نویسنده: حسین قریب گرکانی
در فاصلهی بین سالهای ۲۰۲۲ تا ۲۰۲۴، صنعت هوش مصنوعی (AI) یکی از سریعترین و پرهیجانترین دورههای رشد تاریخ فناوری را تجربه کرد. عرضهی مدلهای زبانی بزرگ (LLMs)، پیشرفتهای چشمگیر در بینایی ماشین و عمومیشدن ابزارهای مولد محتوا، موجی از سرمایهگذاری، توجه رسانهای و بازتعریف استراتژیهای سازمانی را رقم زد. با این حال، اکنون صنعت AI وارد مرحلهای متفاوت شده است؛ مرحلهای که میتوان آن را «پس از موجهای اولیه» نامید؛ مرحلهای که هیجان جای خود را به ارزیابی اقتصادی، کارایی عملیاتی و پایداری مدلهای کسبوکار میدهد.
طبق گزارش Stanford AI Index 2024، اگرچه تعداد مدلهای جدید همچنان در حال افزایش است، اما نرخ «نوآوری بنیادین» نسبت به سالهای اولیه کاهش یافته و تمرکز از «ساخت مدلهای بزرگتر» به «بهینهسازی، استقرار و کاربردپذیری» منتقل شده است. این تغییر، نشانهای از بلوغ نسبی بازار دربارهی هوش مصنوعی است. در واقع AI دیگر صرفاً یک فناوری نمایشی نیست و در حال تبدیل به یک زیرساخت اقتصادی است که باید بازده سرمایه (ROI) مشخص و قابل دفاعی داشته باشد.
بر همین اساس، شرکتها دیگر نمیپرسند «آیا از AI استفاده کنیم یا نه؟»، بلکه سؤال اصلی این است: کدام کاربرد AI واقعاً هزینه را کاهش میدهد، بهرهوری را افزایش میدهد یا مزیت رقابتی پایدار ایجاد میکند؟
پس از اوج سرمایهگذاری در سال ۲۰۲۳ روی صنعت هوش مصنوعی، دادههای Bloomberg و PitchBook نشان میدهد که در سال ۲۰۲۴ و ۲۰۲۵، سرمایهگذاری خطرپذیر در AI وارد فاز «انتخابگری» شده است. منابع مالی همچنان وجود دارند، اما فقط به سمت شرکتهایی جریان پیدا میکنند که مسیر درآمدی مشخصی دارند، مشتری سازمانی (Enterprise) واقعی دارند و وابستگی صرف به APIهای مدلهای بزرگ ندارند.
این روند شبیه آن چیزی است که پس از حباب دات کام یا موج اولیه فینتک رخ داد: بازار کوچکتر میشود، اما بازیگران باقیمانده، قویتر و پایدارتر هستند!
یکی از واقعیتهای کمتر تبلیغ شدهی صنعت AI، هزینهی بالای محاسباتی آن است. طبق گزارش McKinsey Global Institute (2024)، هزینهی آموزش و اجرای مدلهای بزرگ، به ویژه در مقیاس سازمانی، به یکی از موانع اصلی تبدیل شده است. مصرف انرژی دیتاسنترها، نیاز به GPUهای پیشرفته و وابستگی به زنجیرهی تأمین محدود (NVIDIA، TSMC) باعث شده AI از یک «نرمافزار ارزانمقیاسپذیر» به یک زیرساخت سرمایهمحور تبدیل شود.
نتیجه این وضعیت، رشد مدلهای کوچکتر و تخصصی (Small & Domain-Specific Models)، تمرکز بر Edge AI و کاهش وابستگی به کلاد و افزایش اهمیت بهینهسازی الگوریتمی به جای صرفاً افزایش پارامترهاست.
همچنین برخلاف روایتهای اغراقآمیز درباره «حذف گسترده شغلها»، دادههای OECD و IMF نشان میدهد که تأثیر AI بیشتر تحولمحور است تا تخریبی. بسیاری از مشاغل حذف نمیشوند، بلکه بازتعریف میشوند و نقشهایی که بیشترین ارزش را خلق میکنند، آنهایی هستند که: توان ترکیب دانش انسانی با خروجی AI را دارند؛ قدرت تصمیمگیری، نظارت و طراحی سیستم دارند و به جای اجرای وظایف تکراری، بر حل مسئله تمرکز میکنند. در این مرحله از بلوغ صنعت است که سرمایهی انسانی آموزشدیده به یکی از کمیابترین منابع تبدیل میشود.
در مباحث قانونگذاری، پس از دورهای از خلأ قانونی، اکنون دولتها در حال ورود فعال به تنظیمگری AI هستند. قانون AI اتحادیه اروپا (EU AI Act)، دستورالعملهای ایالات متحده و چارچوبهای پیشنهادی OECD، نشان میدهد که صنعت هوش مصنوعی وارد فاز «حاکمیتپذیری» شده است. این موضوع دو پیامد مهم دارد:
- افزایش هزینهی تطبیق (Compliance) برای شرکتها
- حذف تدریجی بازیگران کوچک و غیرحرفهای
در عین حال، تنظیمگری شفاف میتواند اعتماد بازار و پذیرش عمومی AI را افزایش دهد؛ شرطی که برای رشد بلندمدت حیاتی است.
در مجموع، صنعت هوش مصنوعی پس از موجهای اولیه، وارد مرحلهای شده که میتوان آن را اقتصاد هوش مصنوعی نامید؛ مرحلهای که در آن سودآوری مهمتر از نوآوری نمایشی است؛ کاربرد واقعی مهمتر از مدل بزرگتر است و ادغام با فرآیندهای کسبوکار مهمتر از هیجان رسانهای هستند.
برندگان این مرحله نه لزوماً سازندگان بزرگترین مدلها، بلکه شرکتهایی خواهند بود که AI را به عنوان ابزار بهرهوری، تصمیمسازی و کاهش عدم قطعیت اقتصادی به درستی پیادهسازی کنند. برای کشورها و شرکتهایی که دیرتر وارد این فضا میشوند، پیام روشن است: دورهی آزمون و خطای هوش مصنوعی تمام شده؛ اکنون زمان استراتژی، انتخاب دقیق و سرمایهگذاری هدفمند روی این صنعت است.