آیا سرمایه‌گذاری شرکت‌ها در هوش مصنوعی واقعا سودآور خواهد بود؟

شرح آگهی

به گزارش پایگاه خبری پارس نماد داده ها، موج سرمایه‌گذاری در هوش مصنوعی وارد مرحله تازه‌ای شده است. پس از دو سال رشد انفجاری مدل‌های زبانی و رقابت سنگین شرکت‌های فناوری، اکنون داده‌ها نشان می‌دهد استفاده از AI در سطح شرکت‌ها به نقطه‌ای رسیده که تحلیلگران از آن با عنوان «پذیرش انبوه» یاد می‌کنند.

گزارشی از فایننشال تایمز نشان می‌دهد بیش از نیمی از کسب‌وکارها اکنون به‌طور فعال در حال استفاده یا سرمایه‌گذاری روی ابزارهای هوش مصنوعی هستند؛ اتفاقی که نشان می‌دهد AI از مرحله آزمایشی عبور کرده و به بخشی از جریان اصلی فعالیت‌های اقتصادی تبدیل شده است. نکته مهم‌تر آنکه داده‌ها نشان می‌دهد عامل اصلی در سرعت پذیرش AI نه صنعت فعالیت شرکت‌ها، بلکه نوع سرمایه‌گذاران آن‌هاست. شرکت‌هایی که تحت حمایت سرمایه‌گذاران خطرپذیر یا صندوق‌های سرمایه‌گذاری خصوصی قرار دارند، با سرعت بیشتری به سمت استفاده از AI حرکت کرده‌اند. این روند نشان می‌دهد استفاده از هوش مصنوعی برای بسیاری از شرکت‌ها دیگر یک انتخاب اختیاری نیست، بلکه به نوعی الزام رقابتی تبدیل شده است؛ موضوعی که همزمان با افزایش فشار بازارها و سرمایه‌گذاران برای داشتن «استراتژی AI» در شرکت‌ها رخ می‌دهد.

اما همزمان با گسترش سریع پذیرش AI، پرسش مهم‌تری در حال مطرح شدن است: آیا این سرمایه‌گذاری عظیم واقعا بازده اقتصادی ایجاد خواهد کرد؟ شکاف میان پذیرش AI و سودآوری واقعی گزارش جدید گلدمن ساکس نشان می‌دهد اگرچه پذیرش AI در میان مصرف‌کنندگان و شرکت‌ها بسیار سریع بوده، اما هنوز بخش بزرگی از اقتصاد هوش مصنوعی به سودآوری پایدار نرسیده است. به گزارش گلدمن ساکس، تاکنون بخش عمده منافع مالی موج AI نصیب شرکت‌های نیمه‌هادی و زیرساختی شده است؛ شرکت‌هایی مانند NVIDIA که از تقاضای انفجاری برای تراشه‌های هوش مصنوعی سود برده‌اند.

در مقابل، بسیاری از شرکت‌هایی که در حال خرید یا استقرار AI هستند، هنوز نتوانسته‌اند بازده اقتصادی مشخصی از این فناوری استخراج کنند. تحلیلگران گلدمن ساکس معتقدند این وضعیت در بلندمدت پایدار نیست؛ چرا که در یک زنجیره اقتصادی سالم، شرکت‌های بالادست زمانی می‌توانند رشد پایدار داشته باشند که مشتریان آن‌ها نیز سودآور شوند. به بیان دیگر، اگر شرکت‌ها نتوانند از AI ارزش اقتصادی واقعی ایجاد کنند، در نهایت موج سرمایه‌گذاری فعلی نیز با چالش مواجه خواهد شد. مشکل اصلی دیگر مدل‌ها نیستند برخلاف تصور اولیه، تحلیلگران معتقدند محدودیت اصلی AI دیگر کیفیت مدل‌ها یا قدرت پردازشی نیست. به باور گلدمن ساکس، مسئله اصلی اکنون «اقتصاد استفاده از AI» است. بسیاری از شرکت‌ها هنوز داده‌های ساختاریافته و زیرساخت لازم برای استفاده مؤثر از AI را ندارند. در چنین شرایطی، حتی پیشرفته‌ترین مدل‌ها نیز نمی‌توانند بهره‌وری قابل‌توجهی ایجاد کنند.

گلدمن ساکس در این گزارش تاکید می‌کند شرکت‌ها برای دستیابی به بازده واقعی از AI باید دو مسئله را حل کنند: نخست، ساختاربندی داده‌ها و یکپارچه‌سازی اطلاعات سازمانی؛ و دوم، مدیریت هوشمند استفاده از مدل‌های مختلف AI برای کنترل هزینه‌ها. به باور تحلیلگران، همه وظایف سازمانی نیازمند استفاده از گران‌ترین مدل‌های هوش مصنوعی نیستند. برای مثال، جست‌وجوهای ساده یا پردازش‌های روزمره می‌تواند با مدل‌های سبک‌تر و ارزان‌تر انجام شود، در حالی که تحلیل‌های پیچیده مالی یا تصمیم‌گیری‌های حساس باید به مدل‌های قدرتمندتر سپرده شود. در همین راستا، استفاده از مدل‌های زبانی کوچک یا SLMها نیز به‌عنوان یکی از راه‌حل‌های احتمالی مطرح شده است. این مدل‌ها نسبت به مدل‌های عظیم عمومی هزینه کمتری دارند، سریع‌تر اجرا می‌شوند و می‌توانند برای وظایف مشخص سازمانی بهینه شوند.

مسئله صرفه اقتصادی AI موضوع صرفه اقتصادی در پژوهش‌های دانشگاهی نیز به یکی از محورهای اصلی بحث درباره آینده AI تبدیل شده است. پژوهشی که پیش‌تر توسط اکوایران بررسی شده بود نشان می‌دهد بسیاری از وظایفی که از نظر فنی قابل اتوماسیون هستند، هنوز از نظر اقتصادی توجیه‌پذیر نیستند. به بیان دیگر، توانایی فنی AI الزاماً به معنای استقرار سریع و گسترده آن نیست. هزینه توسعه، سفارشی‌سازی و استقرار سیستم‌های هوش مصنوعی همچنان بالاست و همین مسئله سرعت جایگزینی نیروی کار انسانی را کاهش می‌دهد. این پژوهش همچنین نشان می‌دهد برخلاف برخی روایت‌های آخرالزمانی درباره بازار کار، اثر AI بر اشتغال احتمالا تدریجی خواهد بود، نه ناگهانی. حتی در صورت کاهش سریع هزینه‌های AI، ممکن است دهه‌ها طول بکشد تا بسیاری از وظایف به‌طور کامل از نظر اقتصادی برای اتوماسیون مقرون‌به‌صرفه شوند.

آینده AI به چه چیزی وابسته است؟

تحلیلگران معتقدند مرحله بعدی رقابت در بازار AI دیگر صرفاً بر سر ساخت مدل‌های بزرگ‌تر یا قدرتمندتر نخواهد بود، بلکه بر سر توانایی شرکت‌ها در تبدیل هوش مصنوعی به یک ابزار سودآور متمرکز می‌شود. در این میان، شرکت‌هایی که بتوانند داده‌های سازمانی خود را یکپارچه کنند، هزینه استفاده از مدل‌ها را کاهش دهند و AI را در جریان واقعی عملیات کسب‌وکار ادغام کنند، احتمالاً برندگان اصلی مرحله بعدی خواهند بود.

گلدمن ساکس در پایان توصیه می‌کند مدیران شرکت‌ها به‌جای حرکت شتاب‌زده برای نمایش ظاهری استفاده از AI، روی ایجاد زیرساخت‌های داده، طراحی فرآیندهای مناسب و تدوین استراتژی بلندمدت تمرکز کنند. به باور تحلیلگران این بانک، شرکت‌هایی که امروز برای ساخت این زیرساخت‌ها زمان صرف کنند، در سال‌های آینده شانس بیشتری برای بهره‌برداری واقعی از اقتصاد هوش مصنوعی خواهند داشت.(اکوایران)

انتهای پیام/ خبرنگار پایگاه خبری پارس نماد