اقتصاددان ارشد آپولو: سرمایه‌گذاری شرکت‌ها در هوش مصنوعی هیچ بازده مالی نداشته است

برای بخش عمده شرکت‌های آمریکایی، میلیاردها دلاری که ظرف دو سال گذشته به پای هوش مصنوعی ریخته شده، از نظر بازده مالی ملموس تقریباً هیچ دستاوردی نداشته است. این ارزیابی صریح و بی‌پرده در تاریخ ۲۵ اکتبر ۲۰۲۶ توسط تورستن اسلوک، اقتصاددان ارشد موسسه «آپولو گلوبال منجمنت»، منتشر شده است؛ تحلیلی که لایه‌های اغراق‌آمیز بازاریابی پیرامون ادغام هوش مصنوعی در شرکت‌ها را کنار می‌زند.[1][3]

در حالی که ارائه‌دهندگان خدمات فناوری رکوردهای مالی بی‌سابقه‌ای از فروش زیرساخت ثبت می‌کنند، شرکت‌های خریدار این خدمات نمی‌توانند هیچ رشد متناظری را در سود خالص خود نشان دهند. ارزیابی اسلوک به‌طور ویژه بر شاخص «اس‌اندپی ۴۹۳» متمرکز است؛ یعنی کل شرکت‌های این شاخص به استثنای هفت غول فناوری. برای این شرکت‌های سنتی، وعده‌های رشد بهره‌وری عملاً راهی به گزارش‌های مالی فصلی پیدا نکرده است.[1][4]

اسلوک در یادداشت روزانه بازار خود نوشت: «با وجود سرمایه‌گذاری‌های عظیم و هیاهوی فراگیر درباره هوش مصنوعی، این فناوری برای بدنه اقتصاد آمریکا در خارج از بخش فناوری هیچ بازده مالی به همراه نداشته است.» این یافته، روایت مسلط مبنی بر تحول آنی در بهره‌وری کسب‌وکارها به‌واسطه مدل‌های مولد را به چالش می‌کشد و در عوض، از یک انتقال ثروت هنگفت از صنایع سنتی به ارائه‌دهندگان رایانش ابری حکایت دارد.[3][4]

نقص ساختاری بنیادین در چشم‌انداز خوش‌بینانه هوش مصنوعی ناشی از شیوه مصرف این فناوری است. وقتی شرکتی یک مدل زبانی بزرگ را به خدمت می‌گیرد، نرم‌افزاری نخریده که یک‌بار برای آن پول داده باشد؛ بلکه باید پیوسته عوارض سنگین توان پردازشی را بپردازد. این هزینه‌های فزاینده توکن، به جای آنکه حاشیه سود شرکت‌ها را افزایش دهند، عملاً در حال فشردن و کاهش آن هستند.[2][5]

عوارض پردازشی بر حاشیه سود

غول‌های فناوری در این چرخه تجاری نقشی بی‌چون‌وچرا بازی می‌کنند و عملاً مانند متصدیان اخذ عوارض از پیکره اقتصاد عمل می‌کنند. هر پاسخ خودکار به مشتری، خلاصه‌سازی اسناد یا گزارش تولیدشده، زمان پردازش سرور مصرف می‌کند. تجمیع این ریزتراکنش‌ها میان ده‌ها هزار کارمند، ابزاری را که وعده بهینه‌سازی کارایی داده بود، به یک بار عملیاتی سنگین و هزینه‌بر بدل ساخته است.[5]

گزارشی به نقل از وب‌سایت تامز هاردور نشان می‌دهد چگونه این فرایند مدل‌های تجاری سنتی را تهدید می‌کند. از آنجا که هزینه استنتاج همگام با میزان استفاده افزایش می‌یابد، شرکت‌ها نمی‌توانند به حاشیه سود بالایی مشابه نرم‌افزارهای سنتی برسند. هرچه استفاده شرکت از هوش مصنوعی بیشتر شود، صورت‌حساب ابری آن سنگین‌تر می‌شود و همین موضوع سقف مشخصی برای سودآوری نهایی تعیین می‌کند.[5]

این واقعیت در حال تغییر محاسبات در بازارهای جهانی است. سرمایه‌گذاران پیش‌تر قیمت سهام و اوراق قرضه شرکت‌هایی را که در سال‌های ۲۰۲۴ و ۲۰۲۵ با هیاهو طرح‌های هوش مصنوعی خود را اعلام می‌کردند بالا برده بودند. اکنون، نرخ سواپ‌های نکول اعتباری و بازده اوراق قرضه شرکتی در پی اصرار تحلیل‌گران بر ارائه شواهد واقعی از رشد درآمد یا کاهش هزینه‌ها رو به تعدیل گذاشته است.[2]

ریشه این گسست، اشتباه گرفتن یک «قابلیت فناورانه» با یک «کاربرد تجاری سودآور» است. اگرچه مدل‌ها متن و کد را تولید می‌کنند، اما گنجاندن امن و سازگار آن‌ها در جریان‌های کاری سازمان نیازمند مهندسی اختصاصی پرخرجی است. بسیاری از شرکت‌ها متوجه شده‌اند که هزینه ادغام و نظارت مستمر، از ارزش زمان صرفه‌جویی‌شده نیروهای انسانی فراتر می‌رود.[1][4]

ارزیابی مجدد توسعه زیرساخت‌ها

یادداشت آپولو درست در شرایط حساسی منتشر می‌شود که بخش فناوری در حال تأمین بودجه یک توسعه زیرساختی بی‌سابقه است. مراکز داده، نیروگاه‌های تولید برق و تجهیزات شبکه‌ای پیشرفته با سرعتی تاریخی در حال احداث هستند. این توسعه چند تریلیون دلاری تماماً بر این فرض استوار است که مشتریان سازمانی تا ابد به پرداخت نرخ‌های بالا برای توان پردازشی ادامه خواهند داد.[2][3]

اگر شرکت‌های شاخص اس‌اندپی ۴۹۳ به دلیل نبود بازدهی سرمایه هزینه‌های هوش مصنوعی خود را مهار کنند، پیامدهای منفی آن شدید خواهد بود. مخارج سرمایه‌ای جاری به‌طور گسترده در دست چند ارائه‌دهنده رایانش ابری بزرگ متمرکز است و رکود تقاضای سازمانی، این شرکت‌ها را با زیرساخت‌های عظیم و بدون استفاده و کاهش رشد درآمد تنها خواهد گذاشت.[1][2]

تحلیل نشریه فورچون تأکید می‌کند: «ایراد بنیادین نظریه رونق هوش مصنوعی این است که خریداران فناوری سود مالی آن را لمس نمی‌کنند.» این وضعیت تعادل بازار را شکننده می‌کند. ارزش‌گذاری سرسام‌آور بخش فناوری به این وابسته است که بخش‌های دیگر اقتصاد از طریق تمدید اشتراک‌های بی‌پایان توکن، رشد آن را تأمین مالی کنند.[2]

برخی از شرکت‌های پیشگام هم‌اکنون در سکوت در حال تعدیل برنامه‌های بلندپروازانه خود در زمینه عوامل خودمختار هستند. این کسب‌وکارها به جای جایگزینی کل بخش‌ها، هوش مصنوعی را به کارهای محدود داخلی که خطای آن‌ها تبعات پایینی دارد محدود کرده‌اند. این رویکرد مصرف توکن را کاهش می‌دهد و مستقیماً پیش‌بینی‌های درآمدی ارائه‌دهندگان مدل‌ها را با افت مواجه می‌سازد.[4][5]

جستجو برای کاربردهای پایدار

تردید کارشناسان آپولو به معنای ناکارآمدی خود فناوری نیست، بلکه نشان می‌دهد ساختار کنونی قیمت‌گذاری و مدل‌های استقرار آن برای بیشتر خریداران از نظر مالی مقرون‌به‌صرفه نیست. نرم‌افزارهای سازمانی در طول تاریخ برای دستیابی به بهره‌وری ملموس نیازمند سال‌ها هماهنگی سازمانی بوده‌اند و واقعیت‌های سال ۲۰۲۶ نشان می‌دهد مدل‌های مولد نیز از این قاعده جدا نیستند.[3][4]

دستیابی به بازدهی مالی نیازمند فاصله گرفتن شرکت‌ها از مدل‌های بزرگ ابری عمومی است. صنعت به سمت مدل‌های کوچک‌تر با وزن‌های باز روی آورده که بتوان آن‌ها را به‌صورت محلی بر سخت‌افزارهای داخلی اجرا کرد. هرچند این شیوه در ابتدا نیازمند مهندسی بیشتر است، اما هزینه‌های مداوم پردازش را که بودجه سازمان را می‌بلعد از میان برمی‌دارد.[5]

بخش خدمات مالی مصداق روشنی از این چالش‌ها است. در شرایطی که بانک‌ها از سال ۲۰۲۳ صدها میلیون دلار صرف ابتکارات هوش مصنوعی کرده‌اند، الزامات نظارتی نیازمند بررسی انسانی بر تقریباً تمامی تصمیمات خودکار است. پرداخت هم‌زمان هزینه پردازش مدل و دستمزد بازرس انسانی عملاً بهای انجام وظایف را دوچندان کرده و بهره‌وری را بی‌اثر ساخته است.[1][3]

تا زمانی که ساختار استقرار این فناوری دگرگون نشود، شکاف مالی به قوت خود باقی است. فروشندگان زیرساخت به سودهای تاریخی دست می‌یابند، در حالی که خریداران صرفاً پروژه‌های تحقیقاتی پرهزینه‌ای را اجرا می‌کنند. برای هیئت‌مدیره‌ای که بودجه سال ۲۰۲۷ را ارزیابی می‌کند، توجیه ادامه مخارج گزاف هوش مصنوعی هر روز دشوارتر می‌شود.[1][3]

آزمون واقعی در فصل اعلام درآمدهای فصلی پیش رو رقم خواهد خورد؛ جایی که سرمایه‌گذاران با عبور از بیانیه‌های تبلیغاتی، خواستار اعداد و ارقام روشن درباره درآمدهای حاصل از هوش مصنوعی می‌شوند. اگر اس‌اندپی ۴۹۳ نتواند نشان دهد این ابزارها فروش جدید آورده‌اند یا هزینه‌ها را کاسته‌اند، بازار هوش مصنوعی با اصلاحی عمیق روبه‌رو خواهد شد.[2][4]

هشدار موسسه آپولو تذکری ضروری برای صنعتی است که با تکیه بر موج هیجانی پیش می‌رود. فناوری کار می‌کند، اما مدل تجاری ارائه‌شده برای خریداران کارآمد نیست. تا زمانی که هزینه هوش مصنوعی به‌طور معناداری ارزان نشود، بخش عمده شرکت‌ها در برزخ آزمون‌های گران‌قیمت باقی خواهند ماند و عملاً برای آزمایش ابزارهای غول‌های فناوری عوارض خواهند پرداخت.[3][5]