهید سرویس یا فروشنده خود را تغییر دهید، نمی‌توانید داده‌های خودتان را به راحتی به محیط جدید منتقل کنید و از آن استفاده کنید. البته که می‌توانید از داده‌ها خروجی دریافت کنید، اما اطلاعات به شکلی ارائه می‌شود که امکان استفاده مجدد از آن‌ها دشوار است.

بیایید این موضوع را با یک مثال توضیح دهیم. تصور کنید از یک سرویس CRM استفاده می‎کنید. هنگام مهاجرت به یک سیستم دیگر اگر بتوانید همه اطلاعات مشتریان، مکاتبات، سوابق فروش و گزارش‌ها را بدون مشکل منتقل کنید، Data Lock-in وجود ندارد. اما اگر کار مهاجرت همچنان زمان‌بر باشد و مثلا فقط بخشی از اطلاعات قابل انتقال باشد و بخش مهمی در سیستم قبلی گیر کند، با Data Lock-in مواجه شده‌اید. پس به زبان ساده می‌توان گفت Vendor Lock-in  یعنی خروج از یک فروشنده دشوار و Data Lock-in یعنی خروج از داده‌های سخت است.

Vendor Lock-in در هوش مصنوعی چگونه اتفاق می‌افتد؟

وقتی می‌خواهید از API های هوش مصنوعی در کسب‌وکارتان استفاده کنید، در نگاه اول همه چیز شاید ساده به نظر برسد. در واقع شما API را تهیه می‌کنید و تنها با چند خط کد، قابلیت‌های هوشمندی مانند چت‌بات و یا سرویس تبدیل گفتار به متن و… را به سیستم خود اضافه می‌کنید. اما مشکل درست از آنجا شروع می‌شود که این وابستگی‌های کوچک به مرور زمان بزرگ‌تر می‌شوند، آن هم بدون اینکه متوجه شوید. آن‌گاه روزی چشم باز می‌کنید و می‌بینید کسب‌وکارتان به یک ارائه‌دهنده خاص گره خورده است. در ادامه همراه ما باشید تا چند نوع از این وابستگی‌ها را بررسی کنیم:

• وابستگی به API: فرض کنید برای آنلاین‌شاپ خود از یک API چت‌بات پاسخگوی مشتریان استفاده می‌کنید. این دستیار با صدها سوال و جواب تنظیم شده و روزانه چند صدبار استفاده می‎شود. حالا اگر بخواهید سرویس خودتان را عوض کنید، اگر به فروشنده وابستگی داشته باشید فقط با چند خط کد تغییر نمی‌کند، بلکه باید کل سیستم را دوباره از نو بچینید.
• وابستگی به امکانات اختصاصی: بعضی از سرویس‌‎‌های هوش مصنوعی قابلیت‌هایی دارند که مخصوص خودشان است. مثلا یک ارائه‌دهنده به شما اجازه می‌دهد سرویس هوش مصنوعی را دقیقا با لحن و فرهنگ خودتان تطبیق دهید. شما هم ماه‌ها وقت و هزینه خود را صرف این کار می‌کنید، حالا اگر بخواهید به جای دیگری بروید و آن مدل این امکانات را در اختیار شما نگذارد، باید همه چیز را از نو شروع کنید.
• وابستگی به داده‌ها: این نوع  وابستگی شاید خطرناک‌ترین باشد. تصور کنید دو سال تمام، مکالمات مشتریان، گزارش‌های تحلیلی و تنظیمات سیستم را روی یک پلتفرم ذخیره کرده‌اید. حالا اگر آن پلتفرم سیاست‌های خود را تغییر دهد، مثلا قیمت را افزایش دهد و یا سرویس را عوض کند. بیرون کشیدن داده‌ها آن‌قدر برای شما دشوار و چالش‌برانگیز می‎شود که عملا مجبور می‌شوید از همان سرویس قبلی استفاده کنید.

چگونه Vendor Lock-in را در پروژه‌های AI کاهش دهیم؟

هرچند حذف Vendor Lock-in به صورت کامل تقریبا غیرممکن است، اما تقریبا می‌توان گفت روند طبیعی استفاده از ابزارهای فناوری محسوب می‌شود. خوشبختانه شما می‌توانید با چند راهکار از قفل شدن در سرویس‎‌های  هوش مصنوعی جلوگیری کنید. هدف این است که طوری پیش بروید تا هر وقت نیاز به تغییر ارائه دهنده AI داشته باشید، کار مهاجرت را انجام دهید. در ادامه همراه ما باشید تا به مهم‌ترین راهکارهای کاهش ریسک استفاده از API هوش مصنوعی بپردازیم:

• یک لایه واسط بین محصول و سرویس AI ایجاد کنید: یکی از اشتباهات رایج این است که کدهای محصول شما به طور مستقیم به API یک مدل هوش مصنوعی متصل شوند. بهتر است به جای این کار، یک لایه واسط (Abstraction Layer) طراحی شود تا ارتباط با مدل‌های مختلف از آن طریق  انجام شود تا اگر روزی خواستید از یک سرویس دیگر استفاده کنید، تغییرات فقط در همان لایه واسط انجام شود و نیازی به بازنویسی بخش‌های مختلف محصول نباشد.
• مالکیت داده‌ها را حفظ کنید: مهم‌ترین سرمایه هر پروژه هوش مصنوعی داده‌ها هستند. داده‌هایی مانند مکالمات کاربران، پرامپت‌ها، خروجی‌های تولید شده، داده‌های آموزشی و تنظیمات مدل باید در زیرساختی ذخیره شوند که سازمان خودتان روی آن کنترل داشته باشد. در واقع اگر تمام این اطلاعات فقط داخل پلتفرم ارائه‌دهنده AI باقی بماند، هزینه و پیچیدگی مهاجرت در آینده برای شما به شکل غیرقابل توجهی افزایش خواهد یافت.
• امکان خروجی گرفتن و مهاجرت داده‌ها را از ابتدا بررسی کنید: قبل از انتخاب هر سرویس AI  این موضوع را بررسی کنید که امکان استخراج داده‌ها، تاریخچه‌ها، تنظیمات و سایر اطلاعات مهم وجود داشته باشد. تا اگر روزی تصمیم به مهاجرت گرفتید انتقال اطلاعات به سادگی انجام شود. در واقع هرچه فرایند خروجی گرفتن ساده‌تر و استانداردتر باشد، ریسک Vendor Lock-in کمتر خواهد بود.
• وابستگی به قابلیت‌های اختصاصی را کاهش دهید: بسیاری از ارائه‌دهندگان سرویس‌های هوش مصنوعی امکانات ویژه و جذابی را معرفی می‌کنند که ممکن است در سایر پلتفرم‌ها وجود نداشته باشد. استفاده از این قابلیت‌ها هرچند وسوسه‌برانگیز است و سرعت توسعه را افزایش می‎دهد، اما بهتر است چندان به آن‌ها وابسته نباشید و تا حد امکان روی قابلیت‌های استاندارد و قابل جایگزینی تکیه کنید تا فرایند مهاجرت بین مدل‌های هوش مصنوعی برای شما راحت باشد.
•  برای مهاجرت از روز اول برنامه داشته باشید: مهم‌ترین نکته برای کاهش هزینه مهاجرت سرویس AI این است که از همان اول به فکر مهاجرت باشید. بسیاری از تیم‌ها هنگام شروع پروژه فقط به فکر راه‌اندازی سریع هستند و هیچ برنامه‌ای برای آینده ندارند. اما یکی از اصول مهم استفاده از سرویس‌های هوش مصنوعی این است که از همان ابتدا سناریو خروج داشته باشد تا بتوانید از وابستگی‌های غیرضروری در امان باشید. در نتیجه اگر شرایط بازار، هزینه‌ها و یا نیازهای کسب‌وکار را تغییر دهد، آزادی عمل بیشتری خواهید داشت.

جمع‌بندی

در نهایت می‌توان گفت Vendor Lock-in در هوش مصنوعی یک مسئله لاینحل نیست. این پدیده با اینکه می‌تواند به آرامی و اغلب بدون اینکه متوجه شوید شکل بگیرد اما قابل مدیریت کردن هم است. در این یادداشت نشان دادیم که پدیده قفل به فروشنده تنها مسئله ارائه‌دهنده سرویس هوش مصنوعی نیست. بلکه به سبک استفاده شما به عنوان کاربر آن سرویس هم ربط دارد و سرانجام تاثیر خود را روی هزینه، انعطاف‌پذیری، سرعت رشد و حتی قدرت تصمیم‎گیری استراتژیک کسب‌وکار شما می‌گذارد. بنابراین بهتر است از همان اول به فکر رفتن باشید! و با راهکارهایی مانند ایجاد لایه واسط، حفظ مالکیت داده‌ها، کاهش وابستگی به قابلیت‌ها و خروجی گرفتن از داده‌ها ریسک استفاده از سرویس‌های هوش مصنوعی را کاهش دهید.