عصر ایران؛ محمدمهدی تقیپور- هوش مصنوعی را اگر فقط فناوری تازهای برای انجام سریعتر کارهای قدیمی ببینیم، احتمالاً بخش مهمی از ماجرا را از دست دادهایم. مسأله اصلی از جایی آغاز میشود که این فناوری، نه فقط در انجام کار، بلکه در تصمیمگیری درباره اینکه چه کاری، توسط چه کسی و با چه ساختاری انجام شود، وارد میشود.
فناوریهای بزرگ پیش از این نیز چنین تغییری ایجاد کردهاند. ماشین بخار فقط نیروی بیشتری به کارخانه نداد، برق صرفاً جایگزین نیروی بخار نشد و اینترنت نیز تنها سرعت انتقال اطلاعات را افزایش نداد. هر یک، بهتدریج شیوه تولید، توزیع، تصمیمگیری و خلق ارزش را تغییر دادند.
هوش مصنوعی نیز از همین جنس فناوریهاست؛ با این تفاوت که مستقیماً به یکی از مهمترین اجزای فعالیت اقتصادی، یعنی پردازش اطلاعات و تصمیمگیری، وارد شده است.
بنابراین پرسش اصلی دیگر فقط این نیست که هوش مصنوعی چه کاری را سریعتر یا ارزانتر از انسان انجام میدهد. پرسش مهمتر این است که چه فعالیتهایی را میتوان با منطق تازهای سازمان داد و این تغییر، در نهایت چه اثری بر معماری اقتصاد خواهد گذاشت.
در صنعت مالی و پرداخت، این تغییر از همین حالا قابل مشاهده است. نخستین سطح استفاده از هوش مصنوعی، بهینهسازی عملیات موجود است؛ از کشف تقلب و مبارزه با پولشویی گرفته تا شناسایی مغایرتها، کنترلهای عملیاتی و تضمین درآمد.
در این سطح، هوش مصنوعی الزاماً مدل کسبوکار تازهای نمیسازد، اما همان فعالیتهای موجود را با دقت، سرعت و مقیاسی متفاوت انجام میدهد. این نقطه آغاز است، نه نقطه پایان.
تأثیر واقعی زمانی آشکارتر میشود که از بهینهسازی فرایندهای موجود به بازطراحی خودِ خدمات برسیم.
در این مرحله، پرسش دیگر این نیست که یک فعالیت را چگونه سریعتر یا ارزانتر انجام دهیم؛ پرسش این است که آیا اساساً میتوان همان خدمت را با منطق دیگری ارایه کرد.
احراز هویت دیجیتال، افتتاح حساب، سرمایهگذاری و مدیریت دارایی نمونههایی از این تغییرند. در مدیریت ثروت، برای مثال، فرد میتواند سطح ریسک، اهداف و محدودیتهای خود را تعیین کند و سامانهای هوشمند بر اساس دادهها و الگوریتمها، بخش قابل توجهی از تصمیمهای روزمره مدیریت دارایی را بهصورت مستمر دنبال کند. البته مسئولیت، اعتماد و تصمیمهای پیچیده همچنان به نظارت و قضاوت انسانی نیاز دارند.
در بازار سرمایه نیز فناوریهایی مانند توکنیزهکردن داراییها میتوانند بهتدریج شیوه تعریف، مالکیت و مبادله برخی داراییها را تغییر دهند.
در اینجا فناوری دیگر صرفاً ابزار انجام یک کار نیست؛ به بخشی از سازوکار طراحی خدمات و سازماندهی مبادله اقتصادی تبدیل میشود.
از همینجا نگرانی درباره جایگزینی انسان با ماشین شکل میگیرد؛ نگرانییی که نمیتوان آن را نادیده گرفت.
در حوزههایی که فرایندها مشخص، تکرارشونده و مبتنی بر قواعد نسبتاً ثابتاند، هوش مصنوعی میتواند از نقش «دستیار» فراتر برود و بخشی از فعالیتها را بدون دخالت مستقیم انسان انجام دهد؛ از پشتیبانی مشتریان و کنترلهای عملیاتی گرفته تا امنیت شبکه و برخی فعالیتهای توسعه نرمافزار.
اما مسأله را نباید صرفاً با دوگانه «انسان یا هوش مصنوعی» توضیح داد. فناوریهای بزرگ فقط برخی مشاغل را حذف نکردهاند؛ همزمان تعریف کار، مهارتهای مورد نیاز و نحوه سازماندهی فعالیت اقتصادی را نیز تغییر دادهاند.
درباره هوش مصنوعی نیز مسأله فقط تعداد مشاغلی که از بین میروند نیست؛ سرعت بازتخصیص نیروی انسانی، سرمایه و مهارتهاست.
ورود هوش مصنوعی به فرایند تصمیمگیری، ارزش اقتصادی مهارتها را نیز جابهجا میکند.
بخشی از کارهای تکراری و پردازشهای استاندارد به ماشین واگذار میشود و در مقابل، توانایی تعریف مسأله، تحلیل، نظارت، قضاوت و ترکیب اطلاعات اهمیت بیشتری پیدا میکند.
این تغییر فقط به بازار کار محدود نمیماند. اگر یک بنگاه بتواند بخشی از فعالیتهای تحلیلی و تصمیمگیری را با هزینه کمتر و سرعت بیشتر انجام دهد، نسبت سرمایه به نیروی کار، ساختار هزینه و حتی اندازه بهینه بنگاه نیز میتواند تغییر کند.
به همین دلیل، اثر اقتصادی هوش مصنوعی را نمیتوان صرفاً با تعداد شغلهای حذفشده یا ایجادشده سنجید.
از همین منظر، هوش مصنوعی را نباید لزوماً جایگزین قضاوت انسانی دانست. ارزش اقتصادی آن میتواند در افزایش دامنه، سرعت و کیفیت تصمیمگیری باشد.
هوش مصنوعی در تحلیل حجم گستردهای از داده، جمعبندی اطلاعات و استخراج الگوهای کاربردی توان بالایی پیدا کرده است، اما میان این توانایی و پیشبینی قابل اتکای آینده همچنان فاصله وجود دارد.
برای ایران، این بحث یک لایۀ مهم دیگر نیز دارد: «بومیسازی». در نگاه نخست ممکن است به نظر برسد راه مواجهه با محدودیتهای خارجی، توسعۀ همهجانبۀ زیرساختهای هوش مصنوعی در داخل کشور است. اما چنین تصمیمی، اگر بدون محاسبه اقتصادی گرفته شود، میتواند به تخصیص نامتناسب منابع منجر شود.
تحریم نیز مسأله را پیچیدهتر میکند. محدودیت دسترسی به برخی سرویسها و زیرساختهای خارجی، ریسک عملیاتی و هزینه عدماطمینان را برای کسبوکارها افزایش میدهد.
شرکتی که قرار است روی فناوری سرمایهگذاری کند، نمیتواند با اطمینان فرض کند همه سرویسها و زیرساختهای مورد نیازش در بلندمدت در دسترس خواهند ماند. بنابراین قابلیت اتکا، خود بخشی از ارزش اقتصادی زیرساخت است.
اما پاسخ به این ریسک الزاماً سرمایهگذاری در همه لایههای زنجیره فناوری نیست. زیرساخت پردازشی، سختافزار و ظرفیتهای سنگین محاسباتی سرمایهگذاریهای بزرگی میطلبند. با توجه به مقیاس بازار ایران، بازگشت اقتصادی چنین سرمایهگذاریهایی ممکن است زمانبر باشد و سرعت بالای تغییر نسل فناوری نیز خطر استهلاک سرمایه و کاهش رقابتپذیری را افزایش دهد.
در مقابل، در لایه کاربرد و سرویس میتوان با سرمایه بسیار کمتر ارزش اقتصادی ایجاد کرد؛ بهویژه در حوزههایی که مزیت رقابتی نه در ساخت بزرگترین مدل، بلکه در داده، تخصص، شناخت صنعت، طراحی محصول و حل یک مسأله مشخص مشتری شکل میگیرد. بومیسازی الزاماً به معنای ساختن همهچیز از صفر نیست.
از این منظر، نقطه شروع توسعه هوش مصنوعی در ایران بهتر است نه بزرگترین مرکز داده، بلکه نزدیکترین نقطه به یک نیاز واقعی اقتصادی باشد؛ جایی که مشتری حاضر است برای حل مسأله هزینه کند و یک کسبوکار بتواند در مدت کوتاهتری ارزش ایجاد کند.
بازار واقعی، درآمد، تقاضا، داده و تجربه ایجاد میکند و همین عوامل میتوانند بعداً سرمایهگذاری در لایههای عمیقتر فناوری را توجیه کنند. در نقطه مقابل، اگر منابع محدود کشور پیش از شکلگیری تقاضای اقتصادی متناسب صرف زیرساختهای سنگین شود، ممکن است زنجیره ارزش را از انتها آغاز کرده باشیم؛ یعنی زیرساختی ساخته شود که هنوز بازار کافی برای استفاده اقتصادی از آن وجود ندارد.
بنابراین پرسش نخست نباید صرفاً این باشد که «چگونه زیرساخت هوش مصنوعی بسازیم؟» بلکه باید پیش از آن پرسید: «چه مسأله اقتصادییی را میخواهیم با هوش مصنوعی حل کنیم و چه بازاری میتواند حول آن شکل بگیرد؟»
این نگاه به معنای بیاهمیتبودن زیرساخت نیست. برعکس، زیرساخت زمانی به مزیت پایدار تبدیل میشود که تقاضا، کاربرد و اقتصاد متناسب با آن شکل گرفته باشد. توسعه لایههای عمیقتر فناوری باید بتواند بر پایه یک بازار واقعی و مزیت اقتصادی توجیه شود، نه صرفاً بر پایه این تصور که داشتن فناوری بهخودیخود مزیت ایجاد میکند.
برای ایران، نقطه تمایز میتواند در جاهایی باشد که مقیاس محاسباتی بزرگترین مزیت نیست: دادههای تخصصی، زبان، شناخت فرایندهای بومی، نیازهای صنایع داخلی و توان تبدیل یک مسأله مشخص به یک خدمت قابل اتکا. در چنین مدلی، محدودیتهای موجود الزاماً فقط مانع نیستند؛ میتوانند شرکتها را به سمت حوزههایی سوق دهند که مزیت رقابتی آنها بیشتر از جنس شناخت مسأله و خلق ارزش است تا صرفاً مالکیت ظرفیت محاسباتی.
هوش مصنوعی زمانی به یک مزیت اقتصادی تبدیل میشود که از سطح فناوری به سطح کسبوکار برسد؛ زمانی که یک نیاز واقعی مشتری را به خدمتی قابل اتکا، مقیاسپذیر و اقتصادی تبدیل کند.
از این منظر، مهمترین تحول هوش مصنوعی شاید نه در جایگزینی یک نیروی انسانی با یک ماشین، بلکه در تغییر رابطه میان اطلاعات، تصمیم، سرمایه و کار باشد.
وقتی بخشی از پردازش و تصمیمگیری را میتوان به سامانههای هوشمند سپرد، شرکتها میتوانند خدمات را با ساختارهای متفاوتی طراحی کنند، واسطهها تغییر کنند، مقیاس برخی کسبوکارها افزایش یابد و حتی مرز میان تولیدکننده و مصرفکننده در بعضی بازارها جابهجا شود.
در نتیجه، اقتصاد هوش مصنوعی را نباید فقط مجموعهای از شرکتهای سازنده مدلهای زبانی، تراشه یا مراکز داده دانست. بخش مهمتر اقتصاد آن جایی شکل میگیرد که این فناوری به زنجیرههای واقعی تولید و خدمات وارد شود و شیوه خلق ارزش را تغییر دهد.
برای ایران نیز مسیر واقعبینانهتر میتواند از کاربرد و بازار آغاز شود، در سرویس و داده عمق بگیرد و هرجا که مقیاس تقاضا و مزیت اقتصادی ایجاب کرد، به سمت سرمایهگذاری عمیقتر در زیرساخت حرکت کند.
اگر هوش مصنوعی قرار است معمار اقتصاد آینده باشد، مسأله فقط این نیست که چه فناورییی در اختیار داریم؛ مسأله این است که اقتصاد چگونه خود را برای استفاده از آن بازآرایی میکند.
و شاید نقطه آغاز همین باشد: پیش از آنکه برای ساختن فناوری هزینه کنیم، بدانیم قرار است با آن چه ارزش اقتصادی تازهای بسازیم.
شمـا اولیـن نفـر هستـید کـه نظـر خـود را ثبـت مـی کنیـد.
🗩ثبـت نظر: