۵ تحول بزرگ فناوری اطلاعات در سال ۲۰۲۵؛ از هوش مصنوعی مولد تا رایانش کوانتومی و ۶G

سال ۲۰۲۵ را می‌توان یکی از مهم‌ترین سال‌های تحول در صنعت فناوری اطلاعات دانست. در این سال، فناوری‌هایی که پیش‌تر بیشتر در مرحله آزمایش، توسعه یا ارائه نمونه‌های اولیه قرار داشتند، بیش از گذشته وارد فضای واقعی کسب‌وکار و زیرساخت‌های سازمانی شدند.

هوش مصنوعی مولد به یکی از اجزای مهم فرایندهای کاری تبدیل شد، امنیت سایبری بیش از گذشته به سمت استفاده از هوش مصنوعی حرکت کرد، رایانش کوانتومی به توسعه خود ادامه داد و موضوع رمزنگاری پساکوانتومی اهمیت بیشتری پیدا کرد. هم‌زمان، تحقیقات مربوط به نسل ششم ارتباطات سیار یا ۶G و توسعه رایانش لبه‌ای و اینترنت اشیا، مسیر آینده زیرساخت‌های دیجیتال را شکل دادند.

در ادامه، پنج تحول مهم فناوری اطلاعات در سال ۲۰۲۵ را بررسی می‌کنیم و تلاش می‌کنیم علاوه بر معرفی فناوری‌ها، تأثیر آن‌ها بر سازمان‌ها، کسب‌وکارها و آینده صنعت فناوری اطلاعات را نیز بررسی کنیم.

۱. بلوغ هوش مصنوعی مولد و ورود آن به فرایندهای سازمانی

هوش مصنوعی مولد یا Generative AI در سال‌های گذشته از یک فناوری نوظهور به یکی از مهم‌ترین موضوعات صنعت فناوری تبدیل شد، اما در سال ۲۰۲۵ تمرکز اصلی بسیاری از سازمان‌ها از «آزمایش هوش مصنوعی» به سمت «استفاده عملی و سازمان‌یافته از هوش مصنوعی» حرکت کرد.

نسل جدید مدل‌های هوش مصنوعی قادر است متن، تصویر، صدا، ویدئو، کد نرم‌افزاری و انواع دیگری از محتوا را تولید یا تحلیل کند. همین قابلیت باعث شده است هوش مصنوعی مولد از یک ابزار جانبی به بخشی از فرایندهای واقعی کسب‌وکار تبدیل شود.

در بخش توسعه نرم‌افزار، ابزارهای مبتنی بر هوش مصنوعی می‌توانند در تولید کد، بررسی کد، مستندسازی، شناسایی خطاها و تحلیل پروژه به برنامه‌نویسان کمک کنند. در بخش خدمات مشتری، سامانه‌های هوشمند می‌توانند درخواست‌های کاربران را تحلیل کرده و پاسخ‌های اولیه را ارائه دهند. در حوزه مدیریت نیز تحلیل اسناد، تهیه گزارش، خلاصه‌سازی اطلاعات و استخراج داده از حجم زیادی از محتوا، از کاربردهای مهم این فناوری محسوب می‌شود.

با این حال، افزایش استفاده از هوش مصنوعی یک مسئله مهم را نیز مطرح کرده است؛ سازمان‌ها دیگر نمی‌توانند هوش مصنوعی را بدون چارچوب مدیریتی و امنیتی وارد فرایندهای خود کنند.

موضوعاتی مانند حریم خصوصی، امنیت داده‌ها، خطاهای مدل، پاسخ‌های نادرست، سوگیری الگوریتمی، مالکیت محتوا و نحوه استفاده مسئولانه از هوش مصنوعی، اهمیت بسیار بیشتری پیدا کرده‌اند.

به همین دلیل، مفهوم حکمرانی هوش مصنوعی یا AI Governance به یکی از موضوعات مهم فناوری اطلاعات تبدیل شده است. سازمان‌ها باید مشخص کنند چه داده‌هایی می‌توانند در اختیار سامانه‌های هوش مصنوعی قرار گیرند، چه کارهایی باید توسط انسان تأیید شوند و چگونه می‌توان عملکرد و ریسک سامانه‌های هوشمند را کنترل کرد.

در واقع، مهم‌ترین تحول سال ۲۰۲۵ صرفاً افزایش قدرت مدل‌های هوش مصنوعی نبود؛ بلکه حرکت از «استفاده آزمایشی» به سمت «استفاده سازمانی و کنترل‌شده» بود.

۲. پیشرفت رایانش کوانتومی و اهمیت رمزنگاری پساکوانتومی

رایانش کوانتومی یکی دیگر از فناوری‌هایی بود که در سال ۲۰۲۵ توجه جدی صنعت فناوری و مراکز تحقیقاتی را به خود جلب کرد.

رایانه‌های کوانتومی برخلاف رایانه‌های کلاسیک، از اصول مکانیک کوانتومی برای پردازش اطلاعات استفاده می‌کنند. این موضوع می‌تواند در آینده امکان حل برخی مسائل بسیار پیچیده را فراهم کند؛ مسائلی که حل آن‌ها با رایانه‌های کلاسیک ممکن است به زمان بسیار زیادی نیاز داشته باشد.

کاربردهای بالقوه رایانش کوانتومی شامل شبیه‌سازی مولکول‌ها و مواد، کشف دارو، بهینه‌سازی مسائل پیچیده، مدل‌سازی علمی، تحلیل‌های مالی و برخی مسائل رمزنگاری است.

البته باید میان «پیشرفت علمی در رایانش کوانتومی» و «برتری عملی و گسترده رایانش کوانتومی» تفاوت قائل شد. در سال ۲۰۲۵ رایانه‌های کوانتومی همچنان با چالش‌هایی مانند خطاهای کوانتومی، تعداد محدود کیوبیت‌های مؤثر، پیچیدگی تصحیح خطا و دشواری ساخت سامانه‌های پایدار در مقیاس بزرگ مواجه بودند.

بنابراین، نمی‌توان گفت رایانش کوانتومی در سال ۲۰۲۵ به‌طور کامل جایگزین رایانه‌های کلاسیک شده یا تمام مسائل پیچیده را در زمان کوتاه حل می‌کند. اهمیت اصلی این فناوری در این مرحله، پیشرفت مستمر تحقیقات و نزدیک‌تر شدن به رایانش کوانتومی کاربردی است.

اما یک موضوع حتی پیش از رسیدن رایانه‌های کوانتومی قدرتمند به مرحله عملیاتی، برای سازمان‌ها اهمیت پیدا کرده است: امنیت اطلاعات.

بسیاری از الگوریتم‌های رمزنگاری فعلی در برابر یک رایانه کوانتومی قدرتمند بالقوه آسیب‌پذیر خواهند بود. به همین دلیل، مفهوم رمزنگاری پساکوانتومی یا Post-Quantum Cryptography که معمولاً با عبارت PQC شناخته می‌شود، اهمیت زیادی پیدا کرده است.

مؤسسه ملی استانداردها و فناوری ایالات متحده، NIST، در سال‌های اخیر استانداردهای جدیدی برای رمزنگاری پساکوانتومی تدوین کرده است. این استانداردها با هدف ایجاد روش‌های رمزنگاری مقاوم در برابر تهدیدات احتمالی رایانش کوانتومی طراحی شده‌اند.

برای سازمان‌ها، پیام این تحول بسیار مهم است: مهاجرت به رمزنگاری پساکوانتومی موضوعی نیست که بتوان آن را تا زمان ساخت رایانه‌های کوانتومی قدرتمند به تعویق انداخت.

سازمان‌های بزرگ باید از هم‌اکنون دارایی‌های رمزنگاری‌شده، الگوریتم‌های مورد استفاده، گواهی‌ها، سامانه‌های حساس و وابستگی‌های نرم‌افزاری خود را شناسایی کرده و برای مهاجرت تدریجی به الگوریتم‌های مقاوم در برابر کوانتوم برنامه‌ریزی کنند.

۳. حرکت صنعت ارتباطات به سمت نسل ششم یا ۶G

در سال ۲۰۲۵، فناوری ۶G هنوز یک فناوری تجاری فراگیر نبود، اما تحقیقات و فعالیت‌های استانداردسازی آن با سرعت بیشتری ادامه پیدا کرد.

نسل ششم ارتباطات سیار با هدف ایجاد زیرساختی بسیار سریع‌تر، هوشمندتر و یکپارچه‌تر از نسل‌های قبلی در حال توسعه است.

در چشم‌انداز ۶G، موضوعاتی مانند ارتباطات بسیار پرسرعت، تأخیر بسیار پایین، اتصال گسترده دستگاه‌ها، ارتباطات فراگیر، استفاده گسترده‌تر از هوش مصنوعی و ترکیب ارتباطات با قابلیت‌های حسگری مورد توجه قرار گرفته‌اند.

یکی از ویژگی‌های مهم نسل آینده شبکه‌های ارتباطی، کاهش فاصله میان «شبکه ارتباطی» و «زیرساخت هوشمند» است. در چنین معماری‌ای، شبکه فقط وظیفه انتقال داده را انجام نمی‌دهد، بلکه می‌تواند از هوش مصنوعی برای مدیریت منابع، بهینه‌سازی ارتباطات و ارائه خدمات هوشمند استفاده کند.

با این حال، بسیاری از اعدادی که درباره ۶G در رسانه‌ها مطرح می‌شوند، مانند سرعت‌های بسیار بالا یا تأخیرهای فوق‌العاده پایین، بیشتر بیانگر اهداف و چشم‌اندازهای فنی هستند و نباید آن‌ها را با قابلیت‌های تجاری و عمومی یک شبکه آماده اشتباه گرفت.

استانداردسازی ۶G هنوز در حال توسعه است و انتظار می‌رود عرضه گسترده تجاری این نسل در سال‌های آینده اتفاق بیفتد.

با وجود این، سازمان‌ها و مدیران فناوری اطلاعات باید از هم‌اکنون روند توسعه ۶G را دنبال کنند؛ زیرا این فناوری می‌تواند در آینده بر حوزه‌هایی مانند شهرهای هوشمند، خودروهای متصل، اینترنت اشیا، واقعیت ترکیبی، اتوماسیون صنعتی و ارتباطات ماهواره‌ای تأثیر بگذارد.

۴. استفاده گسترده‌تر از هوش مصنوعی در امنیت سایبری

افزایش حملات سایبری، پیچیده‌تر شدن بدافزارها و افزایش حجم داده‌های امنیتی باعث شده است روش‌های سنتی دفاع سایبری به‌تنهایی پاسخگوی نیاز سازمان‌های بزرگ نباشند.

در سال ۲۰۲۵، استفاده از هوش مصنوعی و یادگیری ماشین در امنیت سایبری بیش از گذشته مورد توجه قرار گرفت.

سامانه‌های هوشمند امنیتی می‌توانند حجم بسیار زیادی از رویدادهای امنیتی را در زمان کوتاه تحلیل کنند و الگوهای غیرعادی را شناسایی کنند.

برای مثال، اگر یک حساب کاربری در مدت کوتاهی از چند موقعیت جغرافیایی متفاوت وارد سامانه شود، یک سامانه هوشمند می‌تواند این رفتار را به‌عنوان یک الگوی مشکوک شناسایی کند.

همچنین هوش مصنوعی می‌تواند در تشخیص بدافزار، تحلیل رفتار کاربران، شناسایی حملات فیشینگ، بررسی ترافیک شبکه، اولویت‌بندی هشدارهای امنیتی و تحلیل رخدادهای امنیتی مورد استفاده قرار گیرد.

یکی از مزایای مهم استفاده از هوش مصنوعی در امنیت سایبری، امکان تحلیل هم‌زمان حجم بسیار زیادی از داده‌هاست. در محیط‌های سازمانی، تعداد هشدارهای امنیتی ممکن است آن‌قدر زیاد باشد که بررسی همه آن‌ها توسط کارشناسان انسانی دشوار شود.

هوش مصنوعی می‌تواند هشدارهای مرتبط را دسته‌بندی کرده، رویدادهای مشکوک را اولویت‌بندی کند و اطلاعات لازم را برای تصمیم‌گیری سریع‌تر در اختیار تیم امنیت قرار دهد.

با این حال، استفاده از هوش مصنوعی در امنیت سایبری به معنای حذف کامل نیروی انسانی نیست.

مدل‌های هوش مصنوعی نیز ممکن است دچار خطا شوند و مهاجمان سایبری نیز از هوش مصنوعی برای توسعه حملات پیچیده‌تر استفاده می‌کنند. بنابراین، آینده امنیت سایبری بیشتر به سمت همکاری میان انسان و سامانه‌های هوشمند حرکت خواهد کرد.

در چنین مدلی، هوش مصنوعی مسئول تحلیل سریع و شناسایی الگوهاست و کارشناسان امنیت مسئول تصمیم‌گیری، بررسی دقیق و مدیریت واکنش به رخدادها هستند.

۵. رشد رایانش لبه‌ای و اینترنت اشیا

رایانش لبه‌ای یا Edge Computing یکی دیگر از روندهای مهم فناوری اطلاعات در سال ۲۰۲۵ بود.

در معماری‌های سنتی، بخش زیادی از داده‌ها به یک مرکز داده یا زیرساخت ابری ارسال می‌شوند تا پردازش شوند. اما با افزایش تعداد دستگاه‌های متصل و حجم داده‌ها، انتقال همه اطلاعات به مراکز داده مرکزی همیشه بهترین راهکار نیست.

رایانش لبه‌ای تلاش می‌کند بخشی از پردازش را به محل تولید داده نزدیک‌تر کند.

برای مثال، یک دوربین هوشمند در یک کارخانه می‌تواند بخشی از تحلیل تصاویر را در همان محل انجام دهد و فقط نتایج مهم را به مرکز داده ارسال کند.

این روش می‌تواند باعث کاهش تأخیر، کاهش حجم انتقال داده و افزایش سرعت واکنش سامانه شود.

رایانش لبه‌ای در حوزه‌هایی مانند خودروهای هوشمند، کارخانه‌های هوشمند، شهرهای هوشمند، سیستم‌های نظارتی، تجهیزات پزشکی، فروشگاه‌های هوشمند و اینترنت اشیا کاربرد زیادی دارد.

ترکیب اینترنت اشیا، رایانش لبه‌ای، هوش مصنوعی و رایانش ابری می‌تواند معماری جدیدی برای سامانه‌های سازمانی ایجاد کند.

در این معماری، دستگاه‌ها داده را تولید می‌کنند، تجهیزات لبه‌ای داده‌های حساس یا فوری را پردازش می‌کنند و زیرساخت ابری وظایفی مانند ذخیره‌سازی بلندمدت، تحلیل گسترده و مدیریت مرکزی را انجام می‌دهد.

این رویکرد علاوه بر افزایش سرعت، می‌تواند در برخی سناریوها به بهبود حریم خصوصی و امنیت داده‌ها نیز کمک کند؛ زیرا همه اطلاعات الزاماً نیاز ندارند از محل تولید خود خارج شوند.

چرا این پنج تحول برای سازمان‌ها اهمیت دارند؟

اهمیت تحولات فناوری سال ۲۰۲۵ فقط در خود فناوری‌ها خلاصه نمی‌شود. مسئله اصلی این است که این فناوری‌ها در حال تغییر شیوه طراحی و مدیریت زیرساخت‌های سازمانی هستند.

  • هوش مصنوعی باعث تغییر فرایندهای کاری و تصمیم‌گیری می‌شود.
  • رایانش کوانتومی سازمان‌ها را مجبور می‌کند به آینده امنیت رمزنگاری فکر کنند.
  • ۶G در حال آماده‌سازی زیرساخت ارتباطی نسل آینده است.
  • هوش مصنوعی در حال تغییر مدل دفاع در برابر تهدیدات سایبری است.
  • رایانش لبه‌ای نیز معماری پردازش و مدیریت داده را دگرگون می‌کند.

بنابراین، مدیران فناوری اطلاعات نباید این فناوری‌ها را صرفاً به‌عنوان موضوعات تحقیقاتی یا تبلیغاتی در نظر بگیرند. مهم‌تر از خرید یک فناوری جدید، شناخت تأثیر آن بر معماری سازمان، امنیت، داده، نیروی انسانی و مدل کسب‌وکار است.

از مرور سال ۲۰۲۵ تا برنامه اقدام سازمانی در ۲۰۲۶

برای تفسیر درست روندهای فناوری، باید بین فناوری‌های عملیاتی، قابلیت‌های در حال گسترش و موضوعاتی که هنوز در مرحله پژوهش یا استانداردسازی قرار دارند تفاوت قائل شد. این تمایز به سازمان کمک می‌کند بودجه و زمان خود را صرف نیازهای واقعی کند، به‌جای اینکه تنها بر اساس اخبار فناوری تصمیم بگیرد.

هوش مصنوعی مولد؛ ارزش قابل‌اندازه‌گیری و ریسک کنترل‌شده

پیش از گسترش استفاده از هوش مصنوعی مولد، یک مسئله مشخص و قابل‌اندازه‌گیری انتخاب کنید؛ برای نمونه، جست‌وجوی دانش سازمانی، تهیه پیش‌نویس مستندات یا کمک به تحلیل درخواست‌های پشتیبانی. معیارهایی مانند زمان انجام کار، نرخ خطا و نیاز به اصلاح انسانی را پیش و پس از اجرا بسنجید. دسترسی ابزارها به اطلاعات محرمانه، نگهداری داده‌ها، دقت پاسخ‌ها و مسئولیت تأیید نتیجه نیز باید روشن باشد. چارچوب مدیریت ریسک هوش مصنوعی NIST AI Risk Management Framework می‌تواند نقطه شروعی برای طراحی کنترل‌های متناسب با ریسک باشد.

رمزنگاری پساکوانتومی؛ برنامه‌ریزی بر اساس استانداردها

در ۱۱ مارس ۲۰۲۵، مؤسسه ملی استانداردها و فناوری آمریکا (NIST) الگوریتم HQC را برای استانداردسازی به‌عنوان گزینه پشتیبان برای تبادل کلید انتخاب کرد. این انتخاب به معنی نهایی‌شدن استاندارد HQC در همان سال نبود. سازمان‌ها می‌توانند از اکنون فهرست سامانه‌ها، گواهی‌ها، پروتکل‌ها و وابستگی‌های رمزنگاری خود را تهیه کنند، عمر محرمانگی داده‌ها را ارزیابی کنند و برنامه مهاجرت را با تأمین‌کنندگان فناوری هماهنگ سازند. جزئیات انتخاب HQC در اطلاعیه رسمی NIST درباره HQC منتشر شده است.

۶G؛ فناوری در حال توسعه، نه جایگزین فوری شبکه‌های امروز

در سال ۲۰۲۵، ۶G هنوز سرویس تجاری فراگیر نبود. چارچوب IMT-2030 اتحادیه بین‌المللی مخابرات مسیر توسعه و استانداردسازی نسل بعدی ارتباطات سیار را تعیین می‌کند. سازمان‌ها بهتر است نیاز فعلی خود به پوشش، ظرفیت، تأخیر و پایداری را بر اساس فناوری‌های در دسترس مدیریت کنند و روند استانداردسازی ۶G را برای برنامه‌ریزی بلندمدت دنبال کنند. اطلاعات چارچوب در صفحه رسمی ITU درباره IMT-2030 قابل بررسی است.

هوش مصنوعی در امنیت سایبری؛ کمک به تحلیل، نه حذف کنترل انسانی

سامانه‌های هوشمند می‌توانند در دسته‌بندی هشدارها و یافتن الگوهای مشکوک مفید باشند، اما کیفیت داده، احتمال هشدار اشتباه و امکان سوءاستفاده از خود ابزارها باید بررسی شود. برای شروع، کاربرد را محدود تعریف کنید، نتیجه‌های آن را با رخدادهای واقعی بسنجید و تأیید انسانی، ثبت رویداد و سازوکار بازگشت از اقدام خودکار را حفظ کنید. مقالهٔ نکات مهم درباره امنیت شبکه نیز برای بررسی کنترل‌های پایه مفید است.

رایانش لبه‌ای و اینترنت اشیا؛ مدیریت چرخه عمر دستگاه‌ها

پردازش نزدیک محل تولید داده می‌تواند در بعضی کاربردها تأخیر یا حجم انتقال اطلاعات را کاهش دهد، اما به معنی حذف نیاز به زیرساخت مرکزی یا ابر نیست. پیش از اجرا، مالکیت دستگاه‌ها، روش به‌روزرسانی، جداسازی شبکه، حفاظت داده، پایش وضعیت و مسئولیت رسیدگی به رخدادها را مشخص کنید. انتخاب محل پردازش باید بر اساس نیاز عملیاتی و الزامات داده صورت گیرد.

چک‌لیست تصمیم‌گیری برای مدیران فناوری اطلاعات

برای تبدیل روندهای فناوری به برنامه اجرایی، از یک فهرست کنترل ساده شروع کنید:

  • مسئله کسب‌وکار و نتیجه مورد انتظار را روشن کنید.
  • وضعیت فعلی، هزینه، زمان و شاخص‌های کیفیت را ثبت کنید.
  • ریسک امنیتی، حریم خصوصی و وابستگی به فروشنده را ارزیابی کنید.
  • یک آزمون محدود با معیارهای موفقیت از پیش تعیین‌شده اجرا کنید.
  • نتیجه را با خط مبنا مقایسه کنید و فقط در صورت مشاهده ارزش قابل‌اثبات، مقیاس را افزایش دهید.
  • مسئولیت نظارت، نگهداری، آموزش و پاسخ‌گویی به رخداد را تعیین کنید.

برای درک تأثیر هوش مصنوعی بر زیرساخت شبکه، مقالهٔ شبکه‌های کامپیوتری در عصر هوش مصنوعی و راهنمای استفاده از هوش مصنوعی در شبکه‌های کامپیوتری را نیز ببینید. برای برنامه‌ریزی سازمانی در مقیاس بزرگ‌تر، راهنمای جامع تحول دیجیتال برای مدیران نقطه شروع مناسبی است.

منابع رسمی برای بررسی بیشتر

جمع‌بندی

سال ۲۰۲۵ را می‌توان سال حرکت فناوری اطلاعات از مرحله آزمایش به سمت بلوغ و استفاده عملی دانست.

هوش مصنوعی مولد بیش از گذشته وارد فرایندهای سازمانی شد و هم‌زمان موضوع حکمرانی و مدیریت ریسک هوش مصنوعی اهمیت پیدا کرد.

رایانش کوانتومی به پیشرفت خود ادامه داد و موضوع رمزنگاری پساکوانتومی به یک مسئله جدی برای آینده امنیت اطلاعات تبدیل شد.

تحقیقات و استانداردسازی ۶G مسیر ارتباطات نسل آینده را مشخص‌تر کردند و رایانش لبه‌ای نیز در کنار اینترنت اشیا به یکی از اجزای مهم معماری‌های توزیع‌شده تبدیل شد.

در حوزه امنیت نیز استفاده از هوش مصنوعی نشان داد که آینده دفاع سایبری بیش از گذشته به تحلیل خودکار، شناسایی الگو و همکاری میان انسان و ماشین وابسته خواهد بود.

برای سازمان‌هایی که به دنبال تحول دیجیتال هستند، مهم‌ترین درس سال ۲۰۲۵ این است که فناوری به‌تنهایی مزیت رقابتی ایجاد نمی‌کند. مزیت واقعی زمانی ایجاد می‌شود که سازمان بتواند فناوری مناسب را در زمان مناسب، با معماری مناسب و همراه با مدیریت ریسک، امنیت و نیروی انسانی متخصص به کار بگیرد.

به همین دلیل، سازمان‌ها بهتر است به‌جای دنبال کردن هر فناوری جدید، یک نقشه راه مشخص برای تحول دیجیتال خود ایجاد کنند. ارزیابی زیرساخت موجود، شناسایی نیازهای کسب‌وکار، بررسی ریسک‌های امنیتی، آموزش نیروی انسانی و انتخاب فناوری‌های دارای ارزش واقعی باید بخش مهمی از این نقشه راه باشد.

فناوری اطلاعات دیگر فقط یک واحد پشتیبان برای سازمان نیست؛ بلکه به یکی از مهم‌ترین موتورهای رشد، نوآوری و رقابت‌پذیری کسب‌وکارها تبدیل شده است.