واقعیت هوش مصنوعی: چرا درآمد و بهره‌وری خارج از حوزه تکنولوژی تغییری نکرده است؟

مقدمه و زمینه

با وجود هایپ و سرمایه‌گذاری‌های کلان در حوزه هوش مصنوعی (AI)، داده‌های اقتصادی نشان می‌دهند که این فناوری هنوز هیچ‌گونه بازده مالی ملموسی برای بدنه اصلی شرکت‌های آمریکایی خارج از بخش تکنولوژی نداشته است. در حالی که شرکت‌های بزرگ فناوری ملقب به Mag 7 شاهد رشد درآمد به ازای هر کارمند و افزایش حاشیه سود بوده‌اند، این شاخص‌ها برای بقیه بازار (S&P 493) کاملاً ثابت مانده‌اند.

جزئیات کلیدی و چالش‌های فنی

بر اساس تحلیل‌های اقتصادی، هزینه‌های مربوط به توکن‌ها و مدل‌های زبانی در شرکت‌های خارج از صنعت نرم‌افزار، بیشتر به عنوان یک مرکز هزینه (Cost Center) شناخته می‌شود تا عامل رشد. چند دلیل فنی و ساختاری برای این موضوع وجود دارد:

• تفاوت در ماهیت کسب‌وکارها: بخش تکنولوژی ذاتاً نرم‌افزارمحور و مجازی است و انطباق با ابزارهای جدید برای آن ساده‌تر است. اما صنایع سنتی برای استفاده از فناوری‌های جدید نیاز به سرمایه‌گذاری‌های سنگین فیزیکی و بازطراحی ساختار خود دارند.
• مسئله قضاوت و حسابرسی: هوش مصنوعی در نقش یک ماشین حساب قدرتمند عمل می‌کند، اما تصمیم‌گیری تجاری وابستگی شدیدی به قضاوت انسانی، درک بستر (Context)، فرهنگ سازمان، قوانین نانوشته و ارزیابی ریسک‌های شهرت دارد.
• اعتبارسنجی خروجی‌ها: توسعه‌دهندگان نرم‌افزار معمولاً از تست‌سایت‌ها و ابزارهای خودکار برای اعتبارسنجی خروجی کدهای تولید شده توسط هوش مصنوعی استفاده می‌کنند. صنایع دیگر فاقد چنین دروازه‌های اعتبارسنجی خودکاری هستند و بررسی صحت خروجی‌ها نیازمند بازبینی دستی پرهزینه و وقت‌گیر است.

نگاه جامعه هکر نیوز

بحث‌های شکل گرفته در هکر نیوز ابعاد جالب دیگری را روشن می‌کند:

• شباهت با تاریخ برق‌رسانی: برخی کاربران اشاره کرده‌اند که هنگام گذر از انرژی آب به برق، کارخانه‌ها بلافاصله بهره‌وری بیشتری نداشتند؛ زیرا کل معماری کارخانه (مثل آسیاب‌های قدیمی متکی بر آب) باید از نو طراحی می‌شد. این چرخه ممکن است برای هوش مصنوعی نیز سال‌ها زمان ببرد.
• پارادوکس بهره‌وری: برخی دیگر به نقل‌قول معروف رابرت سولو در سال ۱۹۸۷ اشاره کردند که «عصر کامپیوتر را همه جا می‌توان دید مگر در آمار بهره‌وری».
• تجربه مهندسان: بسیاری از توسعه‌دهندگان در پروژه‌های شخصی از هوش مصنوعی لذت می‌برند، اما معتقدند بازگشت بهره‌وری در کارهای روزمره و سازمانی هنوز محدود یا حتی منفی بوده است.

چرا این موضوع برای مهندسان اهمیت دارد؟

برای مهندسی که روی سیستم‌های واقعی کار می‌کند، این گزارش نشان می‌دهد که تباهی یا موفقیت نهایی هوش مصنوعی در اقتصاد، در شرکت‌های غیرافتخاری و سنتی (S&P 493) تصمیم‌گیری خواهد شد نه فقط در غول‌های فناوری. تا زمانی که هوش مصنوعی نتواند مسئولیت‌پذیری، اعتماد و سازوکارهای اعتبارسنجی دقیق را به صنایع سنتی تزریق کند، پذیرش آن با احتیاط و مقاومت روبه‌رو خواهد شد.